高级模式：System Prompt 和 Prompt Chain - Prompt Engineering 实战指南 | 匠人学院 - 学AI·AI教程·AI入门

System Prompt vs User Prompt

API 调用中 Prompt 分两层：

const response = await openai.chat.completions.create({ model: 'gpt-4o', messages: [ { role: 'system', content: '你是 JR Academy 的课程助手...' }, { role: 'user', content: '推荐一个适合前端转全栈的课程' }, ], });

层级	作用	特点
System	定义 AI 的身份、行为规则、输出约束	用户看不到，每轮对话都生效
User	具体的任务或问题	每轮不同

Prompt Chain：拆分复杂任务

一个 Prompt 做太多事，AI 容易丢失上下文。拆成多步：

Step 1: 分析用户简历，提取技能列表 → 输出: ["React", "TypeScript", "Node.js"] Step 2: 根据技能列表匹配课程 → 输入: 上一步的技能列表 + 课程数据库 → 输出: 推荐课程列表 Step 3: 生成推荐理由 → 输入: 用户技能 + 推荐课程 → 输出: 每门课的推荐理由

每一步职责单一、输入输出明确。

温度

适合场景

例子

确定性输出、代码生成

解析发票、JSON 转换

0.3-0.5

平衡创意和准确性

课程推荐、技术问答

0.7-1.0

创意写作、头脑风暴

广告文案、起名字

#System Prompt vs User Prompt

API 调用中 Prompt 分两层：

typescript
const response = await openai.chat.completions.create({
  model: 'gpt-4o',
  messages: [
    { role: 'system', content: '你是 JR Academy 的课程助手...' },
    { role: 'user', content: '推荐一个适合前端转全栈的课程' },
  ],
});

层级	作用	特点
System	定义 AI 的身份、行为规则、输出约束	用户看不到，每轮对话都生效
User	具体的任务或问题	每轮不同

#Prompt Chain：拆分复杂任务

一个 Prompt 做太多事，AI 容易丢失上下文。拆成多步：

Step 1: 分析用户简历，提取技能列表
  → 输出: ["React", "TypeScript", "Node.js"]

Step 2: 根据技能列表匹配课程
  → 输入: 上一步的技能列表 + 课程数据库
  → 输出: 推荐课程列表

Step 3: 生成推荐理由
  → 输入: 用户技能 + 推荐课程
  → 输出: 每门课的推荐理由

每一步职责单一、输入输出明确。

#温度（Temperature）选择

温度	适合场景	例子
0	确定性输出、代码生成	解析发票、JSON 转换
0.3-0.5	平衡创意和准确性	课程推荐、技术问答
0.7-1.0	创意写作、头脑风暴	广告文案、起名字

生产环境默认用 0，需要创意的场景再调高。