任务交代：提示词 Prompt 与上下文 Context

任务说明包含五个部分

提示词 Prompt 是交给模型的指令文字，用来说明任务、依据和回答要求。如 A01 模型原理：大模型 LLM 的生成方式 所述，模型按前文逐词元预测后续内容；任务说明进入输入，措辞因而影响回答方向。

一份任务说明可以分五部分：“做什么”限定本次动作；“给谁”交代读者；“依据”指定可用材料；“格式”规定输出结构；“边界”说明缺项、冲突或超出范围时如何处理。复杂任务可以补充步骤，简单任务可以合并内容，五部分用于检查信息是否齐全。

具体职责比岗位称呼更明确

角色指令 Role Instruction 用文字限定模型的职责、语气和行为范围。岗位名称提示表达角度，具体职责说明读取哪些材料、完成哪项判断、交出什么结果。这些文字与问题一起进入输入，影响后续词元的候选概率。

任务说明还可以写清依据的使用顺序：现行资料支持事实，历史记录补充背景，范例展示写法。资料不足时列出缺项，资料冲突时标出矛盾，涉及批准的内容交给负责人员确认。实际查询能力和权限来自应用连接的系统。

范例展示输入对应的输出

范例 Example 是放入提示词、展示输入如何对应输出的材料。少样本提示 Few-shot Prompting 指用少量成对的输入和输出示范任务，模型据此参考分类方式、段落结构或表达尺度。标准样例展示完整处理，边界样例展示停止条件，缺项样例展示追问内容。

教学示例：排班已确认，按已确认安排起草通知；排班待批，写成待确认事项；开课时间缺失，列出时间缺项。范例示范三种处理方式，通知里的班级和时间以本次所附排班为准。

应用逐轮组装模型可见的信息

上下文 Context 是模型本次生成回答时能够处理的信息，包括任务说明、选入的对话历史、文件片段和查询结果。页面保存的全部记录、文件目录和链接，只有经应用读取并传入，才进入这一轮。

上下文工程 Context Engineering 是选择、整理并传入这些信息的方法。一种组装顺序是放入稳定规则，接入相关历史，再附本轮问题、标明来源的资料和查询结果。应用每轮重新组装，上一轮的回答也可进入下一轮，旧回答中的错误会随之带回。

只写文件名或网址，模型能否读到正文，要看应用是否具备读取能力并实际返回了内容。资料外发前怎样删减、发送前怎样核对，见 A06 数据安全：资料外发与出错处理；这里关注材料有没有进入本次输入。

上下文窗口按词元计量

上下文窗口 Context Window 是模型单次处理信息的容量边界，按 A01 讲的词元计量。实际用量可查应用或接口记录，输入、输出上限分别对照模型说明。

输入占用窗口，生成中的内容也消耗相应容量。历史越长，留给当前资料和输出的空间越少。容量足够时，模型也会遗漏长材料中的条件，因此整理输入时保留相关原文、对象、日期和例外，删去重复及无关内容。

材料冲突会改变回答依据

冲突材料使模型同时接收到多种说法。资料按现行规定、历史记录、参考写法分别标注，版本和适用范围跟随原文。两份现行资料相互矛盾时，任务说明可以要求列出冲突，等待内容负责人核实。

摘要通过删减和归纳压缩输入，也会丢失条件。涉及当前判断的限制、例外和单位适合保留原文。文件更新后，应用读取新版本，检查旧对话里引用过的内容；相关片段怎样检索，见 A03 资料问答：知识库 RAG 的检索与引用。

消息列表承载本轮输入

模型接口可以接收消息列表。系统提示词 System Prompt 写应用的稳定规则，用户提示词 User Prompt 写本次任务和材料。在消息列表中，它们分别放进系统消息 System Message 和用户消息 User Message；助手消息 Assistant Message 保存先前回复。消息的角色随列表一同传给模型。

应用选择保留哪些消息，也决定是否把较早内容压成摘要，再把列表传给模型。超过长度限制时，应用或接口可能截取、压缩或报错。搭建时写定处理办法，例如从最早的历史消息开始删减，保留本轮任务、规则和相关原文；测试时核对实际传出的列表。

变量经模板填入本轮输入

变量 Variable 是应用按名称保存和传递的值。作用域 Scope 说明哪些模块能读取它，生命周期 Lifecycle 说明值保存多久。提示词模板用占位符引用变量，应用组装输入时把当前值填进去，模型读到的是填好的文字。

常见分工可以具体到一项内容：系统变量带入本轮原话；环境变量保存工具连接所用的密钥；应用变量把用户笔记从一个模块传给另一个。工作流变量保存本次流程的订单列表，节点变量传递某一步提取的任务类别。

名称和读取范围随产品设计变化，配置时逐项写明哪些模块读取、何时清除。密钥留给执行程序使用，避开模型输入，保管方式见 A04 系统操作：工具调用 Tool Use 与 MCP。

记忆经保存召回进入新对话

长期记忆 Long-term Memory 是应用保存特定信息、在后续对话中取用的功能。常见过程包括提取、保存、召回：从对话中筛出适合长期使用的信息，存入记录，后续按身份和任务取回，再与当前提问一同传给模型。

应用可以把偏好保存为文字片段，也可以按字段 Field 保存值，字段是一条记录中按名称区分的单项信息。会话历史保存这段对话中说过的内容，记忆保存供后续取用的信息。按用户保存时，同一用户的不同会话可共用一份偏好，各会话的临时状态分开存放。两类内容都经应用选择进入本轮上下文。

取回的值停留在写入那一刻

记忆保存后若没有更新，取出的就是旧值。称呼、格式等稳定偏好适合长期参考；库存、名额和办理进度随业务变化，回答前查询现行记录。记录的保存时间、最近更新时间和适用对象随内容一起保留。

提取过程也会出错，一次临时要求会被误存为长期偏好。应用配置人员事先列明允许保存的内容、到期时间、更新触发条件，以及纠正和删除入口，避免临时表达长期影响后续回答。

当前状态通过查询核实

当前业务状态需要现行记录支持。应用查询业务系统后，把对象、状态和查询时间一同传入，模型据此组织回答。记忆减少重复交代，系统记录支持当下的办理判断。

业务系统也可以更新应用变量中的业务值。更新时间早于业务变动的值，只能说明变动前的状态；恢复旧会话时，应用重新查询对应对象。查询结果怎样返回模型，A04 接着讲。

具体反馈指明修改范围

修改意见作为新提示词进入下一轮，模型据此改写已有内容。一条可核对的反馈包含出错原句、支持改法的原文和修改范围。原稿、有效资料与修改要求一起传入，模型才能对照具体位置改写。

反馈可以明确哪些句子保留、哪些字段修改、哪些内容等待确认。修改完成后，对照资料检查改动处，再比较保留部分是否变化。“更专业”“更完整”只描述总体期望，缺少可逐项检查的改法。

反复修改暴露的是输入缺口

反复出错时，沿本轮输入查原因。任务方向错，检查职责和目标；没有依据，检查资料是否实际取回；依据正确却扩大承诺，检查任务中的限制；回答可读但系统读不出，检查输出字段和格式。修正对应缺口后，用相同输入复试并保存前后结果，比较方法见 A05 任务编排：工作流 Workflow、智能体 Agent 与技能 Skills。

结构化输出 Structured Output 是按约定字段和格式交出结果，供应用读取。字段约定写明名称、含义、数据类型、必填要求、允许取值和缺失处理。单值字段只放一项，多值字段用列表逐项保存；无法确认的值显式留空，必填缺项进入补问。

应用取得输出后，依次检查能否解析、字段是否齐全、类型和取值是否符合约定，再核对事实。必填项缺失进入补问，类型错误进入纠正，多个值混在单值字段时进入澄清。格式正确的结果也会抽错对象，核事实时对照输入原文。

五部分模板可以直接复用

以下任务说明可以直接复制使用，方括号内写本次内容。

1. 做什么：依据所附材料完成［本次动作］，交付［结果］。
2. 给谁：结果供［读者或岗位］使用，语气采用［表达要求］。
3. 依据：事实按［现行资料名称及版本］；［历史材料］仅作背景，［范例］仅参考写法。
4. 格式：按［段落或字段］输出；字段注明［含义、类型、必填项、允许取值、缺失写法、单值或列表］。
5. 边界：缺少依据时列出补充项，材料冲突时标明原文，超出职责或涉及批准时交［负责岗位］确认，不补写事实和承诺。

模板写清输入要求，草稿的事实和承诺仍需对照有效记录核实。公司先挑哪类任务交给 AI，B01 应用方式：AI在企业中的三种用法 从老板的决策讲起。

一句话记住排查一轮回答，从应用实际传出的任务、材料和记录开始。

以下为中文官方技术文档，前四项访问日期均为 2026-10-24；第五项使用 2026-10-22 归档原课，2026-10-27 复核。

1. 《文生文Prompt指南》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/prompt-engineering-guide
2. 《文本生成》，阿里云百炼，更新日期：2026-10-21。网址：https://help.aliyun.com/zh/model-studio/text-generation
3. 《Token 用量计算》，DeepSeek，更新日期：未标日期。网址：https://api-docs.deepseek.com/zh-cn/quick_start/token_usage/
4. 《长期记忆》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/long-term-memory
5. 《ADP 前沿部署工程师（FDE）认证课程》，腾讯云，未标更新日期。对应节页：1.2 https://cloud.tencent.com/edu/learning/course-4742-84527-84532 ；2.2上 https://cloud.tencent.com/edu/learning/course-4742-84528-84535 ；3.2 https://cloud.tencent.com/edu/learning/course-4742-84529-84540 ；3.3 https://cloud.tencent.com/edu/learning/course-4742-84529-84541 ；3.5 https://cloud.tencent.com/edu/learning/course-4742-84529-84543 ；3.6 https://cloud.tencent.com/edu/learning/course-4742-84529-84544 ；4.2 https://cloud.tencent.com/edu/learning/course-4742-84530-84546 ；4.4 https://cloud.tencent.com/edu/learning/course-4742-84530-84548 。