7 Ví dụ System Prompt cho Ứng dụng Production (Mẫu Copy-Paste 2026)

Các ví dụ system prompt tốt nhất không phải là những câu khẩu hiệu "bạn là một trợ lý hữu ích" từ các bài hướng dẫn. Chúng là những khối chỉ dẫn cụ thể giúp ngăn ứng dụng production gặp sự cố lúc 2 giờ sáng. Trong quy trình nội dung của chính mình, chúng tôi vận hành hơn một chục subagent Claude, mỗi cái được điều hướng bởi một system prompt mà chúng tôi đã viết lại nhiều lần sau khi nó gây ra lỗi trên Claude Opus 4.8 hoặc GPT-5. Bài viết này bỏ qua các bản demo đồ chơi. Bạn sẽ nhận được 7 system prompt thực tế, sẵn sàng để copy-paste, hai trong số đó được lấy trực tiếp từ stack production đó, cùng với cấu trúc 6 khối nằm dưới mỗi prompt đáng tin cậy.

Những điểm chính

• System prompt là các chỉ dẫn kiên trì (vai trò, ràng buộc, định dạng đầu ra, rào chắn) được thiết lập một lần trước bất kỳ tin nhắn người dùng nào.
• Nếu nội dung giống hệt nhau across 1.000 yêu cầu, hãy đặt nó vào system prompt; nội dung riêng cho từng yêu cầu sẽ đi vào lượt người dùng.
• Sáu khối xây dựng nên một prompt đáng tin cậy: vai trò, bối cảnh, ràng buộc, định dạng đầu ra, rào chắn, ví dụ.
• Các mô hình suy luận (dòng o, GPT-5, Claude Opus 4.5+) muốn các mục tiêu cấp cao, không phải cách diễn đạt aggressive kiểu "bạn PHẢI".

Cái gì đi vào một System Prompt? 6 Khối Xây dựng

Một system prompt là tập hợp các chỉ dẫn kiên trì xác định vai trò, hành vi, ràng buộc và định dạng đầu ra của mô hình cho toàn bộ phiên làm việc, được thiết lập một lần trước bất kỳ tin nhắn người dùng nào. Những prompt đáng tin cậy chia sẻ sáu khối xây dựng: vai trò, bối cảnh, ràng buộc, định dạng đầu ra, rào chắn, và các ví dụ tùy chọn. Sắp xếp những khối này đúng thứ tự và bạn đã có phiên bản ngắn gọn về cách viết một system prompt tồn tại được trong production.

Dưới đây là chức năng của từng khối.

Khối vai trò quan trọng hơn vẻ ngoài của nó. Tài liệu của Anthropic nói rõ: việc đặt vai trò trong system prompt tập trung hành vi và giọng điệu của mô hình, và "thậm chí một câu duy nhất cũng tạo nên sự khác biệt". Đối với khối rào chắn, các quy tắc từ chối và an toàn xứng đáng được suy nghĩ kỹ lưỡng; chúng tôi đi sâu vào những điều đó trong hướng dẫn về rào chắn của mình. Và nếu bạn đang tích hợp Claude, Anthropic khuyến nghị sử dụng thẻ XML (<instructions>, <context>, <input>) để tách biệt từng loại nội dung để mô hình không làm mờ chúng với nhau.

Dưới đây là một khung sườn sẵn sàng để dán, kết nối tất cả sáu khối thành một mẫu:

# ROLE
You are a {role} for {audience}. Your scope is {narrow scope}.

# CONTEXT
{Stable facts the model needs on every request.}

# CONSTRAINTS
- {Hard rule 1}
- {Hard rule 2}
- Do not {forbidden action}.

# OUTPUT FORMAT
{Exact structure: length, format, JSON schema.}

# GUARDRAILS
- If {edge case}, then {fallback or escalate to a human}.
- If you are unsure, say so instead of guessing.

# EXAMPLES (optional)
{One or two model answers that show the target quality.}

Sáu khối biến một cảm giác chung chung thành một đặc tả kỹ thuật. Đây chỉ là lớp system-prompt. Đối với các kỹ thuật rộng hơn (few-shot, chain-of-thought, chaining prompt), hãy xem hướng dẫn kỹ thuật prompt của chúng tôi và giữ những kỹ thuật đó ra khỏi chính system prompt. System prompt của một phiên cũng khác với tệp cấp repo chứa các chỉ dẫn kiên trì cấp dự án như CLAUDE.md, vốn chi phối toàn bộ codebase thay vì một phiên API duy nhất.

7 Ví dụ System Prompt Production (Sẵn sàng Copy-Paste)

Dưới đây là 7 ví dụ system prompt mà bạn có thể dán vào tham số system hoặc tin nhắn developer ngay hôm nay. Mỗi cái nhắm đến một công việc thực tế (agent, RAG, hỗ trợ, lập trình, JSON, QA nội dung, dịch thuật), và mỗi cái cho thấy lý do tại sao các khối chính của nó tồn tại. Hai cái cuối cùng chạy trong pipeline của chính chúng tôi. Các repo rò rỉ prompt của Cursor và Devin chứng minh nhu cầu; điều mà không ai cung cấp là phần chú thích giải thích tại sao mỗi khối lại ở đó.

1. Agent Tự động

Thu hẹp phạm vi vai trò, nêu rõ các quy tắc công cụ và đưa ra điều kiện dừng để nó không thể lặp vô tận.

You are a research agent. Your only job is to answer the user's
question using the provided tools.

TOOLS: web_search, read_url, calculator.

RULES
- Plan first: list the steps before calling any tool.
- Call one tool at a time and check the result before the next call.
- Never invent a URL or a fact. If a tool fails twice, stop.

STOP CONDITION
- When you have enough to answer, stop calling tools and reply.
- If the task needs account access or a purchase, hand off to a
  human and explain why.

Tại sao nó hoạt động: vai trò hẹp cộng với điều kiện dừng rõ ràng là sự khác biệt giữa một agent hoàn thành nhiệm vụ và một agent đốt token trong vòng lặp. Đây là cốt lõi của các best practice cho system prompt của agent.

2. RAG / Hỏi đáp Truy xuất

Toàn bộ trò chơi với truy xuất là ngăn mô hình trả lời dựa trên bộ nhớ của chính nó. Một quy tắc duy nhất làm được điều đó.

You answer questions using ONLY the context provided below.

CONTEXT
{retrieved_chunks}

RULES
- If the answer is not in the context, say: "I don't have that
  in my sources." Do not use outside knowledge.
- Cite the source after each claim using [chunk_id].

OUTPUT
Two to four sentences, plain text, with citations.

Tại sao nó hoạt động: "chỉ từ bối cảnh" cộng với định dạng trích dẫn là rào chắn hallucination rẻ nhất bạn có thể viết cho một system prompt RAG.

3. Bot Hỗ trợ Khách hàng

Giọng điệu, lộ trình leo thang và một quy tắc tiền tệ cứng giữ cho bot hỗ trợ hữu ích mà không để nó hứa những điều nó không thể làm.

You are a support agent for Northwind's billing team. Be warm,
brief, and factual.

CONTEXT
- Customers are on Free, Pro, or Enterprise plans.
- Refunds are allowed within 14 days of a charge.

CONSTRAINTS
- Never promise a refund above $200 without escalation.
- Do not give tax or legal advice.

GUARDRAILS
- If the customer is angry or asks for a manager, escalate to a
  human and say a teammate will follow up within one business day.
- If you are unsure of a policy, say you'll check rather than guess.

Tại sao nó hoạt động: rào chắn hoàn tiền và fallback leo thang ngăn chặn hai chế độ thất bại khiến các bot hỗ trợ bị rút khỏi production.

4. Trợ lý Lập trình

Ràng buộc định dạng đầu ra và các phiên bản, và bắt nó giải thích trước khi chỉnh sửa.

You are a coding assistant for a Next.js 15 + TypeScript codebase.

RULES
- Explain your plan in two sentences before writing any code.
- Output changes as a unified diff, not full files.
- Match the existing style. Do not add dependencies without asking.
- Target Node 20. Do not use APIs newer than that.

If a request is ambiguous, ask one clarifying question before editing.

Tại sao nó hoạt động: "diff, không phải toàn bộ tệp" cộng với trần phiên bản giữ cho trợ lý nằm trong stack của bạn. Thiết kế prompt cho các agent lập trình đủ sâu để xứng đáng có một hướng dẫn riêng, vì vậy chúng tôi giữ ví dụ này ngắn gọn.

5. Trích xuất Dữ liệu Có cấu trúc / JSON

Đặt schema vào khối định dạng đầu ra và cấm văn xuôi. Đó là mẫu cho đầu ra có cấu trúc đáng tin cậy.

You extract structured data from raw text. Return ONLY valid JSON,
no prose, no markdown fences.

SCHEMA
{
  "company": "string",
  "amount_usd": "number",
  "date": "YYYY-MM-DD",
  "confidence": "low | medium | high"
}

RULES
- If a field is missing from the text, use null.
- Never guess a value to fill a field.
- Output must parse with JSON.parse on the first try.

Tại sao nó hoạt động: một schema chữ nghĩa cộng với "chỉ JSON hợp lệ" luôn đánh bại một định dạng được mô tả. Đối với các mẫu thực thi vượt ra ngoài prompt (xác thực JSON schema, trích xuất dựa trên công cụ), hãy xem hướng dẫn đầu ra có cấu trúc của chúng tôi.

6. Agent QA Nội dung / Validator (từ pipeline production của chúng tôi)

Cái này chạy trong stack của chính chúng tôi. System prompt của validator là một ví dụ về ràng buộc tiêu cực: nó bảo mô hình chính xác những gì KHÔNG được viết, sau đó một script kiểm tra các quy tắc một cách harf literal.

You are a content QA agent. You check one blog draft against a
fixed style contract.

BANNED VOCABULARY (auto-fail on any hit)
delve, leverage, robust, seamless, tapestry, pivotal, elevate,
harness, foster, bolster, paramount, intricate, "in today's",
"when it comes to", "it's worth noting", "game-changer"

FORMAT LIMITS
- Em-dashes: max 3 per 1,000 words of body.
- Vague quantifiers ("many", "several", "significantly"): max 1
  per 500 words of body.

ENFORCEMENT
- Do not "write naturally." Check every rule literally.
- A deterministic script (ai_slop_check.py) greps the draft and
  exits non-zero on any hit. If it fails, the post does not publish.

Tại sao nó hoạt động: một danh sách cấm được liệt kê cộng với grep có thể thực thi theo cách mà "tránh từ ngữ sáo rỗng" không bao giờ làm được. Mô hình có thể tranh luận với một cảm giác chung; nó không thể tranh luận với một mã thoát khác không.

7. Agent Dịch thuật (từ pipeline production của chúng tôi)

Cũng là của chúng tôi. Prompt của người dịch là một hợp đồng về định dạng đầu ra và tính đầy đủ với một bước tự kiểm tra mà mô hình chạy trên đầu ra của chính nó.

You are an expert translator. You translate ONE blog post into ONE
target language.

COMPLETENESS CONTRACT
- Output the SAME number of H2 sections as the source.
- Line count must land within 80-120% of the source.
- Translate the FAQ fully. Never submit a partial draft.

DIACRITICS SELF-CHECK
- Keep native characters. If you output "karsilastirma" instead of
  "karşılaştırma" (Turkish), or "developpement" instead of
  "développement" (French), the translation is WRONG. Re-do it.

If you cannot meet the contract, report the problem. Do not ship a
truncated post.

Tại sao nó hoạt động: một hợp đồng về tính đầy đủ cộng với một ví dụ đầu ra sai cụ thể sẽ bắt được các lỗi thầm lặng mà một dòng "dịch chính xác" mơ hồ để lọt qua.

Những gì chúng tôi học được khi chạy System Prompts trong Production

Ba lỗi system prompt trong pipeline của chính chúng tôi đã dạy chúng tôi nhiều hơn bất kỳ trang tài liệu nào. Cả ba đều đến từ các chỉ dẫn nghe có vẻ ổn nhưng không cụ thể hoặc không thể kiểm chứng. Dưới đây là những gì đã hỏng across 16+ subagent Claude của chúng tôi, và bản sửa lỗi chính xác đã dính mỗi lần. Mô hình giống hệt nhau mỗi lần: các quy tắc mềm bị bỏ qua, các quy tắc cụ thể và được kiểm tra bên ngoài thì dính.

Lỗi từ vựng bị cấm. Trong nhiều tuần, mô hình vẫn liên tục trượt các từ leverage và robust vào các bản nháp bất kể chúng tôi yêu cầu nhẹ nhàng thế nào. Một dòng "tránh từ ngữ sáo rỗng" mềm mỏng chẳng làm được gì. Bản sửa lỗi là Ví dụ #6: một danh sách cấm được liệt kê bên trong prompt cộng với một script grep đầu ra và thoát với mã khác không nếu có bất kỳ hit nào, với giới hạn gạch ngang dài (3 trên mỗi 1.000 từ) ở trên cùng. Bài học: các ràng buộc mơ hồ bị bỏ qua; các ràng buộc được liệt kê và xác minh bên ngoài thì dính.

Lỗi dấu phụ. Bộ dịch của chúng tôi âm thầm xuất ra ASCII cho tiếng Thổ Nhĩ Kỳ, tiếng Pháp và tiếng Tây Ban Nha. karşılaştırma trở thành karsilastirma, và không ai nhận ra cho đến khi một độc giả bản ngữ báo cáo. Bản sửa lỗi là một bảng ký tự bản ngữ trong prompt, một ví dụ đầu ra sai rõ ràng và một lệnh grep sau khi chạy (không có ký tự bản ngữ nghĩa là dịch lại). Bài học: hãy cung cấp cho mô hình một ví dụ cụ thể về lỗi, không chỉ là một quy tắc.

Lỗi ID ổn định. Đây là cái đắt tiền. Một system prompt tái tạo slug địa phương hóa ở mỗi lần dịch lại khiến nhà xuất bản tạo ra một tài liệu live thứ hai cho mỗi bài đăng. Chúng tôi đã phát hành 54 tài liệu live trùng lặp vào ngày 2026-06-13 và không hủy xuất bản chúng cho đến 2026-07-05, ba tuần phân tán link equity và các cờ nội dung trùng lặp. Bản sửa lỗi: ghim danh tính rõ ràng và tái sử dụng ID hiện có nguyên văn. Một system prompt tái tạo các định danh của chính nó một cách không xác định sẽ phát hành các bản trùng lặp; của chúng tôi đã tạo ra 54 tài liệu live trước khi chúng tôi ghim ID.

Những lỗi System Prompt phổ biến nhất là gì?

Những lỗi system prompt phổ biến nhất là các chỉ dẫn dạng bức tường văn bản, các quy tắc mâu thuẫn, cách diễn đạt chỉ mang tính tiêu cực, dumping bối cảnh riêng cho từng yêu cầu vào một prompt tĩnh và bỏ qua fallback. Trên các mô hình 2026 có thêm một lỗi mới: cách diễn đạt CAPS aggressive và "bạn PHẢI" hiện đang kích hoạt quá mức Claude Opus 4.5+.

Dưới đây là danh sách sửa lỗi nhanh:

• Bức tường văn bản. Sửa: chia nó thành sáu khối và đặt nội dung ổn định lên đầu.
• Chỉ dẫn mâu thuẫn. Sửa: một quy tắc trên mỗi dòng; giải quyết xung đột trước khi phát hành.
• Cách diễn đạt chỉ mang tính tiêu cực. Sửa: nói những gì cần làm, không chỉ những gì cần tránh.
• Quá tải CAPS và "PHẢI". Trên các mô hình mới hơn của Anthropic, điều này phản tác dụng. Tài liệu của họ hiện nói rằng nơi bạn có thể đã viết "QUAN TRỌNG: Bạn PHẢI sử dụng công cụ này", bạn có thể sử dụng cách diễn đạt bình thường như "Sử dụng công cụ này khi...". Lời khuyên của năm 2025 giờ đây là lỗi lầm.
• Bối cảnh động trong một prompt tĩnh. Giữ dữ liệu riêng cho từng yêu cầu trong lượt người dùng. Việc gì thuộc về đâu là một kỷ luật riêng; hướng dẫn kỹ thuật bối cảnh của chúng tôi đề cập đến điều này.
• Không có fallback. Luôn xác định một sự từ chối và một lộ trình leo thang.
• Bỏ qua độ dài và chi phí. Các prompt dài hơn thêm độ trễ và chi phí token ở mỗi cuộc gọi; cắt giảm xuống những gì xứng đáng có mặt.

Đối với các nguyên tắc cơ bản về sự rõ ràng của chỉ dẫn, bài viết best-practices của OpenAI vẫn là một danh sách kiểm tra vững chắc.

Làm thế nào để Kiểm thử và Lặp lại trên một System Prompt?

Hãy kiểm thử system prompt theo cách bạn kiểm thử code. Xây dựng một bộ golden nhỏ gồm các đầu vào với đầu ra mong đợi, sau đó khẳng định phản hồi của mô hình so với chúng ở mỗi thay đổi. A/B hai phiên bản prompt trên cùng các đầu vào và giữ lại cái vượt qua nhiều kiểm tra hơn. Các khẳng định luôn đánh bại việc nhìn bằng mắt thường.

Một vòng eval tối thiểu trông như thế này:

# pseudo eval loop
for case in golden_set:
    out = model(system=PROMPT, user=case.input)
    assert is_valid_json(out)              # format check
    assert case.expected_field in out      # content check
    if case.no_context:
        assert "I don't have that" in out  # refusal check
# ship the prompt version that passes the most cases

Lệnh grep trong Ví dụ #6 là khẳng định rẻ nhất bạn có thể chạy: nó không tốn gì và không bao giờ mệt mỏi. Khi thư viện prompt của bạn phát triển vượt quá một vài cái, hãy phiên bản và kiểm thử các prompt của bạn với các công cụ quản lý prompt thực sự thay vì copy-paste giữa các tệp. Điểm mấu chốt là giống nhau ở bất kỳ quy mô nào: không bao giờ thay đổi một prompt production mà không có một kiểm tra cho bạn biết liệu bạn đã làm nó tốt hơn hay tệ hơn.

System Prompt vs User Prompt vs Developer Message

System prompt thiết lập hành vi cố định; user prompt mang theo nhiệm vụ riêng cho từng yêu cầu; developer message là vai trò mô hình suy luận của OpenAI chứa các chỉ dẫn cấp ứng dụng được xếp hạng cao hơn tin nhắn người dùng trong chuỗi mệnh lệnh. Anthropic sử dụng tham số system cấp cao nhất thay vì một tin nhắn role: "system". Dưới đây là sự phân chia ba chiều mà các đối thủ cạnh tranh thường bỏ lỡ.

OpenAI rất rõ ràng về thứ hạng: "tin nhắn developer là các chỉ dẫn được cung cấp bởi nhà phát triển ứng dụng, được ưu tiên trước tin nhắn người dùng". Vì vậy, nếu người dùng cố gắng ghi đè các quy tắc ứng dụng của bạn, tin nhắn developer sẽ thắng trong chuỗi mệnh lệnh.

Các mô hình Suy luận có cần System Prompts khác không? (2026)

Có. Các mô hình suy luận như dòng o của OpenAI, GPT-5 và Claude Opus 4.5+ muốn các mục tiêu cấp cao, không phải các kịch bản từng bước. OpenAI so sánh một mô hình suy luận với một đồng nghiệp cấp cao mà bạn tin tưởng giao phó chi tiết, trái ngược với một mô hình GPT hoạt động như một người mới cần các chỉ dẫn rõ ràng.

Khung nhìn đó thay đổi cách bạn viết prompt. Đối với một mô hình suy luận, hãy nêu mục tiêu và các ràng buộc và "tin tưởng họ tự xử lý các chi tiết"; đối với một mô hình GPT, hãy nêu rõ các bước. Việc chỉ định quá mức một mô hình suy luận thường làm nó tệ hơn, chứ không tốt hơn.

Phía Claude cũng có sự thay đổi riêng trong năm 2026. Vì Opus 4.5+ phản hồi tốt hơn với system prompt, thói quen cũ là xếp chồng CRITICAL: và MUST hiện đang kích hoạt nó quá mức. Hãy giảm bớt ngôn ngữ đó xuống cách diễn đạt bình thường. Một lưu ý về chi phí: đặt nội dung ổn định, được tái sử dụng của bạn ở đầu prompt để bộ nhớ đệm prompt có thể phát huy tác dụng và cắt giảm độ trễ ở các cuộc gọi lặp lại. Và nếu mô hình suy luận của bạn đang thực hiện công việc từng bước, prompting chain-of-thought là một chủ đề riêng với hướng dẫn riêng, vì vậy chúng tôi sẽ không dạy lại nó ở đây.

Cách Techsy Tiếp cận Vấn đề này

Tại Techsy, chúng tôi xây dựng các hệ thống agent cho khách hàng B2B, và các prompt validator và translator ở trên chạy trong stack production đó. Chúng tôi coi mỗi system prompt như code: phiên bản hóa nó, kiểm thử nó so với một bộ golden và thực thi các quy tắc không thể thương lượng bằng một script thay vì hy vọng. Nếu bạn đang chuyển một tính năng LLM từ bản demo sang production và cần hỗ trợ với công việc tích hợp AI, hãy nhận tư vấn miễn phí.

Về Tác giả

Mert Batur Gurbuz là Đồng sáng lập của Techsy.io, nơi đội ngũ phát hành các AI agent, hệ thống tự động hóa và pipeline voice/SDR cho khách hàng B2B. Anh ấy đang học tại Đại học Birmingham và viết về stack công cụ LLM mà đội ngũ Techsy thực sự sử dụng trong production.

Đồng sáng lập, Techsy.io, Đại học Birmingham · LinkedIn

Câu hỏi Thường gặp

System prompt là gì?

System prompt là một tập hợp các chỉ dẫn kiên trì được thiết lập một lần, trước bất kỳ tin nhắn người dùng nào, xác định vai trò, hành vi, ràng buộc và định dạng đầu ra của mô hình cho toàn bộ phiên làm việc. Đó là lớp "cách nó hoạt động" cố định, và nó giữ nguyên trong khi các tin nhắn riêng cho từng yêu cầu của người dùng thay đổi ở mỗi lượt.

Sự khác biệt giữa system prompt và user prompt là gì?

System prompt là "cách nó hoạt động" cố định, giống hệt nhau across mọi yêu cầu; user prompt là "cần làm gì" riêng cho từng yêu cầu. Một quy tắc đơn giản: nếu nội dung sẽ giống hệt nhau across 1.000 yêu cầu, nó thuộc về system prompt, và bất cứ thứ gì thay đổi theo mỗi cuộc gọi sẽ đi vào lượt người dùng.

Developer message khác system prompt như thế nào?

Các mô hình suy luận của OpenAI (dòng o, GPT-5) nhận một tin nhắn developer thay vì tin nhắn system. Nó mang các chỉ dẫn cấp ứng dụng được xếp hạng cao hơn tin nhắn người dùng trong chuỗi mệnh lệnh, vì vậy nó sẽ thắng nếu người dùng cố gắng ghi đè các quy tắc của bạn. Anthropic giữ một tham số system cấp cao nhất duy nhất thay vì một tin nhắn dựa trên vai trò.

System prompt nên dài bao nhiêu?

Ngắn nhất có thể trong khi vẫn bao quát vai trò, ràng buộc, định dạng đầu ra và rào chắn. Các prompt quá dài thêm chi phí token và độ trễ ở mỗi cuộc gọi và có thể kích hoạt quá mức suy luận bổ sung trên Claude Opus 4.5+. Nếu một prompt ổn định phải dài, hãy đặt nội dung được tái sử dụng lên đầu để bộ nhớ đệm prompt bù đắp chi phí.

System prompt có hoạt động giống nhau trong ChatGPT/GPT và Claude không?

Cùng khái niệm, khác cơ chế. OpenAI sử dụng vai trò system hoặc developer bên trong mảng messages, trong khi Anthropic sử dụng một tham số system cấp cao nhất riêng biệt và ưu tiên các thẻ XML để tách biệt chỉ dẫn, bối cảnh và ví dụ. Các chỉ dẫn có thể chuyển giữa các nhà cung cấp; cách đấu dây và các quy ước định dạng thì không.

Bạn có thể thay đổi system prompt giữa chừng cuộc hội thoại không?

Thông qua API, bạn gửi lại toàn bộ payload messages ở mỗi cuộc gọi, vì vậy về mặt kỹ thuật bạn có thể hoán đổi system prompt giữa các lượt. Nhưng thay đổi nó giữa chừng cuộc hội thoại có thể phá vỡ tính liên tục và làm mô hình bối rối về các quy tắc của chính nó. Prefer thiết lập nó một lần, hoặc hoán đổi một cách có chủ đích cho một prompt cụ thể cho nhiệm vụ riêng biệt.

Tôi nên sử dụng thẻ XML hay markdown trong system prompt?

Anthropic khuyến nghị thẻ XML cho Claude để tách biệt chỉ dẫn, bối cảnh và ví dụ để mô hình không làm mờ chúng. Các mô hình OpenAI xử lý markdown và các tiêu đề thuần tốt. Hãy khớp với quy ước của nhà cung cấp thay vì ép một phong cách across cả hai, và giữ whichever bạn chọn nhất quán trong một prompt duy nhất.

Các mô hình Suy luận có cần system prompts khác không?

Có. Các mô hình suy luận muốn các mục tiêu cấp cao, giống như briefing một đồng nghiệp cấp cao, không phải quản lý vi mô từng bước. Bỏ ngôn ngữ CAPS aggressive và "bạn PHẢI" kích hoạt quá mức các mô hình mới hơn như Claude Opus 4.5+, nêu mục tiêu và các rào chắn, và để mô hình tự lên kế hoạch đường đi để đạt được điều đó.

Các phần của một system prompt tốt là gì?

Sáu khối: vai trò, bối cảnh, ràng buộc, định dạng đầu ra, rào chắn hoặc fallbacks, và tùy chọn một vài ví dụ. Vai trò và ràng buộc thực hiện hầu hết công việc; khối định dạng đầu ra là thứ làm cho các phản hồi có thể phân tích cú pháp; rào chắn xác định những gì xảy ra ở các cạnh. Các ví dụ chỉ đáng thêm vào khi chất lượng mục tiêu khó mô tả bằng lời.