8.4 RAG Prompt 设计

先给结论：RAG Prompt 的核心，不是把模型“写得更聪明”，而是把模型的回答边界、证据使用方式和输出行为约束得更清楚。检索和上下文构造做得再好，如果 Prompt 没把这些材料用法讲清楚，回答仍然可能失控。

很多人第一次做 RAG Prompt 时，会把重点放在：

• 多加一些礼貌描述
• 多写一些通用提示词技巧

但对 RAG 来说，真正更关键的往往不是这些，而是：

• 模型是否清楚该基于什么回答
• 模型是否清楚什么时候该拒绝猜测
• 模型是否清楚什么时候要引用来源
• 模型是否清楚资料不足时该如何回应

所以这一节要建立的核心判断是：

• RAG Prompt 不是通用聊天 Prompt 的简单改写，而是证据受约束回答的控制层

学这一节时，最值得先建立的判断

• RAG Prompt 的首要任务是约束证据使用边界，而不是单纯追求更自然的回答
• “只基于提供材料作答”不是口号，而是在控制幻觉风险
• 引用来源不是所有场景都必须，但一旦需要可追溯性，就应该作为输出要求显式写进 Prompt
• “资料不足”要被设计成一种合法输出，而不是默认让模型自己补全

这一节会回答什么问题

• RAG Prompt 应该怎么写，才能减少模型乱答？
• 为什么很多 RAG 系统要求模型“只基于提供材料作答”？
• 什么时候应该要求模型引用来源？
• RAG 回答里如何处理“资料不足”的情况？

读完这一节后，你最好能更稳地判断：

• 一个 RAG Prompt 到底是在约束什么
• 为什么有些系统检索没问题，却仍然会“基于证据乱答”
• 什么时候要让模型更保守，什么时候可以允许更自由的归纳