此前我们用 RAG 为助手接入了版本攻略但大模型偶尔还是会说车轱辘话。问题出在哪儿不是知识不够而是“问的方式不对”。这一篇我将拆解自己为 TFT 助手设计的几套提示词模板看看好的提示词如何把同一个模型从“废话生成器”调教成条理清晰、具体可操作的赛季教练。一、有了 RAG为什么回答还是不够好在上一篇里我用retrieve(query)从本地知识库中找到了相关文档然后这样让大模型回答prompt f你是一个校园助手请根据以下参考资料回答用户问题。 参考资料 {context} 用户问题{question} 回答这个 prompt 可以“抑制幻觉”但远远谈不上“专业”。当我问“我这套阵容接下来该怎么运营”时模型给出的回答往往类似“建议您根据局势合理分配经济适时提升等级或刷新商店。”这话没错但说了等于没说。问题根源在于prompt 没有告诉模型“你要以什么身份、按什么结构、从哪些维度、给出什么粒度的建议”。这就需要我们系统性地设计提示词。二、提示词工程的三个核心技巧在实际调试中我总结了三条让 TFT 助手回答质量立竿见影的技巧技巧作用示例角色设定约束语气、知识范围“你是云顶之弈 Set 16 的职业教练曾指导过多名挑战者选手。”结构化输出强制分点、分节“请按以下格式输出① 阶段判断 ② 经济建议 ③ 装备优先级 ④ 站位调整”Few-shot 示例校准回答风格和深度“例如当阵容为 4 Bruiser 3 Dragon 时你应这样建议……”下面我把这三招逐一拆开展示它们在 TFT 场景中的实际写法。三、角色设定一句话让模型入戏角色设定是 prompt 的第一句话也是最容易被忽视的一句话。对比实验Prompt A无角色根据以下资料给玩家一些云顶之弈的建议。Prompt B有角色你是云顶之弈 Set 16 的职业教练擅长分析阵容过渡、装备分配和站位博弈。请用简洁、自信的口吻给出建议避免模棱两可。两套 prompt 用同一个模型、同一份参考资料回答差距显著。Prompt B 的建议会主动使用“你应该在 3-2 拉 6 级后开始 D 牌找 XX”这种具体指令而 Prompt A 往往是“建议合理管理经济”。实战版本整合进 RAG 流程SYSTEM_ROLE 你是云顶之弈 Set 16 职业教练专精阵容运营与装备分配。 你的回答必须基于提供的参考资料如果资料中没有相关答案请如实说明。 语气自信、直接、具体像教练在指导学员不要说“可能”“也许”。四、结构化输出让回答拿来就能用玩家来问助手不是来读散文的。所以我的 prompt 会明确要求模型按固定结构输出这样前端还能进一步解析成卡片。实战 prompt 模板ANALYSIS_TEMPLATE {role} 当前阵容信息 - 英雄列表{champions} - 激活羁绊{traits} - 装备一览{items} - 当前人口{team_size} 参考资料 {context} 请严格按以下 4 个部分输出分析 【阶段判断】 当前属于早期/中期/后期并给出依据。 【经济运营】 下一步升级或 D 牌的时机建议。 【装备优先级】 接下来优先合成的装备列出 3 件并说明理由。 【站位调整】 简要的站位优化建议前排/后排分配。 注意每个部分用 2~3 句话不要长篇大论。这样的强制分段不仅让用户阅读更轻松还为后续的多 Agent 拆分埋下了伏笔经济 Agent、战力 Agent、站位 Agent 恰好对应这些部分。五、Few-shot 示例给模型一个“标准答案”参考有些时候即使有角色和格式要求模型的回答风格仍然会飘。这时直接在 prompt 里塞一个示例效果立竿见影。EXAMPLE 示例 【阶段判断】 中期3-4 阶段因为阵容已到 7 人口且核心羁绊 4 Bruiser 已激活。 【经济运营】 当前经济 42 金币建议存到 50 后用利息拉 8 人口不要过早 D 牌。 【装备优先级】 ① 饮血剑给 Aatrox② 泰坦的坚决给 Riven③ 鬼索的狂暴之刃给后排。 【站位调整】 前排 3 个 Bruiser 站中间吸收伤害后排 Aphelios 和 Samira 放角落防刺客。 final_prompt f{ANALYSIS_TEMPLATE}\n\n{EXAMPLE}\n\n用户问题{question}有了这个示例模型几乎不再跑偏。这其实是一种隐式的梯度下降——你用示例把“好的输出”的分布锚定住了。六、提示词工程与 RAG、Agent 的关系到这里我们手里已经有了知识供给层RAG 检索到的版本攻略保证信息时效性。输出控制层精心设计的提示词保证回答专业性。两者结合单个 LLM 就足以充当一个“教练 Agent”。但现实是一套阵容分析涉及经济、战力、站位三个维度的深度推演全塞进一个 prompt 里模型容易顾此失彼比如重点分析了装备却忽略了站位。下一篇我们将把这三个维度拆成三个独立的 Agent每个 Agent 使用各自专属的提示词模板再通过消息总线协同工作——从一个“全栈教练”升级为一支“专家团队”。