當您為特定使用案例建構 AI 聊天機器人時,需要一種方式來控制 AI 的回應方式。系統提示是將通用型 AI 轉變為遵循特定準則並保持主題聚焦的專業化助理的關鍵。

使用者層級指令的問題
您可能會認為解決方案是在使用者訊息本身中包含所有需求。例如,在每次對話中告知 AI「提及 AWS 服務」以及「不要提及競爭對手」。這種做法有嚴重的限制:
- 您需要預先設想每一個可能的問題和邊緣情況
- 指令清單變得繁瑣且重複
- 使用者會看到所有內部指令,使對話變得雜亂
- 需求會根據所問的具體問題而有所不同

系統提示:一種更好的方法
系統提示透過賦予 Claude 一個角色來解決這個問題。您不是列出具體的該做與不該做事項,而是告訴 Claude 扮演某種特定類型的專業人士。接著 AI 就會像該角色自然會回應的方式來回應。

系統提示提供了幾項關鍵優勢:
- Claude 會獲得如何一致回應的指引
- AI 會採用指定角色的思維模式與限制
- 回應自動保持聚焦且符合品牌調性
- 您無需預先設想每一種可能的情境
實作系統提示
要在您的 Claude 對話中加入系統提示,您可以將其作為參數傳遞給 converse 函式:
system_prompt = """
You are an AWS cloud support specialist. Your job is to answer user queries related
to cloud hosting services on AWS.
"""
response = client.converse(
modelId=model_id,
messages=messages,
system=[{"text": system_prompt}]
)系統提示會以一個包含字典的清單形式傳遞,該字典帶有一個「text」鍵。這會在 Claude 看到任何使用者訊息之前,告訴它該採用何種角色。
建構一個靈活的聊天函式
以下是一個能優雅處理系統提示的可重複使用聊天函式:
def chat(messages, system=None):
params = {"modelId": model_id, "messages": messages}
if system:
params["system"] = [{"text": system}]
response = client.converse(**params)
return response["output"]["message"]["content"][0]["text"]這種方法讓您可以選擇性地加入系統提示。當未提供系統提示時,Claude 會以其預設狀態回應。當您加入系統提示時,Claude 會採用該特定角色。
系統提示實際運作
當您用有無系統提示兩種方式測試相同的問題時,差異立即顯現。在沒有系統提示的情況下詢問「我該如何託管 Postgres 資料庫?」,您會得到涵蓋多家雲端供應商及自行託管選項的全面性答案。

使用 AWS 支援專家系統提示時,回應則專注於 AWS 解決方案,例如 RDS、Aurora 和以 EC2 為基礎的部署。沒有提及競爭對手,而且答案包含了 AWS 特定的設定步驟。
更令人印象深刻的是系統提示如何處理離題的問題。在啟用 AWS 專家提示的情況下要求提供麵包食譜,Claude 會在保持角色設定的同時禮貌地拒絕:

重要技術細節
在使用系統提示時,請牢記以下要求:
- 系統提示不能是空字串——它們必須至少包含一個字元
- system 參數需要的是帶有「text」鍵的字典清單
- 系統提示會在對話中任何使用者訊息之前被處理
- 您可以在不同請求之間更改頂層的
system值,但不能在單一messages清單中途更改
如果您曾直接使用過 Anthropic 的 Claude API,您可能知道某些 Claude 模型支援對話中途的系統訊息——也就是在 messages 陣列中加入一則具有 system 角色的訊息,而不是更改頂層欄位。該功能在 Amazon Bedrock 上並不可用。在本課程中,您將始終透過每次 converse 呼叫中的頂層 system 參數來設定系統指令。
系統提示讓您能夠在不使用複雜規則系統的情況下,對 AI 行為擁有強大的控制力。透過賦予 Claude 一個特定的專業角色,您可以獲得一致且恰當的回應,這些回應會自然地遵循該角色的限制與專業知識。