載入中
載入中

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。

回應應提及 AWS 上的 Postgres 託管、設定步驟及相關 AWS 服務,而非競爭對手或非雲端相關主題。

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

選項 1 將需求以 AWS 規則的「應做」與「不應做」清單形式放入使用者訊息中,後面接著使用者的問題。

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。

選項 2,透過系統提示提供一個角色:其優點,下方顯示 AWS 雲端支援專家的程式碼。

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:

python
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:

python
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。

Notebook 聊天函式,其三引號的 system_prompt 仍為空,以及一個沒有 system 參數的 converse 呼叫。

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:

Notebook 聊天函式使用 AWS 雲端支援專家系統提示,接著是一個詢問「給我一份麵包食譜」的呼叫。

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。