System Prompt vs User Prompt

System Prompt 和 User Prompt 是写给模型的两条「不同优先级的信」，分工截然不同。System Prompt 由开发者撰写，在对话最开始一次性设定：模型是谁、能做什么、不能做什么、输出格式是什么——它是全局规则，对整个会话始终生效。User Prompt 则是用户每一轮发来的具体请求，如「帮我翻译这段话」或「给我写一首诗」。模型遇到两者冲突时，训练上倾向于优先遵从 System Prompt，但这并不是绝对的铁壁，这也正是提示词注入攻击的切入点。写好 System Prompt 的四要素：①身份（「你是一个专业的法律助手」）②行为约束（「只回答法律相关问题，其他话题礼貌拒绝」）③输出格式（「始终用编号列表回答」）④兜底规则（「不确定时说不确定，不要猜」）。分工原则：稳定不变的写进 System Prompt，每次请求都不同的放在 User Prompt。

把 System Prompt 想成公司员工手册：入职第一天就发给你，规定了岗位职责、行为准则和汇报格式，无论遇到哪个客户都要遵守。User Prompt 就是每天收到的具体工单——每次来一张，告诉你今天要做什么。手册不会每次交代任务时重新发一遍，但它的规定优先于任何一张工单。

import anthropic

client = anthropic.Anthropic()

# System Prompt：稳定的全局规则（写一次，全会话生效）
# User Prompt：动态的具体请求（每轮不同）
response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=256,
    system=(
        "你是一名专业的代码审查助手。"
        "规则：① 只回答编程相关问题；"
        "② 每次必须分'问题'和'建议'两个部分回答；"
        "③ 不确定时说不确定，不要猜测。"
    ),
    messages=[
        {
            "role": "user",
            "content": "这段代码有什么问题？\ndef div(a, b):\n    return a / b"
        }
    ]
)
print(response.content[0].text)
# 输出会严格遵循 System Prompt 规定的格式，分两段输出

• → System / User / Assistant Role· 消息角色
• → Prompt Injection (Prompt 层)· 提示词注入