聯繫我

如果有任何問題或建議，歡迎隨時聯繫我：

• Email

前言

Day 17 骨架的第①塊，我只丟了一句「角色設定放 system prompt」就跳過了。今天把它補完整。

先破除一個常見的偷懶做法：很多人寫 system prompt 只寫一句「你是一位專家」，然後期待 Claude 從此變得專業。這句話不是沒用，但它給模型的資訊量很低——「專家」是誰、專精什麼、要對誰說話、用什麼標準判斷好壞，全部沒講。今天要講的是怎麼把這一塊寫得有實際作用，而不是流於形式的裝飾句。

本篇 system prompt 相關的驗證內容，對照 Prompting best practices 官方文件查證。部分段落屬於基於官方範例的合理推論，會在文中明確標記。

目錄

一、System 是獨立參數，不是對話的一部分

先確認一個結構上的事實：在 Messages API 裡，system 是跟 messages 平行的獨立參數，不是塞在對話陣列裡的一則訊息：

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    system="你是一位樂於助人的程式設計助理，專精 Python。",   # 獨立參數
    messages=[
        {"role": "user", "content": "如何依 key 排序一個字典串列？"}
    ],
)

這個結構本身就在暗示一種分工：system 放的是這次對話期間大致穩定不變的設定，messages 放的是實際往來的對話內容。 這跟 Day 9 快取策略提過的「穩定內容在前、變動內容在後」是同一種思路的延伸——system prompt 天生就適合放那些「這一整段對話都適用」的規則，而不是這一輪才出現的具體問題。

二、一句話就有感：角色設定的效果

官方對角色設定的效果講得很直接：

"Setting a role in the system prompt focuses Claude's behavior and tone for your use case. Even a single sentence makes a difference."

在 system prompt 裡設定角色，能聚焦 Claude 的行為與語氣，而且哪怕只有一句話都有感。 官方給的範例：

system="You are a helpful coding assistant specializing in Python."

這句話沒有長篇大論，但它同時做了三件事：限定領域（程式設計，而不是泛用助理）、限定專精（Python，不是所有語言都同等擅長）、定調語氣（helpful，友善協助的口吻）。

三、為什麼「你是一位專家」常常沒用

這是本篇最核心的問題，也是需要誠實標記的一段：以下的分析是基於「角色設定如何提供有效資訊」這個角度的推論，官方文件並沒有針對「泛用角色 vs 具體角色」給出正式的逐字比較說明。

回頭看官方那句範例——「specializing in Python」——它包含的是可以被拿來做判斷依據的具體資訓：領域是什麼、擅長什麼、語氣怎樣。而「你是一位專家」這句話沒有提供任何可以被拿來做判斷依據的資訊：專家於什麼？服務誰？用什麼標準判斷輸出好不好？

一個簡單的判準：問自己「如果我拿掉這句角色設定，Claude 的行為會不會有任何具體改變？」 如果答案是「不會」，這句角色設定大概率是裝飾性的，不是功能性的。「你是一位專家」拿掉前後，模型的行為通常沒有明顯差異；但「你是一位資深稅務顧問，服務對象是不熟悉稅法的一般民眾，回答時要避免專業術語」拿掉前後，行為差異會很明顯——因為後者給了三個可以直接影響輸出的維度：專業領域、目標讀者、表達限制。

讓角色設定變得有效的做法，是把它從「頭銜」換成「頭銜 + 標準」：

❌ 你是一位專家
✅ 你是一位資深稅務顧問，服務對象是不熟悉稅法的一般民眾，
   回答時避免專業術語，遇到不確定的部分要明確告知使用者需要諮詢正式管道

四、System Prompt 不只設定身份，也設定行為傾向

官方在 Tool use 章節裡的一個範例，展示了 system prompt 除了「你是誰」之外的另一個用途——設定 Claude 面對模糊指示時的行為傾向。如果你希望 Claude 更主動、預設直接動手而不是只給建議：

<default_to_action>
By default, implement changes rather than only suggesting them. If the user's intent is
unclear, infer the most useful likely action and proceed, using tools to discover any
missing details instead of guessing.
</default_to_action>

如果你反而希望它更保守，遇到不確定就先問而不是直接動手：

<do_not_act_before_instructions>
Do not jump into implementation or change files unless clearly instructed to make
changes. When the user's intent is ambiguous, default to providing information, doing
research, and providing recommendations rather than taking action.
</do_not_act_before_instructions>

這兩段都放在 system prompt，而且都用了 Day 18 教的 XML 標籤把整段規則包起來——這正是「角色設定」跟「行為規則」可以在同一個 system prompt 裡並存的示範：角色定義「你是誰」，行為規則定義「你遇到模糊情境時該怎麼反應」。

五、用詞強度要拿捏，不是越強硬越有效

這是一個容易被忽略、但官方明確提出的重點。很多人寫 system prompt 習慣用力過猛——「CRITICAL」「你必須」「絕對不可以」，覺得語氣越強、模型越會照做。官方在講新世代模型時給了相反的提醒：

"Claude Opus 4.5 and Claude Opus 4.6 are also more responsive to the system prompt than previous models. If your prompts were designed to reduce undertriggering on tools or skills, these models may now overtrigger. The fix is to dial back any aggressive language. Where you might have said 'CRITICAL: You MUST use this tool when...', you can use more normal prompting like 'Use this tool when...'."

新世代模型對 system prompt 的反應比舊模型更敏感，如果你的 system prompt 是照著舊模型的「要用力強調才有效」的習慣寫的，換到新模型上反而可能過度觸發——例如工具被呼叫得比預期更頻繁。修法是把「CRITICAL: 你必須在……時使用這個工具」這種語氣，調整回比較平常的「在……時使用這個工具」。

這跟 Day 15 提過的「system prompt 引導語句對措辭很敏感」是同一類提醒——強硬程度不等於有效程度，寫 system prompt 時值得先假設模型會認真照做，再依實際測試結果調整強度，而不是預設要用最強硬的語氣才安全。

六、System Prompt 也能用來取代舊的 prefill 技巧

Day 17 沒提到的一個實務場景：如果你以前用「預填 assistant 回應」的方式跳過開場白（例如強制回應以「Here is the summary:」開頭來避免模型講一堆客套話），新世代模型（4.6 之後）已經不支援這種預填方式了。官方給的替代方案就是寫進 system prompt：

Respond directly without preamble. Do not start with phrases like
"Here is...", "Based on...", etc.

這也是 system prompt 的另一種用法——不是設定身份，是設定輸出的起手式規則，跟 Day 18 提過的「格式指示符」屬於同一類技巧，只是放的位置換成了 system 而不是每次 user 訊息裡都重複寫一次。

七、多輪對話裡，system prompt 該不該跟著變

一個實務上常見的問題：對話進行到第 10 輪，使用者的需求好像變了，該不該順勢改一下 system prompt？

回頭看 Day 9、Day 14 都提過的規則：system prompt 是快取前綴的一部分，改動它會讓整段對話的快取失效，效果跟 Day 14 提過的「跨請求改變 effort 會打斷快取」是同一類問題，只是這次動的是角色設定而不是 effort 值。

實務上的判斷原則：如果角色設定本身需要因為對話內容而變（例如從「客服助理」變成「技術支援專員」），這通常代表你其實在處理兩個不同的任務，值得考慮開新對話（Day 8 技巧三），而不是在原本的對話裡硬改 system prompt。 如果只是這一輪的具體要求不一樣（例如這次要簡短一點），該調整的是 Day 15 提過的「per-message steering」——把引導語句加在這一輪的使用者訊息裡，而不是動 system prompt 本身。System prompt 的穩定性,本身就是它跟 user 分工的核心價值。

Before / After：從裝飾性角色到功能性角色

❌ Before：裝飾性角色，拿掉沒差

system="你是一位專業的行銷顧問。"

✅ After：功能性角色，附帶可執行的標準

system="""你是一位專精 B2B SaaS 產品的行銷顧問，服務對象是新創公司的行銷負責人。
撰寫文案時避免誇大不實的用詞（例如「業界唯一」「顛覆性」），
每個賣點都要能對應到具體的功能或數據，語氣專業但不生硬。"""

Before 版本拿掉整句話，模型的行為八成不會有明顯變化——這就是它是裝飾性角色的證據。After 版本裡的每一句話都在限縮模型的行為空間：領域（B2B SaaS）、讀者（新創行銷負責人）、用詞限制（不誇大）、論證標準（每個賣點要有依據）、語氣（專業不生硬）。拿掉任何一句，輸出都會有可觀察的差異——這才是有效的角色設定。

本篇自我挑戰

• 今日挑戰：檢查你目前所有的 system prompt，對每一句做本篇第三節的測試——「拿掉這句話，行為會不會有具體改變？」把答案是「不會」的句子，改寫成有明確標準或限制的版本。

• 反思：「你是一位專家」這句話的問題，其實不是它錯，是它沒有提供資訊。這跟我們日常溝通很像——跟同事說「請你專業一點處理這件事」，跟說「請依照 A、B、C 三個標準處理，遇到不確定的部分先跟我確認」，後者才是真正能被執行的指示。你有沒有在其他場合也說過「聽起來很到位、實際上沒有資訊量」的指示？

總結

今天把 Day 17 骨架的第①塊補完整：System prompt 是獨立於對話之外的參數，適合放這次對話期間大致穩定的設定；角色設定哪怕一句話都有感，但前提是這句話要提供可以被拿來做判斷依據的具體資訊，而不是空泛的頭銜；System prompt 也能設定行為傾向（主動 vs 保守）跟輸出起手式，不只是身份；以及一個容易被忽略的提醒——新世代模型對 system prompt 更敏感，用詞強度不用像過去那樣刻意加重。

第三節的推論部分——「你是一位專家為什麼沒用」——是基於官方角色範例邏輯的合理延伸，建議你發文前再想一次是否需要補充更多第一手案例佐證。

本日關鍵字回顧

• System 參數：Messages API 裡獨立於 messages 的欄位，適合放對話期間穩定不變的設定。
• 一句話就有感：官方對角色設定效果的原文結論，前提是這句話包含具體、可影響行為的資訊。
• 功能性角色 vs 裝飾性角色：判準是「拿掉這句話，行為會不會有具體改變」（本節推論，非官方逐字定義）。
• 行為傾向設定：default_to_action / do_not_act_before_instructions 展示 system prompt 除了身份，也能定義面對模糊情境的反應方式。
• 用詞強度拿捏：新世代模型對 system prompt 更敏感，官方建議從強硬措辭「dial back」回正常語氣。

明天進入第三階段的收尾——怎麼降低 Claude 的幻覺。允許它說不知道、要求先引用再回答，把 Day 18 學到的 XML 標籤技巧用在防止瞎掰上。

Day 20，降低錯誤輸出的實用做法。