RAG 问答 Prompt 设计

RAG 场景下的 Prompt，重点不是“把话说得更漂亮”，而是让模型尽量别越界。检索把内容找回来之后，Prompt 要继续负责两件事：告诉模型只能在这些材料里答，以及答的时候要把引用关系保留下来。

如果这层没立住，RAG 很容易退化成“检索了一下，但模型还是按自己想法回答”。

RAG Prompt 最重要的不是礼貌，而是边界

在知识库问答里，一个好 Prompt 通常至少要明确：

• 只能基于给定上下文回答。
• 上下文不足时要拒答或说明不确定。
• 输出要保留引用标识或来源位置。

这几个约束写不清，后面再怎么优化召回，结果也可能还是漂。

为什么它和普通问答 Prompt 不一样

普通聊天更重自然性，RAG 问答更重忠实度。两者目标不同，所以 Prompt 关注点也不同：

• 普通聊天允许自由组织答案。
• RAG 问答更在意答案和证据的对应关系。
• 普通聊天可以凭模型已有知识补充。
• RAG 问答更应避免超出上下文发挥。

这也是为什么 RAG Prompt 经常看起来没那么“聪明”，却更适合上线。

哪些问题不是 Prompt 能补的

也要泼冷水。RAG Prompt 再严格，也补不了这些问题：

• 检索本身没召回到关键内容。
• 切片太碎或太乱。
• 引用元数据没存全。

所以它是约束层，不是修复一切的万能层。

一句话先记住

RAG Prompt 的作用，不是让答案更华丽，而是让答案和证据的关系更可检查。

继续阅读

• 04-rag/001-what-is-rag.md
• 04-rag/009-citation-tracing.md