在提示工程的工具箱中，系统提示（System Prompting）、上下文提示（Contextual Prompting）与角色提示（Role Prompting）构成了三大支柱，它们分别从全局框架、具体情境与身份定位三个维度塑造模型的行为，共同决定了输出的质量与相关性。本文将深入剖析这三种提示技术的定义、原理、应用场景与协同机制，揭示其在 AI 交互中的核心价值。一、系统提示，定义 AI 行为的 “顶层架构”系统提示的首要功能是定义任务目标。例如，用户通过 “将电影评论分为正面（positive）、中立（neutral）或负面（negative）三类。仅返回大写的标签” 的指令，清晰告知模型核心任务是 “电影评论情感分类”，并限定输出格式为 “大写标签”。这种目标定义并非简单的任务描述，而是通过 “仅返回标签” 的约束，排除了无关信息（如分析过程），迫使模型聚焦于核心目标。实验表明，明确的目标定义可使模型输出准确率提升 30% 以上，尤其在分类、翻译等结构化任务中效果显著。