大模型网摘DeepSeek 提示词：系统提示与用户提示怎么分工
很多人写提示词时把所有要求一股脑塞进一句用户消息里，结果 DeepSeek 输出忽好忽坏。问题多半出在没分清系统提示词和用户提示词的角色：前者定规则，后者给任务。这个分工在 R 系列深度思考模型上尤其重要——思考模型不吃「你是位资深专家」这类角色扮演花活，它吃的是清晰的约束和结构化需求。下面按实际使用场景拆开讲。
一、系统提示词放什么：规则、边界、格式
系统提示词是整场对话的「宪法」，适合放跨轮次不变的内容：输出格式要求、禁止事项、回答风格、术语约定。比如要求始终输出 Markdown 表格、代码必须带注释、不确定时要明确说「不确定」而不是编造。这些是稳定约束，写在系统层能让模型在每一轮都遵守，不用反复重申。
值得注意的是，DeepSeek V 系列和 R 系列对系统提示词的响应都比较「务实」：你写「不要超过 300 字」，它大概率照办；你写「你是一位有 20 年经验的文案大师」，效果提升有限。约束 > 人设，这是写系统提示词的第一原则。
二、用户提示词放什么：具体任务和当轮输入
用户提示词承载每一轮变化的内容：这次要翻译的文本、要分析的代码、要解的数学题。好的用户提示词 = 任务描述 + 输入材料 + 输出样例（可选）。不要在这里重复系统提示词里已经写过的规则，重复反而可能稀释权重。
另一个实用点：R 系列支持开关思考模式，简单任务（改错别字、格式转换、闲聊）不必触发深度思考，开了反而慢且没必要；复杂推理（数学证明、多步代码调试、逻辑分析）再开。深度思考的预算留给值得的问题。
三、常见误区：别把两者写成一个大杂烩
三个高频误区：
1. 规则写在用户消息里：第一轮还管用，聊到第五轮模型早忘了。跨轮次规则必须进系统层。 2. 系统提示词堆人设形容词：「才华横溢、经验丰富、思维缜密」这类词对推理模型基本无效，换成可执行的判断标准才有用。 3. 简单任务开深度思考：问个语法问题也触发长链思考，等待时间翻倍。任务复杂度决定要不要开思考模式。
四、可直接复制的两个模板
模板 1：代码审查场景（系统提示词）
你是一名代码审查助手，遵守以下规则： 1. 只指出真实存在的问题，不确定的问题标注「待确认」。 2. 每个问题按「位置 / 问题 / 建议修法」三段式输出。 3. 修复建议给出可运行的代码片段，不要只描述思路。 4. 不评价代码风格等主观内容，除非影响正确性或性能。 5. 没有问题时直接回答「未发现问题」，不要硬凑。
模板 2：用户提示词配套写法
请审查以下 Python 代码：
python （粘贴你的代码）
审查重点：空指针风险和异常处理缺失。 输出格式按系统规则执行。
这个组合的关键在于：系统层定了「怎么答」，用户层只说「答什么、重点在哪」，两层零重复。
五、本地部署用户的一条建议
DeepSeek 开放权重、可本地部署，不少人在自己的服务里调用。本地部署时系统提示词通常在请求的 system 字段传入，用户提示词放 user 字段，物理上就是分离的，更没理由混写。具体字段名和参数以官方文档为准，但「系统管规则、用户管任务」的分工逻辑在任何接入方式下都成立。
分工的本质是信息分层：稳定的进系统层，多变的进用户层，约束替代人设，复杂任务才开深度思考。下次写提示词前先问自己一句——这句话每轮都不变吗？不变的，搬进系统提示词。