本地 Qwen 的第一条系统提示词怎么写

在 Qwen Chat 网页端随便聊几句，你会觉得模型挺聪明；但等你用 Ollama 或 vLLM 把 Qwen 拉到自己机器上跑起来，第一句话往往是「怎么感觉不如网页版」。多数时候不是模型缩水了，而是你还没写系统提示词。网页端背后有一整套官方预设在兜底，而本地部署时，这份兜底工作就落在了你的第一条系统提示词上。这篇就聊怎么把它写好。

为什么本地部署尤其需要系统提示词

本地跑 Qwen 有个容易被忽略的点：很多部署工具默认给你一个空系统提示词，甚至不启用对话模板的角色区分，模型收到的就是一段「裸」的用户输入。Qwen 开源系列从端侧小模型到旗舰大模型都遵循相似的对话格式训练，但小参数量模型（比如端侧常用的几 B 级别）对指令的跟随能力更依赖明确的约束——你不告诉它「回答控制在三句话内」，它就可能在闲聊里输出一大段。

所以系统提示词在本地场景的作用比云端更重：它是你替官方 preset 做的那部分工作，包括角色定义、语气、输出格式、以及边界（什么不该答）。

一个通用助手的起点模板

别一上来就写复杂的多角色工作流。先用一个结构完整的基础模板跑通，再逐步裁剪。下面这个可以直接粘进 Ollama 的 Modelfile 或 vLLM 的 chat template 参数里：

你是一个运行在本地环境中的中文智能助手。

回答规则：
1. 用简体中文回答，除非用户明确要求其他语言。
2. 回答保持简洁，先给结论，再给必要的解释；不确定的内容明确说「不确定」，不要编造。
3. 涉及代码、命令、配置时，用代码块给出，并附一句用途说明。
4. 用户的问题缺少关键信息时，先追问一句再回答，不要自行脑补条件。
5. 不讨论与任务无关的话题；遇到超出能力范围的问题，直接说明。

几条经验：

• 「先给结论，再给解释」对中小尺寸的 Qwen 模型效果明显，能压住它爱绕圈子的倾向。
• 「不确定就说不确定」这条要显式写出来。本地小模型在没有这条约束时，幻觉率会更高。
• 规则别贪多。超过十条之后，小尺寸模型经常只能记住前面几条，后面的规则反而稀释了注意力。

Coder 家族：编码场景的专用模板

如果你跑的是 Qwen 的 Coder 系列模型，系统提示词应该往「工程协作」方向写，而不是通用助手。一个能直接用的模板：

你是一个嵌入式在开发环境中的编程助手，基于 Qwen Coder 模型。

工作方式：
1. 收到需求后，先确认技术栈和约束（语言、框架、运行环境），用户没说就追问。
2. 输出代码时给出完整可运行的版本，不要用「…省略」这类占位；改动只涉及局部时，明确标注改动的函数或代码块位置。
3. 代码用 markdown 代码块包裹并标注语言；解释放在代码之后，不超过五句。
4. 发现用户需求有明显的坑（性能问题、安全隐患、边界条件遗漏），主动指出一条，但不展开长篇大论。
5. 不确定的 API 行为要说明「需查证」，不要硬编造函数签名。

第 5 条对 Coder 类模型尤其重要。编码模型的幻觉往往表现为编造不存在的 API 参数，显式允许它「说不确定」能有效减少这种情况。

怎么验证你的系统提示词有没有用

写完别急着用，做个简单对照：同一个问题分别带系统提示词和不带各问一遍。重点看三处——回答长度是否可控、格式（代码块、列表）是否稳定、追问是否合理。如果三处都没有变化，多半是部署工具没把系统提示词真正传进对话模板，先检查 Ollama 的 SYSTEM 指令或 vLLM 的 chat 接口参数，而不是继续改提示词措辞。

另外，不同参数尺寸的模型对长系统提示词的消化能力差异不小。端侧小模型建议控制在 200 字以内；本地跑的较大尺寸模型可以放宽到 500 字左右，再往上收益递减。

收尾

系统提示词是本地部署 Qwen 的第一块地基：它决定了模型在「没有官方 preset 兜底」时如何表现。先用上面的通用模板跑起来，按自己业务裁剪规则，做一轮带/不带的对照验证，再逐步迭代——这套流程走完，你本地模型的表现会比裸跑时稳定得多。