【大语言模型】在大语言模型中，user、assistant、system 三种角色的定位和功能有何不同。

深度求索者

于 2025-02-13 17:54:01 发布

阅读量2.2k

点赞数 27

文章标签：语言模型人工智能自然语言处理

本文链接：https://blog.csdn.net/weixin_39806242/article/details/145617564

版权

在大语言模型（如GPT系列）中，user、assistant、system 是三种核心角色，它们的定位和功能不同，共同构成对话的上下文结构。以下是具体区别和用途：

定位：控制对话的全局方向和模型的行为模式。
作用：
- 设定上下文：定义对话的背景、目标或规则（例如“你是一个专业翻译，只回答与翻译相关的问题”）。
- 调整风格：指定回复的语气（严肃、幽默）、格式（分点、Markdown）或内容限制（避免敏感话题）。
- 长期控制：在对话中持续影响模型的输出（即使后续对话中没有重复指令）。
典型场景：
- 初始化对话时设定角色（如医生、律师、代码助手）。
- 限制模型的回答范围（如“仅用英文回答”）。
- 设定复杂任务的流程（如分步骤完成任务）。
技术细节：
- 在某些模型（如GPT-3.5/4）中，system 消息通常在对话开始时出现一次。
- 并非所有平台都支持 system 角色（部分平台用 user 模拟其功能）。

定位：代表真实用户输入，是驱动对话的核心。
作用：
- 提出问题或请求（如“帮我写一首关于夏天的诗”）。
- 提供补充信息（如“上一句翻译成法语”）。
- 修正模型行为（如“用更简单的语言解释”）。
典型场景：
- 直接交互：用户提问、追问或反馈。
- 间接控制：通过用户消息调整模型输出（例如在消息中附加指令）。
技术细节：
- 在API调用中，user 消息是必选的上下文组成部分。
- 模型会优先关注最近的 user 消息内容。

定位：模型生成的回复内容。
作用：
- 回答问题：基于上下文生成符合用户需求的回复。
- 自我修正：在后续对话中根据用户反馈调整回答（如“抱歉，之前的回答有误，正确的是…”）。
- 遵循指令：执行 system 或 user 指定的规则（如分点回答、使用特定格式）。
典型场景：
- 直接生成文本、代码、建议等。
- 通过历史 assistant 消息实现多轮对话连贯性。
技术细节：
- 在训练和推理中，模型通过预测 assistant 消息的合理延续来生成回复。
- 可通过预设 assistant 消息引导模型行为（例如提前写入部分回答）。

System 设定框架 → User 提供具体输入 → Assistant 生成回复。
优先级：
- 最近的 user 指令 > 初始 system 设定 > 历史 assistant 内容。
- 某些模型（如Claude）对 system 的权重更高，能更稳定地遵循长期指令。

示例：

System: 你是一位营养学家，用简洁的中文回答。
User: 香蕉适合减肥吗？
Assistant: 香蕉富含膳食纤维，适量食用有助于增加饱腹感...

明确分工：
- 复杂任务：用 system 设定角色和规则，user 提供具体输入。
- 简单任务：直接在 user 消息中附加指令（如“用列表总结”）。
避免冲突：
- 若 system 和 user 指令矛盾，模型可能优先响应 user。
- 可通过 system 强调“始终遵循初始规则”来增强约束。
平台差异：
- OpenAI API 支持 system 角色，而ChatGPT网页版可能隐式处理 system 指令。
- 部分开源模型（如Llama）需通过 user 消息模拟 system 功能。