前言

同样一段提示词，放到通用大模型可用，换到Qwen3系列（Qwen3-4B/8B/32B、Qwen3-Coder、Qwen3-Omni）却出现格式错乱、指令遗漏、逻辑跳步、JSON解析失败；反之，专为Qwen3优化的提示词，在推理精度、结构化输出、代码生成、长文本跟随上会有质的提升。

Qwen3拥有独立对话模板、思考推理机制、结构化输出接口、工具调用规范，提示词不能套用通用LLM模板，必须贴合其训练偏好与底层规则。本文基于通义千问官方Prompt规范，拆解Qwen3专属提示词框架、核心优化技巧、分场景可复制模板、API配套参数搭配方案，覆盖本地部署、DashScope云端API、多模态、代码、生产结构化输出全场景。

一、先掌握Qwen3底层专属规则（写好提示词的前提）

1. 标准化Chat Template对话标记（硬性规范）

Qwen3统一使用<|im_start|>、<|im_end|>作为角色分隔符，对话层级严格固定，错误拼接会大幅削弱指令跟随能力。
标准完整结构：

<|im_start|>system
【系统全局提示词：角色、规则、输出约束】
<|im_end|>
<|im_start|>user
【用户单次任务、素材、具体需求】
<|im_end|>
<|im_start|>assistant

• 系统提示必须放在对话最开头，独立区块，不能嵌入用户消息；
• 多轮对话严格按system→user→assistant循环拼接；
• 云端API（DashScope）无需手动拼接标记，通过messages数组区分role:system/user/assistant即可，底层自动封装模板。

2. 双推理模式：思考模式thinking开关

Qwen3内置专属深度推理能力，两种模式适配不同任务，提示词需要配合对应指令：

1. 思考模式 enable_thinking:true
   适合数学、逻辑分析、方案推演、复杂代码、故障排查；模型会输出...推理过程，再给出最终答案。
   提示词配套指令：分步推导，完整写出思考过程，最后汇总结论
2. 快速模式 enable_thinking:false
   适合文案、翻译、摘要、简单问答；无冗余推理，响应更快、token消耗更低。
   提示词配套指令：直接输出结果，不需要推理步骤

3. JSON结构化输出强制要求（API生产必备）

使用response_format:{"type":"json_object"}时，提示词内必须出现“JSON”关键词，否则接口直接报错；同时完整写明字段、数据类型、枚举值，大幅降低语法错误概率。

4. 指令跟随训练偏好

Qwen3中文指令样本量大，偏好条目化、分点、显式禁令；长提示词将核心任务放在段落最前，次要约束后置，避免注意力衰减遗漏需求。

二、Qwen3万能系统提示词标准四段框架（官方推荐）

适配所有尺寸Qwen3（4B~32B、Omni多模态），系统提示分为四大模块，固定顺序不可颠倒，本地/云端通用：

标准模板

# 1. 角色定位（精准、带从业年限、领域细分）
你是拥有X年XX领域专业专家，精通细分业务，擅长结构化输出、逻辑拆解，杜绝编造信息。

# 2. 核心任务目标（一句话锁定唯一主任务，多任务拆分多轮对话）
你的核心工作：根据用户提供素材，完成XX任务，交付符合规范的标准化结果。

# 3. 强制约束规则（逐条列点，显式禁令，Qwen3对列表约束识别度最高）
- 禁止无依据编造数据、案例、参数；不确定内容直接说明，不得臆测
- 严格遵守下文指定输出格式，不增加多余解释、开场白、结束语
- 字数、语气、专业深度严格匹配用户要求
- 不偏离任务主题，不主动拓展无关内容

# 4. 输出格式规范（Markdown/JSON/代码块/表格，写清完整结构）
输出必须遵循以下格式：
【完整格式示例/字段定义】

优劣对比

❌ 劣质模糊系统词
你是一个助手，帮我分析用户评论，输出json。

✅ Qwen3优化版系统词

# 1.角色
你是专业用户评论情感分析师，5年互联网产品用户反馈处理经验，擅长提取结构化指标。
# 2.核心任务
接收一段用户评价文本，提取情绪、问题点、产品诉求，生成可直接入库的结构化数据。
# 3.约束规则
- 所有提取内容必须来自原文，不凭空新增问题
- 不输出正文以外的文字，只返回指定格式内容
- 情绪仅分为：正面/中性/负面三类，不自定义标签
# 4.输出格式
标准JSON，字段定义：
{
  "sentiment":"string",
  "problem_list":["string"],
  "demand":"string"
}

三、Qwen3五大专属提示词进阶技巧（显著提升效果）

技巧1：复杂推理强制CoT思维链，搭配thinking开关

Qwen3对中文分步推理指令适配极强，逻辑、计算、方案类任务固定添加引导句：

请分步思考推导，先列出全部已知条件，逐一分析，最后整合得出最终结论，开启完整推理过程。

API调用同步开启enable_thinking:true，复杂计算、业务分析错误率下降60%以上。

技巧2：Few-Shot少样本优先1-2组输入输出样例

小参数量Qwen3（4B/8B）格式跟随弱，必须附上标准样例；32B大模型复杂格式化任务建议保留一组示例。
模板示例：

严格模仿下面输入输出格式回答，结构、层级、措辞完全对齐
示例输入：用户反馈：加载卡顿，客服回复慢
示例输出：
{
  "sentiment":"负面",
  "problem_list":["加载卡顿","客服响应慢"],
  "demand":"优化性能，提升客服响应速度"
}
现在处理输入：【待分析文本】

技巧3：素材与指令用三重反引号隔离，消除分词歧义

Qwen3分词器对长文本、表格、代码识别友好，但指令与原文混杂容易混淆，统一分隔写法：

任务：总结下文3条核心观点，Markdown列表输出
原始素材：
"""
粘贴长篇对话、文章、数据表格、日志文本
"""

技巧4：代码场景专用提示词（适配Qwen3-Coder）

代码模型强化注释、异常处理、可运行性，固定三段式要求：

1. 完整可运行代码，兼容指定Python/JS版本；
2. 关键逻辑单行注释，不冗余；
3. 附带依赖安装命令与测试用例。
   搭配参数：temperature=0.1，关闭随机发散，减少bug。

技巧5：反向禁令后置兜底，解决幻觉与多余输出

在提示词末尾增加Qwen3高识别度兜底约束，规避模型画蛇添足：

输出前自查：1.是否完全遵守输出格式；2.有无编造内容；3.是否存在无关多余文字；自查后仅输出结果正文。

四、分场景Qwen3可直接复制提示词模板

模板1：API生产结构化JSON（DashScope专用）

系统提示：

# 角色
专业数据提取引擎，严格遵循JSON输出规范，无多余文本。
# 任务
从用户输入文本提取发票结构化信息。
# 约束
1. 无数据对应字段填空字符串，不编造；
2. 只返回纯JSON，不添加解释、标题、markdown标记；
3. 数值字段使用数字类型，日期格式YYYY-MM-DD。
# 输出格式
{
"invoice_no":"",
"date":"",
"seller":"",
"buyer":"",
"total_price":0,
"goods_list":[{"name":"","num":0,"price":0}]
}

API参数配套：
response_format={"type":"json_object"}, temperature=0, enable_thinking=false

模板2：代码开发（Qwen3-Coder）

# 角色
7年Python后端开发，精通Django、Redis高并发，代码兼顾性能与可读性。
# 任务
编写图片批量压缩上传接口，支持异常捕获、内存限制。
# 约束
1. 兼容Python3.10，不使用废弃库；
2. 每个功能块添加注释；
3. 提供完整依赖、启动命令、测试案例。
# 输出格式
## 依赖安装
## 完整业务代码
## 测试调用示例

配套参数：temperature=0.1

模板3：逻辑分析/业务方案（开启思考模式）

# 角色
资深互联网架构分析师，擅长拆解系统瓶颈，分步推演优化方案。
# 任务
分析Django高并发接口卡顿根因，给出可落地优化方案。
# 约束
1. 每条结论必须对应技术原理，不空谈；
2. 分瓶颈定位、短期优化、长期架构升级三层输出；
# 推理要求
分步梳理问题成因，逐一给出解决方案，完整展示思考逻辑。

配套参数：enable_thinking:true

模板4：文案创作、短视频脚本（快速模式）

# 角色
小红书数码种草博主，擅长平价云服务生活化文案。
# 任务
撰写100字以内轻量化服务器推广笔记。
# 约束
口语化、带适度emoji，不夸大性能，结尾引导试用。
# 输出格式
标题+正文+3个话题标签
# 额外要求
直接输出成品，不需要推理分析过程

配套参数：enable_thinking:false，temperature=0.6

五、Qwen3提示词常见踩坑点与修复方案

坑1：JSON输出带多余文字、markdown代码块包裹

原因：未在提示词写明“仅返回纯JSON”，未开启response_format。
修复：系统提示增加禁令，API强制开启json_object格式。

坑2：小模型（4B/8B）忽略后半段约束

原因：核心任务放在段落末尾，注意力衰减。
修复：任务指令前置，约束分点罗列，补充1组Few-Shot示例。

坑3：逻辑题跳步、计算出错

原因：未开启thinking，无分步推理指令。
修复：添加CoT引导句，API开启enable_thinking:true。

坑4：本地部署模型输出格式完全混乱

原因：手动拼接对话模板遗漏<|im_start|>标记。
修复：严格遵循标准im_start/im_end对话结构，使用官方chat_template工具封装消息。

坑5：长提示词后半段规则失效

原因：单次提示词承载任务过多，多需求堆叠。
修复：一个对话只处理一个核心任务，复杂流程拆多轮交互。

六、API调用：提示词+推理参数黄金搭配（生产标准）

1. 结构化数据/JSON提取

• temperature：0
• top_p：0.1
• enable_thinking：false
• response_format：{“type”:“json_object”}

2. 代码生成、接口开发

• temperature：0.1
• top_p：0.3
• enable_thinking：true

3. 逻辑分析、方案推演、数学计算

• temperature：0.2
• top_p：0.4
• enable_thinking：true

4. 文案、营销、创意内容

• temperature：0.6~0.7
• top_p：0.8
• enable_thinking：false

七、总结：Qwen3提示词核心心法

1. 系统提示标准化四段式：角色→任务→约束→格式，固定结构大幅提升指令跟随；
2. 贴合专属机制：区分thinking/快速模式，JSON输出带关键词并开启接口参数；
3. 条目化、任务前置：规避长文本注意力丢失问题，小模型强制补充Few-Shot；
4. 配套参数协同：提示词与temperature、思考开关联动，单一优化提示词效果有限；
5. 显式兜底禁令：增加自查规则，解决幻觉、多余输出、格式错乱三大高频问题。

Qwen3系列作为国产通用+代码+多模态一体化模型，提示词不需要照搬海外模型范式。遵循本文专属框架与技巧，无论本地私有化部署还是云端API批量调用，都能稳定输出符合业务规范、低幻觉、格式统一的结果，大幅减少二次文本清洗成本。