封闭域问答系统的目标很明确：模型只能依据给定的文档回答问题，不能使用训练阶段学到的外部知识。但实际部署中，模型常常在文档信息不足时自行补全，甚至把相关性不高的段落当成证据。要让模型稳定地在文档内推理，提示词需要同时完成三件事：划定证据范围、规定推理路径、要求显式引用。下面从一个最简单的提示词开始拆解。
一、封闭域问答和开放域问答的关键差异
封闭域问答也被称为给定文档问答或阅读理解式问答。它的前提是答案必须存在于一个明确的文档集合中，模型不能调用参数化记忆来回答。开放域问答则相反，模型可以先从外部知识中找到候选信息，再综合生成答案。这个差异看似简单，但在提示词层面会带来完全不同的设计目标：封闭域提示词的首要任务是限制信息边界，而不是激发模型的知识联想。
很多失败案例表明，即使文档里已经包含正确答案，模型仍然可能选择一个更符合常识但与文档矛盾的说法。例如文档写某版本发布时间是三月，模型因为训练数据中常见的是四月，就输出四月。这种参数化记忆干扰在开放域场景中影响较小，但在需要审计和溯源的企业知识库、合同审查、医疗文献辅助阅读中是不可接受的。因此，提示词不能只说根据文档回答，而要设计一套可验证的推理约束。
为了让限制真正生效，还需要区分两个概念：生成约束和推理约束。生成约束只限制最终答案的来源，比如禁止说文档没有的内容；推理约束则进一步规定中间步骤如何从原文抽取事实、如何组合证据。后者更难，但它是提升多跳问题准确率的关键。
二、推理提示词的核心结构：角色、证据、步骤、输出格式
一个可用的封闭域问答提示词通常包含四个部分：角色与目标、文档边界、推理步骤、输出格式。角色部分不必写得过于戏剧化，但需要明确回答者身份和限制。文档边界要说明只有给定内容可用，且不能用记忆补充。推理步骤要具体，尤其是当问题需要跨句或跨段推理时。
下面是一个基础模板，使用Python字符串形式展示，方便直接集成到RAG流程中。
prompt = """
你是一个严格的封闭域问答助手。你的回答只能依据【文档】中的内容，不得使用任何外部知识或训练记忆中获取的信息。
【文档】
{document}
【问题】
{question}
请按以下步骤完成：
1. 从文档中找出与问题直接相关的句子，原文摘录，并标注段落编号。
2. 如果问题需要多步推理，先写出每一步的中间结论，并说明依据。
3. 最后给出最终答案。每个关键结论后必须标注证据位置，格式为 [段落编号]。
4. 如果文档信息不足或存在矛盾，请回答：信息不足，无法回答。
"""
这个模板中的第4步很关键。它把拒答从一种失败处理变成正常输出类别，这样模型不会为了给出答案而强行关联不相关段落。实际测试中，加入明确的拒答条件后，错误补全的比例会明显下降。
另一个容易被忽略的点是证据标注格式。要求模型用[段落编号]标注，会让模型在生成时更倾向于回到原文查找依据，而不是凭感觉作答。但要注意，段落编号必须由检索或切分阶段稳定提供，否则模型会自己编造编号。
三、多跳问题的推理链设计
单跳问题只需要定位一个事实，提示词简单也能取得不错效果。多跳问题需要组合两个以上信息点，比如文档中A段说某产品在2023年发布，B段说该产品发布后三个月推出升级版，问题是升级版在哪一年推出。如果直接让模型回答，它可能跳过中间计算直接猜一个年份。此时需要强制显式推理链。
可以修改步骤部分，要求模型输出一个编号列表：第一步找到产品发布时间，第二步找到升级间隔，第三步计算年份。这样即使最终答案错误，也能根据中间步骤定位是哪一步抽取失败。
prompt = """
请只基于【文档】回答下面的多跳问题。
【文档】
{document}
【问题】
{question}
推理要求：
- 先列出问题中所有需要确认的实体或属性。
- 逐个在文档中查找对应事实，并标注段落编号。
- 如果某个中间事实缺失，立即停止并回答：信息不足，无法回答。
- 每一步中间结论必须单独写出，禁止跳步直接给最终答案。
- 最终答案单独一行，格式为：答案：xxx
"""
这种强制分步的设计会增加输出长度，但对复杂问题的收益非常明显。代价是推理时间变长，因此不需要对所有问题都使用多跳模板。可以通过一个轻量级分类提示词判断问题是否需要多跳，或者根据关键词和问句结构做规则分流。
多跳推理中还有一个常见问题：模型会把不同实体的属性错误拼接。比如文档中A公司成立于2010年，B公司成立于2015年，问题是A公司和B公司谁更早成立。如果只要求引用，模型可能分别引用两段但仍比较错误。更好的做法是让模型先列出两个年份，再进行比较运算，最后给出结论。比较类问题尤其需要显式中间值。
四、常见失败模式与调优策略
封闭域问答的失败模式并不总是模型能力不足，更多时候是提示词没有覆盖到边界情况。第一类失败是外部知识混入。模型在文档证据不完整时，会补充一个训练数据中的常见答案。解决办法除了加入拒答条件，还可以在提示词中加入反向检查：在给出答案前，确认答案中的每个实体和数字是否都能在文档原文中找到对应表达。
第二类失败是否定表达被忽略。文档写的是该系统不支持实时同步，但问题问是否支持实时同步时，模型可能只看到实时同步就回答支持。可以在提示词中增加一步：先判断文档中对相关属性是肯定、否定还是未提及，再作答。这个简单步骤能显著减少极性反转错误。
第三类失败与文档切分有关。实际RAG系统会把长文档切成小块，如果问题答案跨越两个块，单一上下文可能不够。提示词虽然不能直接解决检索问题，但可以通过要求模型显式列出缺失信息，帮助上游模块发现需要补充检索的块。例如模型回答信息不足，并注明缺少某实体的时间信息，检索模块就可以用这个信号进行二次检索。
第四类失败是输出格式不稳定。如果下游需要结构化结果，最好在提示词中给出JSON或固定格式示例，而不是只描述格式要求。文本模型对示例的遵循程度通常高于抽象描述。一个小的格式示例胜过一段格式说明。
五、工程落地建议
在工程实现中，提示词应作为配置项管理，而不是硬编码在业务代码里。不同文档类型、不同问题类型可能需要不同模板。建议将提示词模板、模型参数、检索参数放在同一配置中，方便A/B测试和版本回滚。
评估封闭域问答时，除了最终答案是否正确，还应关注证据引用是否真实存在。可以增加一个证据校验步骤：抽取模型引用的段落内容，判断是否真的支持结论。如果引用无效但答案正确，只能算部分正确，因为这种正确可能是运气或外部知识带来的。
最后，提示词不是越严格越好。过于复杂的约束会消耗模型的指令遵循能力，导致格式错误或拒答率过高。设计时应从最小约束开始，逐步增加步骤，通过小样本评测观察指标变化。一个好的封闭域问答提示词，最终效果是让模型在给定文档内保持推理透明、可追溯、可纠正。