---
title: "Ano ang system prompt? System vs developer message | BroadRouter"
description: "Ang system prompt ang nakatakdang instruction ng app bago ang mensahe ng user. Paano gumagana ang system at developer role, ano ang ilalagay, at epekto sa gastos."
url: https://broadrouter.com/fil/glossary/system-prompt/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/glossary/system-prompt/) (na-update noong 2026-11-14).

# System prompt

Na-update 2026-11-14

Ang system prompt ay ang instruction na ipinapadala ng isang application sa language model bago ang usapan, kadalasan bilang mensaheng may system o developer role. Itinatakda nito ang role, mga patakaran, tono at format ng output ng model, at dapat itong sundin ng model kahit salungat ang mensahe ng user.

Tinatawag ding: system message, system instruction, developer message, system instructions, system role

Ang system prompt ang bahagi ng request na hindi kailanman tina-type ng end user. Sinasabi nito sa model kung para kanino ito nagtatrabaho at paano ito dapat kumilos.

## Paano ito gumagana

Sa format ng Chat Completions, ang `messages` ay listahan ng mga object na may `role`. Kadalasang ang una ang may dalang nakatakdang instruction. Sa example sa ibaba, sinasabihan ng system message ang model na isa itong support agent ng airline, na sumagot sa dalawang pangungusap at huwag magbanggit ng pamasahe; sumunod ang tanong ng user kung puwede niyang palitan ang flight niya:

```json
{"messages": [
  {"role": "system", "content": "You are a support agent for an airline. Answer in two sentences. Never quote fares."},
  {"role": "user", "content": "Can I change my flight?"}
]}
```

Inilalarawan ng API reference ng OpenAI ang `system` at `developer` message bilang “developer-provided instructions that the model should follow, regardless of messages sent by the user” (Salin ng BroadRouter: “mga instruction mula sa developer na dapat sundin ng model, anuman ang mensaheng ipadala ng user”), at sinasabing pinapalitan ng developer message ang system message sa o1 at mas bagong model. Sa text guide nito, nasa priority na “ahead of user messages” (Salin ng BroadRouter: “nauuna sa mga mensahe ng user”) ang developer message. Sa Anthropic naman, hiwalay na top-level na `system` parameter ang system prompt sa halip na isang mensahe, at sinasabi nitong kahit isang pangungusap na nagtatakda ng role ay “focuses Claude’s behavior and tone” (Salin ng BroadRouter: “nagpapatutok sa kilos at tono ni Claude”).

Karaniwang laman: isang role, ang task, mahihigpit na patakaran, format ng output, at kung minsan ay mga example ([few-shot prompting](https://broadrouter.com/fil/glossary/few-shot-prompting/)).

## Bakit ito mahalaga

-   **Gastos.** Ipinapadala ulit ang system prompt sa bawat call bilang [input token](https://broadrouter.com/fil/glossary/input-and-output-tokens/). Ang prompt na 2,000 token sa 10,000 request ay 20 milyong token.
-   **Caching.** Dahil hindi ito nagbabago at nauuna, ang system prompt ang pinakamadaling i-cache na prefix. Ilagay pagkatapos nito ang data na nagbabago, gaya ng petsa o pangalan ng user. Ipinapakita ng post tungkol sa [istruktura ng prompt para sa caching](https://broadrouter.com/fil/blog/prompt-structure-for-caching/) ang tamang pagkakasunod-sunod.
-   **Seguridad.** Policy layer ito, hindi security boundary. Puwede pa ring ilihis ang model ng [prompt injection](https://broadrouter.com/fil/glossary/prompt-injection/) sa mga dokumento o sa text ng user.

## Sa BroadNet Inference

Format ng OpenAI chat completions ang sinusunod ng BroadNet, kaya inilalagay ang system message sa `messages` gaya ng nasa itaas. Isang user message lang ang gamit ng mga example sa docs, at hindi nito inilalarawan kung paano hinahawakan ng bawat model ang system o developer role; subukan ang prompt mo sa model na ilalabas mo.

Iniuulat ng BroadNet ang `prompt_tokens_details.cached_tokens` sa `usage` at sinisingil ang mga token na iyon sa presyo ng cached input. Halimbawang kuwenta sa DeepSeek V4.1 Flash, gamit ang 20 milyong token sa itaas: 20 × $0.175 kung walang naka-cache, o 20 × $0.0055 kung tumama sa cache ang bawat read. Nasa pagitan ng dalawa ang totoong hit rate; tingnan ang `cached_tokens` para makita ang sa iyo. Ipinapakita ng [curl quickstart](https://broadrouter.com/fil/guides/curl-quickstart/) ang unang request.

## Mga karaniwang pagkakamali

-   Paglalagay ng timestamp sa simula ng system prompt. Nagbabago ito sa bawat call at sinisira ang cache.
-   Pagtatago ng mga sikreto sa system prompt. Madalas napapaulit ito ng mga user sa model.

## Mga tanong

### Ano ang pagkakaiba ng system message at developer message?

Pareho ang trabaho nila. Ayon sa OpenAI, pinapalitan ng developer message ang system message simula sa o1 models at mas bago. Inaasahan pa rin ng maraming OpenAI-compatible na server ang system role, kaya alamin kung alin ang tinatanggap ng model mo.

### Puwede bang i-override ng user ang system prompt?

Tinrain ang model na unahin ito, pero hindi perpekto. Iyan mismo ang sinusubukan ng prompt injection at mga jailbreak, kaya ipatupad din sa code ang mahihigpit na patakaran.

### Sinisingil ba ang system prompt?

Oo. Input token ito sa bawat request. Kung hindi ito nagbabago at nauuna ito, puwede itong singilin sa cached na rate ng provider na may prompt caching.

## Tingnan din

-   [Cached input token (cached input tokens)](https://broadrouter.com/fil/glossary/cached-input-tokens/) (termino)
-   [Few-shot prompting](https://broadrouter.com/fil/glossary/few-shot-prompting/) (termino)
-   [Prompt injection](https://broadrouter.com/fil/glossary/prompt-injection/) (termino)
-   [Input at output token (input and output tokens)](https://broadrouter.com/fil/glossary/input-and-output-tokens/) (termino)
-   [Guardrails (LLM guardrails)](https://broadrouter.com/fil/glossary/guardrails/) (termino)
-   [Prompt engineering](https://broadrouter.com/fil/glossary/prompt-engineering/) (termino)
-   [Chat template](https://broadrouter.com/fil/glossary/chat-template/) (termino)
-   [Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/) (gabay)
-   [Paano gamitin ang curl sa BroadNet Inference: ang una mong request](https://broadrouter.com/fil/guides/curl-quickstart/) (gabay)
-   [Paano ayusin ang prompt para ma-cache ang prefix](https://broadrouter.com/fil/blog/prompt-structure-for-caching/) (artikulo)
-   [Arabic prompt engineering: register, RTL, numeral at halo-halong text](https://broadrouter.com/fil/blog/arabic-prompt-engineering/) (artikulo)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-system-prompt&utm_content=page-cta) ·

**Mga source**

-   [OpenAI API reference, create chat completion (developer at system messages)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI, text generation guide (mga message role at priority)](https://developers.openai.com/api/docs/guides/text)
-   [Anthropic, prompting best practices (mga role sa system prompt)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)
-   [API reference ng BroadNet Inference, reasoning at cached tokens (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-system-prompt&utm_content=sources)
