与基于 Transformer 的模型相比，RWKV 对提示格式更敏感。
RWKV 更适合 QA 和指令问答两种提示格式：
QA 格式 prompt
User: (你的问题，比如“请为我推荐三本适合五岁小孩阅读的世界名著” )
Assistant:ℹ️
QA（问答）格式是 RWKV 的默认训练格式。
其中 User: 是用户提问的问题，Assistant: 是模型的回答。因此我们需要在最后一个 Assistant: 后面留空，让模型进行续写。
指令问答格式 prompt
Instruction: （你希望模型进行什么操作，比如“请将下列瑞典语翻译成中文”）
Input:（你希望模型处理的内容，比如“hur l?ng tid tog det att bygga twin towers”）
Response:ℹ️
指令问答是 RWKV 另一种训练格式。其中 Instruction: 是用户给模型的指令，Input: 是用户给模型的输入，Response: 是模型的回答。
Response: 后面留空，让模型进行续写。
注意不要调换 Instruction: 和 Input: 的位置，由于架构设计，RWKV 在“回顾”能力上较弱。如果 RWKV 模型先接收了材料内容（Input）再接收指令（Instruction），它在执行指令时可能会漏掉内容中的重要信息。
但如果你先告诉模型要执行什么指令，然后再给模型输入材料内容。模型就会先理解指令，然后基于指令处理材料内容。就像这样:
Instruction: 用一句话总结下面的材料文本
Input: 2025 年 2 月 22 日，RWKV project 在中国上海漕河泾举办了主题为《RWKV-7 与未来趋势》的开发者大会。来自全国各地的开发者、行业专家和技术创新者齐聚一堂 —— 从知名高校实验室到前沿创业团队，现场涌动的创新能量印证了 RWKV-7 的优秀性能和深远意义。
在 RWKV 开发者大会期间，有 10 位来自学界、企业及 RWKV 开源社区的嘉宾为开发者带来深度分享，现场观众与嘉宾热烈互动。例如，格林深瞳杨铠成的《RWKV-CLIP：一个鲁棒的视觉 - 语言表征学习器》、光明实验室侯皓文的《VisualRWKV：基于 RWKV 的视觉语言模型》、上海交通大学程正雪的《L3TC：基于 RWKV 的高效多模态数据压缩》、浙江大学蒋峻涛的《RWKV-Unet：利用长距离协作提高医学图像分割效果》等等。
大会期间，其它 AI 企业也对 RWKV-7 给予高度评价，认为其重新定义了 AI 基础设施的经济学公式，与会者对 RWKV 应用成果的展现亦深感触动。同时，RWKV 元始智能也在 2025 全球开发者先锋大会（Global Developer Conference 2025）上为数千开发者分享了 RWKV-7 及相关 demo 演示。
Response:参考的回复：
RWKV-7 在中国上海漕河泾举办的开发者大会上，来自不同领域的专家、企业和开源社区的人士齐聚一堂，分享了 RWKV-7 及其应用成果。RWKV-7 被认为是 AI 基础设施经济学公式的重新定义，并且在 2025 全球开发者先锋大会上也得到了展示。few-shot
对于一些带上下文的问答任务，我们建议在 prompt 前后重复几个同类的问题（few-shot），为模型作示范。如下所示：
User: 把“hello，I love you.”翻译成中文
Assistant: 你好，我爱你。
User: 把“how are you?”翻译成中文
Assistant: 你好吗？
User: 把“I am fine, thank you.”翻译成中文
Assistant:ℹ️
可以在 RWKV 提示词指南板块 (opens in a new tab) 找到一些开箱即用的 RWKV prompt 示例。