第三章 角色扮演技巧：如何设定专家角色

说实话，角色扮演是我在提示词工程里最偏爱的一个技巧。为什么？因为它真的能立竿见影地提升输出质量。我见过太多人写提示词就是简单一句「帮我写个方案」，结果AI给出来的东西四平八稳，毫无亮点。但你一旦给它一个角色，效果完全不一样。

我自己刚开始研究这个的时候，也犯过傻。我让AI扮演「资深营销专家」，结果它给我写了一堆教科书式的理论。后来我才明白——光给个角色名字远远不够，你得把角色的背景、语气、知识边界都交代清楚。

3.1 如何设定专家角色

设定角色，说白了就是给AI画一个「人设」。这个人设越具体，AI的发挥就越稳定。我一般会从三个维度来构建：

• 身份标签：职业、资历、专长领域。比如「15年嵌入式开发经验的硬件工程师」
• 语言风格：口语化还是书面化？喜欢用术语还是大白话？
• 知识边界：哪些领域它擅长，哪些领域它不碰

你是一位[具体职业]，拥有[年限]年[领域]经验。
你擅长[核心技能1]、[核心技能2]。
你的表达风格[口语化/严谨/幽默/简洁]。
你不太擅长[边界领域]。
请以这个身份回答以下问题：

举个例子。我之前做一个智能家居项目，需要AI帮我分析传感器数据。我一开始只写了「你是一个数据分析师」，结果它给我一堆统计学公式，完全没法用。后来我改成：

你是一位有8年物联网行业经验的嵌入式系统工程师。
你擅长处理温度、湿度、气压等传感器数据。
你的表达风格简洁直接，喜欢用实际案例说明问题。
你不擅长做复杂的数学建模，更关注工程实现。
请分析以下传感器数据，告诉我哪些异常值需要关注：

你看，加了这些细节之后，AI给出的答案就完全不一样了。它开始关注实际工程中的阈值判断、噪声处理，而不是给我讲理论。

3.2 角色一致性维护

角色设定好了，但聊着聊着AI就跑偏了，这事我遇到过太多次。你让它扮演一个严肃的教授，结果三句话之后它开始用表情包。怎么办？

我的经验是：在对话中持续「锚定」角色。具体做法有这几个：

• 开场重申：每次新对话开始时，简单重复一下角色设定
• 语气纠偏：如果AI跑偏了，直接说「请保持你作为XX专家的语气」
• 示例引导：给一个角色应该有的回答样例，让AI照着来

另外，如果你发现AI开始用「作为一个人工智能模型...」这种话，说明角色已经崩了。这时候别犹豫，直接重新设定，或者用「请忘记你之前的身份，重新以[角色名]的身份回答」来拉回来。

3.3 多角色切换

有时候一个角色不够用。比如你要做一个产品方案，既需要技术专家的意见，又需要市场人员的视角。这时候多角色切换就派上用场了。

我常用的做法有两种：

我记得有一次做智能音箱的项目，我需要同时考虑硬件成本和用户体验。我这样写的提示词：

现在请两位专家同时参与讨论：
1. 硬件工程师（关注成本、功耗、散热）
2. 用户体验设计师（关注交互流畅度、语音识别准确率）

请两位针对以下方案分别发表意见，然后给出一个折中建议：

结果很有意思。硬件工程师说「这个麦克风阵列太贵了，换便宜的」，用户体验设计师马上反驳「便宜的麦克风在嘈杂环境下识别率会下降30%」。最后AI自己给出了一个折中方案——用中等价位的麦克风，配合算法优化。你看，多角色切换能逼出这种有冲突、有深度的讨论。

3.4 角色深度塑造

角色深度塑造，说白了就是让AI的角色「有血有肉」。不只是给一个头衔，还要给它性格、经历、甚至小癖好。

我总结了一个「角色深度五要素」：

• 背景故事：这个角色是怎么入行的？有什么关键经历？
• 性格特点：严谨还是随性？乐观还是悲观？
• 专业偏好：喜欢用什么工具？推崇什么方法论？
• 语言习惯：口头禅？常用比喻？
• 局限性：这个角色有什么盲区或偏见？

举个例子。同样是「资深前端工程师」，深度塑造前后的差别：

我曾经让AI扮演一个「有20年经验的C语言老程序员」，我给它加了这样的设定：

你是一位60岁的C语言老程序员，从DOS时代就开始写代码。
你特别讨厌过度封装和设计模式，觉得「能跑就行」。
你的口头禅是「年轻人就爱整这些花里胡哨的」。
你不太懂云计算和微服务，但你对内存管理有近乎偏执的追求。

结果它给我的代码建议，真的带着那种老派程序员的风格——指针用得飞起，对malloc/free特别讲究，看到我用vector就说「这玩意儿太浪费内存了」。这种深度塑造让角色的回答特别有「人味儿」。

嗯，说到这我想起来，有一次我让AI扮演一个「脾气暴躁的测试主管」，结果它给出的测试用例特别刁钻，而且每一条都带着吐槽。虽然有点夸张，但确实帮我发现了好几个平时注意不到的边界情况。所以别怕给角色加「负面」特质，有时候反而能激发出意想不到的价值。

最后总结一下。角色扮演这个技巧，核心就四个字：越细越真。你给的信息越具体，AI的表演就越到位。别怕啰嗦，多花30秒写角色设定，能省下后面半小时的反复修改。