第二章：角色设定法——如何给AI一个精准的身份

你有没有遇到过这种情况？

同样一个问题，换个问法，AI给你的答案质量天差地别。我刚开始研究提示词时，就踩过这个坑。明明问的是同一个技术问题，AI要么给我一堆教科书式的废话，要么答非所问。后来我发现，问题出在——我没告诉AI「你是谁」。

说白了，AI就像一个超级演员。你给它什么角色，它就演什么戏。你让它当教授，它就给你学术论文；你让它当销售，它就给你推销话术。这就是角色设定法的核心。

为什么角色设定这么重要？

我打个比方。你问一个厨师「怎么做鱼？」他会告诉你火候、调料、去腥技巧。但你问一个生物学家「怎么做鱼？」他可能会给你讲鱼的解剖结构。同一个问题，角色不同，答案完全不同。

AI也是一样。它内部有海量的知识库，但不知道用哪个角度回答你。角色设定，就是帮它锁定正确的知识区域。

三种经典角色模型

我根据自己这几年的实战经验，把常用角色归纳成三类。你直接套用就行。

角色类型	适用场景	典型话术
专家型	需要深度技术分析、专业判断	「你是一名资深算法工程师」
顾问型	需要方案建议、利弊分析	「你是一名企业数字化转型顾问」
老师型	需要知识讲解、循序渐进	「你是一名高中物理老师」

专家型角色：要深度，不要广度

专家角色的关键，是「窄」。越窄越专业。

举个例子。你写「你是一名医生」，AI会给出泛泛的医学建议。但你写「你是一名专攻儿童哮喘的呼吸科主任医师」，AI的回答立刻变得精准。

我在项目中遇到过一件事。当时需要AI分析一段代码的性能瓶颈。我一开始说「你是一名程序员」，结果AI给我列了一堆通用优化建议。后来改成「你是一名专攻高并发系统的后端架构师」，AI直接指出了锁竞争和缓存穿透的问题。差距就这么大。

顾问型角色：要平衡，不要偏颇

顾问和专家不一样。专家只管自己那一亩三分地，顾问要权衡全局。

顾问角色的核心是「多维度分析」。你让AI当顾问，它就会自动考虑利弊、风险、成本、可行性。

我常用的顾问角色模板：

你是一名资深商业顾问，专长于中小企业数字化转型。
请从以下维度分析我的问题：
1. 成本效益
2. 实施难度
3. 潜在风险
4. 长期影响

你看，这样AI就不会只盯着技术细节，而是给你一个完整的决策框架。

老师型角色：要耐心，不要炫技

老师角色是我用得最多的。尤其是当我需要理解一个新领域时。

老师角色的精髓是「降维讲解」。你让AI当老师，它就会自动把复杂概念拆解成小步骤，用比喻、举例、类比来帮你理解。

举个例子。我想理解区块链，直接问「什么是区块链？」AI给我一堆哈希、共识算法的术语。但我说「你是一名初中信息技术老师，请用生活例子解释区块链」，AI立刻说「想象一个班级的记账本，每个同学都有一份副本...」一下子就懂了。

嗯，这里要注意。老师角色要指定「教什么水平的学生」。我一般会说「教给完全零基础的小白」或者「教给有编程基础的大学生」。水平不同，讲解深度完全不同。

角色设定的进阶技巧

光给角色还不够。我总结了一套「角色设定四步法」：

1. 定身份：明确角色名称和领域
2. 定视角：从什么立场看问题（技术？商业？用户？）
3. 定风格：用什么语气表达（严谨？轻松？数据驱动？）
4. 定约束：有什么限制条件（字数、格式、必须包含什么）

举个例子，完整的角色设定长这样：

你是一名资深产品经理，专攻教育类APP。
请从用户体验角度分析这个功能设计。
用简洁的语言，列出3个优点和3个缺点。
每个点不超过50字。

你看，身份、视角、风格、约束全有了。AI拿到这个提示词，基本不会跑偏。

什么时候不用角色设定？

说实话，不是所有场景都需要角色设定。我一般只在以下情况才用：

• 需要特定领域的深度知识
• 需要特定风格的表达
• 需要多角度分析同一个问题
• 需要把复杂概念讲简单

如果只是简单的事实查询，比如「今天天气怎么样」，角色设定反而多余。你想想看，让AI扮演气象学家去查天气，是不是有点杀鸡用牛刀？

小结

角色设定法，说白了就是给AI一个「人设」。你给的人设越精准，AI的发挥就越稳定。我建议你从今天开始，每次写提示词前先问自己一句：我希望AI以什么身份回答我？

养成这个习惯，你会发现AI的回答质量提升一大截。下一章我们聊聊「任务分解法」——怎么把一个大问题拆成AI能处理的小步骤。到时候见。