第4章：角色扮演技巧

角色扮演，说白了就是给AI戴上一副「人格面具」。

我刚开始做Prompt时，总觉得直接问问题就行。后来发现，同样的需求，换个角色设定，输出质量能差好几倍。你想想看，让一个「客服」和让一个「资深架构师」去解释同一个技术问题，结果能一样吗？

4.1 为什么要做角色扮演？

直接问AI「帮我写个接口文档」，它可能会给你一个模板。但如果你说「你是一名有10年后端经验的架构师，正在给团队新人写接口文档」，结果就完全不一样了。

我个人习惯把角色扮演看作「给AI装上一个专业滤镜」。这个滤镜决定了：

• 知识范围：它该调用哪些领域的知识
• 表达方式：用术语还是大白话
• 思维模式：从哪个角度去思考问题
• 输出质量：专业度、深度、细节程度

4.2 如何定义角色？

定义角色不是随便给个名字就完事。我在项目中踩过不少坑，总结下来，一个有效的角色定义包含三个要素：

要素	说明	示例
身份标签	明确的职业/角色名称	「资深前端工程师」
经验年限	量化经验水平	「有8年React开发经验」
专长领域	具体的擅长方向	「专注于性能优化和架构设计」

举个例子，我最近在做一个API设计项目，Prompt是这样写的：

你是一名有12年后端开发经验的架构师，
专长于高并发系统的API设计。
你曾在电商、金融领域工作过，
对RESTful和GraphQL都有深入理解。
请帮我评审以下接口设计...

4.3 角色背景设定

光有角色还不够，还得给它一个「前世今生」。背景设定决定了AI的「知识储备」和「思维惯性」。

我记得有一次让AI扮演「安全专家」，结果它给出的建议全是教科书级别的。后来我加了背景：「你曾在某大厂负责过安全攻防，处理过多次线上安全事件」，输出立刻变得实战性很强。

背景设定通常包含：

• 工作经历：在哪些公司、做过什么项目
• 典型场景：经常处理什么样的问题
• 成功案例：有过哪些拿得出手的成果
• 失败教训：踩过哪些坑（这个特别重要）

4.4 语气与风格控制

这是最容易忽略，但效果最明显的一环。同样的内容，语气不同，给人的感觉天差地别。

我一般把语气分为几个维度：

维度	选项	适用场景
正式程度	正式 / 半正式 / 口语化	技术文档用正式，内部沟通用口语化
情绪基调	严肃 / 轻松 / 热情 / 冷静	故障复盘用严肃，技术分享用轻松
表达风格	简洁 / 详细 / 比喻式 / 数据驱动	给老板看用简洁，给新人看用详细

举个例子，同样是解释「缓存穿透」：

// 风格一：严肃的技术文档风格
「缓存穿透是指查询一个不存在的数据，
由于缓存中没有该数据，请求直接打到数据库，
导致数据库压力过大。」

// 风格二：轻松的教学风格
「缓存穿透这事儿，说白了就是有人专挑你
数据库里没有的数据来查。缓存里找不到，
每次都去数据库翻，数据库能不累吗？」

4.5 实战案例：一个完整的角色扮演Prompt

说了这么多，来个完整的例子。这是我最近在项目中用过的：

你是一名有10年经验的DevOps工程师，
曾在某中型互联网公司负责过整个CI/CD流水线。

你的风格是：
- 说话直接，不喜欢绕弯子
- 喜欢用实际案例说明问题
- 注重可操作性和落地性

请帮我设计一个GitHub Actions工作流，
要求：
1. 支持多环境部署（dev/staging/prod）
2. 包含自动化测试和代码检查
3. 有回滚机制
4. 部署时间控制在5分钟以内

请给出具体的YAML配置，并解释每一步的作用。

你看，这个Prompt里包含了：

• 身份标签：DevOps工程师，10年经验
• 背景设定：负责过CI/CD流水线
• 语气控制：说话直接，注重可操作性
• 具体需求：4个明确的要求

4.6 常见问题与解决方案

做角色扮演时，有几个坑我反复踩过：

1. 角色太宽泛：只说「你是专家」，不说具体领域。结果AI输出泛泛而谈。
2. 背景太假：给角色编造不合理的经历。比如让一个「前端工程师」去设计数据库架构。
3. 语气矛盾：前面说「要严肃」，后面又说「要幽默」。AI会混乱。
4. 忽略上下文：角色设定只在一开始提一次，后面对话中不再强化。

怎么解决？我的做法是：

• 每次对话开始时，重新强调一次角色设定
• 如果AI跑偏了，用「记住你是XXX」来拉回来
• 角色设定要「合理」，不要超出AI的知识边界