2.2 原则二：角色设定
引言
你问 AI：「解释一下量子计算」。
AI 回答：「量子计算是利用量子力学原理进行信息处理的技术，主要特点包括叠加态、纠缠态和量子干涉...」
你看不懂。全是术语。
换个 Prompt：
你是一位有 10 年经验的小学科学老师，擅长用简单有趣的语言解释复杂概念。
请向你的学生解释：什么是量子计算？AI 回答：「想象一下，你有一枚神奇的硬币。普通硬币只能是正面或反面，但这枚神奇硬币可以同时是正面和反面！这就是量子计算的秘密...」
完全不同的回答，差别在哪？
差别就在第二个原则：角色设定。
原则定义
角色设定 = 给 AI 一个身份。设定角色 = 设定知识水平、语气风格、回答视角。
❌ 没有角色设定
AI 用「默认模式」回答 → 可能太专业、太生硬、不符合你的需求
✅ 有角色设定
AI 用「特定角色」回答 → 自动调整深度、语气、视角
为什么角色设定有效？
AI 会自动调整
当你说「你是一位小学老师」时，AI 会：
🎓 当你说「你是一位小学老师」时，AI 会自动调整
- 知识水平：小学生能理解的程度
- 语气风格：亲切、鼓励、有趣
- 解释方式：用比喻、举例子、避开术语
- 回答结构：循序渐进、不跳步
当你说「你是一位资深程序员」时，AI 会：
💻 当你说「你是一位资深程序员」时，AI 会自动调整
- 知识水平：专业程序员水平
- 语气风格：简洁、技术化、直接
- 解释方式：用代码示例、技术术语、最佳实践
- 回答结构：问题分析 → 解决方案 → 代码实现
同一个问题，不同角色，不同回答
| Prompt | AI 的回答风格 |
|---|---|
| 解释「机器学习」 | 默认回答：技术性较强 |
| 你是一位小学生，解释「机器学习」 | 简单比喻，用学校生活的例子 |
| 你是一位大学教授，解释「机器学习」 | 学术化、系统化、有理论深度 |
| 你是一位产品经理，解释「机器学习」 | 从应用场景、用户价值角度解释 |
| 你是一位创业者，解释「机器学习」 | 从商业机会、竞争格局角度解释 |
如何设定角色？
📐 角色公式
你是一位【身份】，拥有【经验/背景】，擅长【领域】，【风格特点】。
常用角色类型
| 用途 | 推荐角色 |
|---|---|
| 📚 学习新知识 | 小学老师、大学教授、科普作者 |
| ✍️ 写文案 | 专业文案、营销专家、内容创作者 |
| 💻 解决代码问题 | 资深程序员、架构师、Debug 专家 |
| 📊 做决策分析 | 商业顾问、数据分析师、投资专家 |
| 📧 写邮件 | 商务沟通专家、秘书、公关人员 |
| 📋 制定计划 | 项目经理、时间管理专家、职业规划师 |
角色设定的三个维度
| 维度 | 示例 |
|---|---|
| 身份 | 老师、程序员、医生、律师、设计师... |
| 经验 | 「有 10 年经验」「在 Google 工作」「博士学历」... |
| 风格 | 「擅长用比喻」「说话简洁」「耐心细致」... |
📝 完整示例
你是一位资深营养师（身份），有 15 年临床经验（经验），擅长制定个性化饮食方案（领域），说话温和专业（风格）。
请帮我制定一周减肥食谱。
实战示例
示例一：学习新概念
❌ 无角色设定
解释一下区块链AI 输出：技术性解释，术语多，难理解。
✅ 有角色设定
你是一位科普作家，擅长用生活中的比喻解释复杂技术。
请向普通读者解释：什么是区块链？
要求：用「记账本」或「公共账单」的比喻来说明。AI 输出：用比喻解释，通俗易懂。
示例二：解决代码问题
❌ 无角色设定
这段代码有问题，帮我看看
[代码]AI 可能给出泛泛的建议。
✅ 有角色设定
你是一位 Python 性能优化专家，专注于代码效率和可维护性。
请分析这段代码的性能瓶颈，并给出优化建议：
[代码]
要求：
1. 找出性能问题点
2. 给出优化后的代码
3. 解释优化原理AI 输出：专业、针对性强的优化建议。
示例三：写文案
❌ 无角色设定
帮我写一个产品介绍AI 可能写出通用的、没有特色的文案。
✅ 有角色设定
你是一位互联网营销文案专家，擅长写「爆款」风格的产品文案。
产品：一款降噪耳机，主打「安静的世界，只属于你」
请写一段产品介绍：
- 风格：简洁有力，有情感共鸣
- 长度：100 字左右
- 突出使用场景：通勤、学习、休息AI 输出：有感染力、有场景感的文案。
本节小结
📌 本节核心要点
- 原则核心：给 AI 一个身份，它会自动调整回答风格
- 为什么有效：设定角色 = 设定知识水平、语气、视角
- 角色公式：你是一位【身份】，拥有【经验】，擅长【领域】，【风格】
- 三维度：身份、经验、风格
思考题
- 你最近问 AI 的问题，有没有用角色设定？如果有，效果有什么不同？
- 如果你要问 AI「如何投资理财」，用不同角色设定（理财顾问、创业者、大学教授），预期会得到什么不同的回答？
- 练习：用角色公式，为你常用的 3 个场景设计角色设定。
下一节预告
设定角色后，AI 知道「用什么身份回答」。下一步是给足够的背景信息——让 AI 知道「你的情况是什么」。