别再给AI贴“专家”标签了,USC研究证明:越加越蠢
你问AI:“帮我写篇总结”,它给你一堆八股文。你骂了一句“垃圾”,删了,自己写。
换个人问同样的问题,AI却能给出投行MD级别的分析报告,逻辑严密、数据支撑、风险提示一应俱全。
差距不在AI,在提问方式。
换个人问同样的问题,AI却能给出投行MD级别的分析报告,逻辑严密、数据支撑、风险提示一应俱全。
差距不在AI,在提问方式。
AI回答质量参差不齐,根源在哪儿
多数人用AI失败,是因为只给任务,没给角色。
AI本质上是个概率模型——它根据你的提示词,从海量可能的回答里挑一个“最大概率正确”的输出。如果你只说“写篇总结”,它只能用“万能但平庸”的模式回答:什么都知道一点,什么都不精。
但你加上一个角色呢?“你是一位有10年经验的投行MD”,效果完全不同。AI会自动切换到投行的知识库、话语体系和思维框架,给你的不是泛泛而谈,而是专业视角的深度拆解。
AI本质上是个概率模型——它根据你的提示词,从海量可能的回答里挑一个“最大概率正确”的输出。如果你只说“写篇总结”,它只能用“万能但平庸”的模式回答:什么都知道一点,什么都不精。
但你加上一个角色呢?“你是一位有10年经验的投行MD”,效果完全不同。AI会自动切换到投行的知识库、话语体系和思维框架,给你的不是泛泛而谈,而是专业视角的深度拆解。
这就是角色设定的本质——帮AI缩小概率空间,给它一个专业领域的“导航开关”。
大模型训练时,不同身份的文本天然带有不同的特征:医生的问诊记录遵循“病史-判断-建议”的医疗范式,律师的法律文书优先引用法条、界定权责,程序员的代码注释高度结构化。这些身份标签与词汇、逻辑的强关联,最终被编码进了模型参数里。角色设定就是给模型一个锚点,告诉它“请从这个专属的语料空间里采样输出”。1
大模型训练时,不同身份的文本天然带有不同的特征:医生的问诊记录遵循“病史-判断-建议”的医疗范式,律师的法律文书优先引用法条、界定权责,程序员的代码注释高度结构化。这些身份标签与词汇、逻辑的强关联,最终被编码进了模型参数里。角色设定就是给模型一个锚点,告诉它“请从这个专属的语料空间里采样输出”。1
角色设定有三个层次,别只停在第一层
层次一:身份
最基础的层次——告诉AI它是谁。“你是一个Python后端工程师”“你是一个儿童教育专家”。身份的作用是激活对应领域的知识库和术语。
最基础的层次——告诉AI它是谁。“你是一个Python后端工程师”“你是一个儿童教育专家”。身份的作用是激活对应领域的知识库和术语。
层次二:背景
更丰富的层次——补充角色的经历和专长。“你是一个有10年经验的Python后端工程师,专注于高并发系统设计,曾负责过日活千万级的社交产品后端架构”。背景让AI的回答更有“经验感”,不是教科书式的泛泛而谈。2
更丰富的层次——补充角色的经历和专长。“你是一个有10年经验的Python后端工程师,专注于高并发系统设计,曾负责过日活千万级的社交产品后端架构”。背景让AI的回答更有“经验感”,不是教科书式的泛泛而谈。2
层次三:行为模式
最精细的层次——定义角色的思维方式和行为习惯。“你是一个有10年经验的前端工程师,特点是:代码风格简洁、不喜欢过度设计、遇到问题先考虑性能影响、评审代码时直言不讳”。行为模式让AI的输出更“有个人风格”,而不是千篇一律。
最精细的层次——定义角色的思维方式和行为习惯。“你是一个有10年经验的前端工程师,特点是:代码风格简洁、不喜欢过度设计、遇到问题先考虑性能影响、评审代码时直言不讳”。行为模式让AI的输出更“有个人风格”,而不是千篇一律。
很多人只停在层次一,以为写句“你是一个专家”就够了。问题是,“专家”这个词太模糊——什么领域的专家?什么级别的专家?AI还是不知道该调用哪套知识。
身份型人设 vs 任务型角色,差别很大
有一种说法值得警惕:“你是顶级专家”这种话,在如今的大模型里不会增加推理质量,反而让AI变得迷之自信,输出一堆正确的废话。
这不是人设本身的问题,是人设类型的问题。3
这不是人设本身的问题,是人设类型的问题。3
区分两种人设:
❌ 身份型人设——“你是顶级专家”“你是一个资深工程师”。信息量低,模型不知道“顶级”具体意味着什么。
✅ 任务型角色——“你是企业CIO,负责从采购视角评估这个产品”。信息量高,直接规定了判断角度和任务方向。
❌ 身份型人设——“你是顶级专家”“你是一个资深工程师”。信息量低,模型不知道“顶级”具体意味着什么。
✅ 任务型角色——“你是企业CIO,负责从采购视角评估这个产品”。信息量高,直接规定了判断角度和任务方向。
一个让大模型表现比较好的提示词模板是这样的:
“以传统企业IT总监视角,判断这个AI Agent产品是否值得进入试点。只看五件事:能否接入现有系统、权限如何控制、日志是否可审计、是否需要改造流程、半年内能否看到ROI。输出600字以内,先给结论,避免供应商口吻。”
关键就是定好角色视角和任务目标,而不是堆砌头衔。3
“以传统企业IT总监视角,判断这个AI Agent产品是否值得进入试点。只看五件事:能否接入现有系统、权限如何控制、日志是否可审计、是否需要改造流程、半年内能否看到ROI。输出600字以内,先给结论,避免供应商口吻。”
关键就是定好角色视角和任务目标,而不是堆砌头衔。3
不是所有任务都适合角色设定
美国南加州大学的研究发现了一个反直觉的结论:让AI扮演“专家”,并不会让它更擅长解决专业问题,反而在编程和数学任务上明显变差。
在MMLU(大规模多任务语言理解测试)中:不加“人设”准确率71.6%,加了“专家人设”准确率跌到68.0%。4
在MMLU(大规模多任务语言理解测试)中:不加“人设”准确率71.6%,加了“专家人设”准确率跌到68.0%。4
原因在于人设激活的是“指令执行模式”,反而挤占了原本用于“事实回忆”的能力。模型开始更关注“如何像专家说话”,而不是“答案本身是否正确”。
但安全场景则相反——“安全监督员”人设能让模型拒绝恶意请求的能力提升17.7个百分点。
但安全场景则相反——“安全监督员”人设能让模型拒绝恶意请求的能力提升17.7个百分点。
结论很清晰:生成式任务(写作、角色扮演、安全对话)用人设有效;判别式任务(数学计算、代码生成、事实问答)用人设可能帮倒忙。
与其给AI贴个“专家”标签,不如告诉它具体要做什么、输出什么格式、遵守什么约束。这些是“对齐信息”而不是“身份设定”,效果更稳定。
与其给AI贴个“专家”标签,不如告诉它具体要做什么、输出什么格式、遵守什么约束。这些是“对齐信息”而不是“身份设定”,效果更稳定。
比给AI定人设更有效的:告诉AI你是谁
另一个被忽视的思路是:与其告诉AI它是谁,不如告诉AI你是谁。
方式A:你是一位资深程序员,请帮我review这段代码。
方式B:我是一个有3年Python经验的开发者,之前主要做数据分析,最近转做后端开发。这段代码是我第一次用FastAPI写的,我不确定异常处理是否规范,以及有没有明显的性能问题。请重点看这两点。
哪个回答更精准?显然是B。5
方式A:你是一位资深程序员,请帮我review这段代码。
方式B:我是一个有3年Python经验的开发者,之前主要做数据分析,最近转做后端开发。这段代码是我第一次用FastAPI写的,我不确定异常处理是否规范,以及有没有明显的性能问题。请重点看这两点。
哪个回答更精准?显然是B。5
因为你的真实需求、背景约束、决策偏好——这些才是影响回答质量的关键。当AI知道你的水平,它就能调整回答的深度和角度;当你明确告诉它你的痛点,它就不会泛泛而谈。
还有一个思路叫“说话对象锚定法”——告诉AI你要对谁说话,而不是让AI决定说什么。
与其说“写一段关于如何面对工作压力的建议”,不如说“写一段关于如何面对工作压力的建议,说话对象是一个刚工作两年的25岁年轻人,工资不高,租房,经常加班,对未来有点迷茫”。
说话对象一变,AI写出来的东西从“正确但没用”变成了“有用且能听懂”。6
与其说“写一段关于如何面对工作压力的建议”,不如说“写一段关于如何面对工作压力的建议,说话对象是一个刚工作两年的25岁年轻人,工资不高,租房,经常加班,对未来有点迷茫”。
说话对象一变,AI写出来的东西从“正确但没用”变成了“有用且能听懂”。6
三步写出高质量的角色设定
总结一套可直接用的角色设定公式:
你是[具体身份/职业],有[背景/经验],我是[你的情况],帮我[具体任务],用[风格/语气]回复。
不需要每项都填,核心是:给AI一个身份 + 说清你要什么 + 告诉AI你的背景。
你是[具体身份/职业],有[背景/经验],我是[你的情况],帮我[具体任务],用[风格/语气]回复。
不需要每项都填,核心是:给AI一个身份 + 说清你要什么 + 告诉AI你的背景。
四个直接可用的模板:
- 职场顾问
你是一位有10年经验的HR,专门服务互联网公司,我是一个应届毕业生,简历如下:[粘贴简历],帮我指出3个最影响通过率的问题,直接说,不要客气。7 - 学习导师
你是一位初中物理老师,学生是完全没有物理基础的成年人,用最简单的生活化比喻,解释“电阻”是什么,不要用公式。 - 健康顾问
你是一位专门服务上班族的营养师,帮我设计一个工作日午餐方案,要求:准备时间不超过20分钟,预算30元以内,吃完下午不犯困。 - 文案顾问
你是一位有5年经验的公众号主编,专门做大众读者内容,帮我分析这篇文章的开头:[粘贴开头],说清楚:读者看到哪里会想走?为什么?怎么改?
核心原则只有一条:越具体越好。模糊的角色描述等于没有描述,“资深产品经理”不如“有5年经验、toB方向、擅长从ROI视角评估方案”来得有效。
AI不知道自己该是谁。你给它一个角色,它才有了判断的方向;你告诉它你的背景,它才能给出真正适用的答案。
下次问AI之前,先花10秒钟想清楚:我要它扮演什么角色?我是哪种受众?输出要达到什么标准?
这三件事想清楚,AI的回答质量会直接跳一个档次。
下次问AI之前,先花10秒钟想清楚:我要它扮演什么角色?我是哪种受众?输出要达到什么标准?
这三件事想清楚,AI的回答质量会直接跳一个档次。
当前文章无评论,是时候发表评论了