角色提示：给模型设定身份与口吻

同样是问「这段代码有什么问题」，一个泛化的回答和一个以「资深代码评审」口吻给出的回答，往往质量与可信度都不同。角色提示（role prompting）正是利用这一点：在提示开头明确告诉模型「你是一名……」，为其设定一个身份、专业背景与表达风格，从而让后续输出更聚焦、更贴近目标场景。

什么是角色提示

角色提示通常形如：「你是一名经验丰富的后端工程师，请用简洁、可操作的方式回答」。它不改变模型的能力边界，而是改变模型的「默认姿态」：在身份约束下，模型更可能使用领域术语、遵循该角色的思考框架、并以相应的语气组织答案。

它与系统提示（system prompt）常常配合：系统层设定全局角色与边界，用户层再给出具体任务。

对输出专业度与风格的影响

设定角色后，输出通常在三方面变得更可控：

• 专业度：模型会倾向于引用该领域的常识与权衡，而不是泛泛而谈。
• 结构：特定角色自带回答范式，例如教师喜欢分步骤讲解，客服习惯先共情再给方案。
• 语气：从随意到严谨、从简略到详尽，都可由角色描述引导。

一个对比示例：

无角色：解释一下什么是死锁。
有角色：你是一名操作系统讲师。请用类比向初学者解释死锁，并列出避免死锁的三种方法。

后者明显更可能产出符合教学场景的结构化内容。

典型写法与避坑

有效的角色提示应当具体而非空泛：「你很聪明」这种描述几乎不起作用，而「你是一名有十年经验的 PostgreSQL 性能优化专家」则提供了可锚定的专业框架。

需要警惕的坑是：不要赋予模型它并不具备的真实身份或资质。例如让模型「以执业律师身份出具法律意见」可能带来合规与误导风险——更稳妥的做法是让它「从一般法律常识角度提示常见风险，并建议咨询执业律师」。角色是表达风格的引导，不是资质的背书。

适用场景

角色提示在以下场景收益明显：

• 客服：设定耐心、先安抚再解决的语气，降低用户抵触。
• 教学：设定循序渐进、多用类比的讲师角色，提升可读性。
• 代码评审：设定严谨、关注边界与安全的工程师角色，减少泛泛建议。

它也常与 few-shot、约束输出格式等技巧叠加使用，但角色本身是最低成本、最易见效的提示手段之一。

小结

角色提示通过为模型设定身份、专业背景与表达风格，以极低成本引导输出的专业度、结构与语气更贴合场景，尤其适合客服、教学、代码评审等需要稳定口吻的任务。关键是把角色写具体，同时避免让模型冒充它不具备的真实资质，把角色当作表达引导而非能力或合规背书。

参考与延伸阅读

• OpenAI 的提示工程指南把「设定角色」列为基础技巧之一，说明了系统提示与角色设定的配合方式；具体表述以官方文档为准。待核实。
• 角色提示常与 system/user 分层、few-shot 示例组合，相关实践可参考各模型提供方的 cookbook 文档。待核实。