"你是一位资深专家"，这句话到底有没有用？

柏林ACS · 2026-08-01 · 读完约需 5 分钟

写过提示词的人，多半都写过这句话："假设你是一位资深×××"。

它有时灵得惊人：回答的措辞、详略、关注点立刻变了；有时又完全没用，该错还是错。于是网上分化出两派：一派热衷于收集各种"最强角色模板"，一派断言角色设定纯属玄学。

先看一个真实对比，答案就藏在里面。

两位工程师审查同一段代码，用的是同一个模型。第一位把代码贴进去直接问："这段代码有什么问题？"AI 给出一份常规审查：命名可以更好，函数有点长，建议补注释。没错，但也就是没错而已。

第二位在贴代码前多写了两句话："这是一个金融清算系统的核心模块，对并发安全和金额精度要求极高。请审查这段代码。"回答完全变了样：一处共享变量的竞态风险、金额不该用浮点数表示、清算失败时的幂等性——每一条都打在这类系统真正的要害上。

多出来的只有开头两句话。它们没提供任何代码里没有的信息，改变的是 AI 开口之前的状态：一个从"一段普通代码"出发，一个从"金融清算系统"出发。起跑状态不同，能调用的知识、使用的评判标准就不同，结果自然天差地别。

这就是第一层结构：搜索初始化。第一篇连载提过这个词：搜索从哪儿开始，在你按下回车时就定了大半。今天往里再看一层。

角色设定为什么有时有效？因为一个角色名，就是一套背景材料的压缩包。"资深儿科医生"这几个字，一次性激活了一个领域的知识、一套面向家长的表达习惯、一组"什么该先说"的标准。你不需要逐项描述这些，角色名替你完成了。第二位工程师用了两句话做完的事，有时候一个恰当的角色名也能做到。

但角色有一条边界，误解最多：它不能替代知识材料。

让 AI 解释一个冷门的开源库，它讲得头头是道；让它解释你公司内部用了五年的自研框架，它开始一本正经地编造，而且全是错的。这时你写"请假装你精通我们的框架"，并不能补上它缺少的知识，反而可能让编造看起来更自信。更可靠的动作，是把框架的资料提供给它。

所以判断角色有没有用，只看一点：这个角色指向的姿态，是不是这次任务需要的。"资深"两个字并不增加效果，匹配才增加效果。

三个可以直接用的做法：

AI 持续犯错时，先分清"不会"还是"没想对"。 不会（知识它本来就没有），别在提示词里挖掘，把材料贴进去；没想对（知识它有，但没被叫到台前），才是角色和背景的用武之地。

背景贵精不贵多。 有人把产品文档、历史讨论、相关博客全贴进去，结果回答反而平庸：无关信息挤进来，真正相关的就被稀释了。三行精确的背景，胜过三页泛泛的介绍。

一个例子胜过一段描述。 让 AI 写发布文案，说十句"要简洁有力"，不如直接给它看一段你认可的旧文案。例子不言明规则，却最精确地传达了规则——"照这个感觉来"，它立刻就懂。

这四个成分——训练给的家底、背景预热、角色姿态、示例校准——合起来就是搜索初始化这一层的完整构造，出自《AI认知搜索理论》的第四章，书里有每种成分对应的诊断顺序和一个代码评审团队的完整案例。

下一篇进入第二层：你以为自己把需求说清楚了，AI 收到的可能只是半句话——"什么结果算好"，说过了吗？