角色设定提示

角色设定提示侧重于指导大型语言模型（LLM）在执行任务时扮演何种角色，这与主要告诉模型做什么任务的通用指令有所不同。通过指定特定身份、职业或人物，这项技术可以显著影响生成输出的语气、风格、细节程度和视角。它利用了LLM训练时所用的丰富文本数据，包括对话、角色刻画和专家撰写内容，使其能够有效模拟不同视角。

你可以将其看作是为角色选角。不仅仅是提供台词（指令），你还在告诉模型：“你是一位经验丰富的侦探”，或“你是一位充满热情的科学传播者。”这种背景信息有助于模型生成与预期角色更一致的回答。

为何使用角色设定提示？

设定角色相比简单指令有多种益处：

1. 语气与风格控制： 你可以指导模型采用特定的语气，如正式、非正式、技术性、幽默、富有同情心或批判性，使输出符合你的应用需求。
2. 领域专业模拟： 要求模型扮演某个领域的专家（例如：“你是一名专注于分布式系统的高级软件工程师”）可以帮助集中其知识，并在该领域内生成更贴切、更详细的解释或方案。
3. 视角采纳： 从独特的视角生成内容，这对于创意写作、模拟用户角色或探讨论点不同方面非常有用。
4. 提高任务遵循度： 定义明确的角色通常暗示了关于格式、细节水平或预期知识的某些约定，隐含地指导模型生成更合适的回答。

编写有效的角色设定提示

好的角色设定提示通常包含：

• 明确角色定义： 清楚说明角色身份。提示的开头可以使用“扮演…”、“你是一个…”、“承担…的角色”等短语。务求具体。“扮演一位专攻18世纪法国历史的历史学家”优于“扮演一位历史学家”。
• 背景信息（可选但建议）： 简要描述情境或角色互动对象。例如，“…向高中生解释量子物理”或“…为新产品发布撰写营销邮件。”
• 任务指令： 清楚说明指定角色需要完成什么。

这是一个简单的比较：

情境： 解释 API 速率限制的理念。

提示1：基本指令

解释 API 速率限制。

提示2：角色设定提示

You are a technical writer creating documentation for developers. Explain API rate limiting clearly and concisely, outlining why it's necessary and common ways it's implemented.

第二个提示通过定义角色（“技术文档撰写者”）和受众（“开发者”），更有可能促使模型生成结构更严谨、技术上更准确且使用恰当术语的回答，而第一个提示则更为泛化。

角色设定提示的实例

让我们看看不同角色如何影响相同核心任务（“总结容器化的好处”）的输出：

示例1：角色 - DevOps 工程师

Act as a DevOps Engineer explaining the benefits of containerization to a development team during a technical briefing. Focus on deployment speed, consistency, and resource utilization.

好的，各位。我们来谈谈容器。主要优点是速度和一致性。我们将应用程序及其依赖项一起打包，这样在你的机器上能运行的，在预生产和生产环境也能完全一样地运行。不再有“在我的机器上可以运行”的问题。这大大加快了部署周期。此外，容器很轻量。与传统虚拟机相比，我们可以在相同的硬件上运行更多的应用程序，从而提高资源使用率并节省成本。它使我们的环境标准化，让一切都更可预测、更易于管理。

示例2：角色 - 营销经理

You are a Marketing Manager writing a short blog post snippet highlighting the business advantages of containerization for non-technical executives. Emphasize efficiency, cost savings, and agility.

通过容器化，获取更高水平的效率和敏捷性！想象一下，前所未有地更快部署应用程序，并确保它们在任何地方稳定运行。容器可以简化操作，通过优化服务器使用来降低基础设施成本。这项技术帮助您的业务更快创新，迅速响应市场变化，并最终获得竞争优势。这关乎以更少资源、更快速度完成更多工作。

请注意，即使核心主题相同，指定角色如何塑造回答的语言、侧重点和技术细节水平。

注意事项和最佳实践

• 具体性很重要： 模糊的角色导致模糊的输出。“专家”不如“理论物理专家”有效。
• 与其他技术结合使用： 角色设定提示与指令遵循、少样本示例以及结构化输出请求搭配良好。你可以告诉角色如何格式化其回答。
• 避免刻板印象： 定义角色时要谨慎。确保它们不会无意中延续有害的刻板印象。基于技能、知识或功能来定义角色，而非人口统计特征。
• 测试与迭代： 角色设定提示的效力可能因LLM而异。尝试不同的措辞和详细程度，以找到最适合你的特定模型和任务的方法。
• 角色一致性： 在较长的互动中，模型可能偶尔偏离指定角色。定期强化角色设定或使用管理对话历史的框架有助于保持一致性。

角色设定提示是你的提示工程 (prompt engineering)工具集中的一项有效技术。通过策略性定义LLM应扮演何种角色，你可以对其输出获得更精细的控制，使得能够创建更具针对性、更恰当、更有效的回答，适用于广泛的应用场景。