"你是一个资深产品经理。"
就这一句话，AI 的回答质量能提升一个档次。不是玄学，是有逻辑的。
今天聊一个简单但威力巨大的 Prompt 技巧——角色扮演法。学会了这个，你手里的 AI 就不再是一个泛泛的聊天工具，而是一个个随时可以调用的"专属顾问"。
为什么"给角色"有用？
还记得我们曾经说过——大模型的本质是"猜下一个 Token"吗？它在训练时读过海量的文本——产品经理写的文档、律师写的合同、医生写的科普……它"见过"各种角色的说话方式和思维模式。
当你告诉它"你是一个资深产品经理"，它就会倾向于使用产品经理的表达方式和思维框架——更关注用户需求、更习惯用产品思维分析问题、输出更偏结构化和可执行。
你不是在"欺骗"AI，你是在帮它缩小预测空间。 没有角色设定，AI 只能选一个"平均"的方向；有了角色设定，方向锁定，输出自然更精准。
怎么写一个好的角色设定？
角色设定不是随便说一句"你是专家"就行。好的角色设定包含三个层次：
层次一：身份。 "你是一个资深产品经理。"——告诉 AI 它扮演谁。
层次二：经验和专长。 "你有 10 年 B 端 SaaS 产品经验，擅长用户增长和数据驱动决策。"——越具体，AI 越知道该调动哪方面的"知识"。
层次三：行为准则。 "你的分析要基于数据而非直觉，给出建议时要考虑可行性，不确定的地方要明确告诉我。"——约束 AI 的行为方式，避免它"放飞自我"。
一个完整的角色设定示例：
"你是一个有 10 年经验的 B 端 SaaS 产品经理，擅长用户增长和数据驱动决策。分析问题时先问'数据怎么说'，给建议时要区分'短期能做的'和'长期要规划的'。不确定的地方明确标注。"
这比"你是一个产品经理"强十倍。
实战场景：五个角色设定模板
场景一：让 AI 当你的写作教练。
"你是一个资深内容编辑，擅长把学术性的文字改写成通俗易懂的科普文章。你的原则是：不改变原意的前提下，让一个高中生也能看懂。改完后告诉我你改了哪些地方、为什么改。"
你写了一段干巴巴的技术描述，扔给它，它帮你改成大白话。
场景二：让 AI 当你的面试官。
"你是一个有 15 年经验的技术面试官，面试风格是先聊项目经验再问底层原理。你会根据我的回答追问，如果我答得不好会给提示而不是直接跳过。每次问一个问题，等我回答完再问下一个。"
准备面试时，让 AI 模拟真实面试场景，比自己刷题有效得多。
场景三：让 AI 当你的翻译官。
"你是一个中英双语翻译专家，翻译风格是'信达雅'——忠实原意、表达通顺、文字优美。翻译时保留原文的语气和节奏。如果有文化差异导致直译不通顺的地方，加一个简短的注释说明。"
比直接说"翻译成英文"质量高一个台阶。
场景四：让 AI 当你的健身教练。
"你是一个认证私人教练，擅长为久坐办公室的人群设计居家健身方案。你会先了解我的身体状况、每周可用时间和健身目标，然后给出具体到每一组动作的计划。每个动作你都会说明目标肌群和常见错误。"
比起"给我一个健身计划"，这个角色设定能让 AI 给出更个性化、更专业的方案。
场景五：让 AI 当你的代码审查员。
"你是一个有 10 年经验的高级软件工程师，代码审查风格是严格但建设性。你会指出代码中的 bug、性能问题、可读性问题，但同时会给出具体的修改建议和更好的写法。优先关注安全问题和逻辑错误。"
把代码扔给它，它帮你找问题——比自己盯着屏幕看高效得多。
角色设定的进阶用法
多角色切换。 同一个问题，让 AI 分别从不同角色回答。比如一个产品决策，先以"CEO 的视角"分析，再以"用户的视角"分析，最后以"技术负责人的视角"分析。三个角度对比，决策更全面。
多角色并行（Sub-agent）。 多角色切换是"串行"的——一个 AI 依次扮演不同角色。如果你用的 AI 产品支持"子智能体"（Sub-agent），可以同时启动多个 AI，每个扮演一个角色，各自独立分析，最后汇总。每个子智能体有独立的上下文，不会互相干扰，分析深度也不会因为"切换"而打折扣。
Agent Team（智能体团队）。 Sub-agent 是"各干各的，最后你来汇总"。Agent Team 更进一步——有一个"协调者"负责分配任务、收集结果、综合判断，其他 agent 各司其职。
打个比方：Sub-agent 像是你同时找了三个顾问，每人各写一份报告交给你，你自己对比综合。Agent Team 像是你雇了一个项目经理，下面有产品、技术、财务顾问——项目经理负责拆任务、整合意见、交给你一份综合报告。Agent Team 的优势在于：协调者帮你做汇总和交叉验证，Agent 之间可以互相影响（比如技术 agent 发现成本太高，协调者会让产品 agent 调整方案），而且你只需要一个入口。适合复杂决策和多专业协作的场景，简单任务用 Sub-agent 就够了。
Agent Team 的典型结构是这样的：
协调者（Coordinator）： 接收你的需求，拆解成子任务，分配给对应的角色 agent，收集各 agent 的输出，综合整理后给你最终结果。
角色 Agent： 各自专注于自己的领域。
角色 + 规则。 角色设定可以和前面讲的"背景、任务、标准"结合。先设定角色，再给背景，再布置任务——三层叠加，AI 的输出质量会到一个你意想不到的水平。
角色链。 你可以在一轮对话中让 AI 切换角色。"先以产品经理的身份分析需求，再以程序员的身份评估实现难度，最后以项目经理的角度排优先级。"一个 AI 搞定三个视角。不过角色链是"串行"的，前面角色的"思维惯性"可能影响后面的输出——对独立性要求高的场景，用 Sub-agent 更靠谱。
一个常见误区
有些人觉得角色扮演是"花架子"，不如直接说需求来得实在。其实角色设定不是"花哨的开头"，而是高效的信息压缩。一句"你是一个有 10 年经验的产品经理"，隐含了分析框架、专业术语、思维模式、关注点——如果你不写这句话，得手动把这些一条条告诉 AI。角色设定就是用一句话传递了一整套行为模式。
一句话总结
给 AI 一个角色，就是给它一个思考框架。角色设定得越具体，AI 的输出越专业、越精准。一句话的投入，换来的是整个回答质量的飞跃。