企业官网建设流程全解析

1. 为什么“给 AI 一个身份”能直接拉高输出质量

很多人用 AI 的方式，其实跟使唤一个刚进公司的实习生差不多——上来就丢一句“帮我写个方案”，然后抱怨它写得空、写得泛、写得像百度百科。问题不在模型笨，在于你没告诉它“你是谁”。

我做了两年多 AI 工作流调优，踩过最大的坑就是：同一个模型，同一段提示词，只因为开头加了一句身份设定，输出质量能差出一个档次。这不是玄学，背后有非常明确的机制。

1.1 身份设定到底改变了什么

大语言模型生成文本的本质，是根据上文预测下一个 token。你给的上下文越具体，它预测的空间就越窄，输出就越聚焦。身份设定干的事情，就是把模型的“人格空间”从无限收窄到一个具体坐标。

举个我实测过的例子。同样让它写一段关于“咖啡”的文字：

• 不加身份：“写一段关于咖啡的文字”——它会给你一段四平八稳、谁都能写的介绍，什么“咖啡是全球最受欢迎的饮品之一”，废话连篇。
• 加身份：“你是一位在云南经营了十年精品咖啡庄园的庄主，写一段关于咖啡的文字”——它会跟你聊处理法、聊海拔对风味的影响、聊今年雨季来得晚导致日晒豆发酵不均。

看出区别了吗？身份不是装饰，它是给模型划定知识域、语气域和视角域的三重约束。

1.2 身份、任务、约束三者的关系

很多人只给任务不给身份，或者给了身份却不给约束。我总结了一个稳定的结构，缺一不可：

身份是地基，任务是框架，约束是装修。三者齐了，一次成型的概率能从三成提到八成以上。

1.3 适合谁来用这套方法

不管你是写文案的、做产品的、搞技术的，还是纯粹想用 AI 帮自己处理日常事务，这套方法都适用。它不需要你懂任何代码，只需要你在每次提问前多想十秒钟：我希望对面坐着的这个人，是谁？

我见过太多人把 AI 当搜索引擎用，搜出来的东西自然就是搜索结果的水平。你把它当专家用，它才给你专家的东西。

2. 身份设定的核心原理与常见误区

2.1 模型是怎么“入戏”的

要理解身份为什么有效，得先明白模型没有真正的“自我”。它所有的输出都是对上下文的延续。当你写下“你是一位资深刑事辩护律师”，模型在生成后续内容时，会优先激活训练数据中与法律文书、庭审辩论、证据链分析相关的语言模式。

这就像给一个演员递剧本。你不给剧本，他只能即兴发挥，演成什么样全看运气；你给了剧本，他就知道该用什么腔调、什么节奏、什么情绪。

我做过一个对比测试，让模型解释“什么是复利”：

• 无身份版本：定义、公式、举例，标准教科书腔调，正确但无聊。
• “你是一位给小白讲理财的脱口秀演员”版本：它会用“利滚利就像滚雪球，前提是你得先有个雪球”这种比喻，还带点自嘲。

同一个知识点，身份决定了它从哪个抽屉里被取出来，以及用什么方式递给你。

2.2 三个最常见的身份设定错误

错误一：身份太宽泛。“你是一位专家”——什么专家？医生和律师都是专家，输出能一样吗？身份必须具体到细分领域，最好带上年限、场景、风格。

错误二：身份和任务不匹配。让“你是一位严谨的学术研究者”去写小红书种草文案，它写出来的一定是论文摘要的味道。身份要服务于任务，不是越高级越好。

错误三：只给身份不给约束。身份定了调子，但没说清楚要写多长、什么格式、给谁看。结果就是方向对了，但成品还得大改。

提示：身份设定不是越长越好。我试过写两百字的身份描述，效果反而不如三十字精准描述。关键是信息密度，不是字数。

2.3 身份颗粒度的把握技巧

身份要具体到什么程度？我的经验是：具体到“这个人在现实中你能想象出他的样子”就够了。

比如“你是一位在三甲医院工作了十五年的儿科医生”就比“你是一位医生”好，但没必要写成“你是一位毕业于某某大学、师从某某教授、发表过多少篇论文的儿科医生”。后者信息过载，模型反而抓不住重点。

一个实用的判断标准：如果你的身份描述能让一个真人立刻进入角色，那它就合格了。

3. 不同场景下的身份设定实操模板

3.1 写作类场景：从“写手”到“有观点的人”

写作是最需要身份的场景。因为写作的本质是用特定视角组织信息，没有视角就没有灵魂。

我常用的写作身份模板结构是这样的：

你是一位[领域]的[具体角色]，有[年限]经验，擅长[具体技能]。 你的写作风格是[风格描述]，面向[目标读者]。 现在需要你[具体任务]，要求[格式/长度/禁忌]。

举个实际例子。我要写一篇关于“远程办公效率”的文章，如果直接说“写一篇远程办公效率的文章”，出来的东西一定是“远程办公有优点也有缺点”这种和稀泥的内容。

换成这个身份：“你是一位管理着三十人分布式团队的技术负责人，有五年远程协作经验，擅长用具体工具和流程解决实际问题。你的写作风格直接、不绕弯子，面向的是刚转远程的中小团队管理者。现在写一篇关于远程办公效率的文章，要求给出三个可立即执行的具体做法，不要泛泛而谈。”

输出质量立刻不一样。它会跟你聊异步沟通的响应时间约定、聊文档先行的会议替代方案、聊怎么用共享日历解决时区重叠问题。因为这些是一个真正管过远程团队的人才会关心的事。

3.2 分析类场景：让 AI 学会“带着立场看问题”

分析类任务最怕的就是“正确的废话”。你让它分析一个商业案例，它给你 SWOT 分析模板；你让它分析一篇文章，它给你“优点和缺点并存”。

身份在这里的作用是强制模型选择一个分析视角。视角就是立场，立场就是取舍，取舍才能产生洞察。

我常用的分析身份模板：

你是一位[立场/角色]，你的核心关注点是[关注维度]。 请从[具体角度]分析[对象]，重点回答[核心问题]。 忽略[不相关维度]，不要做面面俱到的分析。

比如分析一个新产品失败的原因：

• 无身份：市场、产品、运营、竞争各说一点，每个都浅尝辄止。
• “你是一位只看单位经济模型的投资人”：它会盯着获客成本、留存曲线、毛利结构，告诉你这个产品从第一天起单位经济就是负的，规模越大亏得越快。

身份让分析有了刀刃，而不是一把钝刀到处拍。

3.3 创意类场景：用身份打破“安全区”

创意类任务最头疼的是模型总给你“安全答案”。你让它想 slogan，它给你“科技改变生活”；你让它想品牌名，它给你“智联”“云创”这种烂大街的词。

身份在这里的作用是把模型从“平均审美”里拽出来。你给它一个有个性的身份，它才敢给你有个性的输出。

我试过一个很有效的技巧：给模型一个“有明确偏好甚至偏见”的身份。

比如：“你是一位在广告圈干了二十年、极其讨厌陈词滥调、信奉‘好文案就是不说废话’的创意总监。现在给一个环保品牌想五条 slogan，要求每条不超过八个字，禁止出现‘绿色’‘未来’‘地球’这三个词。”

结果出来的东西明显更有棱角。因为身份里的“偏见”逼着模型放弃了那些最安全的选项。

3.4 技术类场景：身份决定“解释的深度”

技术类问答最容易出现的问题是“解释深度不对”。你问一个技术问题，它要么给你官方文档的复述，要么给你过于简化的比喻，就是不给“刚好够用”的答案。

身份在这里的作用是校准解释的深度和角度。

我常用的技术身份模板：

你是一位[具体技术方向]的[角色]，你的解释风格是[风格]。 请向[目标读者]解释[技术概念]，假设他们已经知道[前置知识]， 但还不了解[核心概念]。重点讲清楚[关键点]，不要展开[无关细节]。

比如解释“数据库索引”：

• 对完全不懂的人：“你是一位给非技术人员讲技术的科普作者，用图书馆目录卡片的比喻解释数据库索引。”
• 对初级开发者：“你是一位带过很多新人的技术主管，用 B+ 树的结构解释索引为什么快，假设他们知道数组和链表。”
• 对资深工程师：“你是一位数据库内核开发者，从页分裂和缓存命中率的角度分析索引的代价。”

同一个概念，三种身份，三种完全不同的输出。没有哪个更好，只有哪个更适合你当下的需求。

4. 身份设定的进阶技巧与组合拳

4.1 多身份切换：让 AI 自己跟自己吵架

单一身份能解决大部分问题，但遇到复杂决策时，我经常用“多身份”技巧。具体做法是让模型依次扮演不同角色，对同一件事发表看法，最后再综合。

比如做一个产品定价决策：

1. 先让“你是一位价格敏感型用户”说：这个价格我不会买，因为……
2. 再让“你是一位追求品质的中产消费者”说：这个价格可以接受，前提是……
3. 再让“你是一位竞品公司的定价策略师”说：如果我是对手，我会这样打……
4. 最后让“你是一位经历过三次创业的 CEO”综合以上，给出定价建议。

这个方法的妙处在于，它逼着模型从多个真实视角审视同一个问题，而不是给你一个四平八稳的“综合考虑”。我试过很多次，最后综合出来的建议往往比我一个人拍脑袋想得周全。

4.2 身份加约束：把“好输出”变成“能用的输出”

身份解决“写什么”，约束解决“怎么写”。两者结合才能一次成型。

我常用的约束维度包括：

• 长度约束：精确到字数或段落数，不要说“简短一点”。
• 格式约束：用表格、用列表、用对话体，说清楚。
• 禁忌约束：禁止使用哪些词、禁止出现哪些内容。
• 读者约束：写给谁看，他们的知识水平如何。
• 风格约束：正式还是口语，严肃还是幽默，说清楚。

一个完整的组合示例：

你是一位给初创公司做品牌定位的策略顾问，有服务过五十家早期公司的经验。 你的风格是直接、务实、不说漂亮话。 现在给一个做企业报销 SaaS 的初创公司写一段品牌定位陈述。 要求：不超过一百字，必须包含“省时间”这个核心价值， 禁止使用“赋能”“闭环”“抓手”这三个词， 面向的是被报销流程折磨的中小公司财务负责人。

这种颗粒度的提示词，出来的东西基本可以直接用。

4.3 身份的动态调整：根据输出质量迭代

身份设定不是一锤子买卖。我通常的做法是：第一轮给一个基础身份，看输出哪里不对，然后针对性地调整身份描述。

比如第一轮输出太学术，我就在身份里加“你的表达风格口语化，喜欢用生活例子”；如果输出太浅，我就加“你有十年以上一线经验，默认读者有基础认知，不要解释基础概念”。

这个迭代过程通常两三轮就能收敛。关键是你要能准确判断“哪里不对”，然后把它翻译成身份描述的调整。

4.4 身份库的积累与复用

我建议每个经常用 AI 的人，都建一个自己的“身份库”。把那些验证过好用的身份描述存下来，下次遇到类似任务直接调用。

我的身份库大概分这几类：

每次用的时候微调一下具体参数就行，省时省力。

5. 常见问题与排查技巧实录

5.1 身份设定了但输出还是不对，怎么办

这是最常见的问题。我总结了一个排查清单，按顺序检查：

第一，身份和任务是否匹配。让“你是一位诗人”去写技术文档，它写出来一定是散文。身份要服务于任务，不是越高级越好。

第二，身份是否太宽泛。“你是一位专家”等于没说。具体到细分领域、具体年限、具体风格。

第三，约束是否缺失。身份定了方向，但没说清楚长度、格式、禁忌。模型只能自由发挥。

第四，任务本身是否清晰。有时候问题不在身份，在于你根本没说清楚要什么。“帮我写个方案”这种任务，给再好的身份也写不出能用的东西。

第五，模型能力边界。有些任务确实超出当前模型能力，比如需要实时数据、需要精确计算。这时候换方法比调提示词更有效。

5.2 身份设定会不会让输出变得太窄

会，但这通常是好事。窄意味着聚焦，聚焦意味着可用。如果你需要广度，可以分多次、用不同身份分别生成，然后自己综合。

我反而觉得“太窄”比“太泛”好处理。太窄了，你加一句“同时考虑其他可能性”就能拓宽；太泛了，你根本不知道从哪里收。

5.3 不同模型对身份的敏感度一样吗

不一样。我的实测经验是：能力越强的模型，对身份设定的响应越明显。因为强模型有更强的“角色扮演”能力，能更细腻地捕捉身份里的隐含信息。

但弱模型也不是没用。给弱模型一个清晰的身份，至少能把它从“胡说八道”拉到“基本靠谱”的水平。身份设定是性价比最高的提示词技巧，没有之一。

5.4 身份描述用中文还是英文

我试过两种，结论是：看你最终要什么语言的输出。如果要中文输出，用中文写身份；要英文输出，用英文写。混用不是不行，但偶尔会出现语言风格漂移。

另外，中文身份描述在涉及中文特有语境时（比如“体制内”“江湖气”“烟火气”）明显更精准，这些词翻译成英文会丢失很多信息。

5.5 常见问题速查表

5.6 我踩过的三个坑

坑一：身份写太长。刚开始我觉得写得越详细越好，结果模型抓不住重点。后来发现三十到五十字的精准描述，效果远好于两百字的堆砌。

坑二：所有任务用同一个身份。我有一段时间偷懒，所有写作任务都用“你是一位资深博主”。结果写技术文太口语，写生活文太干巴。身份要跟着任务走，不能一招鲜吃遍天。

坑三：忘了给读者设定。身份是“谁在说”，读者是“对谁说”。两个都设定清楚，输出才能精准命中。只设身份不设读者，就像对着空气演讲。

6. 把身份设定变成肌肉记忆

6.1 一个万能起手式

如果你不想每次都从头想身份，可以用这个万能起手式：

你是一位[领域]的[角色]，有[年限]经验，擅长[技能]。 你的风格是[风格]，面向[读者]。 现在请[任务]，要求[约束]。

把方括号里的内容填上，基本就能覆盖八成场景。我用了大半年，稳定可靠。

6.2 从“问问题”到“派任务”的思维转变

身份设定的本质，是把你和 AI 的关系从“问答”变成“协作”。问答模式下，你是提问者，它是回答者，它只对你的问题负责。协作模式下，你是派任务的人，它是执行者，它要对结果负责。

这个思维转变一旦完成，你会发现你不再纠结于“怎么问才能让它答对”，而是专注于“怎么描述才能让它做对”。前者是碰运气，后者是可控的。

6.3 最后分享一个我常用的小技巧

如果你实在不知道给什么身份，就用这个：“你是一位在这个领域干了十年、见过各种情况、说话直接不绕弯子的资深从业者。”

这个身份几乎万能，因为它同时包含了经验、广度和风格三个维度。我试过在十几个不同领域用这个身份，输出质量都明显高于不给身份。

身份设定这件事，说穿了就是把 AI 从“什么都懂一点”变成“在这个问题上真的懂”。你给它的身份越真实，它还给你的输出就越真实。这个投入产出比，比任何提示词技巧都高。