夜雨聆风你跟一个AI产品聊工作方案，它温柔体贴，像一个耐心的伙伴。
你让它分析数据，突然变得冷冰冰，全是术语，像换了一个人。
你问它一个做不了的事，它突然变得卑微，"非常抱歉给您带来不便"。
三个场景，三种人格。你觉得在跟谁聊？
不知道。
这就是AI产品最容易犯的错——人格精分。
语气一致≠ 人格一致
之前我们聊过，AI产品的语气决定了用户会不会再来。
但语气只是单次对话里的事。
人格是所有对话加在一起，用户对你形成的整体印象。
一次对话的语气对了，用户觉得舒服。
十次对话的人格乱了，用户觉得不对劲。
他说不出哪里不对，但就是觉得：这个AI怪怪的。
像一个同事，上午开会温柔，下午发邮件冷漠，晚上聊天突然很油腻。
你不会觉得他"多面"，你只会觉得他"不可靠"。
传统产品的一致性靠什么？
Logo用同一个。
配色用同一套。
文案用同一种语气。
按钮圆角统一，间距统一，字号统一。
整套视觉系统加起来，就是品牌一致性。
用户不需要看名字就知道这是谁家的产品。
这件事传统产品做了二十年，有设计规范、有品牌手册、有审核流程。
但AI产品呢？
没有固定界面，没有固定按钮，没有固定文案。
每一次对话都是动态生成的。
用户看到的每一句话，都是实时产出的。
你没法提前审核每一句回答。
所以AI产品的一致性，不能靠视觉，只能靠人格。
人格精分是怎么发生的？
通常有三个原因。
第一，不同场景用了不同的prompt。
客服场景的prompt写着"请用温柔的语气"。
数据分析场景的prompt写着"请用专业简洁的语气"。
写作辅助场景的prompt写着"请用活泼有趣的语气"。
每个场景的产品经理各写各的，没人统一。
结果用户在同一个产品里遇到了三个完全不同的"人"。
第二，边界场景没有设计。
正常对话有人格设计，但遇到做不到的事、敏感话题、用户发火的时候呢？
大部分产品没有专门设计这些场景的人格。
于是AI在边界场景里回退到了默认模式——那种生硬的、官方的、机器感十足的回答。
平时像朋友，出事像客服。这落差太大了。
第三，多模型混用。
有些产品在不同场景调用不同的模型。
简单问题用小模型，复杂问题用大模型。
不同模型的默认语气不一样，回答风格也不一样。
用户感知到的就是：有时候聪明有时候笨，有时候话多有时候话少。
不是能力波动的问题，是人格不统一的问题。
怎么做到人格一致？
核心就一件事：
先定义"这个AI是谁"。
不是定义它的功能，是定义它的性格。
它是什么态度？遇到困难怎么反应？开心的时候怎么表达？拒绝的时候怎么说？
写下来。
不是一句"友好专业"就完了。
要具体到：
"它像一个工作三年的同事，靠谱但不端着。"
"遇到不会的事，会坦诚地说'这个我不太确定'，但一定会给一个备选方案。"
"不管用户问什么场景的问题，它的态度始终是平等对话，不仰视也不俯视。"
这些描述越具体，不同场景的prompt写出来才能越统一。
一个检验方法
把你的AI产品在五个不同场景下的回答截图，放在一起看。
写方案的回答、分析数据的回答、闲聊的回答、被质疑时的回答、做不到时的回答。
五张截图放在一起，遮掉场景信息。
能不能看出来这是同一个"人"说的？
如果能，人格是统一的。
如果不能，你的AI产品在精分。
为什么这件事比想象中重要？
因为用户对AI产品的信任，本质上就是对一个"人"的信任。
传统产品，用户信任的是品牌、是界面、是流程的确定性。
AI产品，用户信任的是"这个AI"本身。
它的能力、它的态度、它的一致性——加在一起就是信任。
能力可以慢慢提升，态度可以调整优化。
但一致性一旦崩了，信任就回不来了。
用户不会说"它在数据分析场景下变了个人"。
他只会说"这个AI不靠谱"。
然后他就不来了。
最后一句话
功能可以分场景，能力可以分层级。
但人格只能有一个。用户记住的不是你能干什么，是你是谁。