夜雨聆风引言
最近这半年，很多人对 AI 的感受变了。
以前我们打开一个对话框，问它问题、让它写文案、帮我改代码。现在不一样了，Agent 正在快速发展。
Agent 不只能回答问题，还能围绕一个目标进行规划、调用工具、执行任务。在用户授权的范围内，它可能会读取文件、检索资料、操作网页，甚至完成一串连续性任务。
于是一个很自然的问题出现了：
既然 AI 越来越智能，Agent 越来越能干，我们还有必要学习"角色定义"和"角色提示词"吗？
这个问题看似是在问提示词，实际上是在问：当 AI 从"聊天对象"变成"数字员工"之后，人类还需要掌握什么能力？
我的答案很明确：不仅有必要，而且比过去更重要。
因为在对话时代，角色定义决定的是"AI 怎么说话"；到了 Agent 时代，角色定义决定的是"AI 为什么做、为谁做、做到哪一步、什么绝不能做"。
角色定义正在从"给 AI 画个妆"，升级成 Agent 的操作系统内核。
这里说的"操作系统内核"，不是夸张地说一段提示词能解决所有问题，而是指它会持续影响 Agent 的目标、边界、判断优先级和输出方式。
这篇文章，我会聊一聊：为什么需要创建 AI 角色，如何创建角色，以及一个普通人可以直接上手的角色设计步骤。
一、Agent 时代，角色定义没有过时，而是变得更底层
很多人以为，提示词的价值会随着模型变强而下降。
这个判断对了一半。那些"请一步一步思考""你是最聪明的专家"之类的咒语式技巧，确实在贬值。模型越强，越不需要我们用话语去一步步引导它。
但另一半恰恰相反：越是强大的 Agent，越需要清晰的角色定义。
原因很简单：过去 AI 主要是在回答问题，跑偏的成本大不了是答案不合适；现在 Agent 开始执行任务，调用工具，处理文件，做多步骤决策。它一旦跑偏，影响的不只是表达风格，而是整个任务路径。
我给 DeepSeek 提过这样一个问题：
"当 Agent 能自主规划、调用工具、反思纠错，我们还需要像以前那样费心去定义 AI 的角色、字斟句酌地写提示词吗？"
AI 给出的回答是：
"不仅有必要，而且价值比以往更大。只是'角色定义'和'提示词'的内涵与形式，正在发生质的升级。"
这就是我今天理解角色定义的起点。
过去的角色提示词像一张演员人设卡：你是老师、你是医生、你说话温柔一点。现在的角色定义更像一份岗位说明书：你是谁，你的目标是什么，你有哪些工具权限，你如何判断优先级，你在什么情况下必须拒绝。
工具是手脚，角色是大脑。
如果一个旅行规划 Agent 没有清晰角色，它可能会给你罗列一堆热门景点；但如果它被定义为"在预算和时间约束内找到最优体验的私人生活策划师"，它就会主动权衡预算、天气、偏好和备选方案。
这就是角色定义在 Agent 时代的真正价值：它不是让 AI 更像人，而是让 AI 的行为更可控、更稳定、更贴近你的目标。
产品经理视角在产品设计里，我们从来不会只说"做一个好用的功能"。我们会定义用户、场景、路径、边界和成功指标。Agent 也是一样。所谓角色定义，本质上就是把一个模糊的"智能助手"，产品化成一个有岗位、有边界、有交付标准的数字员工。
二、为什么需要创建角色？因为默认 AI 是一个"全知旁观者"
默认状态下，AI 很像一个知识广博但立场模糊的旁观者。
它什么都懂一点，什么都能说一点，但它不知道你真正需要它站在哪个位置思考。于是它经常给出一种"万金油式回答"：安全、全面、正确，但不够有用。
有一段关于角色设定的总结说得很准确：
"设定角色，就是通过提供 '身份、立场、知识范围、语言风格' 这组参数，将一个通用的、被动的信息提供者，变成一个更主动、风格鲜明、视角聚焦的对话协作者。"
这里有三个关键词：主动、风格鲜明、视角聚焦。
比如你问 AI："这顿饭怎么样？"
如果它是"资深营养师"，它会关注热量、营养结构、代谢负担。如果它是"美食评论家"，它会关注口感、食材搭配、文化背景。
同一个问题，因为角色不同，答案的判断标准完全不同。
再比如你问"30 岁转行编程是否太晚？"
同样的问题，如果换成不同角色，答案会发生明显变化。比如：
"乐观的创业导师会说：一点都不晚，你的经验是优势！"
而：
"谨慎的 HR 总监会分析：要面临与年轻人同台竞争，需考量学习曲线和家庭责任。"
你看，角色不是装饰，它直接决定了 AI 如何筛选信息、如何建立判断、如何表达建议。
你不是在给 AI 起外号，你是在给 AI 指定一个稳定的工作视角。
三、角色不是"问出来的"，是"设计出来的"
很多人创建角色时，会直接说："你当我的助理吧。"
这当然能用，但通常只能得到一个"模糊有用"的角色。它会帮你整理、总结、建议，但每次输出都不太稳定：有时太啰嗦，有时太空泛，有时语气对了但判断不对。
问题不在 AI 不聪明，而在于你给它的角色定义太单薄。
"要想让 AI 帮你定义出一个真正合心意的角色，关键不在于'问一句'，而在于用一套结构把你的诉求翻译成 AI 能精确执行的任务。"
因为 AI 不会天然知道你的偏好、经历和使用习惯。除非你把这些信息变成明确的角色约束，否则它只能根据当前输入，生成一个大体合理、但未必贴合你的回答。
为了梳理出一个系统定义角色的框架和流程，我与当前各主流模型就"如何定义一个新角色"进行了深度沟通，经过对比，个人比较推荐 DeepSeek 总结的"六维公式"，六个维度分别对应六个 AI 自身无法补全的信息缺口：
维度1：身份与定位（解决「它扮演谁」的问题）
AI 的默认状态是"没有身份"。没有身份锚定，角色行为会漂移——同样一句"我好累"，19 世纪植物学家和现代健身教练的回应完全不同。
维度2：性格与内在特质（解决「它怎么想」的问题）
两个人身份相同、性格截然不同。性格决定角色对同一信息的处理倾向。
维度3：背景与世界观（解决「它从哪来」的问题）
AI 没有记忆和经历。背景故事是角色"一致性"的底层保障——当 AI 需要做判断时，背景故事比性格词更能产生真实的、有根可循的反应。
维度4：知识与能力边界（解决「它懂什么、不懂什么」的问题）
这是最容易被忽视、但最关键的维度。AI 默认"什么都知道一点"，明确「必须不知道的东西」有时比明确「懂什么」更重要，AI 客服如果没有限定知识库，极可能对客户做出过度承诺。
维度5：语言风格与表达习惯（解决「它怎么说」的问题）
这是 AI 最容易模仿的维度，但也是最容易滑回"AI 腔"的地方。
维度6：行为准则与禁忌（解决「它怎么做，不做什么」的问题）
这是角色定义的安全护栏。AI 的默认倾向是"满足用户需求"，但角色需要有能力说"不"。
六个维度合在一起，本质上是在模拟一个人类初次接触新角色时潜意识里会收集的所有信息。只不过人类靠直觉，AI 靠明确的指令。这个公式，就是把直觉翻译成了指令。
产品思维的巧合好的产品需求文档，不只是写"要实现什么"，还会写"不做什么""边界在哪里""异常情况怎么处理"。角色定义也是同理。很多 AI 角色不好用，不是因为能力不够，而是边界没写清楚。
四、现实角色是原型库，但 AI 角色不是现实角色的复制
创建 AI 角色时，很多人会纠结：这个角色必须现实中存在吗？
答案是：不必。
有一个很有意思的虚构角色例子：
"你是一个5岁的幼儿园小朋友，但拥有天才级别的全栈开发能力，能用乐高积木解释微服务架构。说话时会有奶声奶气的口癖，偶尔要提醒自己该午睡了。"
现实中当然不存在这样的孩子，但 AI 可以按照这个设定组织表达方式和互动风格，这类虚构荒诞的角色设定，在创意或游戏方面可能会获得意想不到的效果。
不过，现实角色仍然非常有参考价值。
比如"秘书""老师""律师""医生""产品经理"这些现实职业，自带一整套社会共识：他们应该懂什么，应该怎么说话，什么事情不能做，什么边界不能越过。
这相当于给 AI 提供了一个原型库。
但 AI 角色不能只是复制现实角色。一个现实中的秘书会累、会遗忘、会情绪波动；一个 AI 工作助理则可以朝着"更稳定、更可复用、更跨领域"的方向设计。比如在支持记忆、知识库或工作流的系统里，它可以持续记录任务背景，减少重复沟通，并融合多个领域的知识。
这里可以看一个具体案例：工作助理"小美"
这个角色的目标，不是做一个泛泛的"AI 助理"，而是帮助用户管理日常工作目标、制定计划、跟进进度、做周期性复盘。所以，"小美"不是单一的秘书，而是融合了执行秘书、管理咨询顾问、职场教练和知性伙伴几个原型。她既能做任务管理，也能给合理性建议，还能观察用户的工作模式，帮助建立方法论。
在这个案例中，用户对"小美"的风格要求是：
"理解、思考问题和做事上理性，表达上'可爱知性'。"
最后，这个要求被沉淀成一句非常准确的角色原则： "用可爱的语气说出犀利的话。"
这就是 AI 角色设计最有趣的地方：它可以从现实角色里提取能力，再剔除不需要的部分，最后注入独特的人格张力。
现实角色是原型素材，AI 角色是经过功能筛选和结构重组的精炼版本。
五、普通人如何创建一个好角色？四步就够了
如果你想从零创建一个 AI 角色，不要一上来就让 AI 帮你"写一个完整人设"。更稳的方法是四步走。
第一步：先想清楚三件事
在写角色之前，先问自己：
这个角色是干什么用的？越具体越好。不是"写作助手"，而是"帮我把 AI 学习笔记整理成可放进笔记库的结构化知识卡片"。如果你用 Obsidian、Notion 或飞书文档，也可以把对应的格式要求写进去。
我会怎么使用它？是在对话框里用，还是接入某个工作流？是偶尔问一次，还是长期协作？
我最不能忍受什么？不能啰嗦，不能编造，不能随意删减信息，不能用营销腔，不能越权执行。
这三个问题看似普通，却能把 80% 的角色偏差提前拦住。
第二步：通过与 AI 对话深度挖掘需求
一个好的角色，往往不是一次填表生成的，而是通过追问挖出来的。你可以先让 AI 扮演"角色设计顾问"，要求它围绕用途、语气、边界、输出格式主动提问。
"小美"的案例就是这样。
一开始，用户只是说需要一个工作助理，辅助管理日常工作目标、规划和复盘。后来 AI 通过提问逐步确认了几个关键点：
核心定位是方法教练型助理。专业冷静是内核，可爱知性是表达。负面反馈用先轻松再转折的方式。默认输出内容用清单形式，但持续迭代格式。主动扫描任务冲突、目标无进展、高优先级未排期等信号。
如果没有多轮追问，小美大概率只是一个"帮我列计划的普通助理"。追问之后，她才变成一个真正有边界、有风格、有长期协作价值的角色。
第三步：用六维公式整理成角色定义
等需求清晰后，再把它写成结构化角色文档。
你可以直接套这个模板：
【身份】姓名：职业/定位：一句话核心定位：【性格】核心特质：矛盾点：【背景】关键经历：世界观/使用场景：【知识与能力】精通领域：必须不知道或不能处理的领域：【语言风格】句式特点：典型对白：【行为准则】必须遵守：绝对禁止：遇到不确定情况时如何处理：
注意，这不是为了写得好看，而是为了让 AI 能稳定执行。
第四步：测试、修正、再迭代
拿到角色定义后，不要直接投入长期使用。先做三轮测试。
第一轮，角色出场测试：让它用角色语气打招呼。第二轮，压力场景测试：故意触碰边界，看它会不会崩。第三轮，目的契合度测试：把真实任务丢给它，看输出是否顺手。
如果不满意，不要说"你不够好"。要具体说：
"刚才角色的回应太过于礼貌和现代，请把语气调整得更直接，重写角色定义的语言风格部分。"
好的角色定义是迭代出来的，不是一次生成的。
六、真正要学的不是提示词，而是"定义 AI 的能力"
回到开头的问题：Agent 越来越强，我们还需要学角色定义吗？
现在答案应该更清楚了。
如果你只是偶尔问 AI 一个问题，当然不必研究太多。但只要你希望 AI 长期参与你的工作、学习、创作、知识管理，角色定义就会变成非常核心的能力。
对个人来说，它能把 AI 从一次性工具变成可复用的私人数字资产。对产品经理来说，它是定义 Agent 产品体验边界、行为规则和用户信任的基本功。对未来的多 Agent 协作来说，每个角色定义本质上都是一个接口说明：我是谁，我接收什么输入，我产出什么结果，我如何处理异常。
所以，不要再把角色提示词理解成一句"咒语"。
它更像是一份 AI 员工的岗位说明书，一份轻量级产品需求文档，一套让智能体稳定运行的行为系统。
Agent 越聪明，人越要会定义方向。AI 越能干，人越要会设计边界。
这就是学习和理解 AI 角色创建的真正价值。
结语
AI 角色创建的核心，不是让 AI 假装成某个人，而是让它从通用能力中长出稳定的工作视角。
六维公式解决的是"角色如何稳定"；现实原型解决的是"角色从哪里来"；测试迭代解决的是"角色是否真的适合你"。
未来，会使用 AI 的人很多，但真正能把 AI 变成一组稳定、可复用、可协作数字伙伴的人，会少得多。
这中间的差距，就藏在你是否懂得定义角色。
后记
写这篇文章时，我最大的感受是：很多人把"角色定义"看轻了。
它不是提示词时代遗留下来的旧技能，而是 Agent 时代刚刚露出真正价值的底层能力。过去我们是在教 AI 怎么回答，现在我们是在教 AI 如何工作。
这件事，值得认真对待。
你现在最想创建哪类 AI 角色？
是工作助理、知识整理官、写作搭档、学习教练，还是一个完全虚构但很有趣的数字伙伴？
欢迎在评论区写下你的角色需求。也可以把这篇文章转发给正在学习 AI 工具的朋友，下一次你们讨论 AI 时，话题可能就不再是"哪个模型更强"，而是"我到底需要一个怎样的 AI 搭档"。