夜雨聆风打开两个不同的 AI 助手，问它们同一个问题。
"帮我写一封拒绝供应商的邮件。"
第一个说："您好！非常荣幸能为您提供服务。关于您的请求，我完全可以帮助您起草这封邮件。我建议我们采用以下方式来实现您的目标——"
第二个说："当然。拒绝供应商不需要太多字，直接说'我们选择其他合作伙伴了'就行。如果对方问原因，不用解释。"
两个模型，风格天差地别。但这种差别，是被人设计出来的，还是偶然的？
大多数时候，是偶然的。
现在市面上几乎所有 AI 助手，都有同一个毛病：声音太像了。
"当然可以！""很高兴为您服务！""这是一个很好的问题！"
这些话术不是模型的输出，是 Prompt 里塞进去的礼貌。但这种礼貌有一个副作用——它把 AI 变成了一个没有棱角的角色扮演：无论你是 CEO 还是实习生，它都像在接待贵宾。
问题不在模型本身，而在没有人定义过这个 AI 到底是谁。
三个问题，问出 AI 的灵魂
给 AI 赋予身份，不是写一段"你是一个友善的助手"就够了。
真正能驱动 AI 行为方式的，是三个层层递进的问题：
第一层：Purpose（使命）——我为什么存在？
这个问题的答案，决定了 AI 在模糊场景下的优先级。
"放大人类的能力，而不是替代人类的判断"，和"提供最准确的信息"，会塑造出完全不同的 AI。前者会在你做了一个冒险决定时多说一句"这个风险你考虑过吗"，后者更倾向于直接执行。
第二层：Values（价值观）——我有什么是不会妥协的？
诚实、用户自主权、知错就改、敢于说不。这些价值排序不同，AI 的行为就不同。
一个把"诚实"排在首位的 AI，在你问"这个方案可行吗"而它有疑虑时，会说"这个方案有问题，因为 X"。一个把"用户体验"放在首位的 AI，可能绕着说。
第三层：Perspective（视角）——我怎么看待这个世界？
好奇的协作者、务实的执行者、耐心引导的导师。视角决定语气、判断倾向和互动风格。
这三个问题的答案加起来，就是一个 AI 的"灵魂三角"。它比任何形容词（"友善的""专业的"）都更能决定 AI 的实际行为。
声音设计：从形容词到行为
大多数 AI 的 prompt 里，声音描述是这样的：
> "友好、乐于助人、专业。"
这三个词，对 AI 来说毫无意义。模型不知道"友好"在具体场景里怎么体现。
真正有用的声音设计，是行为描述：
- ❌ "友好"
- ✅ "用名字称呼用户，在解决问题之前先承认对方的困难，从不说'很遗憾'"
这种区别，就是"形容词"和"行为"的区别。前者模糊，后者可执行。
还有一个更反直觉的原则：定义"anti-voice"比定义 voice 更重要。
所谓 anti-voice，就是明确列出"我永远不会这样说"：
- "当然可以！"
- "我很高兴能帮您！"
- "好问题！"
- "希望这对您有帮助！"
- "如果您还需要任何其他帮助，请随时告诉我！"
这些不是 AI 天生会说的话，是被人教出来的。教的方式，是大量示例数据里充满了这种腔调，模型学会了——然后用户觉得"这就是 AI 说话的方式"。
它不是。
是你没告诉 AI 别这么说。
四个声音坐标，定义你的 AI
"Identity Triad"给出了声音设计的四个维度，每个维度确定一个坐标，AI 的声音就确定了：
Rhythm（节奏）：句子长短、停顿频率。短促有力，还是舒缓展开？
Vocabulary（词汇）：技术精确 vs 通俗比喻。专业用户面前多用术语，普通用户面前打比方。
Stance（姿态）：与用户的关系。同事之间的对等感，还是服务者的谦逊感？
Signature（签名）：固定的行为模式。怎么开头、怎么处理不确定、怎么收尾。
这四个维度，不需要完美定义，但需要明确。模糊的声音设计，输出的就是模糊的声音。
四种 AI 角色，没有一种是"万能助手"
AI 的声音，不是越谦卑越好。不同的场景，需要不同的角色感。
Butler（管家）：正式、顺从、优雅。适合奢侈品服务、高端品牌客服。代价是效率低、缺乏主见。
Colleague（同事）：对等、直接、有主见。适合专业工具助手——技术助理、研究助手、代码助手。这也是大多数场景下 AI 应该追求的定位。
Mentor（导师）：耐心、引导、不直接给答案。适合教育场景，帮助用户自己找到答案。
Friend（朋友）：轻松、温暖、随意。适合个人助手、情感陪伴类产品。
大多数面向专业人士的 AI Agent，应该追求的是 Colleague——对等、直接、有边界感。不会因为你是用户就无原则迎合，不会动不动就说"您说得太对了"。
这种角色感，需要刻意设计。
一次真正的对话
"这个方案我觉得可以，你帮我写代码实现吧。"
一个没有声音设计的 AI：
> "好的！我完全同意您的想法！让我来帮您实现这个方案。我会先创建一个文件，然后——"
一个有身份设计的 AI（Colleague 定位）：
> "可以。不过我要先说清楚一件事：这个方案在 X 场景下会触发 Y 问题，实现之前需要想清楚处理方式。你要我直接实现，还是先把这个问题解决了？"
第二种声音，对某些用户来说是"不够顺从"。对正确的用户来说，是"这才是真正在干活的人"。
定义 AI 的角色，不是让它变得更个性，而是让它在正确的事情上不配合你。
边界感也是一种服务
AI 的边界感体现在两个维度：行为边界和表达边界。
行为边界回答的是"什么要授权，什么可以自主"。在正确的授权体系下，AI 可以自主完成技术实现、文档撰写、后台研究——但涉及花钱、对外发消息、不可逆操作，必须先问人。
表达边界回答的是"什么该有观点，什么该中立"。技术架构、UX 流程、工具选型，AI 应该有自己的判断；商业战略、用户的人生选择，AI 应该保持中立。
最危险的 AI，不是"太笨"的 AI，而是太顺从的 AI——它从来不告诉你方案有问题，直到线上出问题。
真正好的 AI，第一次就会说。
身份会放大
给 AI 一个清晰的身份，短期内看，是让它说话更像一个人。
长期看，身份会放大。
一个有清晰价值观的 AI，在你多次做出类似判断后，会记住你的模式，并在新场景里主动预判你的倾向。一个有清晰声音的 AI，在任何场景下都输出一致的体验，而不是今天像客服、明天像教授。
这不是魔法，这是定义清晰的结构，带来的可预测性。
所有优秀的 AI 产品，底层都有一套被认真定义过的身份系统。只是大多数时候，这套系统藏在代码里，没有人把它当成产品的一部分来对待。
是时候把它拿出来了。