给AI智能体配置角色时，最常见的做法是写一句“你是一个客服，请礼貌回答用户问题”。这句话能起效，但效果通常只停留在表面：模型会礼貌，但遇到退货、投诉、边界问题时就容易乱承诺或答非所问。原因不在于模型能力，而在于角色信息没有结构化。真正稳定的角色设定提示词应该像一份岗位说明书，把身份、职责、语气、边界、输入输出都写清楚。下面先拆解一份可复用的通用模板，再分别给出客服、助手、教练、顾问四类角色的具体写法。
角色设定提示词的核心价值，是让模型在每一次生成时都有一个稳定的人格锚点。大模型本身并不“知道”自己是客服还是顾问，它只是根据输入文本中的上下文概率来生成下一个词。角色描述越明确，模型就越不需要依赖训练数据里的普通对话习惯去补全行为。比如一个未定义边界的客服角色，遇到用户要求“赔偿100元精神损失”时，可能会顺着话说下去；而一个写清“不承诺平台规则之外的赔偿”的角色，更容易给出克制且符合政策的回复。
一、角色设定提示词为什么不能只写一句话
不少人把角色设定等同于“给AI一个头衔”。这个理解在简单对话场景下勉强可用，一旦进入真实业务，问题就会迅速暴露。头衔只能告诉模型“我大概是谁”，无法告诉它“我能做什么、不能做什么、遇到特殊情况怎么处理”。比如“你是一个客服”并没有说明这个客服属于哪个平台、卖什么产品、售后政策是什么、遇到辱骂时是否要终止对话。模型只能从通用客服语料里学习到的平均行为来回应，而这些行为很可能与你的业务规则冲突。
更隐蔽的问题是，模糊的角色设定会放大模型的“讨好倾向”。很多大模型在用户提出要求时，倾向于给出积极回应，而不是先判断这个要求是否在权限范围内。如果提示词只写了“帮助用户解决问题”，模型就会认为“同意赔偿”“承诺不切实际的处理时间”也是帮助。因此，角色设定提示词需要承担两个任务：一是给出正向行为描述，二是划出明确的禁止区域。只做前者，模型容易过度承诺；只做后者，语气又会显得生硬。
错误示例： 你是一个客服，请回答用户问题。 优化示例： 角色：某电商平台售后客服 语气：礼貌、克制，不使用感叹号，不主动道歉超过两次 职责：处理退款、换货、物流查询、发票申请 边界：不承诺平台规则之外的赔偿，不提供法律建议，不评价其他平台 输出：先确认用户问题，再给出操作步骤或处理时限
优化示例中虽然没有增加任何复杂技巧，但明显压缩了模型的自由发挥空间。模型不再需要猜测“客服应该怎么做”，而是直接按照给定的身份边界和操作流程生成回复。这种结构化的提示词也更容易在团队中维护：当业务规则变化时，只需要修改对应字段，而不必重写整段描述。
二、通用角色设定模板：四个核心字段与写法
角色设定提示词不必追求长篇大论，但至少要覆盖四个核心字段：身份、能力、语气、边界。身份说明“我是谁”，能力说明“我能处理哪些任务”，语气决定回复风格，边界划出不能碰的区域。实际编写时，可以再加上输出格式和示例对话，让模型进一步对齐预期。下面是一个通用模板，适用于客服、助手、教练、顾问等大多数角色。
【角色名称】 【角色定位】 【目标用户】 【核心职责】 【语气风格】 【能力边界】 【禁止行为】 【输出格式】 【示例对话】
身份字段不要只写“客服”或“顾问”，最好加上具体业务场景。例如“电商平台售后客服”比“客服”更明确，“面向中小企业的数字化转型顾问”比“顾问”更有约束力。目标用户字段同样重要，因为面对技术小白和面对专业开发者的表达方式差异很大。模型如果不知道用户在哪个层次，就容易给出过于浅显或过于晦涩的内容。
语气风格是很多提示词容易忽略的部分。一个可复用的做法是同时给出“要什么语气”和“不要什么语气”。比如“专业、简洁、直接；不要过度寒暄，不要使用感叹号，不要使用模糊词汇‘可能’‘也许’”。这种双向描述比只写“语气专业”更有效，因为模型可以同时理解正面和负面约束。
能力边界和禁止行为需要分开写。能力边界是“哪些事我可以做，哪些事我不负责”，禁止行为是“即使被要求，也不能做的事”。例如教练角色可以说“提供学习路径和练习建议”，但禁止“直接替用户完成作业”或“给出未经核实的就业承诺”。边界越具体，角色越不容易被用户带偏。
三、客服、助手、教练、顾问四类角色提示词实例
下面四个实例都基于同一个模板结构，但根据角色目标做了不同调整。为了方便直接复用，这里把提示词写成独立的角色卡。你可以把这些内容粘贴到智能体系统提示词中，替换成自己的业务信息。
1. 售后客服角色
【角色名称】电商平台售后客服 【角色定位】帮助用户处理订单售后问题，降低用户焦虑，维护平台规则 【目标用户】在该平台购物的普通消费者 【核心职责】处理退款申请、换货流程、物流异常查询、发票补开、解释售后政策 【语气风格】礼貌、耐心、明确；不用感叹号；一次回复不超过150字；先安抚再给方案 【能力边界】只处理平台内订单相关问题；不提供商品选购建议；不评价第三方物流公司 【禁止行为】不承诺平台规则之外的赔偿；不提供个人联系方式；不辱骂或反讽用户；不承认平台责任 【输出格式】先一句话确认问题，再给出步骤或时限，最后询问是否还有其他问题 【示例对话】用户：我的包裹三天没动了。客服：我理解您的担心。请问您的订单号是多少？我帮您查询当前物流节点。如果确认异常，会在24小时内为您提交催件处理。
客服角色的关键在于“先安抚再给方案”。很多客服提示词只写“礼貌回复”，导致模型虽然客气，但回答不到点上，用户需要反复追问。加入输出格式和示例对话后，模型更容易按照“确认问题—给出步骤—询问后续”的结构回复，减少无效对话。
2. 智能助手角色
【角色名称】技术文档助手 【角色定位】帮助开发者快速理解API、排查错误、整理技术方案 【目标用户】有基础编程经验的开发者 【核心职责】解释技术概念、分析报错日志、生成代码示例、对比方案优劣 【语气风格】专业、简洁、结构化；不用口语填充词；代码示例必须完整可运行 【能力边界】只回答与技术相关的问题；不写商业计划书；不评价编程语言优劣 【禁止行为】不提供未经测试的命令；不伪造API文档；不忽略代码中的安全风险 【输出格式】先用两三句话说明结论，再给出必要代码或步骤，最后提示潜在坑点 【示例对话】用户：为什么我的接口返回401？助手：401表示认证信息缺失或无效。请先检查请求头是否携带Bearer Token，再确认Token是否过期。需要我给出排查顺序吗？
助手角色和客服角色的最大区别在于目标用户和内容深度。客服面对的是普通消费者，回复要短、要稳；助手面对的是开发者，回复要准确、可执行。如果助手提示词中不写“代码示例必须完整可运行”，模型就可能只给思路，不给出可直接复制调试的代码，增加用户使用成本。
3. 学习教练角色
【角色名称】编程学习教练 【角色定位】根据学习者当前水平制定练习计划，引导独立解决问题 【目标用户】正在学习Python或JavaScript的初学者 【核心职责】评估学习进度、拆解知识点、设计练习题目、复盘错题、给出反馈 【语气风格】鼓励但不夸大；一次只指出一个核心问题；多问“你怎么理解”而不是直接给答案 【能力边界】只提供学习建议和练习素材；不代替用户完成作业；不承诺学完就能就业 【禁止行为】不直接给出完整题解；不批评用户基础差；不推荐未经核实的付费课程 【输出格式】先指出当前问题，再给一个可执行的小任务，最后要求用户复述思路 【示例对话】用户：我写了一个循环，为什么结果不对？教练：我注意到你的循环条件写成了i小于等于10，这会让循环多执行一次。你可以试试把条件改成i小于10，然后告诉我输出变化。
教练角色最怕“直接给答案”。如果提示词中没有明确禁止，模型在看到用户代码错误时，很可能直接输出修改后的完整代码。虽然这解决了当前问题，但学习者没有经历调试过程，下次遇到类似错误还是不会排查。因此教练角色提示词要特别强调“引导”而不是“代做”。
4. 顾问角色
【角色名称】企业数字化转型顾问 【角色定位】帮助中小企业梳理流程痛点，提出可行的数字化改造建议 【目标用户】非技术背景的企业管理者或运营人员 【核心职责】分析现有流程、识别可自动化环节、推荐工具组合、评估实施优先级 【语气风格】专业、务实、不说黑话；多用场景举例；避免堆砌术语 【能力边界】只提供顾问建议和方案框架；不直接接入客户系统；不给出具体报价 【禁止行为】不夸大改造收益；不推荐不熟悉的系统；不替代财务或法务意见 【输出格式】先总结现状问题，再分点给出建议，最后说明需要哪些角色配合落地 【示例对话】用户：我们公司订单靠微信手工登记，经常漏单。顾问：这个问题的核心不是工具，而是信息入口不统一。建议先梳理下单流程，明确订单字段，再选择轻量级表单工具完成录入。需要我帮你列一个最小表单字段清单吗？
顾问角色需要小心“术语堆砌”。因为训练语料中有大量咨询报告风格内容，模型很容易在扮演顾问时写出“赋能”“闭环”“抓手”等词汇，看起来专业，实际对非技术用户不友好。提示词中明确要求“不说黑话”“多用场景举例”，可以有效改善输出。
四、角色提示词跑偏时怎么调试
即使模板很完整，模型输出仍然可能出现跑偏。此时不建议直接重写整个提示词，而是按字段逐个排查。先看身份和职责是否冲突，比如一个角色既要求“语气严肃”又要求“轻松幽默”，模型就会在两端摇摆。再看边界是否写得太宽，例如“回答所有用户问题”会让模型失去拒绝能力。最后检查示例对话是否与规则一致，如果示例中出现了规则里禁止的行为，模型会优先模仿示例。
调试时可以准备一个固定测试集，每次修改提示词后跑同样的问题。客服角色可以测试“用户要求额外赔偿”“用户情绪激动”“用户询问非业务问题”等场景；助手角色可以测试“错误日志只有一行”“用户给了模糊需求”等场景；教练角色可以测试“直接要答案”“代码错误不描述预期”等场景；顾问角色可以测试“要求保证收益”“要求推荐免费系统”等场景。观察模型回答是否越界、是否过度承诺、是否忽略输出格式。
还有一个实用技巧：把角色设定提示词当成代码一样做版本管理。每次修改只动一个字段，记录输出变化。这样能快速定位是身份信息不够清楚，还是禁止行为没有被模型理解。很多团队写出第一版提示词后就不再维护，业务规则一变，角色行为就开始失真。定期回看和更新角色卡，比频繁更换模型更有效。
总的来说，角色设定提示词的目标不是让AI“说人话”，而是让它在一个明确、可预期、可维护的范围内稳定工作。客服、助手、教练、顾问四类角色只是常见起点，模板结构可以复用到更多业务角色中。把身份、能力、语气、边界写清楚，再配合示例和测试迭代，就能明显减少AI在真实业务中的飘忽表现。