你是不是也覺得AI回話像個萬能路人？
你問AI一個專業問題，它給你一段四平八穩的答案——正確但平淡，像課本抄來的，不是業界會講的話。你心想：「這東西明明有潛力，為什麼說出來就是少了點『那個味』？」其實問題不在AI笨，在你忘了給它一個「人設」。就像你打電話給客服，如果對方說「我是新手」，你會不自覺放慢語速；如果對方說「我是資深專員」，你自然期待更精準的回答。AI也一樣，你給它一個角色，它就會把語氣、用詞、思考角度，切到那個職業常用的頻道。不是它變厲害了，是它學會模仿那個行業的說話方式。
下次提問時，先說「你是一位有10年經驗的資深財務顧問」，答案會立刻變專業。
為什麼加一句「你是專家」就有效？
現代主流AI模型在訓練時，看過海量的文字——從財報、醫療報告、行銷文案到客服對話。這些資料裡，不同職業的講話模式其實有明顯特徵：財務顧問愛用「風險」「報酬率」「長期規劃」；行銷人常說「痛點」「轉換率」「品牌調性」。當你設定角色，AI就像在資料庫裡按下「過濾鍵」，只提取符合那個職業的語言分布。它不是真的懂財務，它只是學會從「財務顧問的說話方式」這個抽屜裡拿東西出來。這解釋了為什麼角色越具體越好：只寫「專家」等於沒鎖定抽屜，AI還是從「所有人類說話方式」的大雜燴裡亂抓。
角色設定要具體到什麼程度？
很多人以為角色設定就是「你是一位文案編輯」，結果答案還是很籠統。關鍵在於給出三個層次：年資、專長、立場。舉例來說，不要只說「你是財務顧問」，要說「你是一位有15年經驗、專精退休規劃的財務顧問，立場偏向保守穩健」。這樣一來，AI會自動避開高風險建議，用「長期複利」「資產配置」這類詞，語氣也會像老前輩。你可以試試這個對比：問「如何投資100萬？」用「專家」角色，它會給通用建議；用「保守型退休規劃顧問」，它會先問你年齡與風險承受度。差別就在角色設定的顆粒度。
角色設定有極限嗎？什麼時候不該用？
角色設定不是萬靈丹。如果問題本身太模糊（例如「給我一些人生建議」），就算你設定「諾貝爾獎得主」，AI也只能從訓練資料裡抓一堆格言拼湊，不會突然變智者。另外，角色設定不能讓AI突破知識截止日（訓練資料的時效限制），知識截止日之後的事它還是不知道。最常見的誤區是設定一個你根本不了解的職業，例如你對法律一竅不通，卻設定「頂尖律師」，然後完全相信它的回答——這很危險。角色設定只是幫你調語氣和視角，不是幫你驗證事實。把它當成「風格濾鏡」，不是「真理開關」。
最容易誤會的地方
角色設定不是讓AI變聰明，是讓它說話像某個行業的人。它會模仿用詞、語氣和思考框架，但不會因此更準確或更有常識。你還是要自己判斷內容對不對，只是省了「重新組織語言」的力氣。
下次提問前的30秒檢查
先想清楚你要哪個行業的回答，然後在prompt裡加上「你是一位___」填空。填的時候給出三個資訊：年資（例如10年經驗）、專長（例如退休規劃）、立場（例如保守穩健）。最後問自己一句：「這個角色設定會讓AI偏向某種風險嗎？」如果有，就補一句「請同時提供其他觀點」。
讀者最常問的幾個問題
多數現代主流AI模型都支援，但效果不一樣。有些模型對角色設定很敏感，一句「你是一位老師」就能改變語氣；有些則需要更詳細的描述。建議你自己試試看，調整到滿意為止。
可以，但要小心角色衝突。AI會試著融合兩種語氣，結果可能兩邊都不像。建議一次只設定一個主要角色，如果需要跨領域，可以分兩次提問，或加一句「請以財務顧問為主，輔以心理師的溫和語氣」。
