一、教程目标
本教程要帮助读者完成一项具体任务：掌握一种“先让AI选定专家角色、再让其回答问题”的提示词设计方法，并能够将其应用到实际工作场景中。
具体来说，你将学会：
- 理解为什么“让AI先选角色”比“自己硬想一个角色”更有效；
- 掌握一套可复用的角色选择提示词模板；
- 学会分步引导AI完成角色选择与问题回答；
- 能够根据自身业务场景灵活调整模板，而不必死记硬背。
本教程适合以下读者：
- 经常使用大语言模型辅助工作的开发者、产品经理、运维人员；
- 需要借助AI完成方案设计、技术选型、活动策划的技术负责人；
- 希望提升提示词编写质量、让AI输出更有深度的企业用户；
- 对Prompt工程有基础认知，但希望掌握更系统方法的进阶使用者。
二、适用场景
在以下场景中，这套方法的收益尤为明显：
- 场景一：你不确定该找谁“请教”。例如你要办一场公司年会，但不知道该从“活动策划专家”“品牌营销专家”还是“企业文化专家”的视角切入。
- 场景二：问题本身跨领域。例如“如何设计一个高可用的后端架构”，它可能涉及架构设计、成本控制、运维管理等多个维度，你需要AI帮你判断哪类专家最合适。
- 场景三：你希望获得更有“人味”的建议。相比泛泛而谈的通用回答，设定具体专家角色往往能激发AI输出更具针对性、更贴近实战的观点。
- 场景四：你需要快速定位问题本质。通过让AI先选角色并解释理由，你可以反向验证自己对问题的理解是否准确。
三、前置准备
在开始实践之前，你需要具备以下基础：
- 一个可用的大语言模型对话入口。可以是通用对话式AI助手，也可以是云服务商提供的模型调用接口。本教程不限定具体平台，读者可根据自身条件选择。
- 对提示词工程的基本认知。了解什么是系统提示、用户提示，知道角色设定对输出风格有影响即可。
- 一个真实待解决的问题。建议你带着一个实际工作中的问题来阅读本教程，边学边练效果更好。
- 基础的文本编辑能力。你需要能够复制、修改模板中的文字，并根据自己的场景做替换。
不需要你具备编程能力，也不需要你了解模型底层原理。本教程聚焦的是“怎么写出好提示词”，而不是“模型是怎么工作的”。
四、实施步骤
步骤一：理解核心心法——为什么让AI自己选角色
给AI设定具体角色是有用的，这一点已经被广泛验证。例如，让AI扮演“有十年经验的产品经理”通常比不设定角色得到更专业的回答；而如果设定一个更具体、更真实的角色，比如某位以产品直觉著称的历史人物，效果往往还会更好。
但问题在于：很多时候，你根本不知道该给问题设定什么角色。
你可能会陷入“憋角色”的困境：想找一个既专业又贴切的角色，结果想了十分钟还没开始提问。这时候，更高效的做法是——把选角色的任务也交给AI。
这个心法的逻辑是：
- 你比AI更了解自己的问题背景和目标；
- AI比你知道更多“世界上有哪些细分领域的专家”；
- 让AI先根据你的问题领域推荐专家，再由你确认或补充细节，最后让AI以该专家身份回答。
这样做的好处有三点：
- 降低你的认知负担：不需要自己绞尽脑汁想角色；
- 提高角色匹配度：AI可以从更广的知识面中挑选最合适的专家；
- 增加可控性：AI选完角色后会先输出理由，你可以判断是否合理，再决定是否继续。
步骤二：编写角色选择提示词模板
下面是一套可直接复用的模板。你只需要把【领域】和【问题类型/场景】替换成自己的内容即可。
我想探讨【领域】里的【问题类型/场景】。先别回答。请你先选一位最适合的领域顶尖名人专家来思考它。可以是活人或历史人物，名字可以小众，但必须在该细分领域很专业。如果你不确定该选谁，可以先反问我2个定位问题再选。先输出：1. 你选谁，他对应的细分领域2. 为什么选他，用三句话说明然后再让我描述详细的问题。
这个模板的设计要点如下：
- “先别回答”：防止AI直接给出泛泛的答案，强制它先完成角色选择；
- “顶尖名人专家”：引导AI从更高层次挑选角色，而不是随便选一个“资深工程师”；
- “可以是活人或历史人物”：扩大选择范围，不局限于当代人物；
- “名字可以小众，但必须专业”：鼓励AI选择真正匹配细分领域的专家，而不是选一个名气大但不相关的人；
- “先反问我2个定位问题”：当你描述不够清晰时，AI可以主动追问，避免选错方向；
- “先输出选谁和为什么”：让你有机会审核AI的选择，再决定是否继续。
步骤三：分步引导AI完成角色选择与回答
实际使用时，建议分两轮对话进行。
第一轮：让AI选角色
你发送模板后，AI会输出类似这样的内容：
1. 我选择：某位以大型活动策划闻名的行业专家 细分领域：企业年会与员工活动策划2. 为什么选他： 三句话说明理由……
此时你需要判断：
- AI选的专家是否真的贴合你的问题？
- 理由是否充分？
- 如果你觉得不合适，可以直接说“换一个更偏XX方向的专家”。
第二轮：描述详细问题并获取回答
确认角色后，你再详细描述问题。例如：
我们公司今年要办一场约300人的年会，预算有限，希望员工参与感强，最好能结合年度业务亮点。请以你选定的专家身份，给出策划思路。
AI会基于之前选定的角色，给出更具针对性的回答。
步骤四：根据场景灵活调整模板
模板不必完全照搬。根据不同场景，你可以做以下调整：
- 场景一：问题非常明确时。如果你已经很清楚该找什么角色，可以跳过“让AI选角色”，直接设定角色后提问。
- 场景二：问题非常模糊时。可以要求AI“先反问我3个问题”，帮助你自己理清需求。
- 场景三：需要多角色协作时。可以让AI选2-3位不同领域的专家，分别给出观点，再综合。
- 场景四：需要快速迭代时。可以要求AI“先选角色，再给出三个不同版本的答案”，便于对比。
步骤五：配置说明——关键要素解析
虽然这不是传统意义上的“配置文件”，但提示词中的每个要素都相当于一个配置项。理解它们的作用，有助于你写出更好的提示词。
| 要素 |
作用 |
常见取值逻辑 |
| 领域 |
限定问题范围 |
越具体越好，如“企业年会策划”而非“活动策划” |
| 问题类型/场景 |
说明你要做什么 |
如“方案设计”“技术选型”“故障排查” |
| 角色要求 |
限定专家层次 |
“顶尖”“细分领域专家”“有实战经验” |
| 是否反问 |
控制交互方式 |
问题模糊时开启，问题清晰时关闭 |
| 输出格式 |
控制AI输出结构 |
先输出角色和理由，再回答问题 |
注意：不要捏造不存在的“参数名”或“接口名”。提示词是自然语言，不是编程接口，灵活调整即可。
五、结果验证
如何判断这套方法是否生效？可以从以下三个维度验证：
- 角色匹配度：AI选的专家是否真的贴合你的问题领域？如果AI选了一个明显不相关的角色，说明你的问题描述可能太模糊。
- 回答深度：基于角色设定的回答，是否比直接提问更有深度、更具体？如果回答依然泛泛，可能是角色设定不够具体。
- 可操作性：回答中是否包含可落地的建议、步骤或思路？如果全是空话，可以要求AI“以该专家身份给出具体可执行的建议”。
如果验证不通过，可以回到步骤二，调整模板中的领域描述或角色要求。
六、常见问题与排查
问题一：AI选的角色我不满意怎么办？
直接告诉AI“换一个更偏XX方向的专家”，或者补充说明“我希望是更偏向实战落地的角色，而不是学术研究者”。
问题二：AI选完角色后，回答还是很泛怎么办？
可能是角色设定不够具体。你可以要求AI“进一步说明该专家会从哪些维度分析问题”，或者直接给出更详细的问题背景。
问题三：AI反问了2个问题，我不知道怎么回答？
这说明你的问题描述确实不够清晰。你可以先尝试回答AI的问题，或者直接说“你先按你的理解选一个角色，我再补充”。
问题四：这套方法适用于所有模型吗？
适用于大多数支持多轮对话的大语言模型。不同模型的输出风格可能不同，但核心逻辑一致。
问题五：会不会让提示词变得太长？
模板本身并不长，通常两三句话即可。真正的长度取决于你后续描述问题的详细程度。建议把重点放在“说清楚问题”上，而不是堆砌模板。
七、优化建议
从性能、安全、稳定性、可维护性、成本控制等角度，给出以下通用建议：
- 性能：提示词越清晰，AI第一次输出命中你预期的概率越高，减少来回返工的时间成本。
- 安全：不要在提示词中泄露商业机密、用户隐私或内部敏感数据。如果需要讨论敏感话题，建议做脱敏处理。
- 稳定性：把好用的模板保存下来，形成自己的“提示词库”。下次遇到类似问题，直接复用。
- 可维护性：给模板起个容易记的名字，例如“角色选择模板”“多专家对比模板”，方便管理和迭代。
- 成本控制：如果使用按量计费的模型服务，建议先用短提示词测试效果，确认方向后再补充详细背景，避免一次性发送大量无用信息。
八、总结
本教程围绕“让AI先选定角色再回答”这一核心心法，完成了以下工作：
- 解释了为什么让AI自己选角色比你自己硬想更高效；
- 提供了一套可直接复用的角色选择提示词模板；
- 拆解了分步引导AI完成角色选择与回答的操作流程；
- 给出了结果验证、常见问题排查和优化建议。
回顾关键步骤：
- 理解心法：把选角色的任务交给AI；
- 编写模板：用简洁的语言引导AI选专家；
- 分步引导：先选角色，再描述问题；
- 灵活调整：根据场景修改模板，不必死记硬背；
- 验证效果：从角色匹配度、回答深度、可操作性三个维度判断。
后续你可以继续关注的方向：
- 如何让AI同时选多位专家并综合观点；
- 如何把角色选择模板与具体业务场景结合；
- 如何建立自己的提示词库，提高复用效率。
希望这套方法能帮助你在日常工作中更高效地使用AI，获得更有深度、更具针对性的回答。