本文以我的参赛作品「路线先遣队」为例，聊聊在 AI Agent 中设计多角色系统的方法论——如何让同一组数据通过不同性格视角产生完全不同的输出，以及这种设计模式在企业 AI 应用中的潜力。

---

引言：同一组数据，为什么需要多种"声音"

AI Agent 领域有一个被低估的设计维度：输出人格化。

大多数 Agent 的输出风格是单一的——要么正式严谨，要么轻松友好。但在实际业务场景中，不同用户对信息的消费方式差异巨大：

• 决策者想要一句话结论
• 执行者想要操作步骤
• 旁观者想要轻松易读的摘要

我在高德开放平台Skill创意征集赛的参赛作品「路线先遣队」中，尝试了一种方案：用角色系统让 AI 以多种性格视角解读同一组数据。

🔗 Skill地址：https://clawhub.ai/qhvssonic/amap-route-reviewer

---

一、设计目标

场景：用户提出旅行需求，系统调用高德 API 生成路线方案，然后需要帮用户做决策。

传统做法：列出方案的距离、耗时、费用让用户自己比较。

问题：冰冷的数字很难帮人做决策。“飞机2.5h / ¥1200” vs “高铁8h / ¥600”——信息都给了，但用户还是纠结。

我的思路：让 AI 替你体验一遍，再用你能共鸣的方式告诉你感受。而且不同人需要不同的"感受视角"，所以设计了四个角色。

---

二、四角色系统设计

2.1 角色定义的三层结构

每个角色不是一句"你是一个毒舌的AI"就够了，需要三层定义：

第一层：性格内核（决定看问题的角度）
第二层：语言风格（决定怎么表达）
第三层：行为锚点（具体场景下的典型反应）

以「毒舌里子」为例：

层级	定义
性格内核	用反讽和冷嘲表达真实评价，吐槽中藏着有用信息
语言风格	反话正说、"恭喜你"系列、短句为主、冷幽默
行为锚点	堵车→"三环冥想体验"；下雨骑行→"你真是个天才"；费用高→"家里有矿"

为什么需要第三层？

只给 LLM 前两层定义，输出容易"飘"——有时候很毒舌，有时候又突然变温柔。行为锚点的作用是给模型足够多的"校准样本"，让它理解"毒舌的分寸"在哪里。

2.2 四个角色的设计逻辑

不是随便定了四种性格，而是基于信息消费需求的分类：

角色	满足的需求	用户画像
🔥 热血小高	“我需要被推一把”	犹豫型用户，需要正面鼓励
👵 碎碎念德仔	“我需要知道细节风险”	谨慎型用户，怕遗漏
🤡 毒舌里子	“我需要听真话”	理性型用户，讨厌废话
🧊 高冷阿巴	“我只需要数据”	分析型用户，自己下判断

四者覆盖了用户决策风格的四个象限。用户可以按自己的当前心态自由组合。

2.3 角色之间的冲突是"Feature"

同一条路线，四个角色给出的评价可能完全相反：

• 下雨天自驾：热血说"浪漫"，毒舌说"愚蠢"，碎碎念说"危险"，高冷说"风险+40%"
• 高消费方案：热血说"值得"，碎碎念说"心疼"，毒舌说"有矿"，高冷说"性价比0.6"

这种冲突不是bug，是核心价值。 用户看完四种截然不同的观点后，自然会形成自己的判断。这比AI给一个"正确答案"更有决策帮助——因为旅行选择没有客观正确答案，只有主观偏好。

---

三、数据→性格反应的映射机制

角色系统最大的技术挑战是：如何保证角色的反应是基于真实数据的，而不是AI在"编段子"。

3.1 触发规则表

我设计了一张数据条件→角色反应的映射表，作为 Prompt 的核心组成部分：

数据条件	热血小高	碎碎念德仔	毒舌里子	高冷阿巴
降水 + 户外活动	雨中浪漫	带伞/别感冒	天才决策	滑倒概率%
拥堵 > 2小时	听歌享受	带水/别憋尿	免费冥想	拥堵占比%
步行无遮荫 > 3km	晒太阳补钙	防晒霜/带水	免费桑拿	紫外线指数
景点评分 < 4.0	小众有惊喜	评分低别踩雷	花钱看差评	评分x.x/5
连续驾驶 > 2h无服务区	风景看不够	别疲劳驾驶	膀胱赛跑	服务区间距km

这张表的本质是"领域知识的结构化表达"。

它约束了 LLM 的发挥方向——不是让模型随便联想，而是在"满足条件X时，角色Y必须从方向Z来评价"这个框架内创作。既保证了真实性（每条评价都关联具体数据），又保留了创造性（具体怎么表达由模型发挥）。

3.2 数据深挖指引

为了让评价更有"内行感"，我在 Prompt 中列出了高德 API 返回数据中值得挖掘的细粒度字段：

• POI评分 + 评论数：低分景点让毒舌重点关照
• 营业时间：如果到达时已关门，碎碎念提醒、毒舌嘲讽
• 沿途设施密度：无厕所/便利店区段触发"膀胱挑战赛"
• 红绿灯数：过多触发"停车起步大师训练营"
• 收费站数量和费用：累计费用让毒舌发挥"这条路是金子铺的"
• 公交换乘步行距离：换乘多让碎碎念发挥"别坐过站"

数据越细，角色评价越像真的"走过一遍"，而不是在泛泛而谈。

---

四、两种输出模式的设计

4.1 速评模式

每个角色给一段总评。适合快速决策。

🤡 毒舌里子：
"经典热门路线，排队2小时拍照30秒。
 不过飞机至少体面，花钱买罪受也得有底线。"

设计要点：控制在3-5句话内，有观点、有数据、有态度。

4.2 实况模式

角色模拟按时间线行进，逐段发消息：

🤡 [08:00 出发]："外面飘着小雨。你确定不是在拍公路灾难片？"
🤡 [09:30 到达]："门票80，停车20。2000年前李冰治水没想到有人下雨来看水。"
🤡 [17:00 返程]："全程280km，花了一天钱看了一天雨。"

设计要点：

• 每条消息关联一个路线节点（出发/途经/到达）
• 每条消息至少引用一个真实数据点
• 按时间线排列，有"实时感"

实况模式的灵感来自"朋友旅行时给你发消息"的真实体验——你不在场，但通过对方的实时动态有代入感。

---

五、这种设计模式的更广泛适用性

角色系统不只适用于旅行评价，它的本质是一种多视角信息解读框架。以下场景也适用：

场景	角色设计思路
代码审查 Agent	安全官（只看漏洞）+ 性能控（只看效率）+ 架构师（看设计）+ 新人（看可读性）
投资分析	乐观派（看增长）+ 悲观派（看风险）+ 数据派（只看财报）+ 趋势派（看行业）
产品评审	用户视角 + 开发视角 + 商业视角 + 竞品视角
设备运维	效率导向（最快修好）+ 成本导向（最省钱）+ 安全导向（最稳妥）+ 预防导向（看趋势）

核心模式：N个固定视角 × 同一组数据 = N种有明确立场的解读。

比起让一个 AI 给"全面而平衡"的答案（实际上往往是废话），多角色系统强制从不同极端给出观点，用户在冲突中形成自己的判断。这符合决策心理学中的"考虑对立面"（consider the opposite）去偏技术。

---

六、Prompt Engineering 的关键经验

做完这个Skill，总结几条角色系统设计的Prompt工程经验：

6.1 行为锚点比性格描述重要10倍

不要：你是一个毒舌的AI，说话要阴阳怪气
要：堵车→"恭喜解锁三环冥想"；下雨骑行→"你真是个天才"；费用高→"家里有矿"

给10个具体例子，比写100字性格描述有效得多。

6.2 触发条件要跟数据绑定

不要：如果用户的方案不好，就吐槽（什么叫"不好"？模型自己判断会飘）
要：如果降水概率>60%且活动类型=户外，则触发天气相关吐槽（数据条件明确）

6.3 限制输出长度

角色容易"话太多"。需要明确约束：

• 速评：3-5句话
• 实况每条消息：1-3句话
• 每条消息必须关联一个数据点

6.4 显式定义"不做什么"

毒舌里子不能真的冒犯用户，只能吐槽"方案/情况"。
碎碎念德仔不能变成"否定一切"的悲观主义者。
角色的边界和角色的特征同样重要。

---

七、总结

「路线先遣队」的角色系统设计，核心是三件事：

1. 基于用户决策需求设计角色（不是为了搞笑而搞笑，每个角色服务一种信息消费方式）
2. 用触发规则表绑定数据和角色反应（确保输出有据可查，不是AI编故事）
3. 在可控框架内保留创造性（约束方向，不约束具体表达）

这种"多角色×同一数据"的设计模式，在任何需要"从多个角度解读信息帮助决策"的 AI 应用场景中都适用。

🔗Skill地址：https://clawhub.ai/qhvssonic/amap-route-reviewer