Day 9：角色扮演与风格控制

欢迎来到第九天！今天我们将学习如何通过系统提示（System Prompt）让模型扮演不同的角色，并精确控制输出的语气、风格和内容深度。这项技能在构建 AI Agent 时非常重要，因为不同的场景需要不同的人设：客服需要礼貌耐心，律师需要严谨专业，文案需要活泼创意。掌握角色扮演，你就能让同一个模型变成完全不同的“专家”。

---

一、今日学习目标

1. 理解角色扮演的核心原理：通过 System Prompt 设定人设、知识边界、说话风格和行为准则。
2. 学会编写高质量的角色设定提示词，包括背景、目标、语气、限制等要素。
3. 通过实验对比：让同一个模型分别扮演“严肃的法律顾问”和“幽默的脱口秀演员”，对同一则新闻进行解读，观察输出差异。
4. 掌握使用 Few-shot 示例进一步稳定风格的方法。
5. 了解如何在实际 Agent 开发中运用角色扮演来提升用户体验和任务效果。

---

二、详细实现步骤

步骤 1：准备一条新闻素材

我们选择一条近期或经典的新闻作为解读对象，例如：

某科技公司发布了一款新型智能手机，售价高达 19999 元，采用钛合金边框和折叠屏设计，并宣称拥有“革命性的电池技术”。该手机一经发布便引发热议，有人称赞创新，也有人质疑定价过高。

我们将其作为输入文本，让不同角色来评论。

步骤 2：编写基础调用函数

新建 roleplay_demo.py，导入依赖并初始化客户端（与之前相同）：

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()
client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com"
)

def ask_with_role(role_prompt: str, user_input: str, temperature: float = 0.7, max_tokens: int = 500) -> str:
    """根据角色提示进行对话"""
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": role_prompt},
            {"role": "user", "content": user_input}
        ],
        temperature=temperature,
        max_tokens=max_tokens
    )
    return response.choices[0].message.content

步骤 3：设计两个截然不同的角色 System Prompt

角色 A：严肃的法律顾问

lawyer_prompt = """
你是一位经验丰富的法律顾问，擅长从法律和商业风险角度分析问题。你的回答必须严谨、客观、专业，使用正式书面语。你会指出事件中可能涉及的法律问题、合规风险以及建议。避免使用口语或幽默。你的语气冷静、权威。
"""

# 用户输入将要求其对新闻进行法律视角的评论
user_input = "请从法律和商业风险的角度，分析以下新闻：某科技公司发布了一款新型智能手机，售价高达 19999 元，采用钛合金边框和折叠屏设计，并宣称拥有“革命性的电池技术”。该手机一经发布便引发热议。"

角色 B：幽默的脱口秀演员

comedian_prompt = """
你是一位幽默的脱口秀演员，擅长用夸张、讽刺、比喻等手法来调侃社会现象。你的语言风趣、接地气，经常使用网络流行语和段子。你的任务是用幽默的方式评论新闻，让观众发笑的同时也能引发思考。避免说教，保持轻松活泼的语气。
"""

comedian_input = "用脱口秀的方式吐槽一下这条新闻：某科技公司发布了一款新型智能手机，售价高达 19999 元，采用钛合金边框和折叠屏设计，并宣称拥有“革命性的电池技术”。该手机一经发布便引发热议。"

步骤 4：调用并对比输出

print("========== 法律顾问视角 ==========")
lawyer_response = ask_with_role(lawyer_prompt, user_input, temperature=0.3)  # 法律分析需要低温度
print(lawyer_response)

print("\n========== 脱口秀演员视角 ==========")
comedian_response = ask_with_role(comedian_prompt, comedian_input, temperature=0.9)  # 幽默需要高温度
print(comedian_response)

观察与思考：

• 法律顾问的输出会包含“可能涉及虚假宣传”、“消费者权益保护法”、“定价策略的法律风险”等专业词汇，语气正式。
• 脱口秀演员的输出可能包含“这价格是准备让消费者卖肾吗？”、“钛合金边框？我看是钛合金智商税！”等调侃，语言生动，甚至带点夸张。
• 角色扮演成功的关键在于 System Prompt 中对人设、语气、知识范围的详细描述。

步骤 5：使用 Few-shot 示例强化风格

有时候仅靠描述还不够，我们可以提供一两个示例来让模型更好地模仿风格。例如，对于脱口秀演员，可以加入一个示例：

comedian_prompt_with_example = """
你是一位幽默的脱口秀演员，擅长用夸张、讽刺、比喻等手法来调侃社会现象。你的语言风趣、接地气，经常使用网络流行语和段子。你的任务是用幽默的方式评论新闻，让观众发笑的同时也能引发思考。避免说教，保持轻松活泼的语气。

以下是一个示例：
用户：某公司推出了一款售价 8888 元的保温杯，号称能保温 48 小时。
你：48 小时？这保温杯是准备穿越到冰河世纪用的吧？买它的人估计不是口渴，是缺爱，需要一个杯子来温暖自己冰冷的心。8888 元，够我买一车普通保温杯，每天摔一个听响儿！

现在，请按此风格吐槽以下新闻：
"""

然后调用：

comedian_response2 = ask_with_role(comedian_prompt_with_example, comedian_input, temperature=0.9)
print("\n========== 带示例的脱口秀演员 ==========")
print(comedian_response2)

对比与直接描述的风格差异，通常带示例的输出更贴近预期。

步骤 6：温度对风格的影响

对于角色扮演，温度是一个重要参数：

• 低温度（0.1~0.3）：输出更稳定、保守，适合严肃角色（如律师、医生）。
• 高温度（0.7~1.0）：输出更随机、创造性高，适合幽默、创意角色（如段子手、诗人）。

我们可以简单实验一下：

print("\n========== 不同温度下的脱口秀演员 ==========")
for temp in [0.2, 0.7, 1.2]:
    resp = ask_with_role(comedian_prompt, comedian_input, temperature=temp)
    print(f"温度 {temp}:\n{resp}\n")

观察幽默程度和连贯性的变化。

---

三、常见问题与调试

Q1：角色扮演不到位，输出仍然很通用。
→ 尝试在 System Prompt 中加入更具体的描述，例如“你曾经在法庭上打过 100 场官司”、“你说话喜欢用‘咱就是说’开头”等。加入 Few-shot 示例通常能显著改善。

Q2：法律顾问输出不够专业怎么办？
→ 可以进一步细化角色背景：“你拥有中国政法大学法学博士学位，专注消费者权益保护法领域 10 年”。同时降低温度，提供法律文书风格的示例。

Q3：幽默风格太过火，出现不适当内容？
→ 在 System Prompt 中明确限制：“不得使用侮辱性语言，不得涉及敏感话题”。如有需要，可在代码层面对输出进行关键词过滤。

Q4：如何让模型在角色中保持一致性？
→ 在多轮对话中，需要将历史消息一起发送，并确保 System Prompt 始终存在。对于长期角色，还可以结合记忆模块（后续会学到）来保存角色设定。

Q5：角色扮演在 Agent 中的实际应用场景？
→ 比如：

• 客服 Agent：扮演“耐心热情的客服专员”。
• 教育 Agent：扮演“循循善诱的老师”。
• 多智能体协作：不同 Agent 扮演不同角色（如 CEO、程序员、测试员）进行分工。

---

四、今日总结与作业

今天你完成了：

• ✅ 学会了通过 System Prompt 设定角色和风格。
• ✅ 通过实验对比了严肃与幽默两种角色的输出差异。
• ✅ 掌握了使用 Few-shot 示例和温度调节来强化角色风格。
• ✅ 理解了角色扮演在 Agent 开发中的重要性。

今日作业（必做）：

1. 自己设计一个角色（例如“暴躁的健身教练”、“温柔的心理咨询师”、“毒舌的时尚评论家”），编写 System Prompt，并让它评论一条新闻或一段文字。测试并调整，直到输出符合预期。
2. 为你的角色添加一个 Few-shot 示例，观察效果提升。
3. （思考题）在构建一个多智能体系统时，你如何为不同 Agent 设计角色以避免它们输出风格混乱？请用 100 字以内描述你的策略。

明日预告： 我们将学习长文本处理与摘要，了解如何让模型高效处理超出上下文窗口的长文档，为后续 RAG 和记忆机制打下基础。

有任何问题欢迎随时提问！