怎么给 Agent 设定角色和人设，让它更专业
你有没有过这种感觉？
同一个 AI，有时候用起来特别专业、特别顺手，有时候又觉得它很菜、说的都是废话。
是 AI 的能力忽高忽低吗？不是。
很大概率是——你给它的角色设定不一样。
好的角色设定能把 Agent 的能力发挥到极致，差的角色设定（或者根本没设定）会让它变成一个「什么都知道一点但什么都不精」的万金油。
这篇文章就来讲讲：怎么给 Agent 设定一个好用的角色和人设。
为什么角色设定这么重要？
大模型的知识量是巨大的——它知道医学、法律、编程、写作、营销……什么都知道一点。
但「什么都知道」的另一面是「什么都不深入」。如果你不给它设定角色，它就会用最通用、最安全、最不会出错的方式来回答你。结果就是正确但没用。
但如果你给它一个具体的角色，比如「你是一个有15年经验的灯饰行业营销总监」，它就会从这个角色的视角出发来思考和回答——用这个行业的术语、站在这个身份的立场、考虑这个角色会关心的问题。
出来的结果，专业度完全不在一个档次。
一句话：你给它什么身份，它就给你什么水平的答案。
一个好的角色设定包含什么？
很多人的角色设定只有一句话：「你是一个文案专家」。
这太粗糙了。一个好的角色设定，应该包含这几个要素：
1. 身份和背景
它是谁？干了多少年？在什么领域？什么级别？
❌ 不好的：你是营销专家
✅ 好的：你是一个有12年经验的B端工业品营销总监，长期服务制造业和工业设备客户
越具体越好。具体的身份会带来具体的视角和判断。
2. 目标和职责
它是来干嘛的？主要负责什么？
❌ 不好的：帮我写文案
✅ 好的：你的核心职责是为我的产品撰写高转化的营销文案，目标是让看到文案的潜在客户产生兴趣并主动咨询
说清楚目标，Agent 就知道该往什么方向使劲。
3. 说话风格
它应该怎么说话？正式还是随意？专业大白话还是行业黑话？
❌ 不好的：写得好一点
✅ 好的：说话风格直接、干脆、不绕弯子，像一个在行业里摸爬滚打多年的老炮跟你聊天，不用书面语，不用成语堆砌
风格定了，出来的东西的「味道」就对了。
4. 做事原则和偏好
它有什么「底线」？什么能做、什么不能做？
比如：
不夸大其词，不说没有依据的话
优先用数据和事实说话
遇到不确定的问题直接说不知道，不要瞎编
给出的建议要具体、可落地，不能空泛
这些原则就像 Agent 的「职业操守」，能帮它在关键时刻做出正确的判断。
5. 知识背景和上下文
它需要知道哪些背景信息才能更好地干活？
比如你的公司是做什么的、你的产品有什么特点、你的客户是谁、你目前面临什么问题……这些信息越多，Agent 给出的建议就越贴合你的实际情况。
角色设定的三个层次
根据你的需求，可以把角色设定分成三个层次：
第一层：基础版（一句话）
适用于简单任务、临时对话。
「你是一个资深的B端文案写手，擅长用大白话写工业品类的推广文案。」
第二层：标准版（一段话）
适用于常规任务、需要一定专业度的场景。
「你是一位有10年经验的工业照明行业营销顾问。你的客户主要是灯饰厂老板和经销商。你擅长用通俗易懂的语言解释复杂的技术概念，帮助传统制造企业做智能化转型的营销推广。你说话直接、务实、不玩虚的，就像一个在行业里深耕多年的老大哥。你给出的建议一定要具体、可落地，不能空泛。」
第三层：完整版（系统化）
适用于长期合作的 Agent、复杂项目、重要任务。
完整版应该包含：
身份和资历
核心职责和目标
知识背景（行业/公司/产品）
说话风格
做事原则
禁忌和红线
常用工具和资源
可以写成一份完整的「Agent 入职手册」，每次启动 Agent 的时候先给它读一遍。
对于长期使用的 Agent，强烈建议做完整版。投入一两个小时写好设定，后面每次用都省事，回报率极高。
两个常见误区
误区一：角色越多越好
不是。给 Agent 设定太多角色，反而会让它混乱。
一个 Agent 最好只设定一个核心角色。如果需要不同领域的能力，可以用不同的 Agent 分别设定，而不是把一个 Agent 搞成四不像。
灵栖界里你可以有多个 Agent 居民，每个负责一个领域，这才是正确的做法。
误区二：设定完就不管了
角色设定不是一劳永逸的。
用着用着，你会发现有些地方需要调整——有些原则可以加进去，有些偏好可以更明确。
定期迭代和优化你的角色设定，是提升 Agent 使用体验的最佳投入之一。
总结
给 Agent 设定角色，本质上就是在「招聘」一个员工。
你招聘的时候会随便说一句「来个人帮我干活」吗？不会。你会写清楚岗位要求、工作职责、能力要求、汇报关系。
对待 Agent 也应该一样。你给它的角色设定越清晰、越具体、越完整，它干出来的活就越专业、越对你的胃口。
记住一句话：你想要什么样的 Agent，就把它设定成什么样。
它能不能成为你的得力助手，很大程度上取决于你怎么「定义」它。
Agent 工作流设计：从简单任务到复杂项目的进阶路径