核心观点

给 AI 分配不同角色能提升效率，避免上下文混乱，确保输出更精准专业。核心是定制提示词 + 隔离上下文。

来源

核心论述

1. 传统方式的问题

把 AI 当搜索引擎用：一个问题一个对话框，上下文混乱，AI 难以深入推理，给的答案不够专业。

2. 改进：单角色专注

在一个对话框里只问同类问题，AI 能更精确深入地推理，输出更专业。

3. 最佳实践：角色分工

给 AI 分配不同角色，每个角色有：

  • 定制提示词：包括要求、输出类型、示例
  • 隔离上下文：每个角色上下文差异化

4. 实现要点

AI 工具需要支持对话框分组/归类，同一组下的对话应用同一套提示词和上下文。

实践案例

案例一：多语言翻译助手

  • 专属 project，输入中文自动翻译英文
  • Prompt 包含明确规则：翻译方向、格式要求、示例
  • 输出格式固定：Original / Translation / Explanation / Example

案例二：汇报助手

  • 输入源：每周 git log 提取的提交记录
  • 角色：资深前端开发
  • 输出：格式化的周报

延伸思考

  1. 角色分工本质上是专业化：让 AI 专注一个领域，减少上下文切换带来的精度损失
  2. Prompt 是经验的封装：好的 Prompt 包含了对输出格式、风格、规则的明确期望
  3. 工具支持很关键：需要支持对话框分组/归类，才能实现真正的角色隔离
  4. 角色可以迁移：同一套角色体系可以在不同工具间迁移

相关概念

待探索

  • 在 Cursor/OpenClaw 中实现类似的多角色体系
  • 不同模型对同一套 Prompt 的解析差异