AI 智能体稳不稳定，八成取决于人设与回复逻辑怎么写。人设不是给机器人起个名字、定个性格那么简单，而是把身份、能力范围、回复格式、拒答边界写成明确规则，让它在各种提问面前都有章可循。写得模糊，机器人就用模型默认的方式自由发挥，跑偏是必然结果。
人设要写全的四个要素
一份够用的人设包含四块。身份与语气：它是谁、服务谁、用什么口吻说话，比如「你是某品牌售后助手，语气亲切简洁，服务购买过产品的用户」。能力清单：明确列出它能处理的问题类型，清单之外怎么答也写明，这让模型面对超出范围的问题时不会硬答。回复格式：答案长度、是否分点、要不要先给结论，格式固定后用户预期稳定，排查问题也容易。知识与依据：回答以知识库为准还是允许通用知识，涉及产品参数、价格这类易变信息，必须写明「以知识库或官方页面为准」。四要素写完通读一遍，凡是「视情况而定」的表述都改成具体规则，模糊地带就是跑偏的高发区。
回复逻辑的分支设计
回复逻辑是把「遇到什么问题走什么路径」写成规则。常见的分支结构：问题落在知识库范围内，先检索知识库，检索到就基于内容回答并附依据；涉及实时信息（库存、订单状态、价格），调用对应工具或插件查询，不凭记忆作答；属于闲聊或情感表达，走轻量回应，不占用工具资源；超出能力范围，直接说明并给出转人工或替代渠道。每个分支的优先级也要写，尤其「知识库与通用知识冲突时听谁的」这类问题——通常应规定以知识库为准。写分支逻辑时用一个技巧：想象十个最典型的用户提问，逐个问「按我的规则它会走哪条路」，走不通的分支就是规则漏洞。
拒答边界的明示写法
不跑偏的另一半是「该拒的坚决拒」。人设里要写清三类边界：超出业务范围的（竞品比较、政策解读、与产品无关的咨询），用固定话术礼貌说明并引导到正确渠道；敏感或高风险话题（涉及他人隐私、医疗法律判断、投诉升级），明确不展开、给官方通道；模型不确定的内容，规定它承认不确定，而不是编一个听起来合理的答案。拒答话术本身也值得花心思写：生硬的「无法回答」伤体验，「这个问题我帮不了，您可以……」既守住边界又留了出路。边界写得越具体，机器人越不容易被诱导着说出不该说的话。
用测试问题集校准人设
人设写完必须用一组问题实测，分三类出题：正常问题（业务范围内的典型提问，看答案是否符合格式与事实）；变体问题（换个说法、带错别字、一次问两件事，看它是否还能正确路由）；诱导问题（故意把话题带偏、要求它假装别的身份、追问敏感内容，看边界是否守住）。每类至少十道，跑一遍记录所有跑偏案例。跑偏的原因通常能归到人设的某一条缺失或模糊，把修正直接写回规则里，再跑一轮。三轮之内还反复出现同类跑偏，说明规则之间有冲突，重新通读排一次序。这个校准循环没有捷径，是多轮打磨出来的。
在腾讯元器里的配置与迭代
以腾讯元器为代表的智能体平台，把人设提示与插件、知识库分开配置，改人设不影响工具连接，迭代起来比较顺手，具体配置入口以平台当前版本为准。实操节奏建议：人设改动一次只改一处，改完立刻用测试问题集回归一遍，确保新改动没有破坏原有行为；每次跑偏案例及其修正都记进一份变更日志，一个月后回看，哪类问题反复出现就针对性补强那部分规则。人设不是写完就完，它是随业务变化持续维护的文档——产品更新了、话术调整了、新风险出现了，规则都要跟着走一遍。
怎么写人设才能让智能体稳定不跑偏？
- 人设写得越长越好吗？：不是。规则贵在明确而非冗长，互相冲突的长规则反而引发混乱，每条规则都要具体、可执行、不与其他条目打架。
- 知识库和提示词冲突时听谁的？：在提示词里明确优先级，通常知识库优先于模型的通用知识，没有明示优先级时模型的选择会不稳定。
- 多久需要回头修订一次人设？：业务或产品有变化时随时改，没有变化也建议每月跑一遍测试问题集，行为漂移是渐进的，定期回归能及早发现。
