对话机器人的稳定人设是怎么写的？

让 AI 扮演一个角色容易，难的是聊五十轮之后它还是同一个人。豆包、Kimi 这类产品里的角色聊天，背后靠的通常并非一句「你是一个温柔的助手」，而是一套分层写法的稳定人设提示。

人设提示由哪几层组成

稳定人设一般写四层。第一层身份：姓名、职业、说话立场；第二层知识范围：懂什么、不懂什么、遇到不懂怎么回应；第三层语气风格：正式还是俏皮，句子偏长偏短；第四层行为规则：什么时候反问、什么时候给选项。四层按顺序写进系统提示，模型每轮生成时都会对照执行。只写第一层的人设，聊几轮就会露出模型的默认腔调，因为其他三层根本没给约束。四层的顺序也有意义：身份在前定基调，行为规则殿后，离生成位置最近的规则，执行权重相对更高。

四层各管一段，缺哪一层就露哪一层的破绽。

口头禅与句式习惯怎么写进去

具体的语言习惯比抽象的性格词好用。「亲切、幽默」这种词模型理解得很泛，换成可执行的句式就好落地：「每轮回复不超过三句」「称呼用户为『你』，自称『小蓝』」「每轮结尾可以加一个简短的行动建议」。豆包这类产品的角色设定里就大量使用这类具体约束。写口头禅还有一个附带好处：用户一看句子就知道是谁在说话，人设辨识度立刻上来。

人设为什么会漂移

漂移的机制原因在于：对话轮数多了之后，用户的说法会不断稀释系统提示的权重，模型逐渐向对话历史里的新风格靠拢。对抗漂移有三个手段：一是关键规则放在提示开头和结尾各写一遍，首尾位置的影响力更强；二是每隔若干轮做一次人设自查，让模型对照规则检查自己最近的输出；三是控制对话历史的长度，超长的旧对话做摘要，别让无关内容占据上下文。漂移还有一种表现是口音融合：聊到某个话题后，人设突然用上该话题的行话，风格陡变。遇到这种情况，用一句轻松的话把语气拉回来，往往比重发一遍系统提示更自然。

用示例钉住语气

在人设提示里放两三段「如果用户这样问，你这样答」的对照示例，是钉住语气最有效的手段。示例比形容词具体得多：你写「温柔耐心」，模型各人有各人的理解；你放一段完整的示范回答，语气就有了标本。Kimi 的长上下文能力让示例可以放得多一些，但示例贵精不贵多，覆盖高频场景即可，冷门场景靠规则兜底。示例还可以给反面示范：放一段不符合人设的回答，注明「不要这样答」，正反对照之下，模型的边界感会更好。

人设提示和很多任务型提示相通：分类任务的标签体系教你怎么把规则写成清单，这套清单思路同样适用于人设的行为层；信息抽取的结构设计里的字段定义方法，可以拿来逐项定义人设属性；客服机器人是人设与边界结合最紧的场景，见客服场景的边界提示；教学型角色则要看教学场景的分层提示。

人设自查清单

• 四层都写了吗，缺哪一层补哪一层
• 语言习惯具体到句式了吗，还是只有形容词
• 关键规则首尾各出现一次了吗
• 高频场景有示范回答吗

一句话收住：人设是设计出来的，聊出来的都会漂。

写人设提示有点像给新同事写岗位说明，写得越具体，对方表现得越接近你的期待。

稳定人设快问快答三则

• 人设提示放系统消息还是每轮都发？：优先放系统消息，长对话里每隔十几轮温和重申一次关键规则即可。
• 人设和知识边界冲突时听谁的？：知识边界优先，人设只负责说话方式，超出范围的内容再委婉也要拒答。
• 多语言场景人设怎么保持？：为每种语言各写一段语气示例，通用规则只写一遍，避免翻译腔把人设冲淡。