通义星尘怎么用？AI 角色定制的玩法

通义星尘这类角色定制产品，评价标准和通用助手不一样。问通用助手一个概念，你看它答得准不准；让一个角色跟你对话，你看的是它像不像那个人，语气、用词、知道什么、不知道什么。标准一变，设定的写法也得跟着变。

角色像不像，取决于有没有写“不知道”

多数人写角色设定只写“是谁”：一位资深 HR、一位耐心的日语老师。这样写出来的角色没有边界，问什么都能答，答什么都一个腔调。让人物立起来的关键是否定项：他不知道公司内部薪酬结构、不会主动给建议、不聊与工作无关的话题。

一个可用的比例：身份与口吻占三成，知识范围占四成，行为约束占三成。知识范围写得越细，角色越不容易在无关话题上飘走；行为约束写得越具体，对话越经得起多轮。

四件事写清楚，角色就稳了

身份，包括他是谁、在什么场景里、面对的是谁。口吻，包括句子长短、用不用术语、有没有固定的口头习惯。知识边界，包括他知道哪些材料、哪些年份、哪些岗位的信息。反应方式，包括被问到不知道的事怎么接、被质疑时怎么处理。

反应方式容易被漏掉，却最能体现差别。同一句“这个我不清楚”，可以答成敷衍，也可以答成“这块我没参与，建议你问项目组”。把这句话写进设定，角色的可信度会明显不同，因为它表现出一个人该有的处境感。

角色立不住，通常是四种表现

这四种表现可以当自检清单：新角色聊满五轮，回头看有没有中招，中了就补对应那一格，比通篇重写省事。

三类场景，各自的重点不同

对话练习的重点是难度可调。模拟面试时，让角色按岗位级别调整追问深度：初级岗问基础流程，高级岗追问取舍理由。练谈判时，让它在你的让步之后继续压价，而不是一口答应，否则练不出抗压。

内容创作的重点是口吻一致。先给它三句样本台词，再让它写对白，比只写“语气活泼”有效得多。写长了要回头检查，角色是不是从第五段开始变成通用助手，这类漂移在长文里格外常见。

语言学习的重点是纠错方式。让它每次只纠一个错误，并在回复末尾用一句话说明为什么错，效果比一次性列五条问题好。错误堆在一起，人只会记住挫败感，记不住规则。

多轮之后角色变形，怎么拉回来

角色漂移的典型表现：开头两轮很像，第五轮开始用通用助手的语气，第十轮彻底变成问答机器。原因是对话越长，模型越倾向于回到“有帮助的助手”这个默认模式，设定在上下文里的权重被稀释。

拉回来的办法是在关键节点重述设定，不必重开对话。一句“你还是刚才那位面试官，继续按刚才的标准追问”，通常就能把语气拉回去。另一个办法是把核心三条固定在每轮输入里，代价是多花一点上下文，换回来的是稳定。

如果重述两次仍然拉不回，说明设定本身有冲突，比如既要求“简短直接”又要求“详细解释”。这时候该回到设定里做减法，而不是继续在对话里纠正。

角色自检速查

• 四要素：身份、口吻、知识边界、反应方式
• 每条约束都写成可执行的动作，不写形容词
• 准备三句台词，作为口吻的锚点
• 聊满五轮查一次漂移，跑偏先重述设定
• 事实、数据、承诺，不交给角色回答

角色扮演承担不了什么

它给不了真实反馈。模拟面试里，角色的评价是按你写的设定演出来的，不是真实面试官的判断。练表达可以，拿它的评语当录用依据不行。

它也不适合当长期的情感支持对象。角色会顺着你说，这是设定使然，不是它真的理解你。长期只在这种对话里获得回应，容易把“被顺着”误当成“被理解”。用于练习和创作是合适的，代替真实关系不合适。

事实性问题同样不能交给角色。角色一旦被设定成某领域专家，它会在超出知识范围时仍然用专家口吻作答，听起来更可信，错得也更像真的。涉及数据、条款、结论的内容，回到通用助手并核对来源。

还有成本这一层：角色越细，维持它需要的上下文越多，长对话到后段容易顾此失彼。设定写到能覆盖四要素就够了，具体的长度上限以官方最新版本为准。

三个实操疑问

• 一个角色能不能同时用于面试练习和闲聊？：能，但会互相稀释。面试官不该闲聊，朋友不该追问项目细节，两套行为约束放在一起，两个场景都不像。建议拆成两个角色，共用同一份背景资料。
• 设定写多长合适？：到能覆盖四要素为止，通常几百字就够。写到两三千字，前面的条目会被后面的细节淹没，模型反而抓不住重点。宁可少写，把每一条写成可执行的规则。
• 怎么判断是角色在答，还是模型在答？：问一个设定里没写、但常识能答的问题。角色毫不迟疑地给出标准答案，说明约束没生效；它按设定回避或转交，说明角色还在。

角色设定写到能落地，才算完成一半。如果这个角色要记住对话者的偏好，用数据库记住用户信息提供了另一种更结构化的做法；如果它要判断什么时候该接话、什么时候该转交，意图识别的置信度那套阈值思路可以直接借；设定里那些指令的措辞，把官方提示词改成自己的给了改编动作；多套角色要反复使用时，历史记录的搜索与导出能帮你把旧版本找回来对照。角色好不好用，取决于设定够不够细。