指定角色
讓 AI 用對的身分回答
在提示開頭給 AI 一個身分——「你是一位資深客服主管」「你是專門幫中小企業算稅的會計師」——它的用詞、專業深度、切入角度會整個跟著換。同一個問題，指定對的角色，答案的專業度跟語氣可以差一大截。
這一站重點
- 一句「你是一位○○」就能同時調好語氣、專業度和切入角度，CP 值極高。
- 角色影響的不只是口氣，連邏輯和判斷的水準都會跟著提升——它會用那個專業的腦袋想。
- 角色給得越具體越好：「資深客服主管」比「客服」好，再加「處理過大量奧客、擅長安撫情緒」更好。
- 順便講清楚「說給誰聽」：同一個角色，對老闆講和對客戶講，會自動換不同深度。
深入研讀 · 實作步驟
上面的重點讀完就夠用了；想真的搞懂原理、照著做，往下看完整說明與步驟。
這招的原理很直覺：你請「一位法律顧問」跟請「一位鄰居」看同一份合約，講出來的東西當然不一樣。AI 內建了海量不同專業、不同口吻的資料，你給它一個角色，等於幫它從那片大海裡「定位」到對的那一塊，它就會用那個身分該有的用詞、深度和謹慎程度來回你。
官方特別強調：角色影響的不只是語氣，還有能力表現。同一道有點繞的邏輯題，直接問，AI 可能會猶豫或答錯；但先跟它說「你是一個專門解邏輯難題的推理引擎」，它反而能一步步推對。給它一個「專業的身分」，它就會擺出那個專業該有的思考方式。所以角色不只是化妝，是真的會讓輸出變聰明。
用在台灣中小企業的日常，威力很明顯。要回一封難搞的客訴？「你是一位處理過上千件客訴、最擅長安撫情緒又守住公司立場的資深客服主管」。要把一堆數字講給老闆聽？「你是一位會把財報講成白話、讓非財務背景老闆秒懂的顧問」。要寫貼文？「你是一位擅長寫在地小店社群、語氣親切會玩梗的小編」。角色一換，成品的味道整個對了。
兩個加分技巧。一是角色描述越細越好：不只給頭銜，還給經歷、專長、風格（「擅長…、討厭…、習慣先…」）。二是補上「對象是誰」：同一個會計師角色，你說「解釋給完全不懂稅的小吃店老闆聽」跟「跟另一位會計師討論」，深度會自動天差地別。角色定「誰在講」，對象定「講多深」，兩個一起給最準。
實作步驟
- 開頭先給身分:「你是一位○○」 提示的第一句就設定角色。例如「你是一位專門服務台灣中小企業、擅長把複雜規定講成白話的記帳士」。這一句會定調整段回答的專業度與口吻。
- 把角色描述加厚 別只給頭銜，補上經歷與風格：「處理過大量餐飲業帳務、習慣先講重點再補細節、不愛用專業術語嚇客人」。細節越多，AI 演得越到位。
- 補一句「這是說給誰聽的」 同一角色對不同對象深度不同。加上「對象是完全不懂會計的老闆，請用生活化的比喻」或「對象是同業，可以講專業一點」，AI 會自動調整。
- 角色不對就換一個試 覺得味道不對，就換角色重試：太生硬換成「親切的小編」，太隨便換成「嚴謹的顧問」。換角色比逐句改字快得多，多試幾個找到最順的。
例子:沒角色 vs 有角色
幫我回這則一星負評:「等超久、上菜還上錯，超雷」
你是一位處理過上千則負評、最擅長真誠安撫情緒又不卑不亢的餐飲業客服主管。請幫我回這則一星負評（對象是氣頭上的客人，也會被其他潛在客人看到）：「等超久、上菜還上錯，超雷」。語氣誠懇、先同理再說明改善、100 字內、不要制式罐頭感。
常見踩雷
- 角色給太空泛（「你是專家」）——沒定位到具體專業，等於沒給。
- 只設角色卻不講對象——同一個角色對老闆和對客戶該有的深度完全不同。
- 硬要一個角色講到底——味道不對時，換角色往往比逐句修字有效。
深入來源：anthropics/courses・Prompt Engineering Interactive Tutorial（CC BY-NC 4.0）
同一個問題，一次指定專業角色、一次不指定，各問一遍，比較兩種回答的差別。
改編來源： anthropics/courses・Prompt Engineering Interactive Tutorial（CC BY-NC 4.0）