角色扮演的Prompt不要亂加

在 ChatGPT 剛出來沒多久，就開始有所謂的 Prompt Engineering 知識存在。而在 Prompt Engineering 的知識裡面，有一個非常重要的講法：如果你要讓 AI 能夠非常有效果地得到你想要的內容，你在 Prompt 前面應該要寫說你是什麼樣的人、你是什麼樣的專家。

例如：你可能是一個 Programming 的專家，或者是一個非常貼心的日文老師之類的。這種做法在初期有用，但在 2026 年 3 月，南加大的團隊做出了一個研究指出，現在這種所謂「角色扮演」的 Prompt，實際上並不是所有的任務都適合加上去的。

那麼角色扮演的 Prompt 到底主要的好處跟壞處在哪呢？

首先先講好處。它的主要好處，最重點就是可以「對齊」你的相關任務。

例如說，你想要針對同一個內容寫成兩個版本：一個是貼近大眾的版本，另一個是貼近技術人員的版本。這時你就可以開兩個 Prompt：

1. 第一個 Prompt 說：「你是一個行銷專家或 Presentation 的專家，你現在要向大眾介紹這個產品，以下是內容，請幫我完成這份文件」

2. 第二個 Prompt 則說：「你是這個行業的專家，你現在寫這份文件是要給業內人士看的，以下是內容，請幫我完成這份文件。」

如果你有了這些角色扮演的 Prompt，它就會比較能 Align（對齊）你想要的目標，讓輸出的內容更符合你的需求。

反過來，角色扮演 Prompt 的壞處在於，實際上它會損害輸出的準確性，尤其是當模型需要用到預訓練（Pre-training）知識的時候，例如寫程式（Programming）或解答數學題。

如果你加上這類 Prompt，例如「你是一位 Programming 專家」或「你是一位大學專業數學講師」，反而會降低準確度。

論文中的原因是：模型原本應該從預訓練的知識庫中提取相關資訊，但因為用了這類 Prompt，它反而會切換到「聽從指示並扮演角色」的模式，導致知識提取受到阻礙。

我個人的看法是另一種：假設你在高中或大學學過物理，畢業出社會之後就沒再碰過物理。哪天突然有人請你當物理家教，要求你扮演「奧林匹亞物理專家」來授課。不管對方幫你貼了多少專家標籤，你的知識量永遠停留在畢業時的程度，除非你再去進修，否則標籤並不會增加你的知識。

AI 也是如此，不論你稱呼它是多厲害的專家，如果它預訓練的知識就到那裡，它並不會因為聽到這些稱讚就變得比較強。而且依照這篇論文的講法，強行套用角色扮演甚至會讓結果變得更差。

這與近期的一篇論文相呼應，也恰好跟我之前在 Claude 的 Skills 裡面看到的一個小知識點吻合：

關於 Subagent，如果你在上方額外加入一個「角色扮演」的 Prompt，其實並不會加強它工作的準確度。

這是一個蠻有趣的小知識點，在這裡稍微跟大家講解分享一下。

原本文章:

reference: