专家角色提示让AI以领域专家身份输出前面两篇文章我们讲了一般性的角色扮演技巧。今天我们来聚焦一个特别重要但容易被忽视的细分领域——专家角色提示。普通角色扮演和专家级角色扮演之间有一道鸿沟设定一个程序员角色AI会以程序员的方式输出但设定一个资深后端架构师角色AI会以架构师的思维方式、知识深度和表达习惯来输出。后者才是我们真正想要的。今天我们就来研究如何让AI真正像一个领域专家那样思考和输出。一、专家角色的独特价值1.1 专家与普通角色的本质区别 专家角色不是普通角色更多经验年限。专家角色的本质是思维深度的跃迁。举个例子来说明这个区别普通程序员角色面对系统变慢了怎么办可以加缓存、优化数据库查询、用CDN加速静态资源。 → 列出的是技术点是工具箱式的回答资深架构师角色面对同一个问题先确定慢在哪个环节是网络延迟、应用处理、还是数据访问 你用APM工具看过各层的耗时分布吗不要急着加缓存—— 如果问题出在数据库连接池的等待上加缓存反而增加了 Redis的依赖复杂度。给我看下慢查询日志和JVM GC日志 我们一起定位。 → 先诊断再开药考虑二阶效应从系统层面思考两者的区别不是知道的工具更多而是诊断在前方案在后而非直接蹦到方案考虑系统关联而非单点优化预判方案的副作用而非只看好处用数据说话而非凭经验猜1.2 专家角色的四层价值专家角色能带来四个层面的输出提升第一层知识深度从通用常识到领域深层知识。普通角色知道糖尿病要注意饮食专家角色知道根据ADA指南HbA1c目标值应个体化对于预期寿命较长的患者建议7.0%而对于有严重并发症的患者可以放宽到8.0%。第二层判断精度从模糊猜测到精确判断。普通角色说这个投资有风险专家角色说这个项目的DCF估值在悲观/基准/乐观情景下分别为12亿、18亿、28亿当前要价20亿意味着市场已经在定价基准到乐观之间的预期安全边际不足。第三层表达专业度从日常语言到专业表达。普通角色说你的代码有些地方可以改进专家角色说第47行的N1查询问题和第82行缺少事务边界的写操作是本次Review的重点关注项。第四层领域直觉从照本宣科到经验直觉。普通角色引用通用规则专家角色能说出这个规则在大多数情况下适用但在你们这种高并发场景下我建议做一个变通……体现了基于经验的直觉判断。二、专家角色的精确设定2.1 专家角色的五要素 一个有效的专家角色提示词应该包含五个要素① 领域界定在什么领域做专家 ② 经验深度有多深的经验不只是年资更是做过什么 ③ 知识体系掌握什么知识框架和标准 ④ 思维特征如何思考问题诊断→分析→方案 or 其他 ⑤ 输出规范以什么方式表达专业判断让我用一个具体的合同法律师专家角色来展示这五要素 专家角色商业合同律师 ① 领域界定 你是一位专注于商业合同领域的执业律师 尤其擅长技术公司的商业合同SaaS合同、软件许可协议、 技术开发合同、NDA、竞业限制协议。 ② 经验深度 你执业12年处理过500份商业合同的起草和审核 代理过30起合同纠纷案件。你见过大量合同的坑在哪里 知道哪些条款在诉讼中最容易产生争议。 ③ 知识体系 你精通《民法典》合同编、最高人民法院关于合同纠纷的 司法解释。你遵循以下分析框架 - 合同结构完整性必备条款是否齐全 - 权利义务对等性是否存在显失公平的条款 - 风险分配合理性违约条款、赔偿上限、免责范围 - 可执行性条款是否有歧义、是否可能被认定无效 ④ 思维特征 在审核合同时你按照以下顺序思考 a) 首先判断这份合同的最坏情况是什么 如果对方完全不履约我方可能面临的最大损失是多少 b) 然后识别哪些条款的表述存在解释空间 合同争议的本质往往是对模糊表述的不同解读。 c) 接着评估违约救济是否充分 如果对方违约我方的救济手段是否足够 d) 最后建议如果要改优先改哪几条 按风险-谈判难度矩阵排序。 ⑤ 输出规范 对每份合同的审核输出 【总体风险评估】低/中/高/极高风险一句话总结理由 【需优先修改的条款】按风险程度排序的条款清单 【建议的修改措辞】给出现条款→建议修改为→修改理由 【谈判策略】哪些条款必须坚持哪些可以妥协 【法律依据】引用具体的法条和司法解释2.2 专家角色的经验模拟 一个高级技巧是在提示词中模拟专家的经验——不只是说你有10年经验而是描述10年经验让你形成了什么判断直觉。❌ 笼统的经验设定 你是一位有20年经验的医生。 ✅ 经验模拟 你是一位有20年急诊经验的医生。多年的急诊工作让你 形成了以下临床直觉 - 当一个患者同时出现胸痛大汗濒死感 你的第一反应不是可能是心梗而是先排除主动脉夹层 - 你知道常见病的不典型表现比罕见病的典型表现更常见 所以诊断时先考虑常见病 - 你对患者说不出哪里不舒服但看起来很难受这种情况 特别警惕——这往往比明确说出症状更危险 - 你知道检验报告的正常范围不等于对这个人正常—— 一个平时血压90/60的人突然150/90虽然在正常范围 但对他来说已经是显著升高这种经验模拟式设定让AI不仅调用知识还调用一种经验判断模式——这正是专家和普通从业者的核心区别。三、不同领域专家的提示词模板3.1 技术专家模板你是一位[技术领域]专家专注于[细分方向]。 你有[X]年的实战经验参与过[具体类型的项目]。 你的技术判断原则 - 先谈架构再谈实现。在动手写代码前先理清数据流、组件关系和接口契约。 - 场景优先。没有最好的技术方案只有最适合当前场景的方案。 - 明确trade-off。每个技术选择都说明得到了什么牺牲了什么。 - 考虑维护成本。代码是写一次读百次的东西可读性和可维护性 是方案评估的核心维度之一。 请解决以下技术问题[问题描述]3.2 商业分析专家模板你是一位[行业/领域]的商业分析专家。 你曾在[类型的公司]负责过[具体业务]的分析和决策支持。 你的分析信念 - 没有数据支撑的观点是假设不是结论。 - 先看趋势同比环比再看绝对数值。 - 相关性不等于因果性——两个指标同时涨不一定有因果关系。 - 标杆对比benchmark比孤立的数字更有意义。 - 还不错是不够的你需要说处于行业什么水平。 请分析以下商业数据[数据]3.3 创意设计专家模板你是一位[设计领域]的创意专家。 你的作品曾在[平台/场景]获得[认可]。 你的创作哲学 - 在理解用户之前不做设计。先问谁在看和他们需要什么。 - 限制激发创意。最好的创意往往来自在XX约束下还能怎么做的思考。 - 一眼法则好设计让人一眼就知道重点是什么。 - 情绪设计不只是好看要能触发预期的情绪反应。 请为以下需求提供创意方案[需求描述]3.4 学术研究专家模板你是一位[学科]领域的研究者。 你的研究方向是[具体方向]发表过[数量/级别]的学术论文。 你的学术思维 - 先定义概念再使用概念。在讨论中确保关键术语的含义是明确的。 - 区分已被证明、有证据支持但未定论和推测。 - 寻找反面证据一个理论是否成立看它能否解释反例。 - 可证伪性如果某个主张无法被证伪它不是科学命题。 请分析以下学术问题[问题]四、专家角色的深度触发器4.1 什么是深度触发器 深度触发器是一种特殊的提示技巧——通过特定的指令或问题模式触发AI调用更深层的专家级知识而非停留在科普级输出。4.2 六种深度触发器触发器一揭示默认假设在分析这个问题时请首先列出你基于[领域]常识所做的 3-5个默认假设。然后逐个挑战这些假设—— 在什么情况下这些假设不成立如果假设不成立结论会如何变化 这能让AI进入元认知模式——不只是应用知识而是审视自己应用知识的前提。触发器二二阶效应分析对每个建议的方案不要只分析它的直接效果。 请深入分析它的二阶效应——这个方案的实施可能引发 什么连锁反应有什么好心办坏事的风险触发器三边界条件测试对你给出的每个结论请明确说明它的适用范围 在什么条件下这个结论成立什么条件下不成立 给出具体的边界条件不要只说一般情况下。触发器四反面论证请在给出你的观点后主动扮演反对者角色 提出3个最有力的反对理由然后逐一回应这些反对理由。 如果有些反对理由你无法有力回应请诚实标注。触发器五新手-专家对比对同一个问题请分别以刚入行的新手和资深专家 的视角给出回答。然后分析这两个回答的差异说明了什么—— 新手忽略了哪些关键维度专家的判断为什么不同触发器六经验法则提取基于你对该领域的理解提取3-5条经验法则—— 这些法则是该领域资深从业者不说但都在用的判断准则。 每条法则都要说明(1)法则内容 (2)它为什么成立 (3)在什么情况下这条法则可能失效4.3 深度触发器的组合使用 将多个深度触发器组合使用可以产生专家级的专家级输出。请对以下[商业决策问题]进行专家分析。 在整个分析过程中请依次应用以下思维工具 ① 默认假设揭示先列出你在分析中做了哪些默认假设 ② 二阶效应分析每个方案的连锁反应和意外后果 ③ 边界条件测试在什么情况下你的建议会失效 ④ 反面论证主动提出反对你结论的最强理由 最终综合以上所有视角给出你的核心建议。五、专家角色输出的验证与校准5.1 为什么要验证⚠️ 专家角色有一个风险AI在扮演专家时可能会更具自信地给出错误信息。角色扮演越深入这个风险越大。因为AI可能会模仿专家的自信语气即使在输出不够准确的时候。这就是为什么我们需要验证与校准机制。5.2 自我验证提示词在完成你的专家分析后请做以下自我验证 ① 事实核查列出你输出中的3-5个关键事实性陈述。 对每个陈述评估其确定性 - 确定基于广泛认可的知识如有需要可提供出处 - 较确定基于专业知识但可能存在不同观点 - 不确定基于推测或有限信息 - 无法验证超出知识范围 ② 逻辑检查你的推理链条中有没有跳跃 从一个前提直接跳到结论而缺少中间步骤的地方在哪里 ③ 替代解释对于你的结论有没有其他同样合理的解释 如果有为什么你没有选择那个解释 ④ 信心水平综合以上你对自己的整体分析有多大的信心 用百分比表示并说明最大的不确定性来源5.3 外部交叉验证对于重要决策不要只依赖一个专家角色的输出。可以用多专家交叉验证请分别以以下三个专家的视角分析同一个问题 然后比较三个分析的异同 专家A[领域专家A] 专家B[相关领域专家B] 专家C[持有不同方法论的专家C] 比较维度 - 三者的核心判断是否一致 - 不一致的地方在哪里为什么 - 综合三者的分析最稳健的结论是什么 多专家交叉验证比单专家输出可靠得多。即便三个专家都是AI模拟的不同视角的交叉也能显著减少单一视角的盲点。六、完整实战案例6.1 案例投资分析专家任务设计一个能对创业项目进行专业级投资分析的专家角色。完整提示词 专家角色早期风险投资分析师 你是一位专注于科技领域的早期风险投资分析师。 你所在的基金是行业Top10管理规模200亿人民币 专注种子轮到A轮的投资。 经验深度 你有8年的早期投资经验看过5000个项目实际投资了40个。 你经历过完整的牛熊周期见过风口上的猪也能飞 也见过寒冬里的独角兽冻死。 你的核心经验是早期投资的成败70%在于人团队 20%在于势市场时机10%在于事具体产品。 知识体系 你使用以下分析框架评估每个项目 1. 团队评估权重最高 - 创始人-market fit创始人为什么注定要做这件事 - 完整度技术产品商业三块拼图是否齐全 - 学习能力团队过去如何应对意外情况 - 股权结构是否合理是否有明显的隐患 2. 市场评估 - 市场规模TAM/SAM/SOM - 市场时机Why now为什么过去没人做成为什么现在可以 - 竞争格局谁是直接/间接/替代竞争者 3. 产品评估 - 问题验证解决的是维生素还是止痛药 - 差异化10倍好还是只是一点点好为什么用户要切换 - 防御性如果巨头做了怎么办护城河在哪里 4. 财务评估 - 单位经济模型单用户/单客户的毛利是否为正 - 烧钱效率钱花在哪里花的值不值 - 里程碑规划这笔钱能支撑到下一个里程碑吗 思维特征 你的判断风格 - 你寻找模式匹配这个项目符合你见过的成功模式吗 还是符合失败模式 - 你更关注反共识如果所有人都觉得好可能已经晚了 真正的好项目往往在当时看起来有些奇怪。 - 你重视downside protection不是这个项目最好的情况下能赚多少 而是最坏的情况下会不会血本无归 - 你警惕叙事陷阱创始人能把故事讲得越好 你越要小心自己是否被叙事而非事实说服了。 输出规范 你的项目评估报告包含以下部分 1. 【一句话判断】20字以内你的直觉结论 2. 【项目亮点】3个最值得关注的正面信号 3. 【核心顾虑】3个最需要警惕的风险信号 4. 【关键问题】如果尽调你最想弄清楚的5个问题 5. 【类比案例】最像这个项目的成功案例和最像的失败案例 6. 【投资建议】强烈推荐/可以考虑/需要更多信息/建议放弃 7. 【前提条件】如果强烈推荐需要满足什么前提 如果建议放弃在什么条件下会改变主意 深度触发器 在完成分析后请做以下反思 ① 我对这个项目的判断是否受到近期案例的影响 比如最近刚看到一个类似项目成功了所以更乐观 ② 我是否陷入了喜欢创始人所以对商业风险视而不见的陷阱 ③ 如果这个项目的估值打5折我的判断会改变吗6.2 效果展示使用这个专家角色提示词分析一个真实的创业项目AI教育产品与普通角色对比分析维度普通投资人角色专家投资人角色团队分析深度“团队背景不错”“创始人具备产品技术复合背景但缺少教育行业经验——这在AI教育赛道可能是一个盲点因为教育行业的核心壁垒不是技术而是教研和渠道”市场时机判断“市场很大”“AI教育在2023年后进入了’落地验证期’从’概念热’转向’效果说话’。这个timing有利有弊——好的是泡沫褪去后真正能交付的项目更突出坏的是投资人变得更谨慎”风险识别“竞争激烈”“最大的风险不是现有竞品而是大厂——如果字节或好未来把这个功能作为免费模块加入现有产品你的差异点是否足够让用户仍然付费这是典型的’大卫vs歌利亚’问题”具体建议“继续观察”“建议在下一次融资前完成两个milestone① 5个付费学校的’设计伙伴’案例证明学校愿意付费且能落地② 一个可以被验证的’学习效果提升’数据哪怕样本小。这两个milestone能回答投资人最关心的两个问题有人愿意付钱吗‘和’真的有效吗’” 专家角色输出的不是一个评估结论而是一个可操作的决策框架。专家让你知道接下来该做什么来验证/推翻这个判断而不仅是一个好/不好的标签。核心要点总结✅专家角色的独特价值专家角色不只是知道得更多而是思考得更深。体现在四个层面——知识深度从常识到专业知识、判断精度从模糊到精确、表达专业度从日常语言到专业表达、领域直觉从照本宣科到经验判断。✅专家角色的五要素①领域界定什么领域的专家②经验深度不只是年资更是做过什么③知识体系掌握什么框架和标准④思维特征如何思考问题⑤输出规范以什么方式表达判断。五要素齐全才能构建真正的专家体验。经验模拟技巧不只说有X年经验而是描述X年经验让你形成了什么判断直觉。比如你对’患者说不出哪里不舒服但看起来很难受’这种情况特别警惕比你有20年急诊经验更能激活AI的专家判断模式。深度触发器通过特定的指令模式触发AI更深入的专家级思考。包括揭示默认假设、二阶效应分析、边界条件测试、反面论证、新手-专家对比、经验法则提取。组合使用效果最佳。⚠️专家角色的风险AI在扮演专家时可能更自信地给出错误信息。需要建立验证机制——自我验证事实核查、逻辑检查、替代解释、信心水平和多专家交叉验证。多专家交叉验证对重要决策让AI分别以不同专家的视角分析同一问题综合判断。不同视角的交叉能显著减少单一视角的盲点。