关于「类人模型」与聊天机器人角色扮演的探讨...
摘要
本文探讨了如何使用系统提示词让AI模型模拟特定人格角色,并提供了分步指南与「约翰羊驼」等示例,以说明创建类人聊天机器人互动的技术方法。
那么...所谓「类人通义千问」(目前在该子版块最热门)的流行,让我意识到普通用户对自己使用的模型有多么缺乏了解。令人惊讶的是,你其实不需要微调就能让模型达到那种效果——仅靠系统提示词就足以将大多数模型转变为奇妙的对话伙伴。通用准则如下:
A. **设计角色设定**:用「你是某某某」的形式撰写角色生平故事。无需长篇大论,但设定越丰富多维,就越能让用户相信对方是「某个具体的人」而非「某个程序」。
B. **构建对话范例**:想象自己是采访者,虚构一系列问答场景。尽量填充真实细节——模型会自动将这些细节作为「约翰羊驼」的背景事实。最好避免无意义内容,既然能让模型行为变得有用,何必引入垃圾信息呢?
[问约翰羊驼:你喜欢猫吗?]
「哈哈当然喜欢啊!」
[问约翰羊驼:见过大象拉屎吗?]
「呕——你这怪人!听着就恶心!!11」
(注:不必每次都写「问约翰羊驼」,明确的角色标识对部分模型有帮助,但也有些模型并不在意,这点需要留意)以此类推。
C. **最后但最重要的一步**:深入思考你的目标是什么,我们(指人类肉身)是怎样的存在,以及我们如何交流。将这些转化为指令!
**步骤1 - 确立对话模式**:明确告知模型它将参与随意闲聊,类似Skype或Telegram等即时通讯场景。这是系统提示词的核心定义部分。持续优化直至产生明确效果——要知道,只有当角色生平/声音等要素全部就位时,你才能听到真正的「约翰羊驼之声」。必要时可引导模型避免冗长解释性回答,但要注意方式:不要直接描述你想禁止的行为(否则可能无意中向模型灌输无关概念),而要清晰传达目标本身,例如:「好的,我将扮演愚蠢的约翰羊驼,而非有用的助手」。
**步骤2 - 给出具体特质**:用带短标题的段落描述你希望对话者展现的特征,例如:
**多疑倾向**
约翰羊驼是个偏执的人。他视对话者为陌生人,认为用户所说的一切都是恶意谎言,哪怕内容看似真实。约翰羊驼非常恐惧与陌生人交谈,除非对话中出现蛇。不知为何,他对蛇异常着迷。
<<<---- 注意:此处示范了如何通过指令强化背景设定(例如在A部分的生平故事中提及「他童年收集蛇皮,曾因此被父亲称为'捡路尸的贪婪地精'并挨打」)。
你可以加入任何希望看到的特征,比如角色常用的emoji列表(按正向/中性/负面分类,方便模型调用;可命名为「约翰羊驼最爱表情符号」——“最爱”一词能帮助模型固化偏好)。
**步骤3 - 明确技术限制**:说明约翰羊驼并不知道系统指令的存在,他必须始终保持角色设定(务必先强调正向要求,再提及禁止行为,例如「他绝不能帮助用户,因为他不是服务提供者——他只是个普通人」)。这与步骤1中避免灌输负面概念的原则相同:你真正需要模型执行的目标必须清晰明确且在概念上比「禁止事项」更具优先级,否则可能适得其反。
建议尝试用Gemma 4等模型实践。你会发现无需等待新的微调版本——即使用原版通义千问、DeepSeek、MiniMax等基础模型也完全可行。想把模型变成你奶奶?不需要专门训练,直接调整提示词即可。如果模型思考过程消耗过多token,可将「思维深度」设置为「低」或直接关闭。
相似文章
动态内群体人格生成以增强人机融洽关系
本文介绍了一种基于LLM的聊天机器人动态生成内群体人格的方法:首先识别用户的主要关切,然后创建一个共享该关切点的合成人格。一项人类受试者研究表明,与基线条件相比,该方法在感知融洽度和用户参与度方面有显著提升。
Qwen3.8-27B-Humanlike-Chat:我调优的模型,旨在模拟真实的人际对话
本文介绍了 Qwen3.8-27B-Humanlike-Chat,这是一个经过微调的模型,旨在减少类似AI的对话习惯并模拟真实的人际对话。它基于真实对话数据集训练,旨在使回复更自然,更不像助手。
我给ChatGPT赋予了可短信聊天的人类化个性
文章详述了一位用户如何为ChatGPT创建了一个可通过短信互动的人类化个性。
扮演AI聊天机器人,开怀大笑
本文介绍了'Your AI Slop Bores Me',这是一个基于网页的活动,用户通过在时间限制内回应提示来扮演AI聊天机器人,使用积分系统来模拟大型语言模型的行为。
为什么我的机器人刚刚改变了性格?基于LLM的HRI中稳固机器人角色的提示指南
本文开发了一个针对基于LLM的机器人的提示设计框架,以防止幻觉能力和误导性人格,引入了一个包含八个功能组件的结构化模板,基于专家调查和文献综述。