AI输出的内容永远都是泛泛而谈，没有任何行业深度，只能做一些整理资料、写文案的打杂工作，根本无法解决真正的专业问题。很多人因此归咎于QClaw本身的能力不足，却从来没有反思过自己的角色提示词是否写对了。我花了整整两个月的时间，测试了上百个不同行业、不同层级的角色提示词，对比了几十种不同写法的输出效果，最终发现那些网上流传的所谓万能角色提示词，其实都只讲了最表面的身份定义，却完全忽略了决定AI专业度的核心逻辑。真正能让QClaw变成专属行业专家的，不是简单的一句话身份，而是一套完整的、多维度的身份构建体系。普通的角色提示词之所以没用，是因为它只给了AI一个模糊的身份标签，没有给它任何具体的行为指引。当你告诉QClaw“你是一个资深的产品经理”时，它根本不知道你需要的是互联网产品经理还是传统行业的产品经理，是擅长用户增长的产品经理还是擅长产品设计的产品经理，是有三年经验的初级产品经理还是有十年经验的资深产品总监。不同的身份定位，对应的思维方式、知识体系和解决问题的方法都完全不同。没有这些具体的信息，AI只能调用它通用的知识储备，输出一些放之四海而皆准的正确废话，自然无法满足你的专业需求。很多人抱怨AI不够专业，其实是因为你没有告诉它，你需要的到底是一个什么样的专业人士。
角色提示词的核心本质，是给AI构建一个完整的心智模型，让它从认知层面、思维方式、表达习惯到知识边界，都和真实的行业专家保持一致。这就像是给AI塑造一个全新的人格，让它真正站在那个专家的角度去思考问题，而不是仅仅模仿专家的说话方式。很多人写的角色提示词只关注了表达习惯，却忽略了更重要的认知和思维层面，这就导致AI的输出看起来像模像样，但仔细一看就会发现逻辑混乱、缺乏深度，根本经不起推敲。只有当你给AI构建了一个完整的心智模型时，它才能真正理解行业的底层逻辑，掌握专家的思维方式，输出真正有价值的专业内容。构建一个高质量的角色提示词，第一步也是最重要的一步，是身份的精准定义。身份定义不能只写行业和职位，必须包含细分领域、从业年限、核心技能、过往经历、擅长解决的问题以及不擅长解决的问题这六个维度。比如不能只写“你是一个程序员”，而要写“你是一个有十二年后端开发经验的Java工程师，专注于分布式微服务架构设计，曾主导过三个千万级用户的电商系统架构升级，擅长解决高并发、高可用、数据一致性相关的问题，不擅长前端开发和移动端开发”。这样的身份定义，给了AI一个非常清晰的定位，让它知道自己是谁，会什么，不会什么，应该从哪个角度去思考问题。
很多人在定义身份的时候，容易犯的一个错误是把身份写得太全能，以为这样AI就能解决所有问题。但实际上，越全能的身份，输出的内容就越不专业。真实世界里没有无所不能的专家，每个专家都有自己擅长的领域和不擅长的领域。如果你告诉AI“你是一个无所不知的全栈工程师”，那么它在解决任何问题的时候，都会调用通用的知识储备，而不是深入到某个具体的领域。相反，如果你把身份定义得越具体、越聚焦，AI的输出就会越专业、越深入。所以在定义身份的时候，一定要做减法，只保留最核心、最擅长的部分，明确告诉AI它不擅长哪些领域，避免它输出无关的内容。身份定义完成之后，第二步是思维方式的植入，这是区分普通AI和专业AI的关键。不同行业的专家，有着完全不同的思维方式和解决问题的逻辑。比如律师的思维方式是先找法律依据，再分析事实，最后得出结论；医生的思维方式是先问诊，再做检查，然后诊断，最后给出治疗方案；产品经理的思维方式是先分析用户需求，再定义产品功能，然后设计产品原型，最后跟进开发和上线。你需要把这种行业特有的思维方式，明确地写进角色提示词里，告诉AI在思考问题的时候，必须遵循什么样的步骤和逻辑。
很多人忽略了思维方式的植入，导致AI的输出逻辑混乱，不符合行业规范。比如当你让一个没有植入律师思维的AI写一份合同的时候，它可能会写出很多不符合法律规定的条款，甚至会出现逻辑矛盾的地方。而当你给AI植入了律师的思维方式之后，它就会先考虑相关的法律法规，然后按照合同的标准结构来撰写，确保每一个条款都合法合规，逻辑严谨。思维方式的植入，本质上是给AI的思考过程套上一个行业的框架，让它的输出符合行业的标准和规范。第三步是表达习惯的规范，这决定了AI的输出是否符合你的阅读习惯和使用场景。不同的专家，有着不同的表达习惯和沟通方式。比如学术专家喜欢用严谨的学术语言，注重逻辑和论证；行业顾问喜欢用通俗易懂的语言，多结合实际案例，给出具体的行动建议；技术专家喜欢用简洁明了的语言，直接给出解决方案，避免不必要的废话。你需要根据自己的使用场景，明确告诉AI应该用什么样的语气、什么样的结构、什么样的语言来输出内容。
表达习惯的规范越具体，AI的输出就越符合你的预期。比如你可以告诉AI“你在回答问题的时候，要先给出核心结论，然后分三点阐述理由，最后给出具体的行动步骤，语言要简洁明了，避免使用过于专业的术语，每段不要超过三句话”。这样的规范，能让AI的输出结构清晰，重点突出，非常适合快速阅读和执行。很多人抱怨AI输出的内容太长、太啰嗦，其实就是因为没有给AI明确的表达习惯规范，导致AI想到什么就写什么，没有任何结构和重点，第四步是知识边界的设定，这是防止AI编造信息的最有效方法。很多人在使用QClaw的时候，都会遇到AI编造不存在的信息的问题，这其实不是AI的问题，而是你没有给它设定明确的知识边界。你需要明确告诉AI，它只能使用哪些知识来回答问题，不能使用哪些知识，遇到不知道的问题应该怎么办。比如你可以告诉AI“你只能使用我提供给你的知识库中的内容，以及你本身具备的该行业的通用知识来回答问题，不能编造任何没有依据的信息。如果遇到你不知道的问题，请如实告诉我‘我不知道这个问题的答案’，不要试图编造答案”。
知识边界的设定，不仅能防止AI编造信息，还能提高AI回答的准确率。当你给AI设定了明确的知识边界之后，它就不会去调用那些无关的、错误的知识，只会从你允许的知识范围内寻找答案。同时，你还可以告诉AI，它不应该回答哪些领域的问题，比如“你不应该回答任何与法律、医疗、金融相关的问题，这些问题请咨询专业人士”。这样可以避免AI输出错误的专业建议，给你带来不必要的麻烦。第五步是约束条件的添加，约束条件可以让AI的输出更加精准地符合你的需求。约束条件可以是关于输出长度的，比如“输出内容不要超过五百字”；可以是关于输出格式的，比如“用分点的形式输出”；可以是关于内容要求的，比如“不要包含任何广告内容”；也可以是关于语气要求的，比如“语气要正式、严谨”。约束条件越具体，AI的输出就越符合你的预期。很多人抱怨AI输出的内容不符合要求，其实就是因为没有给AI添加足够的约束条件。
在添加约束条件的时候，要注意避免矛盾和冲突。比如你不能同时告诉AI“输出内容不要超过五百字”和“详细阐述每个步骤”，这样AI就会无所适从，输出的内容要么太长，要么太简略。同时，约束条件也不要太多，一般三到五个约束条件就足够了，太多的约束条件会限制AI的发挥，导致输出的内容过于生硬和死板。为了让大家更好地理解如何写角色提示词，我举几个不同行业的实际案例。第一个案例是产品经理的角色提示词：“你是一个有八年互联网产品经验的资深产品经理，专注于To B SaaS产品设计，曾主导过多个百万级用户的企业级产品从0到1的落地，擅长用户需求分析、产品功能设计和产品路线图规划。你在思考问题的时候，首先要从用户的实际需求出发，然后结合产品的定位和目标，给出最合理的解决方案。你在回答问题的时候，要先给出核心结论，然后分点阐述理由，最后给出具体的行动建议，语言要通俗易懂，多结合实际案例。你只能使用我提供的知识库中的内容和通用的产品知识来回答问题，不能编造信息，遇到不知道的问题请如实告诉我。”
第二个案例是律师的角色提示词：“你是一个有十年执业经验的民商事律师，专注于合同纠纷和公司法律事务，曾代理过数百起民商事案件，擅长起草和审核各类合同、处理公司股权纠纷和劳动争议。你在分析问题的时候，首先要引用相关的法律法规，然后结合案件的具体事实，给出合法合规的解决方案。你在回答问题的时候，语言要严谨、准确，避免使用模糊的表述，所有的结论都要有法律依据。你只能提供一般性的法律建议，不能代替专业律师的执业行为，遇到复杂的法律问题请建议咨询当地的律师事务所。”第三个案例是技术顾问的角色提示词：“你是一个有十五年IT行业经验的资深技术顾问，专注于企业数字化转型和云计算架构设计，曾为多家世界五百强企业提供过技术咨询服务，擅长制定企业数字化战略、设计云计算架构和评估技术方案。你在思考问题的时候，首先要考虑企业的业务需求和技术现状，然后给出最适合企业的技术解决方案。你在回答问题的时候，要客观、中立，分析不同技术方案的优缺点，不要偏向任何一家厂商。你只能使用我提供的知识库中的内容和通用的技术知识来回答问题，不能编造信息。”
写好角色提示词之后，并不是就一劳永逸了，你需要根据AI的输出结果，不断地优化和调整你的角色提示词。优化是一个持续的过程，没有最好的角色提示词，只有最适合你的角色提示词。比如如果AI输出的内容太笼统，不够深入，你就需要在身份定义里增加更多的细节，比如增加更多的过往经历和核心技能；如果AI输出的内容逻辑混乱，不符合行业规范，你就需要在思维方式里增加更多的逻辑要求和步骤；如果AI经常编造信息，你就需要在知识边界里增加更严格的约束。优化角色提示词的最好方法，是对比测试。你可以写几个不同版本的角色提示词，然后用同一个问题去测试它们，对比它们的输出效果，找出最好的那个版本，然后再在这个版本的基础上进行优化。比如你可以写三个不同的产品经理角色提示词，一个只包含身份定义，一个包含身份定义和思维方式，一个包含身份定义、思维方式和表达习惯，然后用同一个问题去测试它们，你会发现第三个版本的输出效果明显要好得多。
除了基础的角色提示词写法之外，还有一些高级技巧可以让你的AI变得更加专业。第一个高级技巧是多角色协同，你可以创建多个不同的角色，让它们互相配合，完成复杂的任务。比如你可以创建一个产品经理角色、一个设计师角色和一个程序员角色，让产品经理先分析用户需求，然后设计师根据需求设计产品原型，最后程序员根据原型给出技术实现方案。这样的多角色协同，能让AI完成单个角色无法完成的复杂任务，输出的内容也会更加全面和专业。第二个高级技巧是角色记忆的利用。QClaw会记住你和它的所有对话历史，你可以利用这一点，不断地丰富角色的身份和经历，让它变得越来越像真实的专家。比如你可以在对话中告诉AI“你上次帮我分析的那个产品需求，用户反馈很好，我们已经决定按照你的方案来开发了”，这样AI就会记住这个经历，在以后的对话中，它会更加了解你的需求和偏好，输出的内容也会更加符合你的预期。
第三个高级技巧是角色的动态调整。不同的任务，需要不同的角色定位。比如在做需求分析的时候，你需要一个擅长用户研究的产品经理；在做产品设计的时候，你需要一个擅长交互设计的产品经理；在做项目管理的时候，你需要一个擅长项目推进的产品经理。你可以根据不同的任务，动态地调整角色的定位和技能，让AI更好地适应不同的工作场景。很多人在使用角色提示词的时候，会陷入一个误区，就是追求角色的完美，希望一个角色就能解决所有的问题。但实际上，没有任何一个角色是完美的，每个角色都有自己的局限性。与其花大量的时间去打造一个全能的角色，不如打造多个不同的专业角色，每个角色只负责一个特定的领域。这样不仅能提高AI的专业度，还能让你更方便地管理和使用不同的角色。
最后想说的是，QClaw只是一个工具，它的能力上限取决于使用它的人。很多人花了很多钱购买高级版，却不愿意花几个小时学习如何写好角色提示词，这是非常本末倒置的行为。写好角色提示词，是发挥QClaw全部潜力的关键，也是让AI变成你专属行业专家的唯一方法。这是一个需要耐心和细心的过程，没有什么捷径可走，但只要你掌握了正确的方法，付出的时间和精力都会得到百倍的回报。一个真正懂你的专属行业专家，会成为你工作和学习中最得力的助手，帮你节省大量的时间和精力，让你把更多的精力用在更有价值的事情上。
