大模型应用里，给提示词加一句“你是一位资深律师”或“你是一位耐心的老师”，效果到底有没有变化？系统提示（system prompt）和用户提示（user prompt）的角色设定，谁更管用？本文用可复现的实验思路，帮你搞清楚边界在哪里。
实验设计：控制变量看角色效果
要验证角色设定的作用，可以设计三组对照：
- A组（无角色）：用户提示直接提问，例如“解释什么是光合作用”。
- B组（用户提示加角色）：用户提示改为“你是一位生物老师，请解释什么是光合作用”。
- C组（系统提示加角色）：系统提示写“你是一位生物老师”，用户提示仍为“解释什么是光合作用”。
每组用相同模型、相同温度（建议 0 或 0.2 减少随机性），对同一问题重复生成 5~10 次，人工或自动评估回答的专业深度、语气、结构三个维度。
核心结论：角色有用，但取决于位置和模型
根据公开的提示工程实践与社区实验（如 OpenAI 官方文档、Anthropic 的提示指南），可以得出几条稳健结论：
- 角色设定通常能改变输出风格，比如更正式、更简洁或更口语化。
- 系统提示的角色往往比用户提示更稳定，因为系统提示在对话历史中优先级更高，模型更倾向于遵守。
- 角色对“事实准确性”的提升有限。如果模型本身不知道某个知识，加角色不会让它凭空学会。
- 不同模型对系统提示的敏感度不同。有些模型对系统提示的遵循度极高，有些则更依赖用户提示的即时指令。
因此，角色设定更像是“风格开关”和“注意力引导”，而不是“知识注入器”。
边界实验：何时角色会失效？
你可以自己动手测试几个边界场景：
- 角色与任务冲突：系统提示“你是一位诗人”，用户提示“请用 Python 写一个快速排序”。模型可能仍会写代码，但风格可能变得文艺。
- 过度具体的角色：系统提示“你是一位 1980 年代的前端工程师”，模型可能给出过时建议，甚至编造不存在的 API。
- 多轮对话中的角色漂移：长对话后，用户提示可能覆盖系统提示的角色，尤其是当用户明确说“别管之前的设定”。
这说明系统提示和用户提示存在一条优先级边界：系统提示定义“你是谁”，用户提示定义“现在做什么”。当两者冲突时，模型会尝试折中，但通常更偏向系统提示，除非用户提示非常强硬。
可操作建议
- 需要稳定人设：把角色写进系统提示，并明确约束，如“始终用中文回答，不编造事实”。
- 需要临时切换风格：在用户提示里加角色，并说明“本次回答请用……风格”。
- 避免角色堆砌：一个角色 + 一个任务 + 一个格式要求，往往比一长串“你是专家、大师、天才”更有效。
- 验证效果：固定其他变量，只改角色位置，跑 5 次以上，对比输出差异。
角色设定不是玄学，而是一种可控的提示技巧。理解系统提示与用户提示的边界，才能让模型更听话，而不是更困惑。