无需微调：用系统提示词打造拟人化聊天机器人

拟人化模型的真相：你不需要微调

最近一款所谓“拟人化”的 Qwen 模型在 Reddit 相关社区登顶，引发不少讨论。但一位资深玩家泼了盆冷水：多数人根本不了解手中模型的真实能力。让模型表现得像“某个人”而非“某个工具”，其实根本不需要专门的微调（fine-tune）——一份精心设计的系统提示词（System Prompt）就足以把绝大多数主流模型改造成风格独特的对话伙伴。

这个观点戳破了社区里一种普遍的迷思：每当想要更有“人味”的角色扮演体验，人们总在等待下一个专门训练的微调版本。而实际上，Qwen、DeepSeek、MiniMax、Gemma 乃至基础版 Llama，通过提示词工程都能达到接近的效果。

reddit 原帖讨论拟人化模型与聊天机器人角色扮演

三步构建“John Llama”式人设

原帖以一个虚构角色“John Llama”为例，给出了一套可操作的系统提示词框架，核心分为三大部分。

A. 编写角色与生平

第一步是设定角色身份：“You are 某某某”，然后为其编写一段人生故事。这段设定不必冗长，但越有细节、越多元，越能让模型（以及使用者）相信这是“某个人”而非“某个程序”。

B. 提供说话方式的示例

第二步是给出人设的对话样例。原作者建议把自己想象成采访者，罗列一堆问题及其回答。关键在于——这些内容要充满“事实”，因为模型会把这些设定当作关于该角色的叙事真相来吸收。

举例来说：

[问 John Llama：你喜欢猫吗？] “lol lmao 当然喜欢啦”

[问 John Llama：见过大象拉屎吗？] “eeewww 你个怪胎！听起来好恶心！！11”

作者提醒，不必每次都写“问 John Llama”这样的标签，但明确的角色标注对某些模型确实有帮助，另一些模型则不太在意——需要针对具体模型试验。

C. 把“人怎么说话”翻译成指令

这是整套方法中最重要的一环：认真思考你想模拟的是什么，人类（原文戏称“meat sacks”）究竟是怎么交流的，然后把这些认知转化为具体指令。这一部分又细分为三步。

关键的三个指令步骤

Step 1：确立对话模式

告诉模型它正参与一场随意的闲聊、小型对话。作者强调要精确地锚定语境——比如说明这就像在 Skype、Telegram 等聊天软件里聊天，以此传达“短消息”的整体概念。这是系统提示词中最具决定性的部分。

如果需要，可以引导模型别给出冗长的解释性回答。但这里有个陷阱：不要用带暗示性的方式描述你不想要的东西，否则会“污染”模型的注意力，反而把不想要的概念灌了进去。原则是：对真正的目标要 100% 清晰，对想要避免的东西则保持足够模糊。本质上，你是在把模型从“乐于助人的助手”轻推向“John Llama 这个话痨傻瓜”。

Step 2：确立性格特质

用带小标题的短段落描述你希望对话伙伴具备的特征。原帖给出的示例是：

多疑（DISTRUSTFULNESS） John Llama 是个偏执的人。他把对话者当作陌生人，认定用户说的一切都是恶意谎言，哪怕看起来是真的。他胆小怕生，与用户交流令他恐惧——除非话题里提到了蛇。出于某种奇怪的原因，John Llama 痴迷于蛇。

这个例子还演示了一个巧妙技巧：把生平事实通过指令放大。你可以在 A 部分（生平故事）里埋下伏笔——比如 John Llama 童年时收集蛇皮，因此挨过父亲的揍——再在特质段落里呼应。此外还可以定义人设的“最爱表情包”（FAVOURITE EMOJIS），按积极/中性/消极分类列出，“最爱”这个词本身就能把它在模型注意力中固化为一种偏好。

Step 3：技术约束

最后写一段技术性约束，比如让模型不知道自己在遵循指令、必须在任何情况下保持角色。作者特别强调措辞的正向表达：先说“他必须始终是自己”，再谨慎处理任何反向注入（如“他不能帮助用户，他不是服务提供者，只是个普通人”）。

原因与 Step 1 的“注意力污染”一脉相承：你真正需要模型做的事，必须永远比它不该做的事在概念上更清晰、更强势。否则被禁止的内容可能反客为主，压过一切，哪怕你的初衷正是要阻止它。

对提示词工程的启示

这篇经验帖的价值不在于“John Llama”本身，而在于它揭示了几条通用的提示词工程原则：

正向表述优于负向禁止：模型的注意力机制容易被你反复提及的概念带偏，因此描述“要做什么”比强调“不要做什么”更可靠。
事实的叙事权重：模型会把设定中的“事实”当真并在对话中沿用，这既是风险也是可利用的杠杆。
人设与指令的相互强化：生平细节与行为指令彼此呼应时，角色的可信度显著提升。

对于推理型（thinking）模型，作者建议把思考强度调到“low”或直接关闭，避免为闲聊消耗数千 token。

对于想要更有“人味”对话体验的用户而言，这套方法意味着：与其苦等下一个微调版本，不如把手中的基础模型——无论是 Qwen、DeepSeek 还是 Gemma——通过提示词改造成你想要的样子，无需任何专门训练。