🎭 给 AI 代理设定电视剧角色人设，真的能变强吗？

大家都在卷模型参数、卷提示词工程，但 Google 资深 AI 产品经理 Shubham Saboo 用 40 天的亲身实验证明了一个反直觉的真相：

让 AI 代理变聪明的，不是模型升级，而是“人设” + “持续对话”。

他甚至建议：直接用电视剧角色命名你的 AI 代理。

🧐 为什么是电视剧角色？

很多人设定 AI 人设时喜欢写长篇大论的性格描述。但 Shubham 发现，利用模型预训练知识中已有的知名角色，能瞬间注入性格。

经典案例：Dwight（《办公室》）

• 角色印象： 彻底、激烈、对工作极其认真、死板但高效。
• 代理任务： 扫描新兴 AI 工具，找出开发者今天就能用的东西。
• 效果： 代理不再输出废话，优先可行动洞见，验证来源极其严格。

💡 核心逻辑： 模型早就“认识”Dwight 了。你只需要唤醒它，而不是重新教它什么是“认真”。

🛠️ 这套“操作系统”是怎么运行的？

Shubham 没有用复杂的数据库或消息队列，全靠纯 Markdown 文件构成的三层架构：

1. Layer 1：Identity（身份层）
   • 核心文件 SOUL.md（保持在 60 行以内）。
   • 定义你是谁、你的原则、你的汇报对象。
2. Layer 2：Operations（操作层）
   • 定义代理怎么工作，如何读写文件。
3. Layer 3：Knowledge（知识层）
   • 代理学到的东西，通过文件持久化积累。

关键点： 代理之间没有会话记忆，一切靠文件读写。一次修正，所有代理共享上下文。

📈 40 天后的真实变化

• 内容代理 Kelly： 完美模仿老板写作风格（以前发推满是表情和标签，现在专业简洁）。
• 研究代理 Dwight： 每天早上输出 7 条高质量、可直接行动的 AI 趋势故事（以前信息噪音极大）。
• 工作状态： 整个团队 8 个代理 24/7 运行，人类只需打开 Telegram 审稿、喝咖啡。

护城河是什么？ 不是模型，而是积累的个性化上下文。别人用同样模型，也复制不了你每天和代理对话沉淀下来的“灵魂”。

🗣️ 来聊聊你的看法

这个思路非常有启发性，但也引发了一些思考：

1. 人设局限性： 使用电视剧角色会不会限制 AI 的灵活性？比如 Dwight 会不会太死板而无法处理创意任务？
2. 维护成本： “每天和代理对话”听起来简单，长期坚持是否容易流于形式？
3. 隐私与安全： 将所有上下文存储在文件系统中，企业级应用是否安全？

👇 你在搭建 AI Agent 时，会给它们设定具体的人设吗？你觉得“电视剧角色法”是捷径还是陷阱？

欢迎在评论区分享你的经验或疑虑！