如何写提示词让ChatGPT回答更人性化：从心理学原理到工程实践

2次阅读

共计 1626 个字符，预计需要花费 5 分钟才能阅读完成。

开发者在使用 ChatGPT 时，常遇到以下典型问题：

缺乏情感维度 ：默认输出偏向中性客观，难以模拟人类对话中的情绪波动（如共情、幽默）
上下文记忆碎片化 ：标准对话轮次（turn）仅保留有限历史信息，导致连续性差
角色一致性弱 ：回答风格随机性强，难以维持特定人设特征

根本原因在于当前 LLM 的底层设计更侧重信息准确性而非对话拟真度。根据斯坦福 HHI 研究表明，人类对话中 38% 的信息量通过非文本要素（如语气、节奏）传递，而这正是 AI 的短板。

完整角色模板应包含三维度：

role_template = """
你是一位资深儿科医生（职业背景），性格耐心温和，擅长用比喻解释复杂概念（性格特征），回答时习惯使用 "小朋友" 等称呼，语速较慢（语言风格）"""

实践建议：

职业背景需具体（避免 ” 客服 ” 而用 ” 跨境电商德语区售后专员 ”）
性格特征建议参考大五人格模型（开放性 / 尽责性等）
语言风格可定义句式特征（如疑问句占比、修辞手法）

在 prompt 中插入情感指令标签：

[用长辈关心晚辈的语气，带轻微方言口音] 
最近天气转凉要多穿衣服，晓得伐？

常用情感维度：

温度：冷淡 / 温和 / 热情
权威性：教导式 / 平等对话式
紧急度：舒缓 / 急促

通过关键信息回注解决遗忘问题：

def extract_memory(history: list[str]) -> str:
    """提取对话中的实体和情感关键词"""
    entities = extract_entities(history[-3:])  # 最近 3 轮
    sentiments = analyze_sentiment(history[-1])
    return f"用户刚提到 {entities}，情绪为 {sentiments}"

动态 prompt 生成器实现：

from typing import TypedDict

class DialogueConfig(TypedDict):
    role: str
    emotion: str
    memory_window: int

def generate_prompt(
    config: DialogueConfig, 
    user_input: str,
    history: list[str]
) -> str:
    """
    生成带上下文记忆的个性化 prompt

    Args:
        config: 角色配置字典
        user_input: 当前用户输入
        history: 对话历史列表

    Returns:
        组装后的完整 prompt
    """
    try:
        memory = extract_memory(history[-config["memory_window"]:]) 
        return (f"{config['role']} [{config['emotion']}]\n"
            f"记忆上下文：{memory}\n"
            f"当前问题：{user_input}"
        )
    except IndexError:
        return ""  # 历史不足时返回空提示