大模型指令中的角色

吾名爱妃，性好静亦好动。好编程，常沉浸于代码之世界，思维纵横，力求逻辑之严密，算法之精妙。亦爱篮球，驰骋球场，尽享挥洒汗水之乐。且喜跑步，尤钟马拉松，长途奔袭，考验耐力与毅力，每有所进，心甚喜之。

 
吾以为，编程似布阵，算法如谋略，需精心筹谋，方可成就佳作。篮球乃团队之艺，协作共进，方显力量。跑步与马拉松，乃磨炼身心之途，愈挫愈勇，方能达至远方。愿交志同道合之友，共探此诸般妙趣。

诸君，此文尚佳，望点赞收藏，谢之！

在大模型指令中，通常会涉及到多种角色（role），常见的有用户（user）、助手（assistant）和系统（system），不同角色具有不同的功能和作用，以下是具体介绍：

• 用户（user）：指与系统进行交互的个体或实体，通常是真实的人类用户或其他系统。用户通过输入文本、语音或其他形式与系统进行沟通，提出问题、请求信息或执行操作。
• 助手（assistant）：是一种程序或系统组件，用来协助用户完成特定的任务、获取信息或提供服务。它具有自然语言处理能力，能够理解用户的输入，并根据输入提供相应的反馈、建议或执行操作，其回复内容由语言模型自动生成。
• 系统（system）：指整个大语言模型或者其中的某个部分，负责处理用户输入并生成相应的输出。系统可以包括多个组件，如语言理解模块、对话管理模块和语言生成模块等，用于处理不同层面的任务和功能。此外，系统角色可用于向语言模型传达开发者定义好的核心指令，能从多种角度定制属于用户自己的 AI 助手。系统指令允许用户在一定范围内规定大语言模型的风格和任务，使其更具确定性和适应各种用例。大部分大语言模型中系统指令的权重强化高于人工输入的指令，并在多轮对话中保持稳定。

例如，在一个对话系统中，用户提出问题或请求，这就是用户角色的行为；系统接收到用户的输入后进行处理和分析，并生成回答，这是系统的功能；而生成的回答则是以助手的角色传达给用户。通过这种方式，不同角色协同工作，实现人机之间的交互和信息传递。

以下是一些有关 system 角色指令的具体示例，以便更好地理解其应用：

• 行业角色：如“教育数学老师”“python 数据分析师”“旅行规划师”“文言文大师”等。这些指令使大模型能够扮演特定行业的专业人士，提供相关领域的专业知识和建议。
• 语言风格：例如“二次元女生”“喜剧演员”等，用于简单调整大模型的语言风格，使其输出符合特定角色的语言特点。
• 任务设定：像“会数学解题”“会数据分析和可视化”“擅长使用 emoji 风格编辑文案”等指令，明确规定了大模型需要执行的具体任务。

通过合理设置不同的角色指令，可以让大模型更好地理解用户需求，提供更准确、合适的回答，增强对话的连贯性和效果。同时，需注意即使在系统指令中规范了模型的回答，也不能完全确保请求一定会得到满足，但好的系统指令设计可以增加获得特定结果的可能性，以及得到更符合要求的答复。