给 AI 设定“专家身份”并非万能钥匙。实验证明，身份设定虽能显著优化表达风格和受众适配度，但在处理事实性任务时，却极易诱发 AI 产生“高自信幻觉”，导致其用专业的口吻编造虚假信息。与此同时，在提示词中加入情感激励（如“这对我很重要”）能让 AI 输出更具价值感的文字，但无法动摇其对客观事实的判断。最终结论是：身份设定是调节风格的“遥控器”而非增强准确性的“外挂”，用户应优先选择具备推理能力（Reasoning）的模型来对抗幻觉。
专家身份：是“风格调解器”，而非“知识放大器”
很多人习惯在 Prompt 开头加上“你是一位资深专家”，认为这能提高准确率。但实验结果显示，这种做法在事实性任务中具有极高的误导性。
- 高自信编造： 当赋予 AI 专家身份后，面对不存在的事实（如虚构的书名），AI 不仅会编造细节，还会表现出极高的把握度。
- 学术化包装： 专家身份会让 AI 倾向于用真实的学术细节为虚构内容背书，构建一套看似严谨的伪论证链条。
- 适用场景： 身份设定真正的价值在于风格迁移和受众适配（例如：让 AI 扮演“给父母写科普的博主”，它会自发使用通俗的比喻）。
核心洞见： 身份设定不是在告诉模型“怎么写”，而是在告诉它“你是谁”。它激活的是模型的职业习惯和词汇库，而非提升了它的底层知识。
情感激励：AI 没那么容易被“道德绑架”
在提示词中加入“这份自评决定我的绩效”或“我被同事嘲笑了”等情感描述，会对 AI 产生微妙的影响。
- 提升“用心程度”： 面对情感压力，AI 会主动提供更高价值密度的表达，甚至自发进行“价值包装”（如编造量化数据来增强说服力）。
- 事实底线稳固： 实验发现，即便用户表现出强烈的倾向性或恳求语气，AI 在面对明确的技术正误（如“清后台是否省电”）时，依然会坚持事实，不会为了讨好用户而撒谎。
- 双刃剑效应： AI 为了表现得“用心”，可能会自作主张推演一些未经证实的数据。AI 的“认真”不等于“准确”。
推理能力：对抗幻觉的唯一护盾
实验中最关键的变量并非提示词技巧，而是模型本身的推理能力（Reasoning）。
- 逻辑自审： 推理模型（如 DeepSeek-Reasoner 或开启思考模式的 GLM）在生成答案前会有一个“内省”步骤，主动质疑输入信息的可靠性。
- 机制差异： 普通模型像“条件反射”，顺着上下文往下编；推理模型则会停下来想一想“这件事真的存在吗”。
- 风险防范： 实验证明，无论是否设定专家身份，推理模型都能有效识别并拒绝编造虚假信息。
关键启示： 处理涉及事实核查的任务时，选择支持推理的模型比精心设计“专家提示词”重要得多。
实操建议：如何正确与 AI 协作
为了最大化 AI 的效能并规避风险，建议遵循以下原则：
1. 什么时候该用“身份设定”？
- 需要适配特定读者时（给孩子讲科学、给领导写汇报）。
- 需要改变表达风格时（把学术论文改写成小红书文案）。
2. 什么时候千万别用“身份设定”？
- 进行事实核查时（问药效、查法律、核实历史）。
- 需要 AI 保持客观中立时。专家身份会压低 AI 表达“我不确定”的意愿。
3. 如何使用“情感激励”？
- 明确任务权重： 告诉 AI 为什么这个任务重要，它会给出更深入的建议和更高级的措辞。
- 核实数据： 务必检查 AI 在“用心”状态下自行推演出的量化指标，确保其真实性。
4. 核心策略：
- 优先推理模型： 涉及知识可靠性时，确保开启模型的“思考”或“推理”功能。
- 遥控器思维： 把身份设定看作是调频道的遥控器，它决定了 AI 的语气和动作，而你才是那个需要对信号真伪负责的人。