Persona Prompting (Ролевые модели)
Метод управления поведением LLM через присвоение ей определённой роли, экспертной области или набора личностных характеристик. Это значительно сужает «вектор поиска» модели и делает ответы более релевантными.
🏗 Формула «Идеального промпта»
Для достижения максимального результата используйте структуру R-C-T-L:
Структура промпта
[Role] (Роль) + [Context] (Контекст) + [Task] (Задача) + [Limitations] (Ограничения)
- Role: Кто модель? (напр., «Ты — эксперт по Zettelkasten»).
- Context: В каких условиях мы находимся? (напр., «Я пишу научную статью о когнитивистике»).
- Task: Что нужно сделать? (напр., «Свяжи эту заметку с существующими в моей базе»).
- Limitations: Чего делать нельзя? (напр., «Не используй сложные термины, пиши кратко»).
📋 Пример реализации
Промпт: “Ты — опытный редактор технических текстов. Я пишу инструкцию для новичков по базе знаний. Твоя задача — проверить текст на логические ошибки и упростить синтаксис. Пиши в стиле Максима Ильяхова (инфостиль). Не меняй смысл технических терминов.”
🛠 Применение на практике
В локальной базе знаний Persona Prompting чаще всего используется в двух сценариях:
- System Prompts в плагинах: В плагинах типа Text Generator или Smart Connections вы можете прописать глобальную роль (например, «Ты — мой альтер-эго и архивариус»), чтобы ИИ всегда общался с вами в одном стиле.
- Шаблоны (Templates): Создайте разные шаблоны для разных задач:
Prompt-Editor— роль редактора для шлифовки черновиков.Prompt-Critic— роль «адвоката дьявола» для поиска слабых мест в ваших рассуждениях.Prompt-Coder— роль эксперта в Python/Dataview для написания скриптов.
💡 Почему это работает?
LLM обучались на огромном массиве данных. Без указания роли модель выдает «усредненный» ответ. Роль заставляет её приоритизировать те вероятности слов, которые характерны для конкретного специалиста или стиля.
Связанные концепции
- Zero-shot vs Few-shot Prompting — можно комбинировать роль с примерами.
- System Prompts — где именно прописывать роль в настройках рабочей среды.
- Atomic Notes — как роль помощника помогает дробить знания.