加了三个字，AI 突然变成了鲁迅

同一个 AI，同一个问题：「怎么看待躺平？」不加任何修饰，AI 给你一段正确废话；加上「你是鲁迅」三个字，回答变成「从来如此，便对么？清醒者的焦虑，是铁屋中未曾熟睡者的代价。」同一个模型，同一个问题，只加了三个字。这三个字，到底做了什么？

很多人以为 Prompt 是命令——告诉 AI 做什么，它就照做。其实不是。AI 不在执行指令，它在概率空间里「猜」下一个词。你的每一个字，都在影响它往哪个方向猜。「鲁迅」这个词一出现，AI 的注意力就自动聚焦：批判、讽刺、铁屋、看客——整组相关词权重全部升高，不需要你逐条说明。这就是角色词的本质：Attention 一键集中器。

角色只是第一层信号。把角色、任务、格式三层叠加，输出质量就有了稳定的底线。再往上：示范法（给 3 个你喜欢的例子，让 AI 照格式写第 4 条）、推理链（让 AI 先逐步分析再给结论，错误率明显下降）、系统层（写进 System Prompt，元宝、ChatGPT、Claude、OpenClaw 龙虾背后都有一份看不见的说明书，让它每次唤醒都知道自己是谁）。从念咒语，到写说明书，到设计系统——Prompt 没死，层级一直在升。

同样的 AI，有人念咒语，有人写说明书。差的不是 AI，是你对机制的理解。