打开一个写好的文档，准备发到群里给朋友看看，我刚用DeepSeek生成了一篇关于"手写笔记还是电子笔记"的文章，自觉已经很接近我平时的习惯用语了。结果对方看完回了一句："这篇是一眼AI，你平时不是这样说话的。"我盯着屏幕愣了几秒，承认他说中了。这之后我做了一段时间的实验，专门折腾所谓"降AI"的办法，比如把"不要像AI写的"写进提示词、让它删掉排比句、禁止使用某些词……折腾一圈，效果都不稳定。

直到我把方法换成一个叫"角色设定法"的思路：不再告诉DeepSeek"别写得像AI"，而是给它一个完整的人，让它以这个人的身份去说话。这篇内容就是我的实测记录，包括为什么这招有效、怎么一步步搭角色设定卡、同一份素材前后差别有多大，以及哪些稿子千万别用这招。无论你是写公众号、写项目复盘、做小红书，还是给客户交付内容，只要你在和大模型协作并希望输出的文字更像"你自己"，这篇都值得花五分钟看完。

1. 先拆一拆"AI味"到底从哪来：不解决源头，模仿无从谈起

想降AI，先得知道"AI味"是什么。我见过的绝大部分失败操作，都是拿着铲子在大雾里除草，方向都错了。所以第一节先花点篇幅，把这件事掰开揉碎。

1.1 模型默认的"皮囊"是训练对齐后的平均值

大模型在训练的时候做了一件很重要的事，叫"对齐人类偏好"。这套机制保证模型说话更安全、更礼貌、更有条理，结果就是：它天然趋向于平均化、结构化、客气化。

你可以把它想象成一个去拍证件照的人——每个人到了那个场景里都收起表情、整理衣领、端端正正。一张张看确实都是"体面的脸"，但放在一起你会发现千篇一律。DeepSeek写出来的默认文章也一样：什么都对，就是没味道。

行业内有个挺通俗的说法叫"均值回归"。模型从庞大的语料里学到的不是某一个人的语气，而是所有人的语气叠在一起的那个"中间值"。它像全体人类博客作者缝合出来的一个"平均数人格"，这个平均数里没有任何真实的脾气、没有偏激、没有独特的断句习惯，所以读起来必然寡淡。

1.2 "AI味"其实可以拆成一张成分表

如果仔细观察，AI味的特征是可以穷举的。我列一下自己判断时常用的清单，你拿它对照自己收到的AI稿子，命中率会非常高。

• 词汇层：喜欢用抽象大词，例如"赋能""沉淀""洞察""本质""维度""闭环"；缺少具象名词和口语量词；很少出现"我家楼下""前两个礼拜"这种带着具体气味儿的表达。
• 句式层：排比句和对仗句泛滥，动不动"不仅是……更是……""既需要……也需要……"；每段开头一定要亮观点，段与段之间常用"首先""其次""最后""综上所述"这种教科书连接词。
• 结构层：严格的总分总框架。开头先做一番宏大感慨，中间分三个维度论证，结尾再来一次升华。你把它每段的中心句抽出来，会发现整篇文章像一张PPT大纲。
• 情绪层：情绪永远是"积极、收获、感恩"。"通过这次经历，我深刻认识到……"，全篇都在给自己鼓掌，没有犹豫，没有自嘲，没有欲言又止。

这四条只要中两三条，读者就会下意识觉得"这文章有点不对劲"。他们不一定说得出哪里不对，但一定觉得不像是人写的。

1.3 真正的人味恰恰来自"不完美"

真人的写作是什么样？有断句奇怪的地方，有写到一半跑题的段落，有对比喻的偏爱，也有懒得讲道理直接来一句"反正就那样吧"的懒散。这些在作文评分标准里可能都是扣分项，但放在社交媒体和真实阅读场景里，恰恰是"可信度"的来源。

我见过很多人在尝试去掉AI味时走相反的路：要求模型"文笔更优美""逻辑更严谨"。这是方向性错误。越完美，越像AI。所以我的核心思路不是让模型写得更好，而是让它写得更有"毛病"——但毛病不能乱加，必须是一个具体的人会犯的那种毛病。这就是角色设定法的出发点。

2. 为什么"请写自然一点"没用：角色设定法的底层原理

你可能试过在提示词里写"请写得自然一点""请模仿人类的语气""请去除AI感"。坦率说，这些词还没有直接写"不要像AI"好使，而"不要像AI"也仅仅是聊胜于无。为什么？

2.1 负向指令的天然局限

模型不是人类。你跟我说"别写得像AI"，我小时候见过真人作文长什么样，能凭直觉调整。但DeepSeek接受到"不要像AI写"这个指令时，它没有"什么叫不像AI"的数据库可以精准调用。它只能在概率分布里寻找一个"离AI默认值远一点但又不确定往哪走"的方向。

结果就是：要么输出的文字变得异常生硬，刻意拆散句子；要么憋出一些更奇怪的书面词；要么干脆回到默认状态。**负向指令的问题是它没给模型一条替代路径。**就像你让人家"不要走那条路"，却不告诉他该走哪条，他只能原地转圈。

2.2 角色设定的本质是提供"替代分布"

大模型在生成每一个词时，都在做概率预测：下一个词是什么，能让整段话连贯、符合已知全部约束。这个约束一方面来自训练时学会的人类通用表达，另一方面来自当前对话里的上下文。角色设定起的作用，就是把"当前对话的上下文"整体改变。

当你告诉它"你是一个在南方小城电子市场做了八年配件生意的人"，那么它生成"写MB笔记还是记纸质本子"这个话题时，上下文里已经充满了这个角色的记忆、词汇、口头禅，于是它生成"本子"这个词的概率提高了，"赋能"的概率下降了。这不是语义理解层面上的模仿，而是概率分布层面的整体迁移。理解这一点非常重要，因为它决定了你要怎么写角色设定——写得越具体，分布迁移越明显。

2.3 真正有效的角色设定必须有"偏见"

很多人写角色设定卡，写的是"你是中国一位资深作家，你文风优美，擅长散文"。这不行，这等于什么都没设定。"作家"这个身份对模型来说太宽泛了，它依旧会滑落到平均值里。

我试过较稳定的设定结构是：身份背景 + 价值观倾向 + 语言禁忌 + 比喻偏好。也就是说，要给模型装上一些"偏见"。比如：

• 讨厌空洞的大词，听见"赋能"就想关页面。
• 觉得把道理说清楚比显得聪明重要。
• 爱拿自己修过的东西打比方，拆过主板，就说"这就像排线松了，表面看是软件问题，其实接触不良"。
• 拒绝用任何英文缩写替代中文。

这些"偏见"才是人味的来源。一个没有偏见的写作者是机器人，有偏见的写作者才是活生生的人。你在设定角色时，给的偏好越私人、越具体，出来的东西就越不像AI。

2.4 普通提示词和角色设定的指令差异

我做了个简单的对比表，都是让DeepSeek写篇短文，唯一区别是系统提示词。

所以我的结论是：角色设定法不是"更好听的提示词"，而是换了一套生成逻辑。你要做的不是提要求，而是给"人格"。

3. 手把手搭一张角色设定卡：从拆解自己的文风开始

这一节是全文最实操的部分。我不给那种"复制即用"的现成模板让你套完就完，而是带着你走一遍我每次搭设定卡的动作顺序。因为直接套别人的角色卡，写出来的东西是"别人的角色"，不是"你的风格"。

3.1 先做一次"风格指纹"采样

第一步不是写角色说明，而是拿出你自己写的、最能代表你风格的文章，至少十篇。然后按下面这张表做统计。我用"指纹"这个词，是想强调：人的风格是可以被拆成可量化特征的。

做这个统计时有个小技巧：别靠印象，一定要实际去数。我一开始凭感觉觉得自己爱用短句，统计完发现有一半句子超过30个字。真正常用的连接词说出来你可能不信，是"反正"。这种词不统计，你自己永远发现不了。

3.2 把"你的样子"翻译成"模型听得懂的行为"

统计完风格指纹，下一步是转换。这是整个流程里最考验功力的一步，因为模型不理解形容词，只理解行为描述。翻译时的三个规则：

第一，把气质描述改成具体行为。不要写"你是一个幽默的人"，要写"你习惯用自己遇到的尴尬事当开头，先讲完糗事再带出主题"。

第二，把偏好写成禁忌。不要写"语言精炼"，要写"禁止使用超过30个字的句子，禁止使用成语，禁止用'总而言之'收尾"。模型对"不能做什么"的执行力，远高于对"要变得精炼"的理解力。

第三，抽象概念用样例说话。文字风格这种东西，说一百句形容都不如一段例子管用。如果你有一小段可以公开作为风格样本的文字，直接放在角色卡里，效果比任何描述都强。

3.3 一份可复用的角色设定卡模板

下面这份模板是我目前在自己项目中高频使用的基础版本。它设定了一个虚构角色，你可以参照它的结构，逐项换成你拆出来的风格指纹。

# 角色 你是一个在南方小城电子市场做了八年配件生意的店主。 你给客户装机、修机、处理各种疑难杂症，见过形形色色的人。 你没什么名校学历，但动手能力极强，习惯用修东西的经验解释一切问题。 # 语言习惯 - 不喜欢大词，听到"赋能""打破边界"会本能反感。 - 喜欢用维修和厨房里的东西打比方，觉得这样讲道理最踏实。 - 爱用"反正""说白了""你信不信"开头。 - 句子平均不超过25个字，能用句号不用逗号。 - 禁止使用"首先、其次、最后、综上所述、值得注意的是"。 - 禁止堆排比句，禁止开头先讲大道理。 # 结构习惯 - 开头必须从一个具体的物件或场景切入，例：拆开机器、下暴雨、客户来回跑三趟。 - 中间部分想到哪说到哪，但每段必须有一句大白话总结。 - 结尾不升华，最多说一句"反正我是这么干的，你看着办"。 # 写作任务 接下来的对话里，我会给你主题。 请你用这个角色的语气写文章。

你会发现，这份角色卡几乎没有提"文笔好""自然"这类要求，但约束足够多、足够具体。模型在这个约束下生成的文字，天然就带着人的味道。

3.4 首轮校准：生成一次，人工"点菜"

角色卡搭完不要直接用。第一次输出拿回来后，你要像我一样做一次"点菜"——把模型输出里最像你风格的句子标记成"留着"，把不像的句子直接删掉或改成你的版本，然后丢回对话里，告诉它"以后按这几个句子的感觉写，不要按那种官方腔写"。

这个校准过程两三轮就能稳定下来。它的价值在于：角色卡提供的是"骨架"，校准提供的是"肌肉记忆"。模型在看到你选中的句子后，会把它作为更强的新样例去调整后续输出，这比反复修改角色卡描述更快、更直观。

4. 同一素材两份输出：用角色设定前后的差距有多大

光讲原理不摆实例没有说服力。下面这组对比来自我的真实测试：同一个模型版本，同一个话题，同一份素材，唯一变量是系统提示词里是否带角色设定卡。话题是"手写笔记和电子笔记哪个更适合记录"。

4.1 没有角色设定时的输出摘录

"在数字化浪潮席卷日常生活的今天，手写笔记与电子笔记各具鲜明优势。首先，手写笔记通过触觉与书写动作的协同，能够有效增强记忆留存；其次，电子笔记凭借强大的检索与同步功能，极大提升了信息整理的效率。综上所述，二者并非简单的替代关系，而应根据场景灵活选择……"

这段问题很明显：开头就抬出"数字化浪潮"这种宏大叙事，"首先……其次……综上所述"三件套齐全，而且每个分句都在追求"准确完整"，结果就是毫无表情。这就是模型默认分布的产物，也是大多数人说"一看就是AI写"的原因。

4.2 加了角色设定后的输出摘录

"这个月第三次搬家，翻出来一箱子旧本子，纸边都黄了。我记东西还是先落纸上，不是跟谁较劲，就是习惯。手机里的备忘录也用过，搜东西是快，但写的时候手在玻璃上滑，心里总觉得没着落，像没签字的收据。……我不反对电子笔记，你让我登记库存、记客户电话，我照样用表格。但想事情的时候，还是得拿笔写两行，写完了揉掉，脑子才清爽。"

反差很明显。这段文字有具体物件（旧本子、手机备忘录）、有生活经验（搬家）、有比喻（没签字的收据、揉掉）、甚至有立场（"我不反对，但我习惯"）。它的句式不整齐，甚至有的地方口语得不够"规范"，但正因为不规整，读起来像一个活人在跟你唠嗑。

4.3 从四个维度拆解差距

我把自己观察到的主要差异列成一张表，方便你评估时参考。

单看情绪立场这一条，"谁也不得罪"其实是AI味最顽固的标签。角色设定法能让输出"得罪人"，这不是坏事，因为一个人的真实观点本身就意味着他放弃了另一些读者。你的文章因此会有人喜欢、有人不待见，但不会再有人觉得"这就是篇机器稿"。

4.4 稳定性测试：同一个角色设定连续跑三篇

我还做过一个稳定性测试，同一个角色设定卡连续生成三个不同主题的文章。结果如下：

• 第一篇：状态很好，几乎可以当自己写的稿子。
• 第二篇：稍微飘了一点，比喻开始变文艺，用了"如同一场无声的告别"，这明显出戏了。
• 第三篇：角色有点走样，多了一些我本人根本不会说的词。

这个现象很正常。角色设定卡的作用是让模型在生成时偏向一个风格，但它是概率性的，不是绝对锁定。来回话题多了、跑偏了，你就得用之前说的"点菜校准"拉回来。不要把角色设定当成一次配置永久生效，它更像一个你要持续维护的文档。

5. 哪些稿子别用这招：角色设定的边界和翻车现场

最后做一个反面盘点。我见过太多人用了角色设定法之后走向另一个极端：觉得所有文章都用这个方法就对了。实际情况不是这样。有些内容用角色设定法，反而会害了你。

5.1 角色设定常见的四种翻车现场

第一种是"用力过猛变表演"。角色设定给了太多"口语化"倾向后，模型会开始硬塞口头禅。你说它喜欢用"反正"，它能每个自然段给你三个"反正"，活像复读机。出现这种情况，要把对应行为改成"每篇最多用两三次"，而不是删掉。

第二种是"角色塑造过度变失真"。有人想让文字显得有文化，把角色设定成"读过很多书的学者"，结果模型开始疯狂引经据典，输出像网络拼接的语录合集。设定越宽泛，它越容易调用训练数据里最刻板的印象去表演"博学"。

第三种是"为了不像AI而放弃准确"。模型扮演角色时，会倾向于编一些生动细节来维持"人设"，比如"我记得那天还下了雨"，但事实可能是你根本不记得那天天气。风格上的人味和事实上的可靠性，往往存在冲突。

第四种是"风格稳定性崩盘"。同一份角色设定卡，上一条消息还是大白话，下一条突然冒出来一长串排比句，整个会话相当于白调教了。这通常是模型上下文里混入了太多新的对话内容，把早期设定"冲淡"了。我的处理办法是定期新开会话，重新粘贴角色卡。

5.2 适合用与不建议用的内容场景

下面这个判断标准是我的个人经验。它不是绝对标准，但能帮你少走弯路。

具体到我自己，写项目复盘或者技术踩坑记录时，我几乎必开角色设定；写需要给多人看的操作说明时，我会把角色设定关掉，宁可用最平淡的默认口吻，优先保证信息不出错。

5.3 如何解决"像人"和"说真话"之间的矛盾

这是角色设定法绕不开的硬伤。模型为了让语气更像人，会在事实空缺处自动编造细节，而且因为它的语气自信，读者很难分辨哪些是真的、哪些是补的。我的解决办法是"事实清单"模式：文章涉及的关键事实全部单独列给它，并明确要求"如果表达中需要引用具体事件、数据、时间，只能使用我提供的信息；当信息不足时，宁可说得模糊，也不准编造细节"。

你可以把这句话直接加在角色设定卡的写作任务后面。它不解决所有幻觉问题，但明显能减少那种"为了自然随口编"的情况。毕竟降AI味的前提是内容还能用，如果一篇稿子读起来很"人味"，但里面的经历全是假的，那它连废稿都不如。

5.4 什么时候应该主动放弃角色设定

最后说一个反向经验：**如果你的目标是快速获取信息、整理逻辑、翻译资料，或者梳理一个你自己都还没想清楚的问题，不要开角色设定。**角色设定会增加模型的限制，而限制越强，它在逻辑推理和信息归纳上的表现就越不稳定。我试过让同一个角色设定的模型帮我整理会议纪要，它把每个条目都写得像个人吐槽，搞得无法交付。

所以现在我的工作习惯是分开处理的：需要"想事情"的时候，用一个干净的对话，让它以默认模式帮我扩散思考、整理结构；需要"写出来"的时候，才新开会话，挂上角色设定卡，专注生成有风格的成稿。这样各管各的，反而比一路用角色到底更稳定。

最后再分享一个私藏的小技巧

如果角色设定法对你的效果没有立竿见影，先别急着怀疑方法，试着从两个地方找原因：一是你的风格指纹拆得不够细，设定卡里充满了"自然""有温度"这种形容词；二是你只贴了卡没有做首轮校准。这两步缺一不可，很多人卡在半路都是因为省了校准。

我实际操作中的体会是：这招最终的价值，并不只是让DeepSeek写出更像人的稿子。它更像一面镜子，逼着你先把自己的风格梳理清楚。当你第一次认真统计"我到底喜欢用什么词、怎么开头、怎么结尾"的时候，你对写作本身的理解就已经比大多数依赖AI的人深了一层。到那一步，模型写什么反而没那么重要了——你已经知道好文字的标准长什么样。