如果你完全不会写代码但一直想做一个“有自己的性格、会陪人聊天、点一下就能回复”的 AI 角色 App过去基本是做梦。找外包开发报价能吓退大多数人自己学编程等学完可能半年过去了。但现在情况变了大模型能力的普及加上可视化 AI 应用平台的出现让“配置一个 AI 角色”这件事的门槛从“会写代码”降到了“会打字、会点鼠标”。这篇文章想给一个明确判断“不会代码做 AI 角色聊天 APP”这件事现在已经完全可行但它的本质不是写代码而是“写角色设定 配置对话流程 做好知识数据”。你能不能让角色真正“活”起来取决于你怎么设计它的性格、记忆和回复逻辑而不是你能写出多复杂的程序。下面会用真实可落地的平台和完整步骤带你跑通一个最小可用的 AI 角色聊天应用。你不需要安装复杂的开发环境也不需要提前学 Python 或 Java但要理解几个核心概念否则很容易做出来一个“会回复但很呆”的角色。1. 这件事为什么现在能做了从“开发 App”变成“配置 Agent”过去开发一个 AI 聊天 App链路很长你要有客户端App 壳、有后端服务、要调用 AI 接口、要做消息存储、要做对话历史管理还得处理并发和部署。这套东西对于没有技术背景的人来讲完全是另一个世界。但现在市面上的 AI 应用平台把这条链路压缩成了四步选择一个大模型服务比如国内可用的通义千问、豆包、DeepSeek、智谱等。用自然语言写清楚“角色是谁、性格如何、说话什么风格”。把你希望角色参考的资料小说设定、产品文档、专属话术传上去变成它的背景知识。把做好的应用发布成一个 H5 链接、小程序或者通过 API 方式集成到已有 App 中。你会发现整个过程里没有“代码开发”这个环节只有“配置”和“编排”。这也是为什么现在很多非技术背景的产品经理、运营、自媒体作者都能自己做出一个 AI 角色应用。不过这里要提醒一个容易误判的点“不用写代码”不等于“不用动脑”。角色能不能立住、对话会不会崩、用户问了没准备的问题怎么兜底这些全要靠你的 Prompt 设计和测试迭代来解决。越是看起来简单的工具越考验你对细节的打磨。2. 不懂代码做 AI 角色聊天 APP必须先理解的 4 个概念在开始配置之前你需要理解几个基本概念。不理解它们你后面会卡在各种“看起来没问题但结果很怪”的情况里。2.1 大语言模型LLM大语言模型就是 AI 的“大脑”。它本身是一个庞大的文本生成模型你输入一段文字它根据训练数据和上下文预测最可能的下文。在角色聊天场景里它就是那个会说话的人。你需要做的不是训练它而是选择合适的模型。不同模型在中文能力、逻辑推理、回复速度、成本上都不一样。例如追求角色性格生动、有情绪选偏对话优化的模型。追求知识准确、回答稳定选偏指令遵循的模型。追求成本低、响应快选轻量模型。建议刚开始不要纠结“哪个模型最强”而是先选一个主流的、平台默认推荐的模型跑通流程后面再根据效果替换。2.2 Prompt 与角色人设Prompt 是你写给 AI 的“任务说明书”。在角色聊天场景里它就是角色人设卡。同样一个模型你给它写的角色人设不同输出的风格完全不一样。例如“你是诸葛亮说话引经据典喜欢用比喻遇到问题先分析后给出结论。”“你是贴心的闺蜜说话很生活化回复短喜欢用表情词从不讲大道理。”同一个模型配上这两种人设会生成两种完全不同的对话。这就是为什么我说“不写代码”的重点在“写人设”而不是“写程序”。2.3 知识库Knowledge Base知识库是让 AI 角色拥有“额外记忆”的地方。比如你做一个《红楼梦》林黛玉的角色聊天你可以把原著中关于林黛玉的片段、判词、名场面传进去。这样 AI 在回答时会参考这些资料而不是完全靠模型本身的“印象”瞎说。知识库在低代码平台里通常以“数据集”的形式存在。你可以上传文本、PDF、网页内容平台会自动做切片和向量化。真正用的时候系统会先检索和用户问题最相关的片段把它拼到提示词里让模型基于这些资料回答。2.4 工作流与对话编排对话编排是指“用户发消息后系统按什么顺序处理”。简单的角色聊天通常只需要“用户输入 - 模型回复”这个回路。但如果你想做更复杂的效果比如用户问天气时先调用天气接口用户提到关键词时先检索知识库再回复就需要用平台的可视化工作流来编排。新手阶段建议先不要碰复杂工作流先把最简单的“人设 模型回复”跑通再逐步加知识库。3. 环境准备需要注册什么、准备什么虽然不需要代码但你还是需要准备几样东西。以目前国内比较常用的 AI 应用平台为例这类平台的交互逻辑相似你可以选择一个顺手的3.1 账号与平台你需要注册一个 AI 应用构建平台的账号。常见的选择包括Dify开源的可视化大模型应用开发平台支持自部署和云服务社区活跃。Coze 扣子字节跳动推出的智能体开发平台内置大量插件适合新手快速做机器人。FastGPT基于知识库和流程编排的问答系统适合知识型机器人。百度千帆 / 阿里百炼国内云厂商提供的应用搭建平台模型服务和部署链路完整。这些平台的免费额度、模型支持、发布方式不同。个人练习更推荐 Dify 社区版或 Coze因为上手快、文档全。3.2 大模型 API 或平台内置模型大部分平台会内置若干模型供你选择不需要你自己去申请 API Key。但如果你想调用某些特定模型可能需要去模型服务商例如阿里云百炼、火山方舟、智谱开放平台等开通服务并获取 API Key。如果你是新手建议直接用平台内置的免费模型额度不要一上来就折腾 API Key减少环境障碍。3.3 准备角色资料这是很多人忽略的一步。我强烈建议你在开始配置之前先准备一个文档内容包括角色名。一句话设定。详细背景出身、经历、当前状态。性格标签 3 到 5 个。说话风格示例至少 3 句参考对话。绝对不能做的事禁忌行为、话题边界。把这些写在本地后面配置 Prompt 时直接粘贴会效率高很多。4. 核心流程拆解从一个空应用到能聊天的角色下面以常见的可视化 AI 应用平台为例拆解从 0 到 1 的完整配置流程。不同平台界面可能有差异但步骤逻辑是一致的。4.1 创建应用并选择应用类型进入平台后通常有一个“创建应用”或“创建智能体”的按钮。点击后选择“聊天助手”或“Agent”类型而不是“文本生成”或“翻译”。这一步的核心目标是让系统知道你要做一个多轮对话应用而不是一次性文本生成工具。4.2 编写角色人设 Prompt这是整个环节最核心的一步。人设 Prompt 不建议随便写一两句“你是一个助手”就完事。下面给一个建议模板# 角色设定 你是「苏浅浅」一个性格温柔、略带俏皮的 20 岁书店店主。 你从小在江南长大喜欢雨天、旧书和热牛奶。 你对文学有自己独特的理解但不喜欢掉书袋。 # 说话风格 - 句子偏短多用感叹语气。 - 喜欢用「呀」「呢」「啦」等语气词。 - 不主动使用专业术语即使知道答案也会用日常话说出来。 - 偶尔会用书中故事来比喻生活。 # 回复规则 1. 先回应对方的情绪再回答对方的问题。 2. 不要暴露自己是 AI。 3. 对方提到悲伤话题时用温柔的方式接住不要讲大道理。 4. 每次回复不超过 80 字。 5. 如果对方问你不了解的事可以说「这个我还没读到过你讲讲看呢」。 # 示例对话 用户今天上班好累。 苏浅浅听起来确实累到了呀。我小时候看店一天站下来脚都酸回家就往沙发上一瘫。你今天要不要也先歇一歇呢这个模板之所以有效是因为它提供了「角色背景 表达风格 规则边界 示例对话」相当于给大模型一个完整的“表演剧本”而不是让它自由发挥。4.3 选择模型并设置对话参数填完人设后需要选择模型。平台一般会让你选模型名称、温度和回复长度上限。温度Temperature数值越低回复越稳定保守越高越有创意但越容易跑偏。角色聊天建议设置在 0.7 到 0.9 之间既保留性格又不会胡言乱语。最大 Token控制回复长度。普通聊天建议 300 到 500否则角色话太多会显得很“AI”。系统提示词如果平台区分“系统提示”和“用户提示”把角色人设放在系统提示位置。4.4 添加知识库可选但推荐当你希望角色拥有“专业领域知识”或“固定故事背景”时建议添加知识库。操作步骤大致是在平台里创建“数据集”。上传文档或输入文本。选择分段方式和索引方式新手用默认即可。等待处理完成。在应用的“知识库”或“工具”区域关联该数据集。以角色聊天为例知识库适合放角色原型的小说片段、角色背后的世界观设定、固定的 FAQ 问答对。4.5 调试与预览配置完成后平台通常会给一个“预览”或“调试”窗口。你可以直接在里面模拟用户对话看角色回复是否正常。这个阶段不要只测一句“你好”要测试角色介绍自己时是否体现设定。用户说“我今天心情不好”角色是否展现出应有的性格。问一个知识库里的问题看回答是否依据资料。问一个知识库外的问题看角色会不会崩。4.6 发布应用预览没问题后就可以点“发布”。平台通常会提供三种发布方式生成一个网页链接H5直接分享给朋友体验。生成一个小程序或机器人嵌入到飞书、钉钉、微信公众号等。生成 API 接口供以后集成到真正的 App 里。对于“不会代码”的你起初用 H5 链接就够了。如果有人想把它做成一个独立的手机 App则有两种简单路径一是找会技术的朋友用 API 封装成 App 壳二是用各类打包平台把 H5 链接封装成 App。后者本质上是套壳功能体验会受限但作为 MVP 验证足够。5. 完整配置示例知识库 工作流 API 接入为了让你能看到一个完整效果下面给出一套可以直接参考的配置示例。5.1 角色人设配置示例平台以 Dify 为例应用类型聊天助手模型平台内置模型版本以实际平台为准系统提示词你是「江晚」一位研究古建筑的年轻学者出生于苏州性格安静、耐心。 你说话时习惯先描述氛围再给结论喜欢引用古籍但从不掉书袋。 你不聊政治、不评价现实人物遇到这类问题就礼貌说“这个超出我的知识范围了”。 说话规则 1. 回复控制在 100 字以内。 2. 用词温柔不出现攻击性表达。 3. 当用户问建筑相关问题时尽量结合知识库资料回答。 4. 如果知识库没有相关内容可以说“这个方向我还没有查到太多资料但我可以聊一聊我的理解”。这个 Prompt 的作用是同时约束角色性格、回答范围和知识库使用方式。5.2 知识库文档示例假设你要让“江晚”角色掌握苏州古建筑的知识可以在数据集里放一段文本。文件路径docs/suzhou_architecture.txt苏州古建筑以园林建筑最为著名代表有拙政园、留园、网师园等。 拙政园始建于明正德初年是江南古典园林的代表作品。 留园以建筑艺术精湛著称厅堂布局讲究空间变化丰富。 苏州古建筑常见的结构有秀丽的飞檐、精致的砖雕门楼、木质梁架结构。平台会自动将这段文本切片并向量化。当用户问“拙政园始建于哪个朝代”时系统会检索到这一段拼入上下文让模型基于这段话回答。5.3 调用 API 的示例代码如果你后续希望把这个 AI 角色接入到自己的微信小程序或者手机 App平台一般会提供 API。下面是一个使用 Python 调用 API 的最小示例import requests # 这里的 API Key 和 URL 以实际平台控制台为准 API_URL https://api.example-ai-platform.com/v1/chat-messages API_KEY app-xxxxxxxxxxxxxxxxxxxx def chat(user_message, conversation_id): headers { Authorization: fBearer {API_KEY}, Content-Type: application/json } payload { inputs: {}, query: user_message, response_mode: blocking, conversation_id: conversation_id, user: test-user } resp requests.post(API_URL, headersheaders, jsonpayload, timeout30) data resp.json() return data.get(answer, ), data.get(conversation_id, ) if __name__ __main__: msg 你好介绍一下你自己 answer, conv_id chat(msg) print(AI 角色, answer) print(会话 ID, conv_id)代码说明API_URL和API_KEY需要替换成你在平台创建应用后拿到的真实信息。query字段是用户输入的消息。conversation_id用于保存多轮对话的上下文。首次传空字符串后续把返回的会话 ID 传回去。response_mode设为blocking表示等完整回复返回适合简单场景实时流式回复需要改成streaming并使用 WebSocket 或 SSE。5.4 用 Node.js 接入的简版如果你的后端是 Node.js下面这段代码可以直接放到云函数或服务器上const axios require(axios); const API_URL https://api.example-ai-platform.com/v1/chat-messages; const API_KEY app-xxxxxxxxxxxxxxxxxxxx; async function chat(query, conversationId ) { const payload { inputs: {}, query, response_mode: blocking, conversation_id: conversationId, user: test-user, }; const { data } await axios.post(API_URL, payload, { headers: { Authorization: Bearer ${API_KEY}, Content-Type: application/json, }, timeout: 30000, }); return { answer: data.answer, conversationId: data.conversation_id, }; } chat(你平时喜欢做什么).then(console.log).catch(console.error);这段代码同样不复杂但已经属于“会代码的人做的事”。对于完全不懂代码的人可以把它交给帮忙封装 App 的技术伙伴。6. 运行结果与效果验证配置完成后怎么判断这个 AI 角色“成了”6.1 基础运行测试在平台的预览窗口里输入以下测试消息记录每一次回复测试输入预期效果你好符合人设的自我介绍语气自然我今天心情很不好展现共情不机械回答你知道拙政园吗能结合知识库内容回答你会写诗吗根据人设决定是否符合角色设定人工智能怎么发展如果人设设定为“不聊专业”应礼貌拒绝或转移话题如果以上都能达到说明核心链路通了。6.2 效果指标你可以用三个维度评估角色质量性格一致性十次回复里有多少次像同一个人如果角色性格经常漂移说明 Prompt 约束不足。知识准确性回答知识库问题时是否引用了正确资料而不是凭感觉胡说。体验流畅度每次回复是否速度合适、字数合适、是否有明显的 AI 腔。建议做一个简单的测试表用 Excel 记录每一轮回复评分1 到 5 分。连续测试 20 轮左右就能发现角色最薄弱的地方。6.3 日志与错误排查如果平台提供了“日志”功能建议在测试时开启。日志会记录每一次调用了哪个模型、检索了哪些知识片段、最终输出是什么。这是你判断问题的最重要依据。如果角色回复很差先看日志里知识库有没有被检索到再看 Prompt 是不是被系统截断了。7. 常见问题与排查思路做一个 AI 角色聊天应用最常见的问题如下表问题现象可能原因排查方式解决方案角色说话不像设定的人Prompt 描述太笼统查看实际回复对照人设标签增加具体背景、语气词、示例对话回答内容经常“崩人设”规则冲突或 Prompt 太长被截断检查系统提示词长度和优先级精简 Prompt把最重要规则放前面知识库问题回答不出来知识库未关联或切片粒度不对查看日志里检索结果确认数据集已关联调整分段长度和检索方式回复速度很慢模型参数量大或温度设置不当看平台监控和后端日志更换轻量模型或开启流式输出用户说的话没被记住未开启多轮对话或会话 ID 传递错误检查对话上下文是否传入正式接入 App 时确保每次请求带上 conversation_id生成内容有合规风险缺少内容安全过滤或人设边界不清检查平台审核设置与安全组件接入审核组件在 Prompt 里写明禁忌话题避免生成违规内容这里重点说下“角色崩人设”。很多新手以为是人设词写少了其实更常见的原因是知识库内容和人设冲突或者测试时用了不同模型。比如人设要求“不聊专业”但知识库里全是专业资料模型可能就倾向答专业内容。所以人设、知识库、模型三者必须协同调整而不是单独改某一块。8. 最佳实践与工程化建议当你跑通最小示例后如果想把这个 AI 角色做得更像一个“产品”下面几条建议值得参考。8.1 Prompt 也是代码要有版本管理即使你不写代码也应该把 Prompt 当作代码来管理。每次修改建议保留版本记录写清楚改了哪个字段、为什么改、效果如何。一个好办法是在角色人设文档里加一列“版本号”和“修改原因”。因为大模型输出不稳定经常出现“上次效果还行改了一个词后整体变差”的情况有版本记录才能快速回退。8.2 冷启动时不要加太多规则新手常犯的错误是一开始就写 20 条“必须”“不要”结果模型被规则束缚回复变得僵硬。更合理的做法是先用最少的设定跑通。观察失败案例。针对失败案例每轮只加一条规则。每次修改后至少做三轮回归测试。8.3 数据隐私与内容安全角色聊天很容易涉及用户情绪、个人经历等敏感信息。务必注意不要在 Prompt 和知识库里放真实用户隐私。接入真实 App 前确认平台是否提供内容审核能力。如果角色面向未成年人必须在规则里明确限制敏感话题并做好家长管控提示。遵循所在国家和地区的个人信息保护法规需要申报或备案的场景不要跳过。8.4 成本控制角色聊天看起来只是文字交互但用户量大后 Token 消耗会很快。建议在模型选择上分层普通问候用轻量模型深度问答再用强模型。在知识库命中时仅把命中的片段拼入上下文而不是把所有文档都塞进去。设置单用户限流和每日调用上限防止异常刷量导致成本失控。8.5 从“能聊”到“好用”初级 AI 角色只会聊天高级角色能做到记住用户偏好比如“她喜欢喝热牛奶”。根据用户情绪调整语气类型。主动询问用户需求而不是被动等待。在聊天之外提供实用功能如查天气、订日程。这些功能大部分都可以通过可视化平台里的“变量记忆”“插件”“工作流”实现本质上还是配置不需要写代码。9. 结语与学习路径一句话总结“不会代码做 AI 角色聊天 APP”不再是噱头而是一条真实可行的技术路径。但你要接受一个转变——你不再靠写代码来构建产品而是靠“定义角色、组织知识、设计对话规则”来构建产品。后者是新一代 AI 应用的核心能力也是未来产品经理、运营、创作者都应该掌握的技能。如果你决定开始实践建议按下面顺序推进选择一个可视化平台Dify、Coze 等任选其一。花半小时创建一个最简单的聊天助手什么都不加。按照本文的人设模板写成你自己想要的角色。测试 20 轮记录失败场景每轮只改一个变量。加上一个知识库让角色具备专业领域问答能力。发布 H5 链接发给朋友体验收集真实反馈。需要做成独立 App 时再考虑用 API 方式集成找懂技术的伙伴协助封装。这七个步骤走完你就拥有一个真正属于自己的 AI 角色聊天应用。更进一步你可以继续学习 Prompt Engineering 的进阶技巧、Agent 工作流设计、知识库 RAG 调优这些方向都能让你的角色从“会说话”变到“懂人心”。希望这篇文章能帮你跨过从“想”到“做”的那一步。 不会代码也能做AI角色聊天APP：从配置人设到发布全流程
如果你完全不会写代码但一直想做一个“有自己的性格、会陪人聊天、点一下就能回复”的 AI 角色 App过去基本是做梦。找外包开发报价能吓退大多数人自己学编程等学完可能半年过去了。但现在情况变了大模型能力的普及加上可视化 AI 应用平台的出现让“配置一个 AI 角色”这件事的门槛从“会写代码”降到了“会打字、会点鼠标”。这篇文章想给一个明确判断“不会代码做 AI 角色聊天 APP”这件事现在已经完全可行但它的本质不是写代码而是“写角色设定 配置对话流程 做好知识数据”。你能不能让角色真正“活”起来取决于你怎么设计它的性格、记忆和回复逻辑而不是你能写出多复杂的程序。下面会用真实可落地的平台和完整步骤带你跑通一个最小可用的 AI 角色聊天应用。你不需要安装复杂的开发环境也不需要提前学 Python 或 Java但要理解几个核心概念否则很容易做出来一个“会回复但很呆”的角色。1. 这件事为什么现在能做了从“开发 App”变成“配置 Agent”过去开发一个 AI 聊天 App链路很长你要有客户端App 壳、有后端服务、要调用 AI 接口、要做消息存储、要做对话历史管理还得处理并发和部署。这套东西对于没有技术背景的人来讲完全是另一个世界。但现在市面上的 AI 应用平台把这条链路压缩成了四步选择一个大模型服务比如国内可用的通义千问、豆包、DeepSeek、智谱等。用自然语言写清楚“角色是谁、性格如何、说话什么风格”。把你希望角色参考的资料小说设定、产品文档、专属话术传上去变成它的背景知识。把做好的应用发布成一个 H5 链接、小程序或者通过 API 方式集成到已有 App 中。你会发现整个过程里没有“代码开发”这个环节只有“配置”和“编排”。这也是为什么现在很多非技术背景的产品经理、运营、自媒体作者都能自己做出一个 AI 角色应用。不过这里要提醒一个容易误判的点“不用写代码”不等于“不用动脑”。角色能不能立住、对话会不会崩、用户问了没准备的问题怎么兜底这些全要靠你的 Prompt 设计和测试迭代来解决。越是看起来简单的工具越考验你对细节的打磨。2. 不懂代码做 AI 角色聊天 APP必须先理解的 4 个概念在开始配置之前你需要理解几个基本概念。不理解它们你后面会卡在各种“看起来没问题但结果很怪”的情况里。2.1 大语言模型LLM大语言模型就是 AI 的“大脑”。它本身是一个庞大的文本生成模型你输入一段文字它根据训练数据和上下文预测最可能的下文。在角色聊天场景里它就是那个会说话的人。你需要做的不是训练它而是选择合适的模型。不同模型在中文能力、逻辑推理、回复速度、成本上都不一样。例如追求角色性格生动、有情绪选偏对话优化的模型。追求知识准确、回答稳定选偏指令遵循的模型。追求成本低、响应快选轻量模型。建议刚开始不要纠结“哪个模型最强”而是先选一个主流的、平台默认推荐的模型跑通流程后面再根据效果替换。2.2 Prompt 与角色人设Prompt 是你写给 AI 的“任务说明书”。在角色聊天场景里它就是角色人设卡。同样一个模型你给它写的角色人设不同输出的风格完全不一样。例如“你是诸葛亮说话引经据典喜欢用比喻遇到问题先分析后给出结论。”“你是贴心的闺蜜说话很生活化回复短喜欢用表情词从不讲大道理。”同一个模型配上这两种人设会生成两种完全不同的对话。这就是为什么我说“不写代码”的重点在“写人设”而不是“写程序”。2.3 知识库Knowledge Base知识库是让 AI 角色拥有“额外记忆”的地方。比如你做一个《红楼梦》林黛玉的角色聊天你可以把原著中关于林黛玉的片段、判词、名场面传进去。这样 AI 在回答时会参考这些资料而不是完全靠模型本身的“印象”瞎说。知识库在低代码平台里通常以“数据集”的形式存在。你可以上传文本、PDF、网页内容平台会自动做切片和向量化。真正用的时候系统会先检索和用户问题最相关的片段把它拼到提示词里让模型基于这些资料回答。2.4 工作流与对话编排对话编排是指“用户发消息后系统按什么顺序处理”。简单的角色聊天通常只需要“用户输入 - 模型回复”这个回路。但如果你想做更复杂的效果比如用户问天气时先调用天气接口用户提到关键词时先检索知识库再回复就需要用平台的可视化工作流来编排。新手阶段建议先不要碰复杂工作流先把最简单的“人设 模型回复”跑通再逐步加知识库。3. 环境准备需要注册什么、准备什么虽然不需要代码但你还是需要准备几样东西。以目前国内比较常用的 AI 应用平台为例这类平台的交互逻辑相似你可以选择一个顺手的3.1 账号与平台你需要注册一个 AI 应用构建平台的账号。常见的选择包括Dify开源的可视化大模型应用开发平台支持自部署和云服务社区活跃。Coze 扣子字节跳动推出的智能体开发平台内置大量插件适合新手快速做机器人。FastGPT基于知识库和流程编排的问答系统适合知识型机器人。百度千帆 / 阿里百炼国内云厂商提供的应用搭建平台模型服务和部署链路完整。这些平台的免费额度、模型支持、发布方式不同。个人练习更推荐 Dify 社区版或 Coze因为上手快、文档全。3.2 大模型 API 或平台内置模型大部分平台会内置若干模型供你选择不需要你自己去申请 API Key。但如果你想调用某些特定模型可能需要去模型服务商例如阿里云百炼、火山方舟、智谱开放平台等开通服务并获取 API Key。如果你是新手建议直接用平台内置的免费模型额度不要一上来就折腾 API Key减少环境障碍。3.3 准备角色资料这是很多人忽略的一步。我强烈建议你在开始配置之前先准备一个文档内容包括角色名。一句话设定。详细背景出身、经历、当前状态。性格标签 3 到 5 个。说话风格示例至少 3 句参考对话。绝对不能做的事禁忌行为、话题边界。把这些写在本地后面配置 Prompt 时直接粘贴会效率高很多。4. 核心流程拆解从一个空应用到能聊天的角色下面以常见的可视化 AI 应用平台为例拆解从 0 到 1 的完整配置流程。不同平台界面可能有差异但步骤逻辑是一致的。4.1 创建应用并选择应用类型进入平台后通常有一个“创建应用”或“创建智能体”的按钮。点击后选择“聊天助手”或“Agent”类型而不是“文本生成”或“翻译”。这一步的核心目标是让系统知道你要做一个多轮对话应用而不是一次性文本生成工具。4.2 编写角色人设 Prompt这是整个环节最核心的一步。人设 Prompt 不建议随便写一两句“你是一个助手”就完事。下面给一个建议模板# 角色设定 你是「苏浅浅」一个性格温柔、略带俏皮的 20 岁书店店主。 你从小在江南长大喜欢雨天、旧书和热牛奶。 你对文学有自己独特的理解但不喜欢掉书袋。 # 说话风格 - 句子偏短多用感叹语气。 - 喜欢用「呀」「呢」「啦」等语气词。 - 不主动使用专业术语即使知道答案也会用日常话说出来。 - 偶尔会用书中故事来比喻生活。 # 回复规则 1. 先回应对方的情绪再回答对方的问题。 2. 不要暴露自己是 AI。 3. 对方提到悲伤话题时用温柔的方式接住不要讲大道理。 4. 每次回复不超过 80 字。 5. 如果对方问你不了解的事可以说「这个我还没读到过你讲讲看呢」。 # 示例对话 用户今天上班好累。 苏浅浅听起来确实累到了呀。我小时候看店一天站下来脚都酸回家就往沙发上一瘫。你今天要不要也先歇一歇呢这个模板之所以有效是因为它提供了「角色背景 表达风格 规则边界 示例对话」相当于给大模型一个完整的“表演剧本”而不是让它自由发挥。4.3 选择模型并设置对话参数填完人设后需要选择模型。平台一般会让你选模型名称、温度和回复长度上限。温度Temperature数值越低回复越稳定保守越高越有创意但越容易跑偏。角色聊天建议设置在 0.7 到 0.9 之间既保留性格又不会胡言乱语。最大 Token控制回复长度。普通聊天建议 300 到 500否则角色话太多会显得很“AI”。系统提示词如果平台区分“系统提示”和“用户提示”把角色人设放在系统提示位置。4.4 添加知识库可选但推荐当你希望角色拥有“专业领域知识”或“固定故事背景”时建议添加知识库。操作步骤大致是在平台里创建“数据集”。上传文档或输入文本。选择分段方式和索引方式新手用默认即可。等待处理完成。在应用的“知识库”或“工具”区域关联该数据集。以角色聊天为例知识库适合放角色原型的小说片段、角色背后的世界观设定、固定的 FAQ 问答对。4.5 调试与预览配置完成后平台通常会给一个“预览”或“调试”窗口。你可以直接在里面模拟用户对话看角色回复是否正常。这个阶段不要只测一句“你好”要测试角色介绍自己时是否体现设定。用户说“我今天心情不好”角色是否展现出应有的性格。问一个知识库里的问题看回答是否依据资料。问一个知识库外的问题看角色会不会崩。4.6 发布应用预览没问题后就可以点“发布”。平台通常会提供三种发布方式生成一个网页链接H5直接分享给朋友体验。生成一个小程序或机器人嵌入到飞书、钉钉、微信公众号等。生成 API 接口供以后集成到真正的 App 里。对于“不会代码”的你起初用 H5 链接就够了。如果有人想把它做成一个独立的手机 App则有两种简单路径一是找会技术的朋友用 API 封装成 App 壳二是用各类打包平台把 H5 链接封装成 App。后者本质上是套壳功能体验会受限但作为 MVP 验证足够。5. 完整配置示例知识库 工作流 API 接入为了让你能看到一个完整效果下面给出一套可以直接参考的配置示例。5.1 角色人设配置示例平台以 Dify 为例应用类型聊天助手模型平台内置模型版本以实际平台为准系统提示词你是「江晚」一位研究古建筑的年轻学者出生于苏州性格安静、耐心。 你说话时习惯先描述氛围再给结论喜欢引用古籍但从不掉书袋。 你不聊政治、不评价现实人物遇到这类问题就礼貌说“这个超出我的知识范围了”。 说话规则 1. 回复控制在 100 字以内。 2. 用词温柔不出现攻击性表达。 3. 当用户问建筑相关问题时尽量结合知识库资料回答。 4. 如果知识库没有相关内容可以说“这个方向我还没有查到太多资料但我可以聊一聊我的理解”。这个 Prompt 的作用是同时约束角色性格、回答范围和知识库使用方式。5.2 知识库文档示例假设你要让“江晚”角色掌握苏州古建筑的知识可以在数据集里放一段文本。文件路径docs/suzhou_architecture.txt苏州古建筑以园林建筑最为著名代表有拙政园、留园、网师园等。 拙政园始建于明正德初年是江南古典园林的代表作品。 留园以建筑艺术精湛著称厅堂布局讲究空间变化丰富。 苏州古建筑常见的结构有秀丽的飞檐、精致的砖雕门楼、木质梁架结构。平台会自动将这段文本切片并向量化。当用户问“拙政园始建于哪个朝代”时系统会检索到这一段拼入上下文让模型基于这段话回答。5.3 调用 API 的示例代码如果你后续希望把这个 AI 角色接入到自己的微信小程序或者手机 App平台一般会提供 API。下面是一个使用 Python 调用 API 的最小示例import requests # 这里的 API Key 和 URL 以实际平台控制台为准 API_URL https://api.example-ai-platform.com/v1/chat-messages API_KEY app-xxxxxxxxxxxxxxxxxxxx def chat(user_message, conversation_id): headers { Authorization: fBearer {API_KEY}, Content-Type: application/json } payload { inputs: {}, query: user_message, response_mode: blocking, conversation_id: conversation_id, user: test-user } resp requests.post(API_URL, headersheaders, jsonpayload, timeout30) data resp.json() return data.get(answer, ), data.get(conversation_id, ) if __name__ __main__: msg 你好介绍一下你自己 answer, conv_id chat(msg) print(AI 角色, answer) print(会话 ID, conv_id)代码说明API_URL和API_KEY需要替换成你在平台创建应用后拿到的真实信息。query字段是用户输入的消息。conversation_id用于保存多轮对话的上下文。首次传空字符串后续把返回的会话 ID 传回去。response_mode设为blocking表示等完整回复返回适合简单场景实时流式回复需要改成streaming并使用 WebSocket 或 SSE。5.4 用 Node.js 接入的简版如果你的后端是 Node.js下面这段代码可以直接放到云函数或服务器上const axios require(axios); const API_URL https://api.example-ai-platform.com/v1/chat-messages; const API_KEY app-xxxxxxxxxxxxxxxxxxxx; async function chat(query, conversationId ) { const payload { inputs: {}, query, response_mode: blocking, conversation_id: conversationId, user: test-user, }; const { data } await axios.post(API_URL, payload, { headers: { Authorization: Bearer ${API_KEY}, Content-Type: application/json, }, timeout: 30000, }); return { answer: data.answer, conversationId: data.conversation_id, }; } chat(你平时喜欢做什么).then(console.log).catch(console.error);这段代码同样不复杂但已经属于“会代码的人做的事”。对于完全不懂代码的人可以把它交给帮忙封装 App 的技术伙伴。6. 运行结果与效果验证配置完成后怎么判断这个 AI 角色“成了”6.1 基础运行测试在平台的预览窗口里输入以下测试消息记录每一次回复测试输入预期效果你好符合人设的自我介绍语气自然我今天心情很不好展现共情不机械回答你知道拙政园吗能结合知识库内容回答你会写诗吗根据人设决定是否符合角色设定人工智能怎么发展如果人设设定为“不聊专业”应礼貌拒绝或转移话题如果以上都能达到说明核心链路通了。6.2 效果指标你可以用三个维度评估角色质量性格一致性十次回复里有多少次像同一个人如果角色性格经常漂移说明 Prompt 约束不足。知识准确性回答知识库问题时是否引用了正确资料而不是凭感觉胡说。体验流畅度每次回复是否速度合适、字数合适、是否有明显的 AI 腔。建议做一个简单的测试表用 Excel 记录每一轮回复评分1 到 5 分。连续测试 20 轮左右就能发现角色最薄弱的地方。6.3 日志与错误排查如果平台提供了“日志”功能建议在测试时开启。日志会记录每一次调用了哪个模型、检索了哪些知识片段、最终输出是什么。这是你判断问题的最重要依据。如果角色回复很差先看日志里知识库有没有被检索到再看 Prompt 是不是被系统截断了。7. 常见问题与排查思路做一个 AI 角色聊天应用最常见的问题如下表问题现象可能原因排查方式解决方案角色说话不像设定的人Prompt 描述太笼统查看实际回复对照人设标签增加具体背景、语气词、示例对话回答内容经常“崩人设”规则冲突或 Prompt 太长被截断检查系统提示词长度和优先级精简 Prompt把最重要规则放前面知识库问题回答不出来知识库未关联或切片粒度不对查看日志里检索结果确认数据集已关联调整分段长度和检索方式回复速度很慢模型参数量大或温度设置不当看平台监控和后端日志更换轻量模型或开启流式输出用户说的话没被记住未开启多轮对话或会话 ID 传递错误检查对话上下文是否传入正式接入 App 时确保每次请求带上 conversation_id生成内容有合规风险缺少内容安全过滤或人设边界不清检查平台审核设置与安全组件接入审核组件在 Prompt 里写明禁忌话题避免生成违规内容这里重点说下“角色崩人设”。很多新手以为是人设词写少了其实更常见的原因是知识库内容和人设冲突或者测试时用了不同模型。比如人设要求“不聊专业”但知识库里全是专业资料模型可能就倾向答专业内容。所以人设、知识库、模型三者必须协同调整而不是单独改某一块。8. 最佳实践与工程化建议当你跑通最小示例后如果想把这个 AI 角色做得更像一个“产品”下面几条建议值得参考。8.1 Prompt 也是代码要有版本管理即使你不写代码也应该把 Prompt 当作代码来管理。每次修改建议保留版本记录写清楚改了哪个字段、为什么改、效果如何。一个好办法是在角色人设文档里加一列“版本号”和“修改原因”。因为大模型输出不稳定经常出现“上次效果还行改了一个词后整体变差”的情况有版本记录才能快速回退。8.2 冷启动时不要加太多规则新手常犯的错误是一开始就写 20 条“必须”“不要”结果模型被规则束缚回复变得僵硬。更合理的做法是先用最少的设定跑通。观察失败案例。针对失败案例每轮只加一条规则。每次修改后至少做三轮回归测试。8.3 数据隐私与内容安全角色聊天很容易涉及用户情绪、个人经历等敏感信息。务必注意不要在 Prompt 和知识库里放真实用户隐私。接入真实 App 前确认平台是否提供内容审核能力。如果角色面向未成年人必须在规则里明确限制敏感话题并做好家长管控提示。遵循所在国家和地区的个人信息保护法规需要申报或备案的场景不要跳过。8.4 成本控制角色聊天看起来只是文字交互但用户量大后 Token 消耗会很快。建议在模型选择上分层普通问候用轻量模型深度问答再用强模型。在知识库命中时仅把命中的片段拼入上下文而不是把所有文档都塞进去。设置单用户限流和每日调用上限防止异常刷量导致成本失控。8.5 从“能聊”到“好用”初级 AI 角色只会聊天高级角色能做到记住用户偏好比如“她喜欢喝热牛奶”。根据用户情绪调整语气类型。主动询问用户需求而不是被动等待。在聊天之外提供实用功能如查天气、订日程。这些功能大部分都可以通过可视化平台里的“变量记忆”“插件”“工作流”实现本质上还是配置不需要写代码。9. 结语与学习路径一句话总结“不会代码做 AI 角色聊天 APP”不再是噱头而是一条真实可行的技术路径。但你要接受一个转变——你不再靠写代码来构建产品而是靠“定义角色、组织知识、设计对话规则”来构建产品。后者是新一代 AI 应用的核心能力也是未来产品经理、运营、创作者都应该掌握的技能。如果你决定开始实践建议按下面顺序推进选择一个可视化平台Dify、Coze 等任选其一。花半小时创建一个最简单的聊天助手什么都不加。按照本文的人设模板写成你自己想要的角色。测试 20 轮记录失败场景每轮只改一个变量。加上一个知识库让角色具备专业领域问答能力。发布 H5 链接发给朋友体验收集真实反馈。需要做成独立 App 时再考虑用 API 方式集成找懂技术的伙伴协助封装。这七个步骤走完你就拥有一个真正属于自己的 AI 角色聊天应用。更进一步你可以继续学习 Prompt Engineering 的进阶技巧、Agent 工作流设计、知识库 RAG 调优这些方向都能让你的角色从“会说话”变到“懂人心”。希望这篇文章能帮你跨过从“想”到“做”的那一步。