企业官网建设流程全解析

• 提示工程
• 大模型
• 人工智能
• AI 技能/插件
• Prompt 模板

本文以 LangGPT 开源仓库中的 巴菲特AI分身 为绝对主体，逐段解析其角色设定、六维人格框架、投资决策思维链、行为准则与能力圈边界的构造逻辑，并结合 结构化提示词方法论、Role 模板 等仓库源码级资料，说明如何用 LangGPT 范式"像写文章一样写提示词"，让大模型稳定、可复用地扮演一个真实人物。读完本文，你将掌握"人物 AI 分身"类结构化提示词从角色设定到六维框架、从决策树到行为红线的完整设计路径，并能直接复制使用文中给出的完整提示词。

一、为什么需要"人物分身"类结构化提示词

LangGPT 的核心主张是：Prompt 是调用大模型能力的工具，正在越来越像一门编程语言。传统的提示词工程依赖零散技巧与反复试错，而 LangGPT 将这种混乱转变为结构化方法论——用Role、Profile、Rules、Workflow、Initialization等模块化结构组织提示词，像写代码一样构建、复用与维护 Prompt（参见 结构化提示词方法论 与仓库 README_zh.md）。

"人物分身"是这一方法论最具代表性的落地场景之一。README 中明确写道：

"Prompt 写方法，不如写人。Prompt 写方法，是给模型步骤和工具。Prompt 写人，是给模型世界观、动机、价值体系和偏好曲线。"

仓库 Prompts 目录下收录了云中江树在学习知名人物时写的一系列提示词：除本篇主角 巴菲特AI分身 外，还有 段永平AI分身、马斯克AI分身、梵高AI分身 等。其中，巴菲特 AI 分身采用了一套完整的"六维人格框架"（人 / 事 / 钱 / 形 / 魂 / 格），是理解"如何把一个人拆解成可被大模型执行的参数"的最佳范本。

二、需求文档：输入、输出与版本管理

任何结构化提示词都应先写明"需求"，它相当于编程中的函数签名。巴菲特 AI 分身原文档的需求部分如下：

## 需求 ：输入（任何问题） ：输出（巴菲特视角的回答） ：模型 Claude Sonnet 4.5 ：作者 云中江树 ：版本 1.0

这里有三个值得注意的设计点：

1. 接口定义先行：明确声明"输入 = 任何问题，输出 = 巴菲特视角的回答"，这对应结构化提示词中Input/Output模块的思想——固定输入输出后，提示词可以被当作一个独立模块（agent）接入更大的系统，参见 结构化提示词方法论 中关于"像复用代码一样复用 Prompt"的论述。
2. 模型标注：注明面向 Claude Sonnet 4.5。结构化 Prompt 对模型基础能力有一定要求（指令遵循、结构识别能力），同一 Prompt 在不同模型间存在性能差异，原文档在 结构化提示词方法论 中明确指出"GPT-4 是最佳选择，Claude 模型能力次之"。标注目标模型是生产级提示词的必要元数据。
3. 作者与版本：Author、Version字段与 Role 模板 中- Author、- Version的约定一脉相承，便于像管理代码一样用 Git 对 Prompt 做版本管理。

随后是角色定位段：

你是沃伦·巴菲特本人。 伯克希尔·哈撒韦董事长，价值投资之父格雷厄姆的传人。 已管理伯克希尔60年，现将CEO职位交给格雷格，仍担任董事长。 你是用理性寻找价值、用诚实对待合伙人的资本配置者

这段属于Profile中的Description升级版：不仅给出"你是谁"，还给出了事实性锚点（管理伯克希尔 60 年、传位于格雷格、师承格雷厄姆）与核心身份宣言（理性寻找价值、诚实对待合伙人的资本配置者）。事实锚点帮助模型调用准确的背景知识，身份宣言则统摄后文所有行为细节。

三、核心骨架：六维人格框架（人 / 事 / 钱 / 形 / 魂 / 格）

这是整个提示词最具方法论价值的部分。它把巴菲特的人格拆解为六个正交维度，每个维度下用「维度名：一句话本质」+ 3~4 条具体规则 + 口头禅的结构组织：

这一设计对应结构化提示词中"属性词 + 标识符实现局部总分结构"的原理：「人」「事」「钱」「形」「魂」「格」是带有语义的属性词（像Profile、Rules一样对内容做语义提示与归纳），▪符号与换行则起到标识符作用，实现"聚拢相同语义、梳理语义"的效果（参见 结构化提示词方法论 中"优势二：提升语义认知"一节）。

相比 LangGPT 通用模板中的Profile→Skill→Rules三段式，六维框架的独特价值在于：每个维度都是"本质定义 + 可执行规则 + 语言指纹（口头禅）"的完整单元。口头禅不是装饰，而是大模型生成"巴菲特腔调"的检索锚点——当模型需要组织一句话回答时，口头禅列表提供了现成的、风格正确的表达候选。

四、思维方式：把"内心活动"显式编码为决策树

原文档的"思维方式"部分是全篇技术含量最高的设计，它把巴菲特的思考过程显式拆成两层结构。

4.1 投资决策五问（评估任何机会的内在标准）

├─ 这是投资还是投机？→ 价格与价值的关系如何？ ├─ 我真的懂这个生意吗？→ 能力圈检验 ├─ 管理层值得信任吗？→ 人的因素 ├─ 10年后它会更好吗？→ 护城河与成长 └─ 价格给了足够安全边际吗？→ 保护本金

这五个问题本质上是把价值投资的第一性原理（价格与价值、能力圈、人、时间、安全边际）转译成可判定的检查清单。它对应结构化提示词方法论中"构建全局思维链"的思想：一个好的结构化 Prompt，某种意义上是构建了一个好的全局思维链（Role → Profile → Skill → Rules → Workflow → Initialization）。

4.2 回答问题时的内心活动（决策树）

问题来了 → 是否在能力圈内？ ↓ 否 → 坦诚说"不懂" ↓ 是 → 继续 触及哪个核心原则？ ├─ 价格vs价值 → 回到第一性原理 ├─ 长期vs短期 → 强调10年视角 ├─ 投资vs投机 → 区分本质 └─ 简单vs复杂 → 倾向简单 如何用普通人能懂的话说清楚？ → 比喻 + 故事 + 原则

这是把CoT（思维链）技巧直接写进 Prompt 结构中的经典做法。方法论指出"结构化 Prompt 编写思想是一种方法，与其他例如 CoT、ToT、Think step by step 等技巧和方法并不冲突，构建高质量 Prompt 时，将这些方法结合使用"（见 结构化提示词方法论 中"有机结合其他 Prompt 技巧"一节）。这里的决策树强制模型在回答前先完成"能力圈判断 → 原则映射 → 表达转化"三步，从而稳定地输出"像巴菲特"的回答，而不是随机调用人格碎片。

同类设计也出现在仓库其他分身中：段永平AI分身 有"①能力圈检查 → ②理念映射 → ③本质提炼 → ④风格转化 → ⑤最终检查"的决策流程；马斯克AI分身 则用"公理体系（A1-A4）+ 第一性原理"作为决策内核。可以看到，"决策树/决策流程"是人物分身类提示词保证一致性输出的标配模块。

五、行为准则：从"应做什么"到"绝不做的事"

六维框架解决"巴菲特会怎么想"，行为准则解决"巴菲特会怎么做、绝不怎么做"。原文档的五条准则均为"立场 + 事实例证 + 结论"的三段式：

• 关于能力圈："我不会假装懂自己不懂的东西。1990年代我没买微软……承认无知不丢人，不懂装懂才危险。"
• 关于时间视角："我从不预测明年股市会怎样……我只问：10年后这家公司会更强大吗？"
• 关于错误："我犯过很多错误……错误是学费，关键是别重复犯。"
• 关于教育："我的工作不只是赚钱，更是教育股东成为理性的企业所有者。"
• 关于简单："复杂是风险的朋友。衍生品、频繁交易、杠杆……我喜欢简单到我祖母都能理解的生意。"

准则之后是"绝不做的事"清单（负面约束）：

├─ 不预测短期股价或经济 ├─ 不推荐具体股票给个人（"你该买XX"） ├─ 不评论能力圈外的话题（装懂） ├─ 不用术语吓唬人（要让人听懂） └─ 不为短期业绩牺牲长期价值

负面清单的价值在于对抗模型的两个固有倾向：一是讨好倾向（用户问"该买哪只股票"时容易给出具体推荐），二是幻觉倾向（能力圈外容易编造）。这正是 LangGPT 通用模板中Rules一节"Don't break character under any circumstance"与"Don't talk nonsense and make up facts"两条铁律的人物化、具体化升级——baseRole 模板 中同样内置了这两条规则。

六、能力圈边界：显式声明"懂"与"不懂"

『我真正懂的』 ▪ 价值投资原理与实践 ▪ 企业护城河分析（品牌、成本、网络、转换成本） ▪ 保险业务（GEICO、通用再保险） ▪ 消费品（可口可乐、喜诗糖果） ▪ 资本配置决策 ▪ 伯克希尔60年历史 ▪ 格雷厄姆与芒格的智慧 『我承认不懂的』 ▪ 短期市场走势（明年股市会涨还是跌？不知道） ▪ 宏观经济时点（什么时候加息？不知道） ▪ 早期科技公司（1990年代的微软我看不懂） ▪ 加密货币（"老鼠药"） ▪ 复杂衍生品的所有风险 『特殊立场』 ▪ 衍生品 = 金融核武器（通用再保险的教训刻骨铭心） ▪ 频繁交易 = 财富的敌人（交易成本吞噬10%+收益） ▪ 股票分拆 = 伤害股东（吸引投机者，推高成本） ▪ 杠杆 = 聪明人破产的方式（永远不用）

这一模块是"能力圈"原则的结构化实现：『我真正懂的』定义模型可以自信作答的领域，『我承认不懂的』定义必须拒绝/坦诚的领域，『特殊立场』给出带有强烈情感色彩的态度标签（这些词本身就是很好的表达锚点）。它与行为准则中"能力圈"条目形成呼应——边界声明在前，触发规则在后，两者配合才能让模型真正做到"不懂就说不知道"。

对比 段永平AI分身 的能力圈写法（圈内精通/圈外不碰，圈外必说"不懂"），可以看到这是人物分身提示词家族的通用设计模式。

七、初始化：锁定角色身份与开场方式

现在，你已完全成为沃伦·巴菲特。 请用一句话打招呼，用你的风格：

这与 LangGPT 模板中的Initialization模块一一对应。通用模板 baseRole.md 的写法是：

"As a/an , you must follow the , you must talk to user in default ，you must greet the user. Then introduce yourself and introduce the ."

巴菲特 AI 分身的初始化更简洁，只做两件事：① 用"你已完全成为沃伦·巴菲特"完成身份锁定（对应Role覆盖全局）；② 限定"用一句话打招呼，用你的风格"（把Initialization与形维度的表达风格绑定）。初始化模块位于 Prompt 末尾，紧接用户输入，作用是在每轮对话开始时重新激活角色设定，对抗长对话中的上下文稀释——这也是 README_zh.md 中"Reminder（提醒）— 对抗长对话中的上下文丢失"技巧的变体。

八、结构溯源：巴菲特AI分身与 LangGPT 模板体系的映射关系

如果把巴菲特 AI 分身与仓库 LangGPT/templates 下的标准模板对照，会发现它是"模板 + 领域知识"的重构，而非照搬：

从 Role.md、baseRole.md、miniRole.md 到 miniRole.yaml，仓库展示了同一结构化思想在 Markdown 与 YAML 两种载体上的实现；巴菲特 AI 分身则展示了一个更激进的变体——在保留 LangGPT 语义骨架的前提下，用人物专属模块（六维框架、决策树、能力圈）替换通用占位符。这印证了方法论的核心观点："写结构化 Prompt 可以有各种各样的模板，你可以像用 PPT 模板一样选择或创造自己喜欢的模板"，且"好的属性词也很关键，你可以定义、添加、修改自己的属性词"（见 结构化提示词方法论）。

九、实战：如何复制、定制与调优这个提示词

9.1 直接使用

将 Prompts/巴菲特AI分身.md 的全文复制到 Claude Sonnet 4.5（或具备较强指令遵循能力的其他大模型）的系统提示词或首条用户消息中，然后直接提问即可。Prompt 已内置初始化指令，模型会自动以巴菲特的口吻打招呼。

9.2 定制为其他人物（方法论迁移）

六维框架具有可迁移性，参考同仓库的 段永平AI分身（人生之悟/经营之术/投资之道/语言风格/思维方式/行为准则）可以总结出人物分身的标准开发步骤：

1. 写需求：定义输入、输出、目标模型、作者、版本。
2. 定身份：用 3~4 句给出人物事实锚点与核心身份宣言。
3. 拆六维：为人物选取 5~6 个正交维度，每维度写"本质一句话 + 3~4 条规则 + 口头禅"。
4. 编码思维：把人物的决策逻辑写成检查清单（五问）或决策树（内心活动）。
5. 立准则：3~5 条"立场+例证"行为准则，再加一条"绝不做的事"负面清单。
6. 划边界：显式列出"真正懂的 / 承认不懂的 / 特殊立场"。
7. 写初始化：锁定身份 + 限定开场方式。

9.3 调优建议

• 模型选择：结构化提示词对模型能力有要求，优先选用指令遵循能力强的模型（原文档标注 Claude Sonnet 4.5）；若在弱模型上表现不稳定，可参考方法论建议"降低结构复杂度、调整属性词、迭代修改 Prompt"（结构化提示词方法论）。
• 迭代版本：维护Version字段，每次修改行为准则或能力圈边界时升版本号，便于回归对比。
• 保持语义一致：注意格式语义一致性（#、▪、├─等标识符的用法前后统一）与内容语义一致性（属性词与其模块内容语义匹配），避免把技能堆进规则区。
• 结合其他技巧：可以在六维框架内继续叠加示例法（追加一段巴菲特回答的 few-shot 示例）或记忆法（每轮回复前先自检能力圈），结构化组织使这些技巧的协同变得容易。

十、结语

巴菲特 AI 分身是 LangGPT"写人"理念的完整示范：六维人格框架解决"像不像"，决策树解决"稳不稳"，行为准则解决"对不对"，能力圈边界解决"敢不敢说不懂"。它的每一行都是可复用的人格参数，其方法论价值远超"模仿名人"本身——任何需要稳定角色输出的场景（客服人格、专家分身、历史人物对话、企业顾问）都可以套用这套"需求→身份→维度→思维→准则→边界→初始化"的结构化模板。更多同风格案例可继续阅读仓库 Prompts 目录下的其他分身提示词，以及 LangGPT 论文中文版 对结构化可复用提示词设计的系统论述。

• 提示工程
• 大模型
• 人工智能
• AI 技能/插件
• Prompt 模板