Using AI for User Representation: An Analysis of 83 Persona Prompts

该研究分析了 27 篇论文中的 83 个用于生成用户画像的大语言模型提示词，发现现有实践倾向于生成单一、简略且包含人口统计信息的文本或结构化数据画像，而缺乏对多模型对比测试及丰富用户画像传统的遵循，并探讨了计算式用户画像增多的影响。

要点

这篇文章就像是一份"AI 造人说明书大调查"。

想象一下，研究人员正在用一种超级聪明的“魔法笔”（也就是现在的 AI 大语言模型，比如 ChatGPT）来画“用户画像”。这些画像不是真人的照片，而是虚构的、代表某一类用户的“角色卡”（在学术界叫"Persona"）。以前，画这些卡片需要设计师去采访真人、分析数据，非常耗时；现在，大家想试试能不能直接让 AI 写出来。

这篇论文的作者们就像侦探一样，收集了 27 篇学术论文中使用的83 个“魔法咒语”（也就是给 AI 的指令，Prompt），看看大家到底是怎么用 AI 来造这些“角色卡”的。

以下是这篇论文的核心发现，用大白话和比喻来讲：

1. 大家主要想干什么？（为什么用 AI 造人？）

• 主要目的：绝大多数时候（80% 以上），大家是用 AI 来生成新的角色卡。就像让 AI 当作家，直接写出一个“典型用户”的故事。
• 其他用途：也有少数时候，是用这些 AI 生成的角色卡去预测（比如：“如果这个用户看到这条广告，他会怎么反应？”）或者测试（比如：“这个 AI 生成的角色有没有偏见？”）。
• 应用场景：从设计软件、做营销，到研究气候变化、甚至帮心理咨询师做培训，AI 生成的角色卡无处不在。

2. 大家是怎么念“咒语”的？（怎么用 AI？）

• 工具单一：大家几乎都在用同一种“魔法笔”（主要是 GPT 系列模型），就像大家都只去同一家便利店买东西，很少尝试别的品牌。
• 咒语长短不一：
  • 有的咒语很短，像“请扮演一个 30 岁的妈妈”。
  • 有的咒语像一本操作手册，分 12 个步骤，先让 AI 生成骨架，再填肉，再画脸，最后生成日程表。
• 喜欢“填空”：74% 的咒语里，研究人员会把真实的数据（比如“某公司的用户数据”）塞进咒语里，让 AI 基于这些数据来编故事。这就像给 AI 一个填空题，而不是让它凭空瞎编。
• 只要“结构化”数据：超过一半的研究者要求 AI 把结果整理成表格或代码格式（比如 JSON），就像要求厨师把菜切好装进盒子里，方便后续处理，而不是端上来一盘乱炖。

3. 造出来的“角色卡”长什么样？（生成了什么样的 Persona？）

• 文字为主，数字为辅：AI 生成的角色，96% 是文字描述，67% 带有数字（比如年龄、收入）。
• 很少见“全功能”角色：传统的角色卡通常包含：文字故事 + 数字统计 + 真人照片。但在这项研究中，只有 7% 的角色卡包含了图片。大家似乎只让 AI 写故事，忘了让它“画画”。
• 内容有点“干”：
  • 太短了：很多研究者要求 AI“言简意赅”，把描述限制在几句话或几个词。这就像让 AI 写人物传记，却要求它只写微博简介。这违背了传统上“角色卡要丰满、有血有肉”的原则。
  • 太像“人口普查”了：生成的角色里，52% 的信息都是“人口统计学”数据（年龄、性别、职业、居住地）。这就像你问 AI“请描述一个用户”，它回答：“他叫张三，30 岁，男，住北京，开宝马。”至于他喜欢什么、讨厌什么、性格如何，往往被忽略了。
  • 数量太少：很多研究只让 AI 生成一个角色。但现实中用户是多样的，只造一个角色就像只画了一个“标准人”，无法代表千差万别的真实用户。

4. 这有什么好和坏？（研究者的担忧）

• 好的方面：AI 让造角色变得超级快，而且能结合真实数据，效率很高。
• 坏的风险：
  • 丢了“灵魂”：因为追求简短和结构化，AI 生成的角色可能变得冷冰冰，像 Excel 表格里的数据，而不是一个能让人产生共情的“人”。
  • 刻板印象：如果 AI 只关注年龄、性别等数据，可能会加深刻板印象（比如“程序员都是秃顶的”）。
  • 黑箱操作：有些研究者把 AI 的指令串成了一条长长的链条（A 的输出给 B，B 的输出给 C），一旦中间出错，很难发现是哪里的问题。
  • 缺乏多样性：大家太依赖同一个 AI 模型，可能生成的角色都长得差不多，缺乏真正的多样性。

5. 给未来的建议（怎么做得更好？）

作者最后给了几个“避坑指南”：

1. 别光靠 AI 瞎编：一定要把真实用户的数据喂给 AI，不要让 AI 只靠它脑子里的“知识”去编故事，否则造出来的就是假人。
2. 多读点“人学”书：很多搞技术的研究者不懂“角色设计”的理论。建议多看看关于如何建立同理心、如何代表不同群体的理论，别让角色变得太单薄。
3. 别只盯着一个模型：多试试不同的 AI 工具，看看谁生成的角色更靠谱。
4. 别只要数据，也要故事：角色卡是为了让人理解用户，所以除了年龄和收入，更需要有温度的故事和细节。

总结一下：
这篇论文告诉我们，虽然用 AI 画“用户画像”很酷、很快，但大家现在用得有点太随意了。很多人把 AI 当成了“填表机器”，只想要冷冰冰的数据，而忘了角色卡原本是为了理解活生生的人。未来的方向应该是：用 AI 提高效率，但保留对人性的深刻理解和丰富细节。

技术摘要

论文技术总结：利用 AI 进行用户表征——83 个角色提示词（Persona Prompts）分析

1. 研究背景与问题 (Problem)

用户角色（Personas） 是基于真实用户数据构建的虚构用户代表，旨在帮助设计者和利益相关者做出更明智的决策。随着生成式人工智能（GenAI）和大语言模型（LLM）的发展，计算技术已被引入角色创建过程。然而，将 LLM 应用于用户表征存在风险，包括算法偏见、训练数据问题以及统计偏差（如向均值回归），可能导致对用户群体的错误表征。

尽管已有研究探讨了 LLM 在角色生成中的应用，但缺乏对“提示词（Prompts）”本身的系统性分析。提示词是研究人员与 LLM 交互的核心指令，其设计直接决定了生成角色的质量、多样性和安全性。目前存在以下研究缺口：

• 缺乏对研究人员如何使用 LLM 提示词进行角色生成的系统性映射。
• 缺乏关于提示词设计选择对生成角色结果影响的实证研究。
• 缺乏基于证据的指南，以指导如何安全、有效地在角色开发中使用 LLM。

2. 研究方法 (Methodology)

本研究采用系统性文献综述（SLR） 结合内容分析的方法：

• 数据来源：基于先前一项关于 GenAI 在角色开发中应用的系统性综述（共 52 篇文章），从中提取了包含提示词的文章。
• 样本选择：
  • 从 52 篇文章中筛选出 27 篇 包含明确提示词（Prompts）的文章。
  • 最终提取并分析了 83 个 具体的角色生成提示词。
• 编码框架：
  • 由两名作者协作进行编码，确保可靠性。
  • 分析维度包括：使用目的（RQ1）、使用方法/策略（RQ2）、生成角色的特征（RQ3）。
  • 编码内容包括：提示词长度、使用的模型、输出格式、是否包含动态数据、角色属性类别（如人口统计学、行为、态度等）以及信息丰富度。
• 分析工具：统计了提示词的长度分布、模型使用频率、输出格式比例以及角色属性的分类统计。

3. 主要贡献 (Key Contributions)

1. 首次系统性映射：提供了学术界中 LLM 角色提示词的首次系统性分析，揭示了当前的实践模式。
2. 揭示实践偏差：指出了当前 LLM 生成角色与传统角色设计原则之间的显著差异（如过度追求简洁、缺乏图像、过度依赖单一模型）。
3. 提出风险与机遇：深入探讨了“计算角色（Computational Personas）”的兴起，特别是将动态数据直接嵌入提示词的做法，并分析了其对透明度和人类能动性的潜在影响。
4. 公开数据集：将收集到的 83 个提示词公开，为后续研究提供了基准数据集。

4. 研究结果 (Results)

RQ1: 研究人员为何使用角色提示词？

• 主要用途：绝大多数（81.48%）用于生成角色。此外，部分用于预测（25.93%，如预测用户数值回答）和评估（14.81%）。
• 应用领域：从软件设计扩展到气候变化传播、商业应用、心理咨询等社会领域。
• 输出格式：51.85% 的提示词要求结构化输出（主要是 JSON 格式），以便于下游数据分析；其余则要求非结构化的叙事文本。

RQ2: 研究人员如何使用角色提示词？

• 模型选择：高度依赖 GPT 系列模型（占模型实例的 76.1%）。跨模型比较（Cross-model comparison）非常罕见，仅 22% 的研究使用了多种模型。
• 提示策略：
  • 多提示词策略：62.96% 的研究使用了多个提示词（平均 3.1 个，最多 12 个），形成模块化或级联的工作流（例如：先生成骨架，再扩展描述，最后生成图片）。
  • 动态数据插入：74.1% 的提示词插入了动态数据或变量（如 RAG 技术），实现了“计算角色”的雏形。
  • 角色设定：部分提示词为 LLM 设定了“助手”或“评估者”的角色，而非让 LLM 直接扮演角色本身。
• 透明度：仅 29.63% 的文章披露了超参数设置，表明许多研究可能直接使用默认设置。

RQ3: 生成的角色具有什么特征？

• 内容格式：
  • 文本是绝对主导（96.3%），数字次之（66.7%）。
  • 图像生成极其罕见（仅 7.41%），这与传统角色包含图像的做法形成鲜明对比。
  • 大多数角色是“文本 + 数字”的组合。
• 角色数量：大多数提示词（70.6%）仅要求生成单个角色，而非代表用户群体的多样化角色集。
• 信息丰富度：
  • 平均每个角色包含 5.48 个信息属性。
  • 相比传统数据驱动角色模板（平均 8.83 个属性），LLM 生成的角色信息量减少了约 38%。
  • 大多数角色被归类为“简单（Simple）”复杂度（4-7 个属性）。
• 属性类别：
  • 人口统计学信息（Demographics） 是最主要的类别（占 52.0%，如年龄、姓名、职业、性别），出现在 77.78% 的提示词中。
  • 行为、态度和上下文信息也有一定比例，但远少于人口统计学信息。
• 长度控制：许多提示词明确要求简短（如“限制在 30 词以内”），这与传统角色设计追求“丰富、详尽、立体”的原则相悖。

5. 研究意义与讨论 (Significance & Discussion)

理论意义

• 传统与技术的融合与冲突：LLM 生成角色继承了传统角色的人口统计学和行为属性，但在信息丰富度和叙事深度上有所退步。
• 从叙事到数据对象：频繁使用 JSON 等结构化输出表明，研究人员正将角色视为数据对象而非用于建立同理心的叙事工具。
• 单一性与多样性风险：过度依赖生成单个角色和单一模型（GPT），可能无法捕捉用户群体的多样性，导致表征偏差。

实践建议

1. 坚持数据驱动：必须将真实用户数据（聚合或个体级别）嵌入提示词，避免 LLM 仅凭“内部知识”凭空创造角色，防止幻觉和刻板印象。
2. 深化角色理论：研究人员应更深入地理解角色理论（如同理心构建、代表性），避免提示词设计过于“浅层”。
3. 系统评估：随着多提示词级联系统的出现，评估难度增加。需要开发针对复杂提示链和整体系统的评估方法，而不仅仅是评估单个提示词。

局限性与未来工作

• 该领域发展迅速，结论可能随时间过时。
• 目前缺乏提示词设计与输出质量之间的实证因果关系证据。
• 未来研究需进一步探讨算法公平性（Guardrails）在提示词设计中的具体应用。

总结：该论文揭示了 LLM 在用户表征领域的快速应用现状，指出了当前实践中存在的“重效率轻深度”、“重数据轻叙事”以及“缺乏多样性”的倾向，呼吁研究界建立更严谨的提示词设计规范和评估体系，以确保 AI 生成的角色既能发挥计算优势，又能忠实、全面地代表真实用户。