Достаточно популярная техника работы с промптами - задание роли. При этом в качестве роль может быть как предметно-профессиональная роль (senior Python developer), так и конкретная личность (что скажет по этому поводу Илон Маск/Цезарь/Гэндальф). Учитывая многогранность но при этом целостность известных личностей, второй вариант считается достаточно популярным: есть исследования [1] и множество различного рода мануалов [2].

С другой стороны известна психологическая практика рассуждения с ролевой моделью какой-то лично значимой персоны (что на моем месте сделал бы <имя значимой="" персоны="">). Как вариант - [WWJD](https://en.wikipedia.org/wiki/What_would_Jesus_do%3F). В этой связи подход выше кажется неплохим инструментом оценки новых и не совсем проработанных идей с целью получить взгляд "со стороны". Если персона достаточно обеспечена информацией в публичном пространстве (данные для обучения и работы модели), может получаться вполне интересно.

При этом можно пойти дальше. Есть работы, которые показывают, что разнородные роли (в рамках агентного подхода или цепочки рассуждений) увеличивают точность и снижают смещенность ответов, обеспечивают лучшую проработку идей в рамках “виртуальных дебатов” [3,4]. И как пример персонального применения недавно прочитал об идее “персонального совета директоров” с использованием LLM и заданием списка лично значимых персон: великих ученых, мыслителей, политиков, визионеров - тех, кто лично человеку представляется приоритетным (живых, живших раньше или же вымышленных - персонажей книг, фильмов). Этим персонам предлагается на обсуждение (между собой и с пользователем) вопрос, проект, стратегия - что нужно, с запросом задавать уточняющие вопросы, высказывать свое личное мнение так, как это бы сделала персона-прототип. Помимо того, что это просто любопытный опыт, такой подход позволяет выявить противоречия в силу относительно устойчивых ролей, снизить тенденцию к “соглашательству” со стороны LLM, выявить смещенность, найти что-то новое во взгляде на проблему, которую вы обдумываете. В целом - могу посоветовать как интересный и полезный подход.

Вероятно, агентная модель тут подойдет еще лучше (см. например, наш эксперимент по моделированию динамики мнений [5]). Ролевые модели агентов могут предотвратить быструю конвергенцию мнения. Но пробовать для себя можно и в обычных чатах.

Ссылки
[1] Character-LLM: A Trainable Agent for Role-Playing
[2] 35 авторских ролевых промтов для создания эталонного контента в ChayGPT
[3] Argumentative Experience: Reducing Confirmation Bias on Controversial Issues through LLM-Generated Multi-Persona Debates
[4] Town Hall Debate Prompting: Enhancing Logical Reasoning in LLMs through Multi-Persona Interaction
[5] Opinion dynamics and mutual influence with LLM agents through dialog simulation