TL;DR
Fluid Personality Framework — подход, согласно которому эффективный ИИ-ассистент должен настраивать не один, а два параметра одновременно: кем он является (роль-метафора: тренер, наставник, инструмент) и насколько ярко он это выражает (интенсивность: сдержанно / умеренно / экспрессивно). Большинство пользователей думают только о первом и игнорируют второй.
Главная находка: средняя интенсивность выражения личности работает лучше крайностей. Слишком сухой ИИ воспринимается как холодный автомат, слишком экспрессивный — как раздражающий энтузиаст. Пользователи ниже оценивают доверие, воспринимаемый интеллект и удовольствие от работы с обоими крайними вариантами. "Полоса Голдилокс" — умеренная экспрессивность — выигрывает почти всегда.
Метод решает это через две независимые оси: сначала выбираешь роль под задачу, потом выставляешь уровень её выражения. Роль можно переключать в ходе одного разговора — от "Планировщика" на этапе постановки цели к "Наставнику" при объяснении концепций.
Схема метода
ОСЬ 1 — РОЛЬ (Кем является ИИ прямо сейчас?)
Тренер → мотивирует, поддерживает, ориентирует на цель
Наставник → объясняет, задаёт вопросы, разбирает ошибки
Партнёр → думает вместе, без иерархии
Инструмент → выдаёт факты, структуру, данные — без лирики
ОСЬ 2 — ИНТЕНСИВНОСТЬ (Как ярко ИИ играет эту роль?)
Низкая → формально, кратко, без эмоций
Средняя → тепло, конкретно, по делу — "Полоса Голдилокса"
Высокая → эмоционально, многословно, энергично
РЕШЕНИЕ:
Контекст задачи (срочность, тема, фаза работы)
+ Твой текущий запрос
→ Выбор роли + уровня интенсивности
Все шаги выполняются в одном промпте — задаёшь обе оси сразу.
Пример применения
Задача: Ты запускаешь телеграм-канал про инвестиции. Сейчас нужна помощь на трёх разных этапах: придумать концепцию, разобрать неудачно написанный пост, поддержать после первого провала по охватам.
Промпт:
Ты будешь переключаться между тремя режимами по моей команде:
[РЕЖИМ: ПАРТНЁР / СРЕДНЯЯ ИНТЕНСИВНОСТЬ]
Думаем вместе. Предлагаешь варианты, задаёшь уточняющие вопросы,
спорить — можно. Тон: живой, но без лишних восклицательных знаков.
[РЕЖИМ: НАСТАВНИК / СРЕДНЯЯ ИНТЕНСИВНОСТЬ]
Разбираешь мою работу честно. Указываешь что не так и почему.
Предлагаешь конкретные правки. Без смягчений ради вежливости.
[РЕЖИМ: ТРЕНЕР / НИЗКАЯ ИНТЕНСИВНОСТЬ]
Короткая поддержка после неудачи. Никаких мотивационных речей.
Одно конкретное действие на завтра — и всё.
Жди мою команду: [ПАРТНЁР], [НАСТАВНИК] или [ТРЕНЕР].
Результат: Модель будет чётко переключаться по команде. В режиме [ПАРТНЁР] — вопросы и идеи без давления. В [НАСТАВНИК] — конкретный разбор без глажения по голове. В [ТРЕНЕР] — лаконичная поддержка без пафоса. Каждый режим даст другую текстуру диалога, хотя модель остаётся той же.
Почему это работает
Слабость LLM: Модель по умолчанию получает роль "полезного ассистента" — и играет её одинаково везде. Тот же тон при разборе ошибок, что и при мозговом штурме. Тот же уровень тепла при срочной задаче и при рефлексии. Это создаёт ощущение несоответствия — ИИ как будто не чувствует момента.
Сильная сторона LLM: Модель хорошо следует явным инструкциям о стиле. Если ты сказал "формально и кратко" — она будет формальной и краткой. Но одного "роль тренера" недостаточно: тренера можно играть и как орущего Геннадия Головкина, и как тихого Станиславского.
Как метод использует это: Разделение на два явных параметра убирает двусмысленность. "Ты — тренер" оставляет открытым вопрос интенсивности. "Ты — тренер, интенсивность низкая" закрывает его. Модель получает два независимых вектора — и генерирует текст на их пересечении.
Рычаги управления: - Уровень интенсивности → снижай при срочных/стрессовых задачах, повышай при мотивации и мозговом штурме - Число доступных ролей → не обязательно три; можно одну с двумя интенсивностями - Переключение по команде vs. автоматическое → автоматическое сложнее настроить, командное — надёжнее - Конкретные маркеры роли → "Наставник в духе Юдковского" точнее, чем просто "Наставник"
Шаблон промпта
Ты будешь работать в нескольких режимах. Переключайся по моей команде.
[РЕЖИМ: {роль_1} / {интенсивность_1}]
{описание поведения: что делает, каким тоном, что важно}
[РЕЖИМ: {роль_2} / {интенсивность_2}]
{описание поведения: что делает, каким тоном, что важно}
[РЕЖИМ: {роль_3} / {интенсивность_3}]
{описание поведения: что делает, каким тоном, что важно}
Жди мою команду: [{роль_1}], [{роль_2}] или [{роль_3}].
Что подставлять:
- {роль} — Наставник / Критик / Партнёр / Аналитик / Редактор / Адвокат дьявола
- {интенсивность} — Низкая (сухо, кратко) / Средняя (тепло, конкретно) / Высокая (эмоционально, развёрнуто)
- {описание поведения} — 2-3 предложения о том, что важно в этом режиме
Правило по умолчанию: Средняя интенсивность — стартовая позиция. Отступай от неё осознанно.
🚀 Быстрый старт — вставь в чат:
Вот шаблон Fluid Personality Framework. Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит какие роли нужны и для каких ситуаций — потому что без этого она не сможет правильно заполнить описание поведения в каждом режиме. Она возьмёт паттерн из шаблона и подберёт формулировки под твой контекст.
Ограничения
⚠️ Эффект не универсален по доменам: В медицинском контексте совпадение личности ИИ с личностью пользователя не дало улучшений — люди в серьёзных темах могут воспринимать адаптацию как неуместную игривость.
⚠️ Это proposal, не проверенный метод: Авторы предлагают фреймворк на основе синтеза чужих исследований — собственного эксперимента с полной схемой нет. Принципы надёжны, конкретная реализация — на твоё усмотрение.
⚠️ Высокая интенсивность иногда уместна: "Золотая середина" работает в большинстве задач, но для мотивационных контекстов или мозгового штурма высокая экспрессивность может давать лучший результат.
⚠️ Автопереключение — сложнее, чем кажется: Автоматический выбор роли по контексту требует дополнительных инструкций. Ручное переключение по команде работает надёжнее в обычном чате.
Ресурсы
Работа: Behavior-Adaptive Conversational Agents: Toward a Fluid Personality Framework — Hasibur Rahman, Smit Desai (Northeastern University, Boston). Presented at Bridging AI and Behavior Change, AAAI-2026 Bridge Program.
Ключевые referenced исследования: - Rahman & Desai (2026) — "Vibe Check": эффект интенсивности личности на восприятие ИИ в целевых задачах (исходный эксперимент про "золотую середину"), CHI 2026 - Desai et al. (2025) — Toward Metaphor-Fluid Conversation Design for Voice User Interfaces, ArXiv:2502.11554 — эксперимент с переключением метафор (Genie / Star Trek Computer / Admirer)