开发者用同一LLM配合12种星座提示词，让AI代理在10个道德难题中展现鲜明性格差异，揭示提示工程如何低成本实现行为多样性。
一个用星座性格玩转AI代理的趣味实验：当12个AI拥有不同“人格”会怎么回答道德难题？
如果给12个AI赋予不同的“性格”，哪怕它们用的是同一个大模型，会不会在面对相同问题时做出截然不同的选择？这个问题听起来像哲学思辨，但有人真的动手做了。
来自土耳其开发者巴图尔·伊尔马兹（Batur Yilmaz）的开源项目“What if AI Agents Had Zodiac Personalities”正是这样一个轻量却极具启发性的实验。他没有构建复杂的多智能体系统，也没有训练专属模型，而是巧妙地利用提示词工程（prompt engineering），为同一个Gemini 3 Flash Preview模型注入12种基于星座的性格设定，让每个AI代理在回答10个道德与生活决策问题时展现出鲜明的“人格倾向”。
结果令人惊讶：有些问题上全体一致，有些则激烈分裂；某些星座如射手座和水瓶座几乎总是投“赞成票”，而巨蟹座和金牛座则频频说“不”。这个项目虽非严肃工程产品，却以极低的技术门槛揭示了“性格化AI”的可能性——只需调整提示词，就能引导同一模型产生风格迥异、逻辑自洽的行为输出。
项目核心不是占星，而是用大众熟悉的性格框架做行为实验
需要特别强调的是，作者明确表示自己并不相信星座，选用黄道十二宫（Zodiac）纯粹是因为它在全球文化中具有高度认知度和丰富的性格描述资源。
这种做法其实非常聪明：与其从零构建一套抽象的人格维度（比如大五人格），不如直接借用现成的、广为人知的符号系统，让实验结果更容易被普通人理解与讨论。
每个星座对应的提示词文件（如aries.md、taurus.md等）都浓缩了该星座的典型特质——比如白羊座强调“勇敢、直接、行动导向”，而巨蟹座则突出“情感细腻、重视家庭、回避冲突”。
这些提示词并非随意堆砌形容词，而是经过精心设计，确保AI在生成回答时能围绕核心性格展开推理。
例如，在“是否该告诉朋友其伴侣出轨”这一伦理困境中，白羊座毫不犹豫选择“是”，理由是“真相必须直面”；
而巨蟹座则坚定说“否”，因为“保护亲密关系的稳定比揭露真相更重要”。
这种差异并非模型本身的偏好，而是提示词引导下的角色扮演结果。换句话说，模型成了一个“通用演员”，而提示词就是它的剧本。
技术实现极其简洁：统一模型 + 差异化提示 = 多样化行为
整个项目的技术栈异常轻量，完全依赖提示词工程而非模型微调或复杂架构。所有12个AI代理共享同一个底层语言模型——Google的Gemini 3 Flash Preview，这意味着它们的“智力水平”和知识库完全一致。
唯一变量是每个代理加载的个性化提示文件，这些文件位于src/prompts/目录下，内容通常包含三部分：角色身份声明（如“你是一个典型的白羊座人格”）、核心性格特征列表（如“冲动、坦率、热爱挑战”）、以及行为指导原则（如“在决策时优先考虑行动力和真相，而非他人感受”）。
当系统运行时，orchestrator.ts模块会依次为每个星座代理注入对应提示，并提交相同的输入问题，再收集各自的YES/NO判断及理由。
这种设计的好处在于：
第一，排除了模型差异带来的干扰，确保行为差异纯粹源于提示词；
第二，极大降低了开发门槛，普通开发者只需修改提示文本即可复现实验；
第三，为后续扩展留下空间——你可以轻松替换星座框架为MBTI、DISC甚至自定义职业角色（如“医生”“律师”“艺术家”），快速测试不同人格视角下的决策模式。
npm start命令启动交互模式后，用户还能实时输入新问题，观察12个“性格AI”如何即时回应，这使得项目兼具教育性与娱乐性。
十大道德困境测试揭示出惊人的一致性与分裂性
项目共设计了10个贴近现实生活的两难问题，涵盖伦理、职业、财务、情感、创新、宽恕、风险、临终关怀、企业忠诚与陌生人信任等多个维度。
每个问题都要求AI代理做出二元选择（YES/NO）并附简短理由。结果既有趣又发人深省。
例如在“是否应在伴侣施压下立即结婚”这一题中，12个代理全部投出“NO”，理由高度一致：拒绝被胁迫、强调自主权、反对仓促承诺。这说明即便性格迥异，对“自由意志受侵犯”的底线反应是普遍的。
而在“是否该举报公司合法但不道德的行为”一题中，9个代理支持举报，仅金牛座、巨蟹座和摩羯座反对，反映出务实派更看重生计安全，而理想主义者更坚持道德原则。
最戏剧性的分裂出现在“发现街头一万美元现金是否该据为己有”——7票赞成，5票反对，射手座认为“这是宇宙的馈赠”，而处女座则警告“可能涉及法律风险需验证”。这种分歧恰恰印证了性格对风险感知和道德判断的深刻影响。
值得注意的是，项目还做了统计分析：射手座和水瓶座以90%的“赞成率”成为最激进的行动派，而巨蟹座和金牛座以90%的“反对率”成为最谨慎的保守派，摩羯座紧随其后。
这种量化结果让抽象的性格差异变得可测量、可比较。
趣味背后藏着AI应用的新思路：用小模型固化LLM提取的“状态-策略”映射
除了作为社交游戏，该项目在Hacker News讨论中还引出了更深层的技术启示。
有评论指出，这类性格化AI实验其实可以升级为一种“技能模块化”方法：先让LLM在多种情境下生成行为数据，再从中归纳出“状态-策略”对应关系（即什么情境下采取什么行动），进而训练一个轻量级的小模型专门负责策略决策，而LLM只充当特征提取器。
具体步骤包括：
1）收集代理在历史任务中的行动记录；
2）反推每种行动对应的情境Context状态，构建“状态图谱”（类似本项目中的星座性格分类）；
3）识别能有效区分这些状态的关键特征；
4）用少量标注样本训练小型策略模型。
这样做的优势在于：小模型推理更快、更稳定，且不受LLM固有偏见干扰；同时，LLM的强泛化能力仍可用于理解复杂上下文，提取高维特征。
这种“LLM+小模型”混合架构，既能保留大模型的理解力，又能通过外部结构实现可靠、可校准的行为控制。对于需要长期一致性的AI应用（如客服、教育助手、游戏角色），这种方法比纯LLM推理更可控。
而本项目中的星座框架，本质上就是一种人工定义的“状态图谱”——它虽然粗糙，却验证了“通过外部结构引导LLM行为”的可行性。
为什么这个实验值得开发者和AI爱好者关注？
首先，它打破了“一个模型=一种行为”的迷思。很多人以为使用同一LLM就会得到相似输出，但本项目证明，只要提示词设计得当，同一模型完全可以模拟出逻辑自洽、风格迥异的多个“人格”。这对内容创作、角色扮演、个性化推荐等场景极具启发。
其次，它展示了低成本探索AI行为多样性的路径。无需GPU集群、无需海量标注数据，只需文本编辑器和API密钥，就能开展有意义的AI行为研究。
第三，它为“人机协作”提供了新视角——人类不必亲自写代码，而是通过设计提示词“导演”AI的行为，就像编剧指导演员。这种“提示即编程”（prompt-as-code）的范式，正逐渐成为AI应用开发的新潮流。
最后，项目本身极具传播性。把抽象的AI决策转化为星座性格的“投票结果”，普通人也能参与讨论：“我果然和天蝎座想得一样！”“难怪我是金牛座，看到风险就退缩”。
这种将技术实验包装成社交游戏的做法，极大降低了公众理解AI的门槛，也激发了更多人尝试自己的“AI人格实验”。
如何亲手运行这个实验？三步走带你玩转性格化AI
想亲自体验12个星座AI如何辩论道德难题？操作非常简单。
首先，确保你的电脑已安装Node.js环境。然后克隆项目仓库：
git clone https://github.com/baturyilmaz/what-if-ai-agents-had-zodiac-personalities.git
进入项目目录后，执行npm install安装依赖包。接着复制环境变量模板：cp .env.example .env，并用文本编辑器打开.env文件，填入你的Gemini API密钥（需提前在Google Cloud平台申请）。
完成配置后，运行npm start即可启动交互模式——系统会提示你输入问题，随后展示12个星座AI的回答。
若想复现原作者的10个测试题，可直接运行npm run test:zodiac，结果将自动保存至test-results.json。
项目结构清晰：src/prompts/存放所有性格提示词，orchestrator.ts负责调度代理，test-runner.ts用于自动化测试。即使不懂TypeScript，你也可以直接修改prompts下的.md文件，替换成自己喜欢的角色设定（比如“钢铁侠”“乔布斯”“禅师”），立刻获得全新版本的AI议会。这种“即插即用”的设计，让创意实验变得触手可及。
从星座到职业角色：性格化AI的无限扩展可能
虽然项目以星座为起点，但其方法论完全可迁移。
想象一下，如果你创建12个基于职业的AI代理——医生、律师、工程师、艺术家、教师、军人、记者、企业家、农民、程序员、外交官、僧侣——让他们共同讨论“是否该发展强人工智能”？
医生可能担忧伦理失控，工程师关注技术可行性，企业家看到市场机遇，僧侣则反思人性本质。这种多视角碰撞，远比单一AI的回答更有深度。
同样，你还可以构建历史人物AI议会（孔子、牛顿、爱因斯坦、居里夫人）、文学角色议会（哈姆雷特、伊丽莎白、堂吉诃德、安娜·卡列尼娜），甚至虚构世界观议会（《三体》中的罗辑、程心，《基地》中的谢顿）。关键在于：为每个角色设计精准、有辨识度的提示词，确保其回答符合角色内核。而本项目提供的框架，正是实现这种“AI角色扮演沙盒”的完美起点。
这类系统或许能用于教育（让学生与历史人物对话）、心理咨询（模拟不同建议者视角）、甚至企业决策（模拟跨部门意见征询）。性格化AI的价值，不在于预测真实人类行为，而在于提供多元思维的镜像，帮助人类跳出自身认知局限。
总结：用最简单的提示词，撬动最丰富的AI行为多样性
这个看似简单的星座AI实验，实则揭示了大模型时代的一个核心趋势：模型本身正在成为通用基础设施，而真正的差异化价值将来自外部结构设计——无论是提示词、工作流，还是小型策略模型。通过为同一LLM注入不同性格提示，项目成功实现了行为多样性，且成本近乎为零。
它证明了“AI人格”并非玄学，而是可通过文本工程精确调控的输出特征。
对于内容创作者，这意味着能批量生成风格各异的角色对话；
对于产品设计师，这意味着可构建多视角决策辅助系统；
对于普通用户，这意味着能与“不同性格的AI”进行更有深度的互动。
更重要的是，它提醒我们：AI的潜力不仅在于它能做什么，更在于我们如何引导它去做。当人类学会用提示词“导演”AI行为时，人机协作就从指令执行升级为创意共舞。而这个项目，正是这场共舞的轻盈开场。