如何用 ChatGPT、Claude 和 Gemini 构建区域化 Synthetic Personas

Q: 大多数团队应该先从哪个工具开始？

先选和你真实工作材料最接近的那个工具。 - 如果你想要一个统一的 review 工作区、文件和 project instructions，用 ChatGPT - 如果当前 Drive、Gmail、Calendar 信息会显著影响结论，用 Claude - 如果草稿和源材料本来就在 Docs 或 Sheets 里，用 Gemini

先说结论

如果你希望 AI 输出更像“本地用户真的会说的话”，不要从泛泛的角色扮演 prompt 开始。更稳的做法是：先整理一张真实的区域约束表，基于它生成 3 到 5 个 synthetic personas，再让每个 persona 去跑同一份文案或流程，放在人工 QA 之前做第一轮本地化筛查。

截至 2026-04-21，更实用的选择方式是：

当你希望把 persona 迭代、文件和多轮 review 都放在一个 Project 里时，用 ChatGPT
当 review 强依赖当前 Gmail、Calendar、Drive 信息，以及 private project 里的知识文件时，用 Claude
当原始素材和待审文档本来就已经在 Google Docs 或 Sheets 里时，用 Gemini

Synthetic personas 依然只是筛查层，不是用户需求证据。它适合提前抓出明显的本地化错误，但高风险判断仍然要交给真实用户或合格的本地 reviewer。

项目	官方教程中的表述
Persona 字段数	26 fields
地理覆盖	韩国全部 17 个省级地区和 25 个区
职业分类	2K+ categories
许可证	CC BY 4.0
数据来源	包括 KOSIS、Supreme Court of Korea、National Health Insurance Service 等韩国公共机构

什么情况下这套工作流值得用

当错误足够常见、足够明显，而且你能在上线前低成本修掉时，synthetic personas 才真正有价值。

适合的场景：

审查一个新国家或地区的落地页文案
在本地发布前测试客服 prompt
检查 onboarding 是否默认了错误的支付方式、证件要求或设备习惯
压测 agent 的语气、步骤顺序和信任信号
比较同一流程在不同职业、年龄段、城市与非城市场景下的表现差异

不适合的场景：

替代真实访谈或田野研究
估算需求规模或支付意愿
推断你没有合法依据使用的敏感属性
生成虚假 testimonial 或案例
法务、医疗、政策、合规等必须由合格人工核验的高风险流程

先准备一张市场输入表

不要一上来就写长段 prompt。先把输入结构化。

字段	示例	为什么重要
Market	South Korea	锚定法律、制度和服务背景
Region	Seoul、Busan、rural Jeolla	地区不同，服务习惯和参考语境会变
Age band	25-34、55-64	设备习惯和语言期待会变化
Occupation	office administrator、shop owner、student	会改变任务词汇和流程重点
Language register	formal、neutral、casual	对客服和助手语气很关键
Device context	Android-first、desktop at work	会影响发现路径和操作顺序
Payment or process constraints	invoice、card、employer approval	能提前抓出“默认消费者购买”的假设
Goal	book appointment、compare tools、draft report	让 persona 始终服务于具体任务

如果这张表都填不出来，或者只能靠猜，那就应该先停下来。输入一模糊，persona 很快就会漂。

先选对工作区：ChatGPT vs Claude vs Gemini

在这个工作流里，模型本身的重要性往往低于“你的上下文到底放在哪里”。

工具	最适合的使用方式	截至 2026-04-21 的官方能力	需要记住的实际限制
ChatGPT	在同一个工作区里反复生成 persona 并做 review	OpenAI 说明 Projects 可以集中保存 chats、files 和 project instructions，且向全球免费和付费用户开放	如果你需要严格隔离上下文，应该启用 project-only memory
Claude	需要当前 Google Workspace 信息或 project knowledge 的 persona review	Anthropic 说明 Projects 对所有用户可用，Google Workspace connectors 可用于 Claude 和 Claude Desktop	Google Drive 文件只能加入 private projects，shared projects 不支持这条 Drive-to-project 流程
Gemini	直接在 Docs 或 Sheets 里生成和测试 persona	Google 说明 Gemini 已集成到 Docs、Sheets、Slides、Vids、Forms，并提供这些产品里的 prompt 指南	这些功能要求可用的 Google Workspace 或 Google AI 方案

截至 2026-04-21 核验来源：Projects in ChatGPT、What are projects?、Use Google Workspace connectors、Gemini in Docs, Sheets, Slides, Vids, & Forms、Learn about prompts for Gemini in Docs, Sheets, Slides, Vids & Forms。

用 ChatGPT 构建第一个 synthetic persona

截至 2026-04-21，OpenAI 说明 ChatGPT Projects 可以把 chats、files 和 project instructions 放在同一个地方。OpenAI 同一篇帮助文档也明确写到：connectors 目前不支持在 Projects 中使用。所以如果你用 ChatGPT 做这件事，默认前提应该是直接上传文件和写 project instructions，而不是依赖外部 app source。

来源核验于 2026-04-21：OpenAI Help Center，Projects in ChatGPT。

这让 ChatGPT 特别适合一种情况：你的关键参考资料能直接上传，而且你希望 persona 生成、assumption audit 和 review 都在同一个工作区完成。

可以按这个步骤搭：

为一个市场或一次本地发布创建新 Project
上传 market brief、style guide、policy notes 和当前 copy draft
打开 Project settings，给这个市场写一段简短 instructions
如果你在意上下文隔离，就启用 project-only memory
如果原始资料在 Drive、Slack 或别的系统里，先导出或整理成可上传文件
按输入表的每一行各跑一次 persona prompt

一个足够短、但够用的 Project instruction block：

You are helping with localization testing for one market.
Use only the files, source links, and structured inputs inside this project.
Do not invent personal history, protected traits, or unsupported preferences.
If a field is unknown, return "unknown".
Prioritize workflow constraints, tone expectations, and blocker risks.
Return structured outputs, not stories.

用于 ChatGPT 的第一版 persona prompt：

Create one fictional synthetic persona for localization testing.

Use only these structured inputs:
- market: South Korea
- region: Seoul
- age_band: 25-34
- occupation: office administrator
- language_register: formal Korean in service contexts
- device_context: Android phone first, desktop during work hours
- payment_or_process_constraints: employer approval needed for some purchases
- goal: compare AI note-taking tools for team use

Rules:
- Do not invent personally identifiable information.
- If something is not supported by the input, mark it as unknown.
- Focus on workflow behavior, communication expectations, and local constraints.
- Return valid JSON only.

Return these keys:
- persona_label
- context_summary
- likely_tasks
- likely_constraints
- language_expectations
- local_workflow_risks
- review_questions

一个合格的 cleaned persona 输出应该短、小、可审计，而不是写成“人设小传”。例如：

{
  "persona_label": "Seoul office admin, formal service register",
  "context_summary": "Works in an office environment, uses Android first, and may need employer approval before some software purchases.",
  "likely_tasks": [
    "compare AI note-taking tools for team use",
    "review pricing and approval steps",
    "check whether a tool works well on mobile before desktop follow-up"
  ],
  "likely_constraints": [
    "limited time during work hours",
    "some purchases require internal approval",
    "expects clear Korean service language"
  ],
  "language_expectations": [
    "formal tone in service interactions",
    "avoid translated-sounding purchase instructions"
  ],
  "local_workflow_risks": [
    "consumer-style checkout assumptions",
    "missing approval or invoicing details"
  ],
  "review_questions": [
    "Is the buying path clear for a team purchase rather than a personal subscription?",
    "Does the copy explain approval or billing steps early enough?"
  ]
}

为什么 ChatGPT 适合这里：OpenAI 当前帮助文档把 Projects 定位成可重复使用的工作区，用 files 和 project-specific instructions 把同一市场的 review 回路稳定下来。

用 Claude 构建第一个 synthetic persona

截至 2026-04-21，Anthropic 说明 Claude Projects 对所有用户可用，并且拥有独立的 chat history、knowledge base 和 project instructions。Anthropic 也说明 Google Workspace connectors 可用于 Claude 和 Claude Desktop，且 Google Drive 文件可以直接加入 chat，或者加入 private project 的 Files 中，并保持与 Drive 最新版本同步。

截至 2026-04-21 的来源：Claude Help Center，What are projects? 与 Use Google Workspace connectors。

如果你的 synthetic persona 必须锚定在“当前的内部资料”上，而不是一次性上传的静态文件，Claude 会更合适。

搭建方式可以这样做：

为一个市场或一个流程创建 private Claude project
把产品文档、客服说明、政策文件加入 project knowledge
如果源文件在 Google Drive 里，打开 project，进入 Files，点击 +，选择 Drive，把相关文档加进来
跑 persona prompt，并让 Claude 标记哪些内容来自 source，哪些属于 inference
把带 citation 的 review 输出继续保存在同一个 project 里

用于 Claude 的 prompt：

Create one fictional synthetic persona for localization testing.

Use only:
1. the structured inputs below
2. the project files and connected Google Drive documents available in this private project

Structured inputs:
- market: South Korea
- region: Seoul
- age_band: 25-34
- occupation: office administrator
- language_register: formal Korean in service contexts
- device_context: Android phone first, desktop during work hours
- payment_or_process_constraints: employer approval needed for some purchases
- goal: compare AI note-taking tools for team use

Requirements:
- No personally identifiable information.
- No unsupported biographical color.
- Separate supported facts from inferences.
- Cite any project file or connected document used.
- Return JSON only.

Return these keys:
- persona_label
- context_summary
- likely_tasks
- likely_constraints
- language_expectations
- local_workflow_risks
- review_questions

Claude 在这里的实际优势是：当前 connector 文档说明，Claude 的回答可以带出它所使用的邮件、日历事件或文档 citation。这样一来，当 persona 建立在真实内部资料上时，assumption audit 会比纯粹基于 pasted brief 更容易核验。

用 Gemini 构建第一个 synthetic persona

截至 2026-04-21，Google 说明 Gemini 已集成到 Docs、Sheets、Slides、Vids 和 Forms。Google 当前的 Workspace prompt 指南还推荐了 Gemini 的四段式提示结构：Persona、Task、Context、Format。这和 synthetic persona 工作流非常契合。

截至 2026-04-21 的来源：Google Docs Editors Help，Gemini in Docs, Sheets, Slides, Vids, & Forms 与 Learn about prompts for Gemini in Docs, Sheets, Slides, Vids & Forms。

如果你的 brief 和待审资产本来就已经在 Google Workspace 里，Gemini 往往是最顺手的选择。

一个简单的搭法：

把市场输入表放在 Google Sheets，或把 brief 放在 Google Docs
在对应的 Sheet 或 Doc 里打开 Gemini
用 Google 推荐的四段式结构来写 prompt：persona、task、context、format
如果需要额外资料，就输入 @ 选择文件，或者直接在当前文档里工作
把每个通过审计的 persona 保存到单独的标签页、章节或关联文档里

用于 Gemini in Docs / Sheets 的 prompt：

Persona: You are a localization testing assistant.
Task: Create one fictional synthetic persona for review of an AI software buying workflow.
Context:
- market: South Korea
- region: Seoul
- age band: 25-34
- occupation: office administrator
- language register: formal Korean in service contexts
- device context: Android phone first, desktop during work hours
- payment or process constraints: employer approval needed for some purchases
- goal: compare AI note-taking tools for team use
Format:
- Return valid JSON only.
- Use these keys: persona_label, context_summary, likely_tasks, likely_constraints, language_expectations, local_workflow_risks, review_questions.
- If a detail is not supported, write "unknown".
- Do not invent personal history or protected traits.

Gemini 适合这个场景的原因也很直接：Google 明确给出了 Workspace Gemini 的 prompt 结构，并说明你可以通过输入 @ 选文件。如果待审本地化文稿本来就在 Docs 里，你几乎不用切换工作区。

任何 review 前都先做 assumption audit

这是最容易被跳过的一步，但也是防止 persona 变成“编出来的人设”的关键步骤。

在 ChatGPT、Claude 或 Gemini 里，第一次生成后都立刻再跑一次这段 prompt：

Audit the persona you just created.

For each field, label it as one of:
- directly supported by the input
- reasonable inference
- unsupported guess

Then rewrite the persona so that unsupported guesses are removed.

Return:
1. an assumption audit table
2. a cleaned persona JSON

如果你用的是 Claude，额外要求它给出引用到的 project file 或 connector source。如果你用的是 Gemini in Docs，最好把 audit 紧贴在 persona 下方，方便保留可见的编辑轨迹。

用 3 类 persona 去跑同一个真实资产

当 cleaned persona 生成出来后，它就不再只是描述，而是一个测试对象。

如果你要审查 landing page 或 pricing page，可以用：

Act as the synthetic persona below.
Review this landing-page draft for clarity, trust, and workflow fit.

Evaluate only:
- what is immediately clear
- what feels imported from another market
- what sounds unnatural in local service language
- what step would likely block conversion
- what proof or reassurance is missing

Return:
- first impression
- confusing phrases
- risky assumptions
- likely objections
- one rewrite suggestion
- one blocker question that still needs a human reviewer

如果你要测试 support 或 onboarding flow，可以用：

Act as the synthetic persona below.
You are trying to complete this task:
"Reschedule a clinic appointment through an AI assistant."

Review whether the flow matches local expectations.
Flag:
- wrong level of politeness
- wrong institutional assumptions
- missing local documents or steps
- translated-sounding terms
- moments where a human handoff is needed
- one blocker question that should be checked by a local reviewer

不要只测一个 persona。第一轮通常至少需要下面 3 类：

Persona 类型	最容易抓到的问题	常见失败信号
Mobile-first urban worker	速度、App 流程、下一步不清楚	"I still do not know what to click first."
Older service user	行话、信任语言、正式语气错位	"This sounds translated, not native."
Small-business operator	审批链、发票、行政摩擦	"This workflow assumes a consumer purchase."

Persona 库要小，而且要带日期

多数团队不需要一个巨大的 persona 库。他们需要的是一个仍然可信的小型库。

更合理的默认值是：首轮 3 个 personas，长期维护时每个市场 5 到 8 个 personas。

每个 persona 至少保存这些信息：

生成它的输入表
assumption audit
它要测试的工作流
本地事实最后一次核验日期
创建它时使用的工具和工作区

最后这一项很重要。一个基于 Claude + 当前 Drive 文件生成的 persona，不等于一个三周前在静态 ChatGPT Project 里生成的 persona。

常见错误

把 synthetic personas 当成真实受访者

如果结论只来自 synthetic review pass，就不要写成“韩国用户告诉我们”或“韩国客户更喜欢”。

更准确的写法应该是：

Our synthetic review pass on 2026-04-21 flagged this as a likely localization risk. Validate it with real users or a qualified local reviewer before rollout.

如果你想要一个统一的 review 工作区、文件和 project instructions，用 ChatGPT
如果当前 Drive、Gmail、Calendar 信息会显著影响结论，用 Claude
如果草稿和源材料本来就在 Docs 或 Sheets 里，用 Gemini

OpenAI Projects 的行为、可用范围、文件上传、project instructions、project 内 connector 限制和 memory 选项
Anthropic Projects 的可用性、Google Workspace connector 行为，以及 Drive 文件加入 project knowledge 时对 private project 的要求
Google Workspace 中 Gemini 的可用范围，以及 Google 当前的 Docs / Sheets prompt 指南
Hugging Face 上 Nemotron-Personas-Korea 教程中的关键信息，包括目前仍然存在冲突的 6 million 与 7 million 总量口径，以及字段数、覆盖范围、职业分类和许可证

官方来源：

OpenAI Help Center: Projects in ChatGPT
Claude Help Center: What are projects?
Claude Help Center: Use Google Workspace connectors
Google Docs Editors Help: Gemini in Docs, Sheets, Slides, Vids, & Forms
Google Docs Editors Help: Learn about prompts for Gemini in Docs, Sheets, Slides, Vids & Forms
Hugging Face: How to Ground a Korean AI Agent in Real Demographics with Synthetic Personas

如何用 ChatGPT、Claude 和 Gemini 构建区域化 Synthetic Personas

先说结论

区域输入比单纯翻译更重要

什么情况下这套工作流值得用

先准备一张市场输入表

先选对工作区：ChatGPT vs Claude vs Gemini

用 ChatGPT 构建第一个 synthetic persona

用 Claude 构建第一个 synthetic persona

用 Gemini 构建第一个 synthetic persona

任何 review 前都先做 assumption audit

用 3 类 persona 去跑同一个真实资产

Persona 库要小，而且要带日期

常见错误

把 synthetic personas 当成真实受访者

让模型补太多身份细节

只测语气，不测 blocker

Persona 放太久不更新

FAQ

Synthetic personas 足够用于市场进入决策吗？

大多数团队应该先从哪个工具开始？

这套方法能用在强监管行业吗？

最大的 prompt 错误是什么？

核验说明

相关工具

相关文章

2026年AI Agent实用指南：它们到底能做什么

如何用 DevSpace 让 ChatGPT Pro 网页版访问本地项目

Claude 文本水印上线前：内容团队如何改审核流程