Die Verwendung von persona-basierten, auf Retrieval aufbauenden Chatbots ist für personalisierte Konversationen entscheidend, jedoch müssen mehrere Herausforderungen bewältigt werden. 1) Im Allgemeinen ist die Erstellung eines persona-basierten Korpus sehr kostspielig. 2) Das Chatbot-System berücksichtigt in realen Anwendungen nicht immer die Persona. Um diese Herausforderungen zu meistern, schlagen wir eine plug-and-play Methode zur Persona-Prompting vor. Unser System kann als Standard-Chatbot für offene Domänen fungieren, wenn keine Persona-Informationen verfügbar sind. Wir zeigen, dass dieser Ansatz im zero-shot Setting gut abschneidet und so die Abhängigkeit von persona-basierter Trainingsdaten reduziert. Dies erleichtert es, das System in andere Sprachen zu erweitern, ohne einen persona-basierten Korpus erstellen zu müssen. Zudem kann unser Modell weiter angepasst werden, um noch bessere Ergebnisse zu erzielen. In unseren Experimenten verbesserte das zero-shot Modell das Standardmodell um 7,71 Punkte bei der ursprünglichen Persona und um 1,04 Punkte bei der überarbeiteten Persona. Das angepasste Modell verbesserte das bisherige Stand-of-the-Art-System um 1,95 Punkte bei der ursprünglichen Persona und um 3,39 Punkte bei der überarbeiteten Persona. Nach bestem Wissen handelt es sich dabei um den ersten Versuch, das Problem der personalisierten Antwortauswahl durch Sequenzen von Prompts zu lösen. Unser Code ist auf GitHub verfügbar~\footnote{https://github.com/rungjoo/plug-and-play-prompt-persona}.