AI 写作助手的 Prompt 架构：用风格示例与约束让品牌语气保持一致性

品牌内容团队最常见的抱怨之一，是同一个 AI 写作助手今天输出的文章语气干练利落，明天却变得啰嗦客套，后天又莫名冒出几句"感谢您的关注"式官腔。根本原因不是模型变笨了，而是 Prompt 架构没有从源头锁住语气变量。本文拆解一套经过实际验证的组合方案——风格参考示例 + 负面约束 + 输出评分，让模型在 AI 写作过程中真正实现品牌语气一致性。

为什么单靠"请用专业语气写"不够用

"请用专业、简洁、有亲和力的语气写一篇产品介绍"——这句话在 Claude Opus 4.8 和 GPT-5.4 上都能给出"正确"的结果，但两个模型对"专业"的默认校准完全不同。Opus 倾向于结构清晰、逻辑严密的长句；GPT-5.4 则更偏向口语化的短句节奏。用抽象形容词描述语气，本质上是把"语气定义权"让渡给了模型的预训练偏好。

更关键的问题是：语气不是一维的。一个科技品牌的"专业"可能包含五个维度——句子长度、主动/被动比例、术语密度、情感温度、称谓习惯——而一句描述词最多触及一个维度。想要锁住语气，就得把这五个维度逐一显式化。

第一层：风格参考示例（Few-shot Style Anchoring）

Few-shot 示例是最直接的语气校准工具。做法是在 System Prompt 或首轮 User 消息里放入 2～4 段已审核通过的品牌文本，并在每段后面标注关键语气特征。

## 品牌语气参考示例

[示例 A — 产品介绍段落]
"""
我们不做"全能平台"，只做一件事：让工程师在两分钟内拿到可运行的 API 密钥。
没有销售跟进，没有试用期陷阱，账户余额随时提现。
"""
语气标注：主动句为主；拒绝行业大词；用具体数字替代模糊承诺；结尾不煽情。

[示例 B — 故障公告段落]
"""
今天 14:00–15:23，部分用户的流式响应延迟升至 4.2 秒，高于正常水平的 3 倍。
原因是单节点内存泄漏，已回滚并增加监控告警阈值。
"""
语气标注：第一句直接给时间和数字；承认问题不甩锅；技术细节不回避。

经验值：2 个示例比 0 个示例能将语气一致性评分（由后文评分层统计）提升约 40%；4 个示例比 2 个再提升约 15%，再往上边际效益明显下降。建议为不同内容类型（产品文案、技术文档、危机公关）分别维护独立的示例库，而不是混用一个大示例池。

第二层：负面约束（Negative Constraints）

正面示例告诉模型"像这样写"，负面约束告诉模型"绝对不能出现这个"。两者是互补关系，不能互相替代。

负面约束的颗粒度决定效果。"不要写得太官方"是无效约束，因为模型无法量化"太官方"。有效的写法是枚举具体的禁止模式：

## 禁止输出的语言模式

- 禁止使用以下套话：「随着X的快速发展」「在当今竞争激烈的市场」
  「感谢您的关注与支持」「不断探索创新」
- 禁止用"首先/其次/最后"做段落骨架
- 禁止在 B2B 技术文章里出现"小伙伴""宝子"等 C 端语气词
- 禁止被动句比例超过全文的 20%（中文被动句标志：被、由……完成、得到了……）
- 数字必须用阿拉伯数字，不得写"数十个""若干"等模糊表达

这里有一个值得注意的细节：在 Claude Code 或 Codex 辅助写作的工作流中，如果通过 CLI 批量生成多篇内容，负面约束建议写入项目级的 AGENTS.md 或 system_prompt.txt，而不是每次手动粘贴，这样能保证整个批次的风格基线一致。

第三层：输出评分（Self-Scoring Rubric）

前两层控制输入端，第三层在输出端加一道验证。做法是在 Prompt 末尾要求模型在生成内容后自评语气合规性，并给出 1～5 分的评分和扣分理由。

## 输出格式要求

请先输出正文内容，然后在 [语气自评] 标签内完成以下评分：

[语气自评]
- 禁用套话：X/5（若扣分，请引用具体句子）
- 数字具体性：X/5
- 主动句比例：X/5
- 品牌示例相似度：X/5
总分：XX/20。若总分低于 16，请修改扣分项后重新输出正文。

这个机制本质上是让模型做 Chain-of-Thought 式的语气审核。实测数据：在 GPT-5.4 和 Claude Sonnet 4.6 上，加入自评环节后需要人工返稿修改的比例从约 35% 降至 12%；Haiku 4.5 等轻量模型的自评准确度较低，建议改为外挂一个独立的评分 Prompt（即用第二次 API 调用专门做语气审核）。

模型	无约束通过率	仅 Few-shot	三层组合
GPT-5.4	52%	71%	89%
Claude Sonnet 4.6	58%	74%	91%
Haiku 4.5	41%	63%	78%（需外挂评分）
DeepSeek V3	47%	66%	84%

（通过率定义：内部语气审核员打分 ≥ 4/5 的比例，基于同一品牌内容集的测试）

把三层组合打包成可复用的 Prompt 模板

把上述三层合并到一个 System Prompt 模板里，结构如下：

# Role
你是 [品牌名] 的内容写作助手。

# Brand Voice Examples
[粘贴 2-4 个已审核示例，每段附语气标注]

# Hard Constraints（硬性禁止）
[枚举禁用词组、句式、比例要求]

# Task
[具体写作任务描述]

# Output Format
[正文内容]
[语气自评]：逐项打分，总分 <16 则自动修改后重新输出。

这个模板的 token 消耗大约在 800～1200 tokens（取决于示例数量），在 GPT-5.4-mini 或 Haiku 4.5 上跑批量任务时成本完全可控。如果上下文窗口紧张，可以把示例库抽取到外部文件，通过 RAG 按内容类型动态注入，而不是全量放进每次请求。

---

如果你在落地这套方案时需要同时接入多个模型做横向对比——比如用 GPT-5.5 和 Claude Opus 4.8 各跑一版再让编辑挑选——我个人用的是 XycAi 词元平台。一个 API Key 可以调用 200+ 模型，包括 OpenAI 和 Anthropic 的官方模型，价格低至官价 1.4 折起，Claude Code 和 Codex CLI 都支持一键接入。对需要跑大量语气对比实验的内容团队来说，不用管多账号切换这件事本身就能省不少精力。