iT邦幫忙

2026 iThome 鐵人賽

DAY 9
0
AI 自動化

《從聊天到規格書:我如何把 AI 訓練成報告產線員工》系列 第 9

【Day 9】Tone & Style 控制:讓 AI 寫出來的報告不再有濃濃的「AI 味」

  • 分享至 

  • xImage
  •  

前言

昨天我們把格式這種「硬」規則搞定了——輸出的骨架該長什麼樣子,已經很明確。但即使格式完全正確,你可能還是會遇到一個常見的抱怨:「格式是對的,可是讀起來就是很像 AI 寫的,怪怪的。」

這就是今天要處理的問題。格式是「容器」,今天談的 Tone(語氣)與 Style(風格)是「灌進容器裡的水的質地」——容器對了,水的質地不對,整體讀起來還是不對勁。


一、先搞懂「AI 味」到底是什麼

「AI 味」不是一個模糊的感覺,它其實有幾個可以具體指認的特徵:

  1. 過度制式的轉折語:每段開頭都是「值得注意的是」「總的來說」「首先⋯其次⋯最後」,人類寫報告不會每一句都這樣起頭
  2. 不必要的資訊堆疊:明明一句話講得完的事,AI 常常會加上一堆修飾語把它撐長,例如把「本週無異常事件」寫成「經過詳盡的分析與評估,本週並未發現任何值得關注的異常事件情況」
  3. 過度禮貌或過度熱情的語氣:報告裡出現「很高興向您報告」這種客服式用語,在資安週報這種場景裡顯得突兀
  4. 缺乏你們部門特有的「行話」:每個部門、每個人寫報告都有自己習慣的簡稱、慣用句型,AI 預設不會知道這些,寫出來的東西就會顯得「外人感」很重

搞懂這四個具體特徵之後,你會發現:「AI 味」不是玄學,而是幾類可以在 prompt 裡明確禁止或修正的具體毛病

二、Style vs Tone:再次釐清這兩者的差異

Day 6 提過,Style 和 Tone 容易搞混,這裡用更具體的方式再拆一次:

  • Style(風格)= 怎麼「組織」文字:句子長短、是條列還是段落、用詞的專業程度、句型的複雜度
  • Tone(語氣)= 文字背後的「態度」:客觀冷靜、還是帶有情緒?正式拘謹、還是輕鬆自然?

一個實用的判斷方法:如果把同一份內容,想像成不同的人來說,句子結構(Style)可能差不多,但「聽起來的感覺」(Tone)會差很多。例如同樣是報告一個異常事件,冷靜的分析師語氣、和緊張兮兮的語氣,講的事實一樣,但態度截然不同。

三、對抗「AI 味」的實用技巧

技巧一:直接列出禁用詞彙與句型

與其抽象地說「不要有 AI 味」,不如具體列出你不想看到的詞彙:

禁止使用以下用語:
- 「值得注意的是」「總的來說」等制式轉折語
- 「經過詳盡的分析與評估」等冗贅修飾語
- 「很高興」「非常樂意」等客服式禮貌用語
句子力求精簡,能一句話講完的事,不要拆成兩句話或加上不必要的修飾。

這個技巧的效果通常立竿見影,因為 AI 很擅長「避免做被明確禁止的事」,遠比它擅長「猜測你抽象講的『不要有 AI 味』是什麼意思」。

技巧二:直接指定句子的目標長度或密度

「精簡」這個詞本身也是抽象的,可以進一步具體化,例如:「事件摘要每一項不超過一句話,一句話中不使用超過一個逗號分隔的子句。」這種具體的長度限制,能有效避免 AI「把簡單的事情講得很長」的傾向。

技巧三:用「反例」明確排除某種寫法

有時候,直接舉一個「不要這樣寫」的反例,比正面描述更有效:

反例(不要這樣寫):「經過本週詳盡的監控與分析,我們很高興地向您報告,系統整體運作情況良好,未發現任何值得特別關注的異常狀況。」

正確寫法:「本週無異常事件。」

這種「錯誤示範 + 正確示範」的對照,是 Day 10 要談的 Few-shot Prompting 技巧的一種簡化應用——先用一個小範例,今天讓你先感受一下這個技巧的威力。

四、行話與慣用語:讓報告聽起來「像自己人寫的」

除了消除 AI 味,還有一步是加入你們部門特有的表達習慣,讓報告讀起來更貼近平常同事寫的樣子。這通常包括:

  • 部門內部慣用的簡稱(例如某類事件的內部代號)
  • 特定欄位的固定寫法(例如「已結案」永遠寫成這三個字,不要讓 AI 自己發揮成「處理完畢」「已完成處理」等變體)
  • 主管習慣看到的排列順序(例如永遠先講風險等級,再講處理細節)

這些細節可以直接寫進 System Prompt 的 Style 區塊,一次講清楚,之後每次使用都會自動套用。

五、今天的行動練習

回頭看 AI 幫你產出過的任何一份草稿(或者現在就用你的範本試跑一次),對照今天列出的四個「AI 味」特徵,標出裡面出現了哪幾種。針對每一種,寫一條具體的禁用規則,加進你的 System Prompt 裡。


小結

格式對了,只是解決了「容器」的問題;今天處理的 Tone 與 Style,才是決定一份報告讀起來「像不像自己人寫的」的關鍵。核心心法是:不要用抽象詞彙(例如「自然一點」)去要求 AI,而是把抽象感覺拆解成具體的禁用詞、句型限制、或反例對照——這跟 Day 5 建立品質檢查清單時用的「追問法」,其實是同一套邏輯的延伸應用。

下一篇,我們會把今天最後提到的「反例對照」技巧,正式擴展成一套完整的方法——Few-shot Prompting,談談為什麼「給範例」往往比「說破嘴」更有效。


上一篇
【Day 8】結構化輸出 (Structured Output):用 Markdown 與 JSON 控制產出格式
下一篇
【Day 10】Few-shot Prompting 實戰:給範例比說破嘴更有效
系列文
《從聊天到規格書:我如何把 AI 訓練成報告產線員工》10
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言