手上有一份几十页的文档，或者一批等着发布的文案，要求统一换成另一种语气——逐段手改太慢，直接丢给模型又容易前后不一致、丢掉原意。这篇给一套能落地的做法：先把语气描述成可执行的规则，再定分段和保持一致的机制，最后用一份检查清单验收，顺带说清什么情况下这套做法不适用。
手上有一份几十页的文档，或者一批等着发布的文案，要求统一换成另一种语气——逐段手改太慢，直接丢给模型又容易前后不一致、丢掉原意。问题的关键不在模型能力，而在你有没有把「语气」这件事说清楚。形容词级别的指令，比如「正式一点」「亲切一些」，模型每次理解都不一样，长文档一改就是几十段，风格漂移几乎是必然的。
可行的做法是三步：先把语气拆成模型能判断的规则，再定好长文怎么切、批量怎么排队，最后用一份检查清单验收。下面按这个顺序讲，顺带说清什么情况下这套做法不适用——如果原文本身逻辑混乱、前后矛盾，先把内容理顺再谈语气，否则改出来的只是包装更好看的乱稿。
先别写「正式一点」：把语气拆成可执行的规则
语气这类形容词对模型没有约束力，因为没有一个可判断的边界。要拆成四类能落到具体字符上的维度：人称与称呼、句长与断句、词汇偏好与禁用词、情绪强度与标点习惯。比如「不要口语化」不如写成「不使用『其实』『就』『啊』这类词，句末不用省略号」。规则越具体，改出来的东西越稳。
- 每条规则给一个正例一个反例，比堆一串形容词有效得多；不确定怎么措辞的，先去 /ai-dict/category/tips 把提示与调参相关术语对一遍
- 把规则存成一段固定的系统提示，之后每次改写都复用，避免同一批稿子之间语气漂移
- 规则别写太满：超过七八条的约束模型会顾此失彼，优先保留最影响观感的三四条
- 禁用词和必用词分开列，混在一起模型会挑着执行，最后两边的目的都没达到
四类维度的写法参考
| 维度 | 写成什么 | 反面写法 |
|---|---|---|
| 人称称呼 | 统一用「你」，不出现「用户们」「大家」 | 要亲切一点 |
| 句长断句 | 每句不超过一个逗号断点，长句拆开 | 别太啰嗦 |
| 词汇偏好 | 明确禁用词清单，明确必须保留的专有名词 | 用词专业些 |
| 情绪标点 | 不用感叹号，不用网络热词，少用破折号 | 语气平稳 |
这张表不是模板，是写规则的思路。真正落地时把每一栏换成你这份文档的具体要求，并且每条后面挂一个正例，模型照抄正例比自己理解规则靠谱得多。规则定完先自查一遍：如果把这段规则交给一个没看过原文的人，他能不能判断某句话合格不合格？判断不了就是规则还没写到位。
长文档怎么切、批量文案怎么排队
长文档不要按字数硬切，切口落在句子中间，模型补出来的衔接句往往和原意对不上。按语义单元切：章节、小节、问答对、条款条目都行，切口处保留上一段的结尾一句作为上下文，让模型知道这一段是从哪儿接过来的。
- 先分单元按章节或问答对把文档切成若干块，每块自带一个小标题，方便后面定位哪一块出了问题
- 套同一份规则每段请求都带上同一份语气规则，再加一句「这是全文第几部分」，模型就不会把它当独立成篇的稿子，不会自作主张改开头结尾
- 批量文案单独成条十条文案挤进一次请求，语气会互相污染，出现风格串味；一条一请求虽然慢，但结果可控
- 小批跑通再全量挑两三段差异最大的先试，确认规则站得住、切口不丢上下文，再推全篇，返工成本低得多
批量文案还有一点容易被忽略：同一条文案的不同版本（比如标题、正文、结尾）要么放同一次请求里一起改，要么严格按同一份规则分开改，不能一部分用规则 A 一部分用规则 B，否则发布出去读者一眼能看出是拼出来的。
一致的四个抓手：术语表、对照样例、冷却复检、版本留痕
长文档改完最常见的毛病不是某一段改得不好，而是改了三十段之后称呼突然从「你」变成「您」，或者结尾的收束方式变了。抓一致性靠四个动作，不需要额外工具，靠流程就能兜住。
- 术语表优先：把不许改动的专有名词、产品名、数字口径列成白名单，明确要求原样保留，模型对专有名词的下手是最没道理的
- 给两段「改前—改后」对照样例放进提示里，比继续描述语气更省事，模型会照着样例的风格走
- 全量改完后隔一段时间再通读一遍，或者按段落换顺序复检，专门盯称呼、标点和结尾收束是不是突然变了
- 改前改后各留一份，标注用了哪版规则；同一份文档改第二遍时只改规则不重写提示，便于回溯是哪一步引入了偏差
这里说的「冷却复检」不是玄学：连续读同一份稿子会产生适应，头几遍读不出的漂移，隔一两个小时或者打乱顺序再读反而能发现。没有这个条件的话，至少把每段的第一句和最后一句单独抽出来排在一起看，称呼和收束的变化在首尾句上最容易暴露。
改完怎么验收：一份可以照着勾的检查清单
验收分四层，从下往上查，越往上越主观。事实层不通过，后面全白搭，所以一定要先查事实再谈语气。抽查的位置固定：开头、中段、结尾各抽若干处，不要只翻开头，漂移通常发生在后半程。
| 层级 | 查什么 | 抽查方式 |
|---|---|---|
| 事实层 | 数字、专有名词、引述有没有被改动 | 开头、中段、结尾各抽若干处逐一核对 |
| 语气层 | 称呼和句长有没有跳变 | 遮住来源抽读几段，看能不能分辨出是不是同一套语气 |
| 可读层 | 有没有生硬替换、重复句、含义反转 | 重点看转折句和否定句，这两类最容易改反 |
| 交付层 | 格式和标注有没有被破坏 | 需要进排版工具的稿子先过一遍格式校验 |
表格里最后一层容易被跳过。很多稿子改完内容没问题，但加粗、编号、脚注标记全乱了，进排版工具又要返工。要跟原始版本做逐段比对的，可以借 /tools/quality-check 这类工具统一跑一次检查，把差异列出来人工过，比肉眼翻几十页靠谱。涉及不同模型效果差异的，到 /rankings 看当时的评测情况再决定用哪个。
什么情况下这套做法不适用：一是原文本身逻辑有问题，语气改得再好也盖不住；二是语气要求涉及非常细的行业惯例或法务口径，模型没有依据，必须人工逐条确认；三是文案数量只有一两段，手改可能比写规则更快，这时候硬上提示词反而是过度工程。
把语气写成规则、把规则写成正例，改稿这件事就从「感觉对不对」变成了「条件满足不满足」。下一步想确认某个模型在长文改写上的稳定性和调用表现，去站内评测与价格页面核对当时的数字，再拿两段差异最大的稿子实测一轮。→
常见问题
长文档一次性丢进去让它改，行不行？
短文案可以，长文档不建议。模型处理长输入时容易前松后紧，越往后语气越飘，还可能漏改中段。稳妥做法是按语义单元切段，每段带同一份规则和段序信息分别改，最后统一复检一遍衔接处。
改完发现语气对了但意思变了，怎么办？
这通常是规则里混进了改写指令，比如顺手要求「精简」「更生动」。把语气规则和内容改动分开：这一轮只调语气，明确写不许增删信息和调整逻辑，需要改内容的另开一轮。改前改后各留一份便于逐句比对。
同一批文案要改成几种语气，怎么安排？
一种语气建一套规则模版，别在一次请求里塞多套要求。按语气分组，先把同一语气的稿子跑完再换下一种。每换一次先拿一段试跑确认，避免一种语气的用词习惯渗到另一批里。
