打開一篇 AI 生成的產品介紹，開頭永遠先客套兩句，中間一定夾一句「不僅能提升效率，更能打造競爭力」，結尾照例補上「總結來說」。句子挑不出錯字，語氣也周到有禮，但讀完自己都不想按讚，更別說讓客戶有感覺。這股一眼就被認出「是機器寫的」氣味，就是大家口中的「AI 味」。
很多人以為解法是寫完再拼命改，把「總結來說」刪掉、把長句切短、加幾個語助詞。這些後製當然有用，但它治標不治本。真正讓 AI 寫作工具寫得有人味的關鍵，藏在更前面一步：你餵給它的指令長什麼樣，它就吐出什麼樣的東西。輸入是罐頭，輸出不可能是手作。
這篇要拆解的是怎麼從輸入端就把人味設定進去。不是給你三十句「人味修正語」叫你死背，而是教你把自己的角色、品牌語氣、甚至一段你寫過的範例，組裝成一份可以重複使用的指令模板。先從「AI 味到底是怎麼長出來的」講起，再一步步把那份模板填出來。
AI 味是什麼？為什麼 AI 預設就寫得這麼制式？
AI 味的本質，是一種「為了不出錯而抹平所有稜角」的安全寫法。它最明顯的指紋有三個：過度禮貌的開場、機械化的條列（首先、其次、最後），還有制式化的轉折句（總結來說、值得注意的是、不僅如此）。你不一定講得出哪裡怪，但讀的時候就是覺得，這段話套在誰身上都通，等於沒有真的在對誰說話。
這不是 AI 故意要敷衍你，而是它被訓練出來的反射。語言模型學的是「大量中性資料」，論文、新聞稿、官方公告佔了很大比例，這些文體本來就正式、保守、滴水不漏。更關鍵的是訓練方式：工程師用「人類回饋」來微調模型，而人類評分者往往會給「完整、有禮貌、解釋詳盡」的回答比較高的分數。久而久之，模型就學會用一堆贅詞把一個簡單的答案包得漂漂亮亮，因為這樣最安全、最不會被扣分。
AI 就像一個怕被老闆罵的下屬，報告寫得洋洋灑灑，每個轉折都承上啟下，卻遲遲不敢給一個有立場的結論。它的廢話，是在「理解不夠深」跟「怕說錯話」之間妥協出來的產物。而寫作真正打動人的地方，恰恰是觀點與差異。當 AI 把所有的稜角磨平，也順手磨掉了你讀下去的動機。
理解這一層很重要，因為它直接告訴你解法的方向，要讓文字活過來，不是叫它「寫更多」，而是給它「限制」與「個性」。你得主動把那些被它抹平的東西（角色、語氣、立場、你自己的用字習慣）重新塞回指令裡。
為什麼與其改稿，不如先把指令寫對？
先算一筆帳。如果你每次都讓 AI 隨便產一篇，再花二十分鐘逐句潤掉 AI 味，那這二十分鐘乘上你一年要寫的篇數，是很可觀的時間。更麻煩的是，後製改稿改的是「表面症狀」：你把「總結來說」換成「說到底」，但那段話的視角、立場、選的例子，骨子裡還是 AI 那套四平八穩。換句話說，潤稿能去掉塑膠感，卻補不回真正的個性。
把功夫花在輸入端，效益完全不同。一份寫好的指令是「資產」，你今天花半小時把品牌語氣、禁語、範例組裝成模板，之後每一篇都能套用，邊際成本趨近於零。實務上，把指令從模糊的形容詞（友善、專業）換成具體的規則（句長、禁語、格式要求），事後要修的地方就明顯變少；再附上一段範例對照，要改的更少。差別不在 AI 變聰明了，而在你終於把它要模仿的對象講清楚了。
還有一個容易被忽略、卻越來越要緊的理由，跟搜尋引擎有關。Google 早就公開表態，它反對的是「低品質、無原創性、用來操弄排名的內容」，跟那是人寫的還是 AI 寫的無關。換句話說，一篇通篇 AI 味、跟別人講得一模一樣的稿子，本來就難排得上去；而你用 AI 當輔助、再灌進自己的專業判斷與獨特觀點，產出對讀者真正有用的原創內容，這完全符合 Google 的規範。Ahrefs 與 Semrush 近期針對搜尋結果的大規模分析都指出，排在前面的內容絕大多數是人寫、或經過人深度編修的，純 AI、未經潤飾的只佔少數。人味，從來不只是讀起來舒服，它也是排名的入場券。
所以接下來這幾步，目標只有一個，就是在你按下送出之前，先把「人味」設定進指令裡。
第一步，先給 AI 一個具體的角色而不是丟任務
第一件要做的事，是替 AI 安一個身分。多數人下指令的方式是直接丟任務：「幫我寫一篇產品介紹文」。這種寫法太籠統，AI 沒有任何參照點，只能回到它的預設值，給你一篇像官方簡介的東西。
角色設定的威力，在於它會幫 AI 從訓練資料裡「對焦」。當你指定它扮演某個角色，它就會去模擬那個角色的思考邏輯、語言習慣跟用字偏好。同樣是介紹一款記帳軟體，你叫它「扮演一位嚴謹的會計師」跟叫它「扮演一個剛畢業、第一次想好好理財的小資族」，寫出來的選詞、舉的例子、關心的重點會完全不一樣。
設定角色時，與其堆「專業」「資深」這種空泛形容詞，不如給它一個有畫面的參照對象。比較這兩種寫法：
- 你是一位專業的內容寫手，請寫得專業一點。
- 你是一個會在咖啡店裡，用大白話把複雜觀念講給朋友聽的人。你不寫像公司公關稿、也不寫像大學教科書那樣的句子。
第二種給了 AI 一個「正面參照」（咖啡店裡講給朋友聽）跟一個「反面參照」（公關稿、教科書），它就有了具體的座標可以對齊。記住，「不要寫成什麼樣子」跟「要寫成什麼樣子」一樣重要，把雷區直接畫給它看，比讓它自己猜要可靠得多。
第二步，用三層結構把品牌語氣講到 AI 聽得懂
角色定好之後，真正決定文字像不像「你」的，是品牌語氣。問題是，大部分人設定語氣只會丟形容詞：「友善、專業、有溫度」。這幾個字對 AI 幾乎沒意義，因為「友善」對它來說就是驚嘆號、「很高興為您服務」跟「絕對沒問題」。那不是你的友善，那是「每個品牌的」友善。
要讓語氣變得可執行，得把它拆成三個可以「機械式遵守」的層次，一層一層描述清楚。你可以把它想成品牌說話的 DNA。
第一層是結構，也就是文字外觀上量得出來的東西。這一層 AI 最聽得進去，因為它客觀、可衡量。把這些直接寫成規則：
- 句子平均長度（例如平均 15 字以內，長短句交錯）。
- 每段最多幾句（例如最多 3 句，行動裝置好讀）。
- 用不用語氣詞、口頭禪，多常用。
- 用不用設問句，一節大概問幾次。
- 開頭怎麼起手（例如一律從一個具體場景或一句斷言切入，不准用空泛的鋪陳開場）。
第二層是情緒，也就是文字給人的感覺。形容詞在這裡最容易失準，比較好的做法是給「刻度」而不是給「形容詞」。例如把四個面向各打一個分數：嚴肅到幽默（1 到 5）、正式到輕鬆（1 到 5）、恭敬到俏皮（1 到 5）、熱情到平實（1 到 5）。一個打「幽默 2、輕鬆 4、俏皮 2、平實 4」的品牌，跟一個打「幽默 4、輕鬆 4、俏皮 4、熱情 4」的品牌，產出的調性會差很多。給數字，AI 才有一個明確的靶可以瞄，而不是對著一個它要自己解讀的形容詞。
第三層是用字，也就是你慣用、跟絕對不用的詞。這一層直接列清單最有效：
- 慣用詞：你的招牌字眼、口頭禪、固定的連接詞。
- 禁用詞：那些一看就很 AI 的預設值，像「賦能、無縫、極致、革命性、值得注意的是、綜上所述」。
- 術語政策：哪些行話直接用、哪些要翻成白話講給外行聽。
明確列出「禁用詞」這件事特別有效，因為否定式的限制會逼 AI 繞開它機率最高的那條老路，去找別的講法。三層都描述清楚之後，你的「友善」就不再是抽象形容詞，而是一組 AI 真的能照著做的規格。
第三步，丟一段你寫過的範例讓 AI 直接模仿
規則寫得再細，都比不上一個動作有用，那就是直接給 AI 看一段「你真的寫過、你滿意的文字」，叫它照這個味道寫。這在提示工程裡叫「以例引導」，原理很簡單，與其用一百個字描述「我的風格是怎樣」，不如把成品攤在它面前讓它自己抓特徵。
為什麼範例這麼強？因為語氣裡有太多東西是講不清楚的：你習慣的停頓、你愛用的轉折、你句子的呼吸節奏、你那種半開玩笑的分寸。這些「只可意會」的特質，AI 從一段真實範例裡抓得到，但你用形容詞永遠描述不全。實測上，在規則之外再附上一兩段「示範對照」，AI 對風格的貼合度會比只給規則明顯提升。
具體可以這樣做。先丟一段你的代表作，下這樣的指令：
> 這是我平常的寫作風格範例：「（貼上你 100 到 200 字的得意段落）」。請先分析這段文字的語氣特徵（它的句子長短、用詞偏好、情緒溫度、有哪些口頭禪），然後用同樣的味道，幫我寫一篇關於（主題）的文章。
更進一步，你可以同時給「正例」跟「反例」，效果更好：
> 這是對的味道：「（貼上你的範例）」。這是絕對不要的味道：「（貼上一段你覺得很 AI、很罐頭的範本）」。請模仿前者、避開後者。
「正例＋反例」的組合，等於同時給 AI 一個要靠近的點跟一個要遠離的點，它對齊起來會更準。如果你手上一時沒有現成範例，那就先用前面教的角色與三層語氣寫一版，挑出最像你的段落留下來，它就變成你下一次的範例，這份資產會越用越準。
第四步，用禁語清單與節奏要求掐掉最頑固的 AI 味
就算角色、語氣、範例都給足了，AI 還是有幾個改不掉的老毛病，這時要靠幾條「精準的封鎖指令」最後把關。這幾招都是直接寫進指令裡，不是事後改稿。
第一招是禁語清單。把 AI 最愛的那幾個套路直接列成黑名單，明白告訴它不准用：
> 撰寫時禁止使用這些詞與句型：「總結來說」「首先、其次、最後」「不僅如此」「值得注意的是」「這是一個……的過程」。不要有客套的開場白，直接進入重點。
否定式指令會強迫 AI 避開它最順手的那條路，去找比較直接、甚至比較有創意的講法。
第二招是控制節奏。AI 寫作有個隱形特徵：每句長度都差不多，讀起來平到沒有起伏。人類寫作則是長短交錯、有停頓有衝刺。你可以直接要求：
> 請讓句式長短交錯，短句（10 字以內）跟長句搭配使用，避免每句長度都一樣，模擬人在思考時自然的停頓感。
第三招是禁用抽象形容詞、改要畫面。AI 的機器感，很大一部分來自形容詞堆砌：「效率極高、革命性、非常便利」。這些詞是「結論」，不是「畫面」。你要逼它寫場景：
> 描述好處時，禁止使用「效率極高」「革命性」「非常便利」這類抽象形容詞。請改用一個具體的工作情境，把好處演出來。例如不要寫「大幅提升效率」，要寫「以前每週要花三小時對帳，現在週一早上半小時就收工」。
把「提升效率」換成「省下兩個半小時」，文字就從空話變成有畫面、有說服力的東西。這一步是讓文字「產生靈魂」最關鍵的開關。
第五步，讓 AI 分段寫，而不是一次寫到底
還有一個很多人沒注意、卻很影響成品的細節，就是不要叫 AI 一口氣把整篇寫完，要分段請它寫。
原因跟模型的注意力有關。AI 處理一份很長的指令時，會把開頭跟結尾的要求記得比較牢，中間那一大段反而容易「忘記」。實際表現就是這樣，一篇文章的前三分之一還很守你的語氣，越寫到後面越走鐘，最後一兩段又默默飄回那個四平八穩的 AI 預設值。這個現象叫「指令漂移」，文章越長越明顯。
解法是把生成切開。引言、每個段落、結尾分開請它寫，每一段都重新提醒它一次語氣規則。這樣做有兩個好處。一來每一段都在指令的「記憶熱區」裡，貼合度更穩；二來你可以一段一段檢查、一段一段微調，而不是等整篇出來才發現後半段全毀、得從頭重來。
如果嫌一段一段太麻煩，至少在長指令的最後再補一句最關鍵的提醒，把最重要的禁令放在結尾複述一次，例如「再強調一次，全文不准出現禁語清單裡的任何詞，每一段都要維持前面設定的語氣」。把重點放在頭尾，能有效壓低中段漂移。
第六步，最後那 20% 微調是 AI 永遠補不上的部分
把前面五步都做好，AI 已經能幫你產出八成像樣的稿子。但最後那 20%（真正讓內容「是你」的部分）還是得靠你自己補上，這也是 AI 短期內補不來的。
哪些東西是 AI 寫不出來的？是你的親身經歷、你踩過的雷、你對這件事真正的看法、一個只有你會知道的具體數字、一個你親眼看過的案例、甚至一個你願意承認的失敗。這些「活過的痕跡」沒辦法被自動化，只能由你手動加進去。AI 負責把骨架跟肉長好，但那口氣、那個觀點、那個只有內行人才講得出的細節，是你的價值所在。
實際操作上，這 20% 的微調包含幾件事：把語境裡的細微語感再捏一下、確認整篇沒有偏離你的品牌骨架、補進真實的情緒與共感、刪掉 AI 自作主張塞進來的贅句。與其期待 AI 一鍵產出完美成品，不如把它定位成一個「會模仿、出稿快」的協作夥伴，它幫你把時間從零到八十，你負責把八十帶到一百。
順帶提醒一個常見的誤區，別以為把產出丟進「人性化工具」洗一遍就萬事大吉。那類工具是把句子打散重組來躲過偵測，洗掉的是表面的機器特徵，補不回觀點與真實經驗，洗過頭還可能把原意洗壞。真正的人味來自你放進去的東西，不是靠工具事後抹平。
常見的三個錯誤，做白工的主因就在這裡
把方法講完，再幫你避開幾個最常見、會讓前面功夫白費的坑。
第一個錯，是指令給得太貪心、一次塞太多。有人一口氣把角色、五層語氣、十個範例、二十條禁令全堆進同一段指令，結果 AI 消化不良，反而抓不到重點。比較穩的做法是分批餵，先用一段對話給它範例跟角色，確認它抓到味道了，下一段再給規則跟任務。一次給一個重點，它才跟得上。
第二個錯，是只設定一次就以為它會永遠記得。AI 的記憶是有限度的，對話拉長之後，它很可能忘掉你開頭設的語氣。所以遇到它又開始飄回 AI 味時，別嫌煩，把語氣規則再貼一次提醒它。把設定當成「需要時不時重申的約定」，而不是「講一次就一勞永逸的開關」。
第三個錯，是完全交給 AI、自己一個字都不改。這是最傷的一個。前面講過，最後 20% 的人味只能由你補，如果你連看都不看就直接發出去，那再好的指令也救不了那股「誰都能寫」的塑膠感。而這種稿子，讀者一眼看穿，搜尋引擎也未必買單。AI 是放大器，放大的是你放進去的東西；你放進去的是用心，它就放大用心，你放進去的是偷懶，它就放大偷懶。
寫得像人，是把「你是誰」交代清楚
讓 AI 寫出人味，從頭到尾其實只在做一件事：把那個被模型抹平的「你」，重新交代清楚。角色、三層語氣、一段真實範例、一份禁語清單、分段生成、最後親手補上的那 20%，這六步合起來，就是在告訴 AI「我是誰、我怎麼說話、我絕對不說什麼」。
下次再嫌 AI 寫得太機器人，先別急著怪工具。回頭看看你給它的指令，是不是也只是一句乾巴巴的「幫我寫一篇」。輸入是罐頭，輸出就不會是手作；你把自己交代得越清楚，它就寫得越像你。挑一段你最近寫的東西，照這六步重設一次指令，再讓它寫一版。你會發現，差別不在 AI，而在你終於開口告訴它，你到底想怎麼說話。