AI 写不出你的语气。只有一个方法能真正解决它。
如果你曾经要求 ChatGPT 或 Claude「用我的语气」写一篇 LinkedIn 帖子，结果拿到一段读起来像 2019 年公司电子报的文字——空泛、过度礼貌、乐观得很奇怪——你不是个别案例。开箱即用的 AI 写作之所以平淡，是因为模型根本无法知道「你的语气」实际上指什么。「要口语一点」和「模仿我」这类指令，模型执行不了——因为你没有给它任何可供比对的范例。
有一个提示技术能稳定解决这个问题。它叫做 Few-Shot Prompting（少样本提示法），只需要少于 300 字的你自己的文字，就能让几乎任何主流模型输出真正像你品牌的内容。这篇文章会教你如何正确使用、在哪里会失效，以及如何建立一段可重复使用、能粘进任何对话的少样本模板。
什么是 Few-Shot Prompting？
Few-Shot Prompting 是一种技术：你在要求 AI 产出新内容之前，先给它 2 至 5 个完整的、示范「你要的输出长什么样」的范例。这些范例——称为「shots」——向模型展示你期望的结构、语气、长度与风格。模型会对范例做模式比对，产生跟随同一模式的新内容。
这个名词来自机器学习文献。「Zero-shot」表示你冷冰冰地要求模型完成任务，不提供范例。「One-shot」表示你提供一个范例。「Few-shot」表示你提供一小组，通常是二至五个。所有主流 AI 工具——ChatGPT、Claude、Gemini——都原生支援这种方式，无需插件、无需自订 GPT、无需设置，只要在提示中附上范例即可。
斯坦福大学 IT 训练团队称 Few-Shot Prompting 是大规模产出真实品牌内容最有效的单一技术。实务上，2 至 5 个范例是甜蜜点。超过五个鲜少能改善输出，只会烧掉 Token。
为什么 Few-Shot 比「用我的语气写」有效得多？
叫 AI「用我的语气写」，等于要求模型从一个模糊的标签去猜测。跟 AI 说「这里有三个我的语气范例——再写一个相同风格的」，则是给它一个可以直接模仿的具体模式。模型没有关于你品牌的内建概念，但它在模式可见时，模式比对的能力极其强大。
同样的道理，资历较浅的文案在拿到一份风格指引加上三篇样本文章时，进步速度会比只拿到风格指引快得多。风格指引告诉你规则；样本则让你看到规则在页面上实际长什么样。
这里还有一个 Token 层面的原因。当你把范例粘进提示中，这些范例会以原文形式进入模型的上下文窗口。模型在产出任何一个新字之前，能够「读到」你真实的句子——节奏、用字、标点习惯、段落长度。这种直接曝光，永远比你用任何形容词来描述风格，都要准确。
应该用多少范例？用哪些内容？
用三个范例。每一个应在 60 至 120 字之间，取材自你真正对外发布的文字——挑那些读起来最能代表你品牌最佳状态的作品。三篇的格式应与你希望 AI 产出的内容相近。要 AI 写 LinkedIn 帖子，就给它 LinkedIn 帖子；要写销售邮件，就给销售邮件。
范例的质量，远比数量重要。一篇精心挑选、能完美展现你品牌节奏的帖子，教给模型的东西，胜过十篇普通水准的帖子。大多数人犯的错是把博客归档库最上面的内容随手粘进去。要策展，不要抓取。
另外要确保范例在你的风格范围内有变化。若三篇全是短而利落，AI 就会拒绝产出任何较长的内容。若三篇全是 500 字的深度思考，你就拿不回一句俏皮的金句。在你想要的声音范围内，展示你希望它能达到的幅度。
Few-Shot 提示的结构该怎么写？
一段好的 Few-Shot 提示由四部分组成：角色陈述、带有清晰分隔符的范例、干净的任务陈述、以及可选的限制条件。分隔符的重要性远超大多数人的想象。没有它们，模型会把你的范例与指令混在一起。
使用三个连字号（---）或 XML 风格标签（<example>）来区隔每一个范例。Claude 对 XML 标签反应特别好；ChatGPT 与 Gemini 两者都能处理。范例以时序或主题排序，不要随机——因为模型往往会对较后面的范例给予较高权重。
最后的任务陈述应该是一个单一、具体的要求。不要写「再写一个类似的给我」——那太模糊。「为我们第三季度的产品发布写一篇新的 LinkedIn 帖子，语气与结构要符合上方三个范例，字数在 80 至 120 字之间。」这才够具体，能被执行。
Few-Shot Prompting 在哪些情况下会失效？
Few-Shot Prompting 在四种特定情境下会失效，值得预先规划。第一：当你的范例彼此矛盾时——混合一篇正式的新闻稿语气与一篇 Slack 闲聊帖子，会让模型混乱，产出一段糊成一团、偏平均值的输出。挑选风格一致的范例。
第二：当新任务在结构上与范例差异过大。若三个范例都是短社交帖子，而你要求一篇 2,000 字白皮书用同样的语气写，模型就没有支撑长结构的脚手架。范例长度应大致对应目标长度。
第三：当你的范例中塞了太多品牌专有名词。模型会开始「幻觉」地把那些专有名词写进新输出。客户名称、内部项目代号、日期等，若不希望它们重复出现，请先清除或改成通称。
第四：当你一整套 Few-Shot 模板几个月都不更新。你的声音会随时间演化。每季度更新一次范例，让 AI 始终比对你现在的输出，而非去年的输出。
一段完整的 Few-Shot 提示长什么样？
以下是一段可直接复制粘贴的完整模板，你可以根据自己的品牌语气改写。将占位范例换成你自己三篇最优秀的作品。其余结构保持不变。
试试这段提示：
---
你是 [你的品牌] 的资深文案。你的任务是产出新内容时，必须比对下方三个范例的语气与结构。不要自创新的风格元素，也不要在范例呈现之外软化或加强语气。
<example_1>
[在这里粘上你第一篇作品——60 至 120 字。挑一篇自信、能代表品牌的作品。]
</example_1>
<example_2>
[在这里粘上你第二篇作品——不同主题，相同语气。]
</example_2>
<example_3>
[在这里粘上你第三篇作品——展示你语气的第三个面向。]
</example_3>
任务：就 [你的主题] 写一篇新的 [LinkedIn 帖子／邮件／博客引言]，字数介于 [80 至 120] 字，语气、节奏与结构需与上方三个范例相符。不要使用范例中未出现过的品牌名称、项目代号或专有名词。直接输出新内容即可，无须前言或解释。
---
这套模板在 ChatGPT、Claude 与 Gemini 上几乎不需修改即可使用。唯一需要跨模型调整的是分隔符风格——Claude 偏好 XML 标签（如上所示），ChatGPT 与 Gemini 也接受三连字号分隔。
如何把这件事变成可重复的工作流？
把你的 Few-Shot 模板存成一个文本文件，放在桌面上，命名为 brand-voice-prompt.txt。每次你需要 AI 以你的声音写作时，开一个新对话，整段粘上，再加上新任务。整个设置时间：十秒。
若你使用 ChatGPT Projects、Claude Projects 或 Gemini Gems，把 Few-Shot 模板粘进该 Project 的 Custom Instructions。该 Project 里的每一段对话都会继承这套语气，你不必再粘一次。到这一步，Few-Shot Prompting 就不再是技巧，而是基础设施。
每季度检视一次范例。将你希望 AI 能比对的新作品轮替进去，淘汰任何感觉已偏离品牌的旧作品。把 Few-Shot 模板当作一份活文件来对待，就跟你对待风格指引一样。
接下来十分钟，你应该做什么？
打开你惯用的文本编辑器。找出三篇你真心引以为傲的个人作品——最好是过去 90 天内写的。把它们粘进上一节的模板中，存档，然后在你手上的一个真实任务上试跑一次，把结果与你平常用「用我的语气写」这种笼统提示拿到的输出比较。
这两段输出之间的差距，就是你过去一直在撞却没意识到的天花板。Few-Shot Prompting 能立刻把它提高，而它花的成本只有你策展范例那十分钟而已。
懂AI，更懂你 UD 相伴，AI 不冷。2026 年能跑在前面的实战派，会是那些把自己的写作视为「训练数据」、并有意识地每季度更新、为每一个他们在意的可重复输出设定模板的人。
把品牌语气融入你的 AI 工作流
Few-Shot Prompting 是入口。围绕你品牌建立一整套 AI 内容系统——从角色提示、审阅流程，到以你的语气训练的 AI 员工——是下一步。UD 团队手把手带你完成每一步，从提示设计到实际部署。