AI 寫不出你的語氣。只有一個方法能真正解決它。
如果你曾經要求 ChatGPT 或 Claude「用我的語氣」寫一篇 LinkedIn 貼文，結果拿到一段讀起來像 2019 年公司電子報的文字——空泛、過度禮貌、樂觀得很奇怪——你不是個別案例。開箱即用的 AI 寫作之所以平淡，是因為模型根本無法知道「你的語氣」實際上指什麼。「要口語一點」和「模仿我」這類指令，模型執行不了——因為你沒有給它任何可供比對的範例。
有一個提示技術能穩定解決這個問題。它叫做 Few-Shot Prompting（少樣本提示法），只需要少於 300 字的你自己的文字，就能讓幾乎任何主流模型輸出真正像你品牌的內容。這篇文章會教你如何正確使用、在哪裡會失效，以及如何建立一段可重複使用、能貼進任何對話的少樣本範本。
什麼是 Few-Shot Prompting？
Few-Shot Prompting 是一種技術：你在要求 AI 產出新內容之前，先給它 2 至 5 個完整的、示範「你要的輸出長什麼樣」的範例。這些範例——稱為「shots」——向模型展示你期望的結構、語氣、長度與風格。模型會對範例做模式比對，產生跟隨同一模式的新內容。
這個名詞來自機器學習文獻。「Zero-shot」表示你冷冰冰地要求模型完成任務，不提供範例。「One-shot」表示你提供一個範例。「Few-shot」表示你提供一小組，通常是二至五個。所有主流 AI 工具——ChatGPT、Claude、Gemini——都原生支援這種方式，無需外掛、無需自訂 GPT、無需設定，只要在提示中附上範例即可。
史丹福大學 IT 訓練團隊稱 Few-Shot Prompting 是大規模產出真實品牌內容最有效的單一技術。實務上，2 至 5 個範例是甜蜜點。超過五個鮮少能改善輸出，只會燒掉 Token。
為什麼 Few-Shot 比「用我的語氣寫」有效得多？
叫 AI「用我的語氣寫」，等於要求模型從一個模糊的標籤去猜測。跟 AI 說「這裡有三個我的語氣範例——再寫一個相同風格的」，則是給它一個可以直接模仿的具體模式。模型沒有關於你品牌的內建概念，但它在模式可見時，模式比對的能力極其強大。
同樣的道理，資歷較淺的文案在拿到一份風格指引加上三篇樣本文章時，進步速度會比只拿到風格指引快得多。風格指引告訴你規則；樣本則讓你看到規則在頁面上實際長什麼樣。
這裡還有一個 Token 層面的原因。當你把範例貼進提示中，這些範例會以原文形式進入模型的上下文視窗。模型在產出任何一個新字之前，能夠「讀到」你真實的句子——節奏、用字、標點習慣、段落長度。這種直接曝光，永遠比你用任何形容詞來描述風格，都要準確。
應該用多少範例？用哪些內容？
用三個範例。每一個應在 60 至 120 字之間，取材自你真正對外發布的文字——挑那些讀起來最能代表你品牌最佳狀態的作品。三篇的格式應與你希望 AI 產出的內容相近。要 AI 寫 LinkedIn 貼文，就給它 LinkedIn 貼文；要寫銷售電郵，就給銷售電郵。
範例的品質，遠比數量重要。一篇精心挑選、能完美展現你品牌節奏的貼文，教給模型的東西，勝過十篇普通水準的貼文。大多數人犯的錯是把部落格檔案庫最上面的內容隨手貼進去。要策展，不要抓取。
另外要確保範例在你的風格範圍內有變化。若三篇全是短而利落，AI 就會拒絕產出任何較長的內容。若三篇全是 500 字的深度思考，你就拿不回一句俏皮的金句。在你想要的聲音範圍內，展示你希望它能達到的幅度。
Few-Shot 提示的結構該怎麼寫？
一段好的 Few-Shot 提示由四部分組成：角色陳述、帶有清晰分隔符的範例、乾淨的任務陳述、以及可選的限制條件。分隔符的重要性遠超大多數人的想像。沒有它們，模型會把你的範例與指令混在一起。
使用三個連字號（---）或 XML 風格標籤（<example>）來區隔每一個範例。Claude 對 XML 標籤反應特別好；ChatGPT 與 Gemini 兩者都能處理。範例以時序或主題排序，不要隨機——因為模型往往會對較後面的範例給予較高權重。
最後的任務陳述應該是一個單一、具體的要求。不要寫「再寫一個類似的給我」——那太模糊。「為我們第三季的產品發布寫一篇新的 LinkedIn 貼文，語氣與結構要符合上方三個範例，字數在 80 至 120 字之間。」這才夠具體，能被執行。
Few-Shot Prompting 在哪些情況下會失效？
Few-Shot Prompting 在四種特定情境下會失效，值得預先規劃。第一：當你的範例彼此矛盾時——混合一篇正式的新聞稿語氣與一篇 Slack 閒聊貼文，會讓模型混亂，產出一段糊成一團、偏平均值的輸出。挑選風格一致的範例。
第二：當新任務在結構上與範例差異過大。若三個範例都是短社交貼文，而你要求一篇 2,000 字白皮書用同樣的語氣寫，模型就沒有支撐長結構的鷹架。範例長度應大致對應目標長度。
第三：當你的範例中塞了太多品牌專有名詞。模型會開始「幻覺」地把那些專有名詞寫進新輸出。客戶名稱、內部專案代號、日期等，若不希望它們重複出現，請先清除或改成通稱。
第四：當你一整套 Few-Shot 範本幾個月都不更新。你的聲音會隨時間演化。每季更新一次範例，讓 AI 始終比對你現在的輸出，而非去年的輸出。
一段完整的 Few-Shot 提示長什麼樣？
以下是一段可直接複製貼上的完整範本，你可以根據自己的品牌語氣改寫。將佔位範例換成你自己三篇最優秀的作品。其餘結構保持不變。
試試這段提示：
---
你是 [你的品牌] 的資深文案。你的任務是產出新內容時，必須比對下方三個範例的語氣與結構。不要自創新的風格元素，也不要在範例呈現之外軟化或加強語氣。
<example_1>
[在這裡貼上你第一篇作品——60 至 120 字。挑一篇自信、能代表品牌的作品。]
</example_1>
<example_2>
[在這裡貼上你第二篇作品——不同主題，相同語氣。]
</example_2>
<example_3>
[在這裡貼上你第三篇作品——展示你語氣的第三個面向。]
</example_3>
任務：就 [你的主題] 寫一篇新的 [LinkedIn 貼文／電郵／部落格引言]，字數介於 [80 至 120] 字，語氣、節奏與結構需與上方三個範例相符。不要使用範例中未出現過的品牌名稱、專案代號或專有名詞。直接輸出新內容即可，無須前言或解釋。
---
這套範本在 ChatGPT、Claude 與 Gemini 上幾乎不需修改即可使用。唯一需要跨模型調整的是分隔符風格——Claude 偏好 XML 標籤（如上所示），ChatGPT 與 Gemini 也接受三連字號分隔。
如何把這件事變成可重複的工作流？
把你的 Few-Shot 範本存成一個文字檔，放在桌面上，命名為 brand-voice-prompt.txt。每次你需要 AI 以你的聲音寫作時，開一個新對話，整段貼上，再加上新任務。整個設定時間：十秒。
若你使用 ChatGPT Projects、Claude Projects 或 Gemini Gems，把 Few-Shot 範本貼進該 Project 的 Custom Instructions。該 Project 裡的每一段對話都會繼承這套語氣，你不必再貼一次。到這一步，Few-Shot Prompting 就不再是技巧，而是基礎設施。
每季檢視一次範例。將你希望 AI 能比對的新作品輪替進去，淘汰任何感覺已偏離品牌的舊作品。把 Few-Shot 範本當作一份活文件來對待，就跟你對待風格指引一樣。
接下來十分鐘，你應該做什麼？
打開你慣用的文字編輯器。找出三篇你真心引以為傲的個人作品——最好是過去 90 天內寫的。把它們貼進上一節的範本中，存檔，然後在你手上的一個真實任務上試跑一次，把結果與你平常用「用我的語氣寫」這種籠統提示拿到的輸出比較。
這兩段輸出之間的差距，就是你過去一直在撞卻沒意識到的天花板。Few-Shot Prompting 能立刻把它提高，而它花的成本只有你策展範例那十分鐘而已。
懂AI，更懂你 UD 相伴，AI 不冷。2026 年能跑在前面的實戰派，會是那些把自己的寫作視為「訓練資料」、並有意識地每季更新、為每一個他們在意的可重複輸出設定範本的人。
把品牌語氣融入你的 AI 工作流
Few-Shot Prompting 是入口。圍繞你品牌建立一整套 AI 內容系統——從角色提示、審閱流程，到以你的語氣訓練的 AI 員工——是下一步。UD 團隊手把手帶你完成每一步，從提示設計到實際部署。