任务场景
你有一篇内容正确但”嗓音不对”的文章——一份正式白皮书要变博客、一篇专家文要给小白读、一段营销文要变成公司内部更新。AI 换语气很快，但真正的风险是：在换语气的过程中悄悄改了”意思”。任务是换嗓音，不是改事实。
哪些情况适合让 AI 来做，哪些情况不要
AI 善于切换词汇层级、句子长度、模糊度、节奏。但它不善于在大改写里”原样保留细微技术声明”——它会把”减少 30%“悄悄软化成”显著减少”，因为这更贴新语气。换完语气一定做”事实 diff”那一轮，把可能移位的句子单独列。
需要给 AI 的输入信息
- 原文全文
- 目标语气一句话（“温和、直接、不黑话、给聪明的非专业读者”）
- 一段目标语气的参考文本——你自家博客、竞品、你喜欢的作者
- 必须原样保留的内容：数字、引用、品牌名、合规话术
- 改写后的读者是谁
- 长度目标：不变 / 短 X% / 长 X%——换语气经常意外改长度
可直接复制的 Prompt
把下面这篇文章改写成新语气。
目标语气（一句话）：<line>
目标语气的参考文本：<贴 200-300 字>
读者：<line>
必须原样保留：<数字 / 引用 / 品牌名 / 合规话术>
长度目标：<不变 / 短 X% / 长 X%>
原文：
"""
<贴这里>
"""
请输出：
1. 改写稿
2. "tone delta"——3 个具体变化（词汇 / 句长 / 模糊度）
3. "meaning watch"——可能改了意思的句子，附原文 / 改写并排
4. 保留清单——核对每个"原样保留"项目都还在
不要在没明说前改数字、名字、引用。如果必须为了语气软化某个声明，请单独标出，原句也留着。二次精修：“再做一轮，去掉 20% 字数但不丢任何信息。“
建议让 AI 输出成什么样
改写稿 + 简短的 “tone delta” callout + “meaning watch” 表（原文 / 改写 / 风险）+ 保留清单核对。并排对比比单独看改写有用得多。
怎么判断 AI 的改写能用
- 原文里的所有数字、引用、专有名词都在改写里
- “meaning watch” 列里的句子，仔细看其实没问题；有问题就还原
- 改写里能识别出参考语气（词汇、节奏）——如果只是泛 AI 腔，要 push back
- 长度在目标内——“变口语”经常莫名涨 20%
- 念出来——读起来像人在讲，不像生成
容易踩的坑
- 让 AI 为了贴语气把事实改了——最大单点风险
- 没对比那一轮——你交了一个”被软化”的原文
- 通用 “更口语” 语气——不给参考，AI 默认 LinkedIn 腔
- 改太狠——段落顺序和结构通常应该不动
- 忘了合规话术——金融、法律、医疗有强制措辞，必须原样
FAQ
- 如果新语气要不同结构怎么办？ 先换语气，再换结构，分两轮。混在一起会盖住意思偏移。
- AI 能学具体某个作者吗？ 大致能，给足够长的参考。第一遍比多数人强，迭代会接近但不会完全像。
- 要不要披露用 AI 改写？ 看场景：署名新闻、学术作品要披露；公司内部更新不用。先定规范再开干。
- 拿到别人的草稿怎么先理顺再改？ 先做一遍结构性编辑（AI 写作反馈），别用语气变换把论证漏洞抹平。
- 双语内容要改写怎么办？ 目标语言的语气改写和翻译是两类问题，分两轮做（翻译准确性检查）。
相关
- 文章改写 Prompt 集合 ——更多写法
- 新闻稿改写 Prompt ——当改写目标是新闻稿
- 多平台派生 ——跨平台换语气，不只是改一篇
- 品牌语气指南 AI ——把目标语气写成文档
- 品牌语调 Prompt ——正式语气文档
- AI 内容派生教程 ——完整派生流程
- 用 AI 批量扩内容要注意什么
- 用 AI 系统性审查旧文章：要问什么、忽略什么、怎么排更新队列