多数品牌语气文档都是一堆套话，没人翻（“我们真诚、大胆、有人味”）。真正能用的语气文档有 3-4 个锚定形容词、几条语气轴（正式 ↔ 随意、专家 ↔ 亲和），以及把同一句话分别写成”voice 内 / voice 外”的对照示例。下面 12 个 Prompt 就是用来产出这份资产，再把它转成可直接粘进 Claude 或 ChatGPT 的风格 Prompt，让 AI 初稿一开口就在调上。
一句话总结： 从你最好的现有文案里反推锚定形容词（模板 1），在语气轴上落点（模板 2），建一份”对照示例库”（模板 4），压成一页纸卡片（模板 8），最后整体转成 AI system prompt（模板 11）。voice（你固定的身份）不变，tone（语气）随渠道调整。
适合哪些场景
招人前先定下 voice 的创业者、要交接给外包的市场负责人、给写手做 onboarding 的内容团队、需要统一多位作者教程口径的 DevRel。
什么时候不建议这样写 Prompt
商标 / 法务 style guide 别用——那要律师把关，不是模型。管理层没真承诺时也别用：没有 champion 的语气文档一上线就死了。
这些 Prompt 遵循的框架
让语气文档真正能用，研究里有两点最关键：
- voice 固定，tone 灵活。 voice 是品牌的核心身份，保持不变；tone 随场景调整（新闻稿更正式，社媒更口语）。但两者读起来都得是同一家公司。
- 在轴上落点，胜过堆形容词。 被广泛引用的 Nielsen Norman Group 语气维度模型 用四条轴定位 voice——正式/随意、严肃/有趣、克制/不羁、平铺直叙/热情洋溢。在光谱上落一个点，比贴一个模糊标签可操作得多。
最强的一页纸语气文档有五块：锚定形容词、常用词、绝不用的词、前后对照示例、轴上落点。下面每个 Prompt 都对应喂养其中一块。
Prompt 结构公式
每个语气 Prompt 都要带这六个要素：
- 读者：一个具体的人。
- 目标：一个动作——读完 / 点击 / 同意 / 分享。
- 语气：2-3 个锚定形容词，可选示例句。
- 限制：字数、禁用短语、必含事实。
- 格式：段落、列表、小标题、表格。
- 示例：1-2 条语气示例——匹配 voice 的最强单一杠杆。
12 个可直接复制的 Prompt 模板
直接粘进 Claude（提取和审计类用 Opus 4.7，快速迭代用 Sonnet 4.6）、ChatGPT（GPT-5.5）或 Cursor。把反引号里的占位符换成你自己的内容即可。
1. 样本反推 voice
Read these 5 samples of our best-performing content: [paste samples]. Extract: (1) 3-4 anchor adjectives (one positive, one constraint, one differentiator), (2) sentence-length pattern, (3) word patterns we lean on, (4) words we never use. Output as a draft voice doc.替换： 5 个样本（用互动数据最高的作品，不是最新的）。
2. 语气轴
Define 4 tone axes for `[brand]`: (a) formal <-> casual, (b) expert <-> approachable, (c) serious <-> playful, (d) bold <-> measured. Place a dot on each axis (0-10) with one-sentence rationale. Pin extremes that are OFF-LIMITS (e.g., never sloppy, never preachy).替换： [brand]
3. 锚定形容词三角验证
I think our voice is `[adj1]`, `[adj2]`, `[adj3]`. Stress-test: (1) Name a real brand for each adjective — does it match the company we want to be? (2) Replace one adjective with a sharper synonym if vague. (3) Add a fourth that constrains (e.g., "never glib").替换： [adj1]、[adj2]、[adj3]
4. 对照示例库
For each anchor adjective, produce 3 example pairs: same meaning, version A is in-voice, version B is not. Annotate why A is in-voice in one line. Use real product examples, not lorem ipsum.5. do / don’t 清单
Write 8 do / 8 don't items for our voice. Each <= 12 words. Don'ts must be specific (not "don't be unclear" but "don't hedge with maybe / probably"). Pair each do with an example.6. 分渠道 voice 映射
Define how voice shifts for: (a) marketing copy, (b) docs, (c) error messages, (d) support replies, (e) social posts. Anchor adjectives stay; tone axes can shift. Map each context to a dot on the axis.7. 已发内容 voice 审计
Audit these pieces against our voice doc: [paste pieces]. For each: (a) in-voice score 1-5, (b) one line on what's off, (c) one suggested rewrite. Skip pieces already at 5.替换： 要审计的内容
8. voice 一页纸
Compress our voice doc to a 1-page reference card: 3 adjectives, 4 axes (with dot positions), 5 do, 5 don't, 2 worked examples. Goal: a freelancer can match voice on the first try.9. 跨语言 voice
Our brand voice in English is `[voiceSummary]`. Define how it should adapt in `[secondLang]`: which adjectives translate directly, which need a different anchor (e.g., "playful" in English does not equal "playful" in business Japanese), which words are forbidden.替换： [voiceSummary]、[secondLang]
10. 危机 / 严肃版本
Define voice variants for: (1) routine, (2) celebration / launch, (3) apology, (4) outage / serious. Each: tone axis position + 2 sample phrases. Apology voice must drop the "playful" anchor if any.11. AI 工具 system prompt
Turn our voice doc into a system prompt I can paste into Claude or ChatGPT so AI output matches our voice. <= 400 words. Include: anchor adjectives, axis positions, 3 worked in-voice/not-in-voice examples, and banned phrases.把结果粘进 ChatGPT 的 Custom Instructions，或 Claude Project 的自定义指令。Claude 的 Styles 功能（2026）也能直接从你上传的写作样本生成语气画像，可以当作对手写文档的”第二意见”。
12. voice 漂移检测
Read these 10 recent pieces. Detect drift: (1) Pieces straying off-axis, (2) Author writing in their personal voice vs the brand voice, (3) Newer pieces using banned words. Output a drift report + 1 fix per piece.每一步用哪个模型
| 步骤 | 推荐模型（2026 年 6 月） | 原因 |
|---|---|---|
| 提取（1）、审计（7、12） | Claude Opus 4.7 | 综合一批样本最强；1M token 上下文能一次装下几十篇 |
| do/don’t、示例的快速出稿（4、5） | Claude Sonnet 4.6 或 GPT-5.5 | 便宜、快，迭代足够用 |
| 粘贴最终风格 Prompt | ChatGPT Custom Instructions / Claude Project / Claude Styles | 团队每天真正写稿的地方 |
价格（截至 2026 年 6 月）：ChatGPT Plus 每月 $20，Claude Pro 每月 $20（年付 $17），对小内容团队都在预算内。在编辑器里写稿的话，Cursor Pro（每月 $20）跑的是同一批模型。
容易踩的坑
- 受众模糊（“对 X 感兴趣的人”）——输出就泛泛。
- 没语气锚——所有版本一个味道。
- 没限制——要设字数、禁用短语和长度上限。
- 不给示例——voice 内 / voice 外的对照样本是最强信号。
- 相信初稿——AI 落在安全的中间值，要逼它出更锋利的第二稿。
- 放过套话（“In today’s fast-paced…”、“unlock the power of…”）。
- 不做事实二审——模型偶尔自信地编。
优化技巧
- 一定要给 1-2 条语气示例，“友好”两个字没用。
- 狠下限制——字数、禁用短语、必含事实。
- 发布前念出来——卡了就重写。
- 砍掉不承重的副词和形容词。
- AI 出前两稿，人改第三稿——第三稿才发。
- 把简报锚定到真实客户里的某一个人。
- 单独测标题——去掉正文，信息还传不传得出去？
FAQ
- voice 文档多长？: 1-3 页。真正被人用的是那张一页纸卡片（模板 8），更长的版本是附录。
- 不同渠道 voice 该不同吗？: 轴上的位置可以变（社媒更随意、文档更克制），锚定形容词不变。
- 怎么让团队真的用？: 一页纸卡片 + 对照示例 + 每周一次审计（模板 7）同步到团队群。
- AI 能保持 voice 吗？: 配上模板 11 的 system prompt——初稿可以。Claude Styles 也能从样本学，但发布前仍要人改。
- 该用哪个模型？: 多样本提取和审计用 Claude Opus 4.7；快速出稿用 Sonnet 4.6 或 GPT-5.5。见上面的表。
- 怎么验证 voice 起效？: 外人读 3 篇，能说出”是同一家公司”。
- 多久刷一次？: 一年一次，受众 / 市场大变时即刻。