你要”专业又友好、权威又谦逊、技术又易懂”。每一对单看都合理。结果模型给你一篇 5 段散文，句与句之间来回荡：第 1 句像麦肯锡备忘录，第 2 句像 Slack 闲聊，第 3 句像教科书脚注。追问”过渡再平滑些”，得到的是更平滑但同样不稳定的声音。
问题不在混合。你要了两个声音，模型把它们取了平均。两个相反方向的声音取平均，读起来是不稳定，不是平衡。
最快修法： 只定一个主语气，贴一段 2-3 句、完全是这个声音的示例，把次要语气降级成一小串机械规则（比如”允许缩略、不用感叹号”）。“温暖""权威”这类形容词不是模型能稳定执行的指令，示例才是。下文解释为什么”X 又 Y”这种写法必然失败，并给你一套分步配方。
为什么会这样
当 prompt 没把语气说具体时，模型会退回到训练里学到的”最统计安全”的风格——一种很多写作者形容为”维基百科 + LinkedIn”的”企业式热心”默认腔。两个互相竞争的形容词并不能盖住这个默认腔，只是让模型在两个词的单薄漫画版之间来回切。每个形容词落在训练分布的不同区域，而”混合”被模型理解成了”切换”。
你属于哪一类
| prompt 里的症状 | 根因 | 真正有效的修法 |
|---|---|---|
| 两个形容词用”但/又”连（“正式又友好”） | 模型当成两个目标，一句选一个 | 定一个主语气，另一个降级成机械规则（Step 1） |
| 语气只用 1-2 句描述，没样例 | 模型没锚，不知道你的混合体长什么样 | 贴一段 2-3 句的语气示例（Step 2） |
| 语气槽塞了 4+ 个形容词 | 是 stakeholder 政治，不是真实声音 | 砍到一个主语气，其余变规则或直接删（Step 1） |
| 领域天然混语域（销售、募资、冲突调解） | 每一节确实需要不同语域 | 写一份按节分配的”配方”（Step 3 与 Step 6） |
| 单个语气短语，无结构 | 模型没有可执行的配方 | 把语气翻成可测规则（Step 4） |
| 只在聊了几轮后才开始漂 | message 里的语气指令被摘要掉了 | 把语气挪到 system / project 指令里（Step 5） |
动手前先确认
- 列出 prompt 里每一个语气形容词。
- 每一对都问：“它们冲突吗？“冲突就不能均等满足——必须有一个主导。
- 找一段真实写作，命中你想要的混合体。
- 重新 prompt 前，先定好你那一个主语气。
- 副语气如果相关，映射到具体的结构位置。
需要收集的信息
- 完整的语气指令原文。
- 那段语气混乱的输出。
- 一段命中你真正想要的混合体的样例。
- 模型、temperature，以及语气指令放在哪里（message、system prompt 还是 project 指令）。
- 不一致是句级还是段级。
最短修复路径
Step 1：定一个主语气，其余降级
差： "专业又友好。"
好： "主语气：专业。
友好只通过以下方式体现：缩略（'咱们'而非'我们'）、
用'你'而非'人们'、不用感叹号。
其余一律默认专业语域。"一个赢家；次要语气被降为几条机械规则，模型能稳定应用。
Step 2：用一段示例锚定
形容词是解读，示例才是目标。贴 2-3 句完全是你想要的那个声音：
语气示例（请完全按此语气写）：
"上线进度同步一下：我们把发布推到周五。Safari 上 auth 还在挂，
得先稳住，再对客户开放。修复进度记在 INC-4123。"单个示例可能被当成偶然个例；两三个才能立起一个可靠模板。所以一个锚不住就再加一个（见”如果还是没修好”）。
Step 3：把细节映射到结构位置
如果你确实想要两个语域，给每个一个位置，而不是要求逐句混合：
第 1 节（开场）：温暖、"我们"、缩略。
第 2 节（技术细节）：正式、第三人称、不缩略。
第 3 节（行动呼吁）：温暖、直接、第二人称。模型对”第 2 节用 X 语域”远比”全文混 X 和 Y”靠谱。
Step 4：把语气翻成可测规则
行为规则胜过形容词，因为它可核对。“两句一段”胜过”有力”；“开头先抛反直觉那一点”胜过”吸引人”。
语气规则：
- 缩略：允许
- 感叹号：禁用
- 第二人称（"你"）：必须
- 行话：每段最多 1 个，首次出现处给定义
- 平均句长：12-18 字
- 阅读难度：大致初中水平可测规则能消掉句级漂移，因为每一句要么过、要么不过。
Step 5：把语气钉在能持久的地方
写在单条聊天 message 里的语气，会随着对话变长被摘要掉，于是几轮之后声音就漂了。把它挪到每轮都会重新加载的那一层：
- ChatGPT： Custom Instructions，或某个 Project 的指令（Projects 侧栏 -> 你的项目 -> “Instructions”）。
- Claude： 某个 Project 的自定义指令，或 Claude Code 的
CLAUDE.md文件——它每次运行都从磁盘重新读取，而不是塞在聊天里带着走。 - API：
systemprompt，它在每条 user 消息之前都会被处理一遍。
system 级指令在所有轮次里都持久；message 里的指令不持久。
Step 6：天然混语域的任务，写”配方”
有些任务确实要混语域。销售邮件既要温度也要权威。别用形容词硬刚——给每个段落一份任务说明：
配方：
- 开头：温暖、直呼对方名字、引用最近共有的上下文。
- 中部：切到权威——具体数字、点名的具体案例。
- 结尾：再回温暖——邀请下一步，不强推。配方是一个形容词给不了的结构锚。
怎么确认已经修好
- 逐句读一遍：输出读起来连贯，不像拼出来的。
- 盲读测试：把输出给一个没看过 prompt 的人。如果他能描述出一个连贯的声音（而不是”它一直在切”），就算落地。
- 同一个 prompt 跑 3 次。3 个输出语气一致，说明语气被钉住了，不是随机。
- 拿 Step 4 的可测规则逐句核对。
如果还是没修好
- 两个语气可能真的不兼容。砍掉一个。
- 缩小样本：让模型先写 2 句，把声音锁住，再扩写。
- 给 2-3 个示例，别只给 1 个。锚多了，语气更稳。
- 品牌工作把语气当配置文件：示例 + 规则 + 位置映射，全锁住、可复用。
- 如果声音还是退回”企业式热心”，就明确禁掉那些 AI 腔的标志：不用破折号当连接词、不写”在当今快节奏的时代”、不用”可能""也许”这类含糊词。
预防建议
- 默认只定一个主语气。其余都是机械规则或位置细节。
- 存好语气锚（每个声音一段示范）以便复用。
- 永远不要在两个形容词之间用”但”或”又”。
- 每季度审一次生产 prompt 里累积的语气愿望。
- 团队工作流商定一个声音 + 一个锚，而不是”品牌 vibe”这种说法。
常见问题
为什么”专业又友好”比单写”专业”输出更差？ 因为模型把这两个词读成两个独立目标，一句满足一个。单写”专业”给它一个语域去守住。加一个互相竞争的形容词、又不给示例或规则，只会引入摆荡。
两个语气形容词就一定不能用吗？ 能用，前提是立刻把它们落地。指定一个为主语气，把另一个定义成机械规则或按节分配的位置。出问题的是”两个光秃秃的形容词 + 没示例 + 没结构”。
应该给几个语气示例？ 两到三个。一个可能被模型当成偶然个例；两三个能立起模式。超过五个很少有用，还吃 context。
语气指令一开始好用，聊了几轮就漂了，为什么？
message 里的指令会随对话变长被摘要掉，语气规则就淡了。把它挪到持久层：ChatGPT 的 Custom Instructions 或 Project 指令、Claude 的 Project 或 CLAUDE.md、或 API 的 system prompt——这些每轮都会重新生效。
冲突修掉了，输出还是一股通用 AI 味，怎么办？ 那是模型默认的”企业式热心”腔在透出来。把形容词换成具体的行为规则（句长、阅读难度、禁用词），再用一段真实示例锚定。明确禁掉常见标志（破折号滥用、把 “leverage” 当动词、含糊词）。
语气该放 system prompt 还是靠 temperature？ 语气靠 prompt 里的规则和示例。temperature 控制的是随机性，不是语域——调低会让输出更可预测，但不会把两个冲突的形容词变成一个连贯的声音。
相关阅读
标签: #排查 #Prompt #Prompt 质量 #风格漂移