如何训练 AI 学会品牌文风：Founder Voice Guide

AI 内容之所以容易千篇一律，通常不是模型不会写，而是系统没有证据说明“谁在说话”。“大胆、温暖、有洞察”这类形容词不够。模型需要经过批准的真实素材、清晰边界、同任务正反例，以及能把人工修改变成规则的反馈闭环。

在 2026 年 11 月 8 日的 workshop 里，我把它定义成内容操作系统，而不是一个万能 prompt：Founder 提供判断与证据，AI 负责转换与分发，人继续为事实、隐私和发布负责。

层级	包含内容	作用
素材库	带来源的第一方获批材料	让系统有真实内容可说
文风指南	可观察写作模式和红线	让风格可复用
固定测试集	多内容类型的同一组任务	让版本可比较
反馈闭环	人工修改与失败标签	持续改进规则
发布 Gate	事实、隐私与渠道检查	防止自信地犯错

用什么素材训练 AI 品牌文风？

优先使用 Founder 或品牌有权复用的材料，例如已发布文章、获批播客逐字稿、公开演讲、Newsletter、产品说明、客户常见问题和经过审阅的会议记录。保留来源、日期、说话人、受众与发布权限。

进入素材库前先分类：

分类	允许用途	示例
公开证据	可在署名与引用后支持公开主张	已发布文章、官方案例
获批第一方	可在批准范围内复用	已批准公开的 Founder memo
PRIVATE-VOICE-ONLY	只校准节奏和推理，不支持公开事实	内部会议逐字稿
Restricted	不应发送给模型或发布	客户秘密、密钥、健康或法律数据

文风与证据不是一回事。私人谈话可以让 AI 学到“先讲具体例子，再给框架”的节奏，但不代表其中的姓名、事实和结果获准公开。

AI 文风指南应该写什么？

有效指南要描述可观察行为，而不是堆人格形容词。

1. 受众与任务

写清内容帮助谁、对方正在做什么决策、读完应能完成什么。“写给创业者”太宽；“帮助第一次做 B2B SaaS 的 Founder 选择本周能执行的一项获客实验”才可操作。

2. 核心观点

列出持续影响写作判断的信念，并给每条加边界。例如“单渠道小实验优先于渠道铺开”，并不等于“任何产品都只能做一个渠道”。

3. 文风维度

用尺度和表现定义：

维度	目标	文字中的证据
直接程度	高	先给结果或决策
温度	中	解释取舍，不居高临下
具体程度	高	写负责人、日期、输入与停止条件
确定性	校准	区分事实、自述、推断和未知
行话	低	必要术语用白话解释

4. 结构与节奏

记录常见开头、段落长度、表格使用、转折、案例和结尾方式；同时标明渠道差异：SEO 文章需要直接答案与来源结构，社媒可以有更强开头，客户邮件要更短、更贴合场景。

5. 主张与引用规则

定义如何标注第一方经验、self-reported 结果、估算、建议和未知。时效性事实必须附日期和一手来源。禁止虚构搜索量、客户结果、引用和平台规则。

6. 隐私与归属红线

明确不可暴露的内容：未经同意的姓名、私人财务、账号信息、健康信息、客户合同、内部冲突、凭证，以及把第三方观点写成 Founder 本人的观点。

如何制作正例和反例？

同任务的正反例，比抽象形容词更能教会模型。

弱模式	更好写法	提炼规则
“用强大策略解锁指数增长。”	“选一个渠道，定义 14 天信号；如果吸引的不是目标用户，就停止。”	用决策与停止条件替代空话
“客户非常喜欢产品。”	“在这组 self-reported workshop 样本中，团队观察到某工作流重复使用；付费转化未经独立审计。”	校准证据
“下面是十条建议。”	“先做能解除当前瓶颈的两件事。”	排优先级，不堆清单
“根据研究……”	写明一手来源、日期、链接和它真正支持的主张	保留 provenance

草稿被打回时，不要只重写。标记失败类型：开头泛化、虚构主张、确定性错误、隐私风险、渠道不匹配、结构重复或缺少第一方证据；再把修改前后加入指南。

固定测试集怎么设计？

建立 5–8 个持续重复的任务，并在每次指南升级时使用同一组：

1. 把一段会议材料变成事实准确的 LinkedIn 帖子。
2. 把客户问题改写成 SEO 直接答案段。
3. 总结 Founder 案例，但不得夸大结果。
4. 写一封只有一个 CTA 的产品发布邮件。
5. 把同一来源改成短帖和长文，不得新增事实。
6. 对敏感主张拒绝发布，并说明缺什么证据。

每项按 0–2 分评估：

维度	0	1	2
事实一致	虚构或扭曲	基本正确	完全有据
文风匹配	泛化	部分可识别	稳定符合
具体程度	空泛	有部分动作	可直接决策
隐私	暴露敏感内容	需要脱敏	默认安全
渠道适配	格式错误	修改后可用	原生适配
修改成本	需要重写	中度修改	只需轻审

不要因为一次输出“看起来不错”就判断成功。比较总分与人工修改时间。

Prompt 与素材包如何分层？

可复用文风指南与单次任务证据要分开。一条完整请求至少包括：

1. 角色和受众；
2. 交付物与渠道；
3. 获准使用的素材包；
4. 文风指南版本；
5. 事实、隐私与归属规则；
6. 正反例；
7. 输出结构；
8. 起草前先列出不受支持的主张。

结构化示例可以帮助模型区分指令与素材。Anthropic 官方的 prompting guidance建议清晰区分模板、变量和示例。不同模型语法会变化，因此要实际测试，不要假设一条 prompt 到处有效。

如何把会议与案例变成内容系统？

采用 provenance-first 流程：

阶段	人做什么判断	AI 做什么辅助	Gate
采集	什么可以保留？	转录与切分	同意与访问权
分类	公开、获批、仅文风或受限？	建议标签	人工确认
提取	哪些主张与故事有用？	起草证据卡	来源与日期完整
创作	面向谁、什么搜索意图？	生成多版本	不新增无据事实
审阅	是否真实、有用、像本人？	标记不一致	明确审批人
发布	哪个渠道与时机？	格式化与排期	最终人工批准
学习	什么带来合格反馈？	对比表现	更新指南，不改历史

系统必须保留“改了什么、为什么改”。文风指南、测试集和示例都要版本化，不能静默改写原始材料，让后来的草稿看起来像有证据。

每周反馈闭环怎么跑？

每周抽样检查已发布和被拒绝内容：

• 哪些内容吸引了目标受众？
• 哪些主张需要纠正？
• 哪些句子人工修改最多？
• 哪种格式更适合对应渠道？
• 出现了哪些私人素材风险？
• 哪个新例子能提炼成复用规则？

表现数据可以帮助决定话题与格式，但不能证明一句话是真的。证据 Gate 与互动数据闭环必须分开。

实际落地可参考 Gingiris 品牌文风校准 Skill和内容蒸馏 Skill。

如果已经有大量素材，但每篇 AI 草稿仍要从头重写，可以查看当前咨询方式。目标不是无人审核地自动发布，而是在不损失证据、判断与信任的前提下降低修改成本。