做升學(xué)教育賽道的客戶不少，這次來的客戶，需要用AI輔助完成對電商平臺的盈利模式分析。

他用自己的舊版指令跑了好幾次，出來的文章問題很明顯：口語化太重，理論跟案例是兩張皮，貼在一起但沒有真正咬合，檢測AIGC率直接飆到百分之八十幾了。

他找我定制指令，核心訴求就一個：寫出來的東西要像學(xué)生自己研究出來的，有理論支撐，有案例，有態(tài)度，但不能是AI味道很濃的那種套話堆砌。

這個訴求很好解決，我是這么設(shè)計指令的：

1、給"人格"定位，不是寫報告，是"這個人在寫報告"

AI寫學(xué)術(shù)報告最容易犯的毛病，是沒有主體視角，全是客觀陳述，讀起來像教材摘要，跟人沒關(guān)系。這套指令的第一個約束，是給寫作者確立身份：大學(xué)畢業(yè)生，重度社交媒體寶寶，每天刷抖音超4小時，有親身消費經(jīng)歷，也有相關(guān)的理論基礎(chǔ)。

這個設(shè)定不是噱頭，是真正影響行文邏輯的關(guān)鍵變量。有了這個身份，文章才能出現(xiàn)"昨晚刷直播腦子一熱就下單了"這類細節(jié)，才能把"興趣電商"這個概念跟自己的行為掛鉤，而不是照搬教材定義。用自身經(jīng)歷錨定理論，是降低AI味道、提升可信度最直接的路徑。

2、理論與案例必須形成因果鏈，不能各說各話

我在指令中專門約束了論證結(jié)構(gòu)：每個理論點，必須對應(yīng)一個具體的平臺機制，再落到真實可觀察的現(xiàn)象上，三層之間要有顯性的邏輯連接。

比如寫"雙邊市場理論"，不能只解釋定義，要指出抖音當(dāng)前廣告密度和用戶體驗之間的張力，再用"商家投不起流、用戶刷到審美疲勞"這個具體現(xiàn)象收尾。理論是框架，現(xiàn)象是證據(jù)，中間那層分析是真正考驗寫作能力的地方，也是AI最容易省略的地方。指令里把這層單獨拎出來，要求必須寫。

3、用"吐槽口吻"控制學(xué)術(shù)語氣的尺度

寫專業(yè)文章，最怕的是純學(xué)術(shù)腔容易板，口語化又顯得不嚴(yán)肅，這個度很難拿捏。這套指令的解法是允許在分析層加入有態(tài)度的表達，但論述層必須用規(guī)范語言，結(jié)論層回歸客觀視角。三個層次，三種語氣，切換有規(guī)律，不是隨機亂用。

"電商版吸星大法"、"平臺繁榮、商家枯榮"這類表達，放在分析段里是有效的，能增加閱讀張力，也讓檢測模型難以判定為標(biāo)準(zhǔn)AI輸出。但如果放在摘要或結(jié)論里，就會拉低專業(yè)度。指令里對每個模塊的語氣做了約束，不是統(tǒng)一口吻，而是分層管理。

按這套指令跑出來的報告，結(jié)構(gòu)完整，從緒論到優(yōu)化方案，理論、數(shù)據(jù)、案例、建議全部到位，還附了真實參考文獻，檢測AIGC率從之前的高風(fēng)險區(qū)域直接降到了8%。