把語氣管理拆成四層架構

008Isadora Martin-Dye（Isadora & Co）20:562026-06-26

Stop Writing Tone Instructions. Layer Them. - Isadora Martin-Dye, Isadora & Co

把 AI 語氣管理拆成身分、情境、語氣、事後把關四層，系統要像帶新人一樣持續盯著，不是寫死規則就沒事。

重點摘要

不是機器人是實習生：把 AI 想成聰明但沒 EQ 的新人，規則寫完不能就放著不管，還要持續盯著它會不會講錯話。
一個 prompt 做不了四件事：身分、情境、語氣、事後檢查擠在同一份 system prompt 裡，注定在沒被預期到的對話裡出包。
硬規則永遠優先：哪些話品牌絕對不能講（例如假裝自己是真人），必須寫成不能被下層設定或使用者要求覆寫的規則。
語氣要看人下菜：同一套身分，對協調人跟對新人給的答案完全不同，語氣判斷還要看這個人正在經歷什麼事。
事後否決是唯一的防線：前三層都是在對模型下指令，只有讀完輸出後再做一次擋下或放行的檢查，才抓得住模型自信地講錯事實。

時間軸15 段

00:00	開場自介	講者經營維吉尼亞一間 225 年歷史的婚禮會場，同時開發跟新人對話的 AI agent 與協尋失蹤者的公用工具，主張自己是在管理一個聰明但沒 EQ 的實習生，而不是寫死規則的機器人。
01:03	標準做法失靈	寫詳細 system prompt 加範例的做法在「happy path」內有效，但到了沒被預期過的第 21 輪對話，就會產出技術正確、卻完全不像品牌會講的話。
02:09	四層架構登場	一個 prompt 同時要做情境判斷、表達語氣、自我檢查四件事太勉強，因此拆成四層，各自負責一個工作。
03:15	重構前後對照	舊系統有 24 個散落各處的 system prompt，部分命名 Sage、部分沒有名字，現在整合成單一組裝入口，順序固定：硬性規則優先，任務類指令最後。
04:59	Layer 1：不可變身分	這層放的是品牌絕對不能說的話，規則不可被場地設定或使用者指令覆寫，是整套架構最上位、不會變動的部分。
05:16	主動揭露是 AI	系統要求 AI 一被問到是不是真人，就要在下一句話明確承認自己是 AI，而且做法是一開口就先講、不等對方問，理由是及早坦白比之後被發現更能建立信任。
06:07	不能假裝有肉身	AI 不能說「我很期待見到你」這類暗示自己有身體的話，只能說團隊會親自接待，因為使用者一旦發現自己在跟不存在的人培養關係，信任會整個崩掉。
07:11	Threadline 的禁詞	同一套架構套用在協尋失蹤者的工具 Threadline 上，Layer 1 禁止 AI 使用「confirmed」「matched」等字眼，因為對等待多年的家屬來說，這種用詞的殺傷力遠大於語氣不對。
08:18	Layer 2：情境模式	同一個 AI 跟新人與跟場地協調人講話要用不同語氣，對協調人像同事一樣談趨勢與預測，對新人絕不能用同樣直接的方式拒絕。
09:43	語氣先於數字	系統設計上會先用軟性情境資訊（例如新人正在經歷親人重病）決定語氣，再套用數字規則，順序反過來會讓文字讀起來機械化。
11:41	Layer 3：語氣指南的極限	大部分團隊只做到這層就停手，把語氣指南想成新人第一天拿到的入職手冊，能教會 AI 什麼叫「像我們」，卻無法規定絕對不能講的話，也抓不到生成後的錯誤。
13:08	Layer 4：事後否決	這是唯一會讀 AI 實際輸出內容的層，分成軟性攔截（抓沒有正面回答、過度保證、洩露隱私）跟硬性擋下（抓憑空生成的數字或事實）兩種，也是整套架構裡唯一不是用 prompt 寫成的部分。
14:22	案例：承諾已被訂走的日期	這層是後來才加的，起因是 AI 曾溫暖地跟新人說願意保留某個十月的週六，但那天其實已被訂走，講者才意識到語氣溫暖但講錯事實，比冷淡但正確更糟。
16:23	多場地架構與外洩事故	Layer 1 對所有場地共用，Layer 2、3 才依場地調整，但曾因品牌識別欄位沒設必填，導致新場地預設用了另一個場地的名字對外發信，結論是識別資訊缺失時系統要直接報錯，不能悄悄套用預設值。
19:15	檢討與未來方向	講者認為事後否決層該獨立成一個共用服務，不要分散寫進每個介面，也提到現在用規則比對而非分類器抓問題輸出，是刻意選擇「準確可預期」而非「涵蓋更多情境」的取捨。

值得記的話5 句

I'm not programming a robot. I'm managing a brilliant intern with an incredibly high iq and a terrible eq.我不是在寫程式操控機器人，我是在管理一個 IQ 很高、EQ 很差的聰明實習生00:15
On turn 21, the model does something technically correct that your brand would just never say.到了第 21 輪對話，模型會講出技術上沒錯、但你的品牌絕對不會這樣講的話01:19
A warm, confident voice offering something that isn't real is worse than a cold one.一個溫暖又自信、卻講錯事實的語氣，比冷淡但正確的語氣更糟15:10
A missing brand identity is a crash, not a fallback — it must fail loud, because the quiet failure is a venue speaking in a stranger's voice.品牌識別缺失時系統該直接當機，不能套用預設值，因為悄悄失敗等於一個場地用陌生人的聲音說話17:34
The first three layers are instruction, the fourth is permission, and that's the whole distinction: instructions are probabilistic, permission is deterministic.前三層是指令，第四層才是准駁，差別就在於指令是機率性的，准駁是決定性的18:08

名詞與人物5 個

Bloom: 講者建立的婚禮會場 AI 對話平台，同一套四層架構套用在不同場地上。
Threadline: 講者做給失蹤者家屬用的公用工具，套用同一套架構，但語氣與風險完全不同。
Layer 1(immutable identity): 品牌絕對不能被覆寫的硬性規則層，例如禁止 AI 假裝自己是真人。
Layer 4(post-generation veto): 唯一會讀取 AI 實際輸出內容、決定放行或擋下的層。
Sage: 早期系統裡某個 AI 角色的名字，曾因識別欄位沒填而外洩成其他場地的預設身分。

提到但沒有展開

講者提到考慮把 Layer 4 的軟性攔截從規則比對換成分類器，但目前選擇規則比對的確定性，沒有進一步展開評估過程。
講者提到 Layer 2 的情境判斷目前仍是各介面自行決定要不要載入哪些資訊，還沒有做成統一的條件判斷器。

Agent開發工具安全

在 YouTube 看原片 ↗