一封安慰學生的信，最後一行露餡：ChatGPT
2023 年 2 月，美國密西根州立大學發生槍擊案，三名學生死亡。
幾天後，田納西州范德堡大學（Vanderbilt）的皮博迪學院，寄了一封慰問信給學生。
信的最後一行小字寫著：Paraphrase from OpenAI's ChatGPT AI language model.
這封安慰人的信，是用 ChatGPT 改寫的。
學生炸鍋了。隔天副院長發信道歉，承認判斷失誤；兩位署名的主管暫時退出職務。
（那行小字其實很誠實，只是誠實得不是時候。）
用 AI 寫文，最常見的崩盤點不是「寫不出來」，而是「寫出來沒人相信是你寫的」。
這篇講：怎麼讓 AI 照你的語氣寫，以及三條紀律。
▋機器味，來自太泛的素材
段落太整齊、重點太平均、沒有立場，一讀就是機器味。
啊！原來問題多半不在模型，在你餵它的素材太泛。
InfoBox 高階方案的 AI 生文是「依你的語氣」寫：把你的風格壓成一段描述（語氣指紋），再餵 AI 寫。
▋語氣指紋：把風格壓成一段可餵 AI 的描述
「你的語氣」聽起來模糊，其實可以描述：
- 你習不習慣先講結論，再講論據？
- 你講實話的程度（會不會直說「這功能你可能用不到」）
- 句子長短、愛用括號還是破折號、愛不愛列清單
InfoBox 後台有「語氣分析」：選一篇文章，AI 把你的風格壓成一段描述存起來，之後生文都照它來。
🔍 點擊放大更強的做法：有接 MCP 的話，直接在你的 Claude 裡讀幾篇舊文、抓到語氣、寫完存草稿。AI 看的是整篇原文不是摘要，語氣更準。
🔍 點擊放大▋三條紀律：AI 產出是草稿，不是成品
① AI 產出當草稿，不當成品。
直接發佈初稿，是最多人翻車的地方。范德堡那封信，就是一份被直接寄出去的草稿。你的判斷（哪些是重點、哪句該直說）才是成品。
② 餵真實素材，不餵題目。
「幫我寫一篇講定價策略的部落格」＝機器味。
「這是我上個月三堂課的定價：A 課 1,980 元、B 課 4,800 元、C 課 9,800 元，轉換率 B 最高，我判斷原因是……幫我寫成一篇文」＝有你立場的文章。
③ 保留「直說不吹」的段落。
AI 預設圓潤、會把風險抹平。完課率、流失、客服量，這些「不好聽」的數字才是信任的來源，別讓 AI 美化掉。
▋配合爆文分析：拆結構不抄內容
「爆文分析」（高階）把別人的熱門文章拆成你能用的結構：怎麼開頭、幾個重點、怎麼收尾。
🔍 點擊放大順序：挑一個被驗證過的結構 → 用你的語氣指紋和真實素材寫 → 出草稿 → 你審改。三步都做到，才像「你在寫」。
▋什麼時候不用 AI 生文
- 親身踩坑經驗（例如「我這堂課第一版完課率只有 30%」）：素材本身就是證據，AI 只幫排版。
- 法律與金流細節：退款政策、發票、同意條款，初稿要逐句對法條與平台實際行為核過再發。
▋我的看法
「AI 不像機器寫的」，不是把 AI 藏起來，而是把它放回該在的位置：草稿工廠。
語氣指紋是素材，真實數字與判斷是骨架，AI 負責排版。缺任何一樣，都會退化成「通用建議文」，學員看完記不起是你寫的，也記不起該買你的課。
范德堡那行小字，刪掉就沒人知道了嗎？
大概也不會。沒有人在寫的信，讀的人感覺得出來。
祝你寫的每一篇，讀者都認得出是你。
（這篇開頭我改了三次。AI 不會這麼猶豫，這就是證據。）
💡 想讓網站上的文章更像你本人在說話？跟我們聊聊
資料來源：The Vanderbilt Hustler，〈Peabody EDI Office responds to MSU shooting with email written using ChatGPT〉，2023 年 2 月 17 日