AI文案为什么千篇一律？用Claude技能把品牌口吻固化下来

摘要：AI写出来的文案越来越多，可读起来一个味儿——既不像你的品牌，也不像任何品牌。问题不在模型不够聪明，而在你每次都用一段临时提示词去喂它，等于让一个不认识你公司的写手凭感觉发挥。Claude技能（Agent Skills）给了一个更稳的解法：把品牌口吻、消息架构、渠道变体、避雷词写进一份可复用的SKILL.md，让模型在动笔前先"读懂"你的品牌，而不是每次重新猜。这篇把六步建技能法拆开讲透，并用Nielsen Norman Group的四维度音调、Aaker品牌人格把"我们的口吻很真诚"这种空话变成可自检的标尺，再补上源文没讲的渠道漂移、出海多引擎、与降AI痕迹的关系、生效验证与决策表。读完你能判断自己该不该现在做，以及怎么做才不白费。

先说一个很多人没意识到的事实：你觉得AI写的东西"没灵魂"，多半不是模型的问题，而是它根本不知道你是谁。大语言模型在没有约束时，会自动回归到训练分布里那个最安全、最中庸的表达——四平八稳、谁都不得罪、也谁都记不住。你给一段两百字的提示词，它就照着这段临时指令发挥；下次换个人写提示词，口吻又飘到另一个方向去了。结果就是同一个品牌账号下，十篇文章像十个外包写手轮流上阵。

把"品牌口吻"这件事一次性固化下来，让每一次生成都站在同一套标准上，这正是Claude技能要解决的问题。下面这篇不堆术语，按"为什么—是什么—怎么做—怎么验证"的顺序走一遍，目标是让做外贸、独立站、内容营销的团队能直接照着落地。

AI写出来的文案，为什么读起来都像同一个人？

把三家完全不同的品牌——一家硬核户外储能、一家温吞的宠物保健、一家严肃的财税合规B2B——的产品卖点丢给同一个没有任何约束的模型，你大概率会拿回三段语气高度雷同的文案：开头一个反问，中间三个排比，结尾一句号召行动。不是模型偷懒，而是它在"安全区"里取了个平均值。

这件事的商业代价并不小。据Marq（原Lucidpress）的《品牌一致性现状》报告，品牌呈现保持一致最高能带来约33%的营收提升，可现实是仍有81%的企业天天在和跑题、走样的内容较劲。AI批量生产把这个老问题放大了：以前是人手不够导致内容少而走样，现在是产能爆炸导致内容多而走样，跑题的速度反而更快了。

所以真正要解决的不是"让AI会写"，而是"让AI每次都按你的标准写"。这就需要一个比临时提示词更稳、更可复用、还能跨人跨项目共享的载体。

什么是Claude技能（Agent Skills）？SKILL.md到底装了什么？

Agent Skills是Anthropic在2025年10月推出的能力，2025年12月又把它做成了跨平台的开放标准。一句话概括：技能就是一个文件夹，里面放一份叫SKILL.md的说明书，外加可选的参考文档、脚本和素材。模型在干活前会先翻这本说明书，照着里面的规矩做事。

据Anthropic官方对Agent Skills的工程说明，SKILL.md开头是一段YAML元信息，必填两个字段：name（技能名）和description（什么时候该用它）；正文则是Markdown写的具体指令。文件夹里还能放reference.md这类细则文档、Python脚本、图片配置等资源。

它能在哪儿用？官方明确支持四个落地面：Claude.ai网页端（在设置里开启后上传）、Claude Code（装进技能目录自动发现）、Claude Agent SDK，以及面向开发者的API（/v1/skills端点）。Pro、Max、Team、Enterprise用户都能用。换句话说，一份品牌口吻技能写好后，运营在网页端写文案、技术在Claude Code里批量生成落地页，调用的是同一套标准。

技能的机制细节（frontmatter进阶字段、命令名、放在哪一级目录决定谁能用）站内已经讲透，这里不重复，需要的可以去看Claude Code Skill的设计模式与避坑，以及更偏全景的Claude Skills怎么用与官方技能拆解。本文只聚焦"品牌口吻"这一类技能怎么从0写出来。

品牌口吻技能、提示词、Projects、自定义指令，到底差在哪？

很多人把这几样混着用，结果该固化的没固化、该灵活的反而写死了。它们其实分工很清楚：

关键区别有两点。一是可移植：技能是开放标准，一份文件能在网页端、Claude Code、API之间搬，甚至理论上能给别的支持该标准的工具读；提示词和自定义指令做不到。二是渐进式加载：技能不会一股脑把所有内容塞进上下文，而是按需调取（后面会专门讲），所以你可以把品牌资料写得很厚而不担心每次都烧token。把品牌口吻这种"长期、共享、需要厚资料"的东西放进技能，是和它的设计意图对齐的。

凭感觉描述"我们的口吻很真诚"，为什么没用？

源文给的范例里，品牌性格词是"sharp（锋利）、playful（俏皮）、honest（诚实）"这类形容词。问题是，这些词对人有意义，对模型几乎是噪声——"真诚"到底是少用感叹号，还是多承认缺点，还是不吹数据？不说清楚，模型只能继续猜。

更靠谱的做法，是借成熟的品牌音调框架把模糊形容词翻译成可操作的坐标。Nielsen Norman Group在2016年提出的四维度音调模型就很好用，它把任何品牌的语气拆成四根轴：

• 正式 ↔ 随意：用"您"还是"你"，能不能用网络词。
• 幽默 ↔ 严肃：允不允许玩梗、用比喻、抖包袱。
• 尊重 ↔ 不羁：是规规矩矩，还是敢调侃、敢站队。
• 热情 ↔ 平实：是充满感叹号的兴奋，还是冷静陈述事实。

四根轴每根定个位置，就能组合出一套清晰的音调画像（NN/G的原文里就是靠这四维度排列出多达十几种音调档案）。再叠一层Aaker的品牌人格五维（真诚、刺激、能干、精致、坚韧）来锚定品牌"是个什么样的人"，性格词就有了支撑。把这两套框架写进技能的声音指南，模型拿到的就不再是"请真诚一点"，而是"正式度偏随意、幽默度允许轻度玩梗、热情度保持平实、品牌人格以能干和坚韧为主"——这才是它能执行的指令。

这一步是超越源文的关键：源文只教你列形容词，而真正能让AI稳定复刻口吻的，是把形容词钉死在可量化的维度上。

第一步：把品牌素材审计一遍，你手里到底有什么？

别急着写技能，先把已有的品牌资产捞出来摊开。包括：现成的品牌手册或VI规范、过往写得最得意的几篇文案、客服和销售跟客户的真实对话、创始人在社媒上的高赞发言、用户复购时的原话评价。这些是品牌口吻的"语料库"，比任何凭空想象的描述都真实。

审计时重点标三类东西：哪些表达"很我们"（出现频率高、读者认得出）、哪些是"绝对不能说"的（夸张承诺、行业黑话、竞品名），以及哪些是"换个说法会更好"的。这一步做扎实，后面的声音指南才有血有肉，而不是又一份正确的废话。

第二步：品牌地基文件该写哪几样？

地基文件回答"你是谁"，是技能里第一份被读到的实质内容。建议写满这几块：

• 一句话品牌定位：你为谁、解决什么、凭什么。
• 核心受众画像：不是泛泛的"年轻人"，而是"会半夜搜露营电源参数的硬核玩家"。
• 三到五个性格特质：用上一节的四维度+人格框架表达，每个特质配一句解释。
• 消息层级：哪些卖点必提、哪些少提、哪些坚决不碰。
• 禁区清单：禁用词、禁用句式、禁用承诺。

举个真实感强一点的例子。保哥手上一个做户外储能的独立站客户，地基文件里"性格"一栏写的是"正式度随意、严肃为主偶尔自嘲、人格以坚韧和能干为主"，禁区写着"不许出现'最强''第一'、不许编续航数字、参数必须给测试条件"。这几行下去，AI写出来的东西立刻从"通用电商腔"变成"懂行的人在跟你聊装备"。

怎么从审计出来的素材"反推"出这几个坐标？办法是从真实高赞内容里找规律：把你写得最得意、用户反馈最好的五到十篇翻出来，逐条问自己——这句为什么读起来像我们？是因为它敢承认产品的短板（人格偏真诚），还是因为它用了行业老炮才懂的术语（人格偏能干），还是因为它句子短、不绕弯（正式度偏随意）？把这些"为什么"归类，性格坐标自然就浮出来了。这比拍脑袋写形容词靠谱得多，因为它源自读者已经验证过的表达。

第三步：声音指南为什么必须配前后对照？

声音指南最容易写废——写成一堆"要专业、要亲切、要有温度"，模型读完还是不知道怎么落笔。真正有效的写法是每个特质都配一组好/坏对照，让模型看到同一个意思在你品牌里该怎么说、不该怎么说。

特质：懂行不端着

✅ 对：这块电池循环3500次后还能剩八成容量，露营两年基本不用操心衰减。

✗ 错：我们采用行业领先的顶尖电芯技术，为您带来卓越的超长续航体验。

对照例的威力在于，它同时传递了三层信息：用词偏好（要具体数字、不要空泛形容）、句子节奏（短促有力、不堆砌辞藻）、价值取向（帮读者判断、不自吹自擂）。给模型五到八组这样的对照，比写五百字抽象描述管用得多。中文场景还要额外注意：避免翻译腔（"为您带来"）、避免成语堆砌、避免那种一眼假的营销感叹号。

不同品类的对照标准差别很大，别套同一把尺。宠物保健DTC的"温暖"，对的写法是"换粮头三天它可能不太捧场，慢慢加量就好"，错的写法是"本产品采用科学配比，呵护爱宠肠道健康"；财税合规B2B的"克制专业"，对的是"这条政策3月起执行，逾期申报按日加收滞纳金"，错的是"我们竭诚为您提供一站式专业财税解决方案"。把你最主要的两三个品类各配一组，模型才不会用一种腔调通吃所有场景。

技能里要不要写"反面教材"，明确告诉AI别学谁？

大多数声音指南只写"该怎么说"，却忘了写"千万别像谁"。这是个被低估的杠杆。模型在没有反例时，很容易滑向行业里最常见、最安全、也最没辨识度的那套套话——因为训练数据里这种写法最多。

所以技能里专门留一段"负样本"很有用：把行业里那些被用烂的句式、竞品那种你不想要的腔调、以及典型的"AI味"表达列出来，明确标成禁止方向。比如外贸独立站常见的"我们是XX行业领导者，致力于为全球客户提供优质产品和服务"，就是典型的人人都在说、说了等于没说的句子，写进负样本能挡掉一大片同质化产出。

要注意分寸：负样本是用来"划边界"的，不是让模型去攻击竞品。写的是"避免这种空泛、自夸、无信息量的表达方式"，而不是点名某家公司说它不好。边界划清楚，模型反而更敢往你品牌真正的风格上走。

第四步：视觉规范也要塞进技能吗？

如果你的技能不光写文案，还要让AI生成社媒图、排版建议或落地页结构，那视觉规范值得放进去：主色和辅助色的具体色值、字体家族、留白和间距偏好、配图风格（实拍还是插画、暖调还是冷调）。哪怕只生成纯文字，写清"段落别超过三行""重点用加粗不用全大写"这类版式约束，也能让产出更像你的品牌。

但要克制。视觉规范是按需加载的"第三层"资料，不是每次都必读——这正好用上技能的渐进式披露机制，写得再细也不会拖累日常的纯文案任务。

第五步：同一个品牌，社媒和客服邮件的口吻能一样吗？

这是源文一笔带过、但实操中最容易翻车的地方。同一个品牌，口吻应该一致，但不该处处相同。社媒caption可以俏皮、可以用梗；客服道歉邮件必须先共情、把玩笑收起来；产品详情页要克制、让参数说话；落地页则要把热情度调高一档去促成转化。

技能里应该专门列一份"渠道变体表"，告诉模型同一套品牌人格在不同场景该怎么微调：

有了这张表，你只要在调用时说一句"写一条社媒文案"或"回一封客服邮件"，模型就知道该往哪个方向漂，而不是把所有渠道都写成一个腔调。

第六步：SKILL.md主文件怎么把这些串起来？

前面几份资料是零件，SKILL.md是装配图。它需要做三件事：在YAML里写清name和description（描述里要点明"什么时候用这个技能"，因为这是模型判断要不要调取它的唯一依据）；在正文里说明工作流程（先读地基→对照声音指南→按渠道调音→产出前过一遍禁区清单）；最后附一份质量自检清单，让模型产出后自查。

结构上把厚资料拆成单独文件、用SKILL.md去引用，是有讲究的——这直接关系到下一节要讲的渐进式披露。一个常见错误是把所有内容全堆进SKILL.md正文，既臃肿又浪费上下文。

渐进式披露：为什么这套结构比一段长提示词省token？

据Anthropic官方说明，Agent Skills采用三层渐进式披露：第一层只把name和description预加载进系统提示；第二层是模型判断"这个任务相关"时才读完整的SKILL.md；第三层及以后，是按需调取被引用的细则文档和脚本。官方原话是，能塞进技能的上下文量"在效果上是无上限的"。

这对品牌技能意义很大。你可以把品牌手册、几十组对照例、渠道变体、多语言注意事项全写进去，平时它们躺在第二、第三层不占地方；只有真正要写文案时，相关部分才被调进上下文。相比之下，把这些塞进一段超长提示词，每次调用都得整段重读，既贵又容易让模型抓不住重点。这也是"品牌口吻该做成技能而不是长提示词"的硬道理。

能不能直接拿别人现成的模板改，省得从0写？

网上已经有不少现成的brand-voice技能模板，本文讨论的Search Engine Land那篇源文就附了brand-foundation、voice-and-tone、visual-guidelines、content-formats几份可套用的文档骨架。拿模板当脚手架，能省下搭结构的时间，这是它们的价值。

但要想清楚一件事：模板能给你结构，给不了你的口吻内核。一份空模板填上"我们要专业、要亲切"，产出的还是中庸文案；真正决定辨识度的，是你审计出来的真实语料、真实对照例、真实禁区——这些只能自己填，谁也代劳不了。所以合理的用法是：拿模板省结构，把全部精力花在往结构里灌真东西。

另一个常见误区是把技能孤立看待。品牌口吻技能不是终点，它是整条内容流水线里管"怎么说"的那一环，前面还有选题、采集、事实核对，后面还有SEO加工、审校、分发。怎么把它嵌进完整流程，可以对照站内对AI内容生产工作流六阶段的拆解，让口吻技能在合适的环节被调用，而不是各写各的。

哪类团队值得花时间做品牌口吻技能？

不是所有人都该做。建一个能用的品牌口吻技能，前期得花上一两天审计、写对照、调试。值不值，看这张表：

一句话：内容产能越大、协作人越多、口吻越是你的护城河，做技能越划算；反过来，连品牌定位都还在飘的阶段，先别急着用工具把混乱锁死。

出海做多引擎，这套技能喂给ChatGPT、Gemini还管用吗？

Agent Skills已经是开放标准，理念上其他工具可以读同一份SKILL.md。但现实是，各家AI对"技能/自定义指令"的落地机制不同，直接照搬不一定原样生效。对做出海、要同时在多个引擎里铺内容的团队，务实的做法是：把品牌口吻的"内核"（定位、四维度音调坐标、对照例、禁区）写成一份与平台无关的纯文档，再针对每个引擎做薄薄一层适配——Claude走技能，别的引擎走它各自的自定义指令或系统提示。内核统一，外壳因地制宜。

多语言还有个隐藏坑：品牌人格在不同语言里的"落点"会漂。中文里的"克制专业"翻成英文可能显得冷淡，翻成德语又可能太随意。所以多语言品牌技能里，最好为每个主力市场各写一小段"在这门语言里，我们的口吻具体长什么样"，而不是指望一套描述全球通用。引擎偏好层面的差异，可以参考站内对按Gemini、GPT、Claude三引擎偏好改写内容的拆解。

落地前还得做一步"对账"：别假设每个引擎都会乖乖照你的口吻指令走。同一份内核分别在各引擎上跑同一个选题，把产出摆在一起比，看谁更贴、谁会跑偏。实测下来你往往会发现，有的引擎对"禁用词"执行得很死，有的则需要你把规则写得更具体它才听。把这些差异记进每个引擎的适配层，比盲目复制一份指令到处贴有效得多。这一步花不了多少时间，却能省掉后面一堆"为什么这个平台写出来不像我们"的返工。

锁死品牌口吻，会不会反而让AI味更重？

这是个好问题，也是不少人犹豫的点：把口吻写成规则，会不会让产出更程式化、更容易被一眼看穿是AI写的？

答案是——要看你怎么写。如果技能里全是"必须用排比""每段以问句开头"这类机械模板，那确实会把AI味焊死。但如果技能里装的是真实语料、真实对照、真实禁区（尤其是"禁用翻译腔、禁用空泛形容、禁用一眼假的感叹号"这类反AI味的规则），它反而是降AI痕迹的利器：因为它逼着模型往"你品牌里真人会怎么说"的方向走，而不是往训练分布的平均值走。

但要诚实地说：品牌口吻一致 ≠ 不需要人审。技能解决的是"方向对不对"，真人审校解决的是"有没有那一点点只有人能给的灵气和分寸"。最稳的流程是技能定调、模型起草、真人润色，三者各管一段。

从SEO和GEO看，品牌口吻一致还有什么隐形价值？

保哥做了二十多年SEO，越来越觉得品牌口吻这件事在AI搜索时代被低估了。在传统SEO里，一致的口吻能拉低跳出、拉高停留，这些行为信号Google是看在眼里的。到了GEO（生成式引擎优化）时代，价值更隐蔽也更大：当大量内容都被AI洗成同一种中庸腔，有辨识度的口吻反而成了稀缺信号，更容易在用户心里和品牌实体挂上钩，也更容易被读者主动复述、主动搜品牌词。

换句话说，品牌口吻技能不只是个写作提效工具，它还在帮你做两件SEO和GEO都看重的事：一是产出"不可替代"的内容（千篇一律的内容正在贬值），二是反复强化品牌实体的一致信号。把口吻固化下来，长期看是在给品牌资产做复利。

技能写完了，怎么验证它真的生效？

别凭感觉说"好像更像我们了"。给两个能落地的验证法：

盲测法：同一个选题，让模型分别用"开了技能"和"没开技能"各写一版，去掉所有标识，发给几个熟悉品牌但没参与写技能的同事，让他们猜哪一版是自家品牌写的。如果大家能稳定挑对，说明技能抓住了辨识度；如果挑不出来，回去看声音指南是不是太抽象、对照例是不是太少。

季度复审法：品牌口吻不是一次性工程。产品迭代、受众变化、爆款内容出现，都会让口吻悄悄演进。每季度回头看一遍技能：新出现的高赞表达要不要补进对照例？哪些禁区已经过时？哪个渠道的变体需要微调？把技能当成一份活文档来养，而不是写完就扔。

真实信号法：盲测和复审解决"内部觉得像不像"，但最终裁判是市场。盯三个慢变量——品牌词搜索量有没有涨（说明辨识度在沉淀）、用户在评论和私域里有没有开始复述你的标志性说法（说明口吻被记住了）、内容的直接访问和回访占比有没有上升（说明读者认人）。这些指标动得慢，但一旦动起来，比任何内部评分都实在。注意别拿单篇阅读量来判断口吻好坏，那受选题和渠道影响太大，是噪声。

做品牌口吻技能，最容易踩的三个坑？

• 写成产品参数手册：把一堆功能卖点、规格数字堆进技能，却没说"我们用什么语气讲这些"。技能管的是怎么说，不是说什么——后者是内容选题的事。
• 性格词没有对照例：只写"要真诚、要专业"，不给好/坏对照。模型读完照样不知道边界在哪，产出还是回归中庸。
• 写完不维护：上线后就再没动过。半年后品牌已经换了打法，技能还在按老口吻输出，反而成了拖后腿的"标准"。

这三个坑的共性，是把技能当成"一次性交付物"而不是"持续运营的资产"。避开它们，技能才会越用越准。

一份品牌口吻技能，大概要写多长、多久能跑起来？

很多人迟迟不动手，是因为想象中要写一本厚厚的品牌圣经。其实初版没那么夸张。一份能用的品牌口吻技能，体量大致是：地基文件一页、声音指南两到三页（含对照例）、渠道变体一张表、禁区与负样本各一段。SKILL.md主文件本身很短，主要负责把这些串成工作流。

时间上，如果品牌素材现成、定位清晰，一个熟悉品牌的人花一到两天就能搓出初版。难的不是写，而是审计——把过往真实文案、客服对话、用户原话翻出来提炼，这一步最花心思，也最决定成败。

更重要的是别追求一次写完美。先把声音指南和禁区跑起来，让团队在真实任务里用，遇到"这句不像我们"就回头补一组对照例。三五轮迭代下来，技能会比闭门憋出来的"完美版"准得多。把它当成一份边用边长的活文档，前期投入的门槛其实很低。

上手清单：今天就能开始的几步

1. 把现有品牌素材（手册、得意文案、客服对话、高赞发言、用户原话）捞出来摊开。
2. 用四维度音调+品牌人格，给品牌定四到五个可量化的性格坐标。
3. 为每个性格写五到八组好/坏对照例，中文场景重点防翻译腔和假感叹号。
4. 列一张渠道变体表，标清社媒、详情、客服、落地页各自怎么调音。
5. 把禁区清单写死：禁用词、禁用句式、禁用承诺。
6. 用SKILL.md把以上串成工作流+自检清单，厚资料拆成单独文件按需引用。
7. 跑盲测验证辨识度，定下季度复审的时间。

不用追求一步到位。先把最核心的声音指南和禁区跑起来，让团队在真实任务里用、在用中补，比闭门写一份"完美"的技能更快见效。

常见问题解答

没有Pro及以上订阅，能用Claude技能吗？
官方目前把Agent Skills开放给Pro、Max、Team、Enterprise用户。免费版暂时用不了完整技能，但你仍可以用一段结构化的提示词把品牌口吻"半固化"，等内容量上来再升级到技能。

品牌口吻技能和把品牌手册PDF丢给AI，有什么不同？
丢PDF是"给资料"，模型每次都要现读现理解，且不会主动按它来约束自己；技能是"给规矩+工作流+自检"，并且通过渐进式披露按需调取、可版本化、可团队共享、可跨产品移植。前者是参考，后者是标准。

技能里到底写多少对照例才够？
经验值是每个核心性格特质五到八组，覆盖你最常写的几种内容类型。太少模型抓不住边界，太多则信息过载。宁可精选最典型的，也不要凑数把不痛不痒的例子堆上去。

一个品牌该做一个技能还是多个？
建议一个品牌一个主技能装口吻内核，渠道变体、视觉规范、多语言注意事项作为被引用的子文档放在同一文件夹里。子品牌或差异极大的产品线，再考虑拆成独立技能。别一上来就拆得太碎，维护成本会失控。

怎么确认技能真的被模型调用了，而不是它自己发挥？
除了盲测，最直接的是在description里把触发条件写清楚（"当用户要写任何对外文案时使用"），并在产出后让它说明自己参照了哪些规则。如果它能复述出技能里的禁区和音调坐标，说明确实读进去了。

这套方法只适用Claude吗？
方法论（用框架量化口吻、配对照例、做渠道变体、持续维护）适用任何AI。Claude技能只是目前落地这套方法最顺手的载体之一，因为它把"规矩+资料+工作流"打包成了可复用、可移植的标准件。换别的引擎，把内核抽出来做适配即可。

团队里有人用得好、有人用不好，技能能拉平吗？
这正是技能相比个人提示词最大的价值。提示词的水平绑在写的人身上，老手能压出好文案，新人就压不出；技能把老手脑子里的判断写成了团队共享的明文标准，新人调用同一份技能，起点直接拉到及格线以上。它替代不了人的灵气，但能把团队产出的下限稳稳托住——对内容量产的团队来说，下限的稳定往往比上限的惊艳更值钱。

权威参考资料