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

Zadora 經營一個 225 年歷史的婚禮場地，她為新人建構了 AI 代理，後來為其他場地、個人 AI 伴侶應用，以及尋人工具打造了同樣的架構。她明確地把這項工作比作「管理一個天才但情商極低的實習生」——有驚人的記憶力，卻完全無法讀懂房間氣氛，往往在同一句話裡既技術完美又社交災難。

在她開始時，標準建議是寫詳細系統提示、描述品牌聲音、給範例。這對「快樂路徑」有效——即所有已預期的問題。但在「第 21 轉」（首次未預期的情形），模型做出技術正確但品牌絕不會說的事。對於聲音即產品的場景（高端婚禮場地、房地產、奢侈酒店），一句話錯誤的代價可能遠超退款。問題根源不在於範例不好，而在於一個系統提示被迫做四件完全不同的工作：遵守不可違反的規則、對情境敏感、表達力豐富、自我檢查。

她最終設計了四層架構。第一層是「不可侵犯的身份」——品牌結構上不能說的東西，沒有任何下層可以覆蓋它。婚禮場地例子中，AI 不能說「我很樂意帶你參觀」或「迫不及待與你見面」，因為它沒有身體；允許的說法是「我們的團隊很樂意招待你」。在尋人工具 Threadline 中，層層架構的第一層包含一條無比關鍵的規則：永遠不使用「已確認、已識別、匹配、已證明、已連結、已解決」這類詞彙。對一個多年不知道孩子生死的父母，AI 說「已匹配」不只是語調問題，這是產品能做的最具毀滅性的傷害。

第二層是「情境模式」——實時信號和條件，改變路線但不改變身份。同一個 AI 與新人和協調員對話，用同一個聲音但完全不同的路線：協調員問「六月詢問會增加嗎？」應得到「我無法自信預測，但這裡是趨勢」的專業回答；新人永遠不該被拒絕。軟背景注記（關於使用者正經歷什麼）必須在數值約束前注入到提示中，讓 AI 先從人類背景設定語調，再滿足內容需求。講者舉了真實代碼中的一個例子：她有熱力圖追蹤與新人的聯繫頻率。如果一對新人的互動下降，且系統知道他們正在照顧患癌症的家人，AI 對這個互動下降的解讀會截然不同——讀作「家庭承受壓力」而非「冷線索」或「有問題的新人」。

第三層是「範例導向的聲音」——大多數工程團隊在這裡停止，因為看起來是行銷問題而非技術問題。但範例無法執行規則、無法回應特定人物及其處境、無法在第 21 轉捕捉模型的錯誤。範例教授模型「快樂路徑上好的樣子」，但在未覆蓋的類別上無能為力。

第四層是「生成後審核」——唯一實際讀取模型輸出內容的層。講者不會讓新實習生盲目發送客戶信件，第四層就是那份檢查。有兩種審核：軟旗標（誠實檢查員，標記是否真的回答了問題、是否虛構了數字或違反隱私），硬拒絕（如果模型自信地提供了從未給予的日期或價格，就拒絕輸出）。

最初的設計中沒有第四層，直到講者看到一個常見但危險的失敗——AI 反覆承諾不存在的日期。新人興奮地寫著「十月的某個星期六」，AI 想表現溫暖，所以說了一些關於季節之美的溫柔言辭並「為他們保留日期」，但那個日期已被預訂。AI 沒被給予日程表，只知道「好服務聽起來像什麼」。前三層都做對了，但溫暖、自信的聲音承諾了不真實的東西，比冷淡的聲音更糟——新人現在相信他們有了日期，48 小時後才發現失望。

在多租戶系統中，身份規則必須無預設值。講者發現每個場地都在發送通用簽名「Sage @ HawthorneManor.com」的郵件——這是嚴重的白標洩露。缺失的品牌身份必須導致崩潰而非降級。