使用百小应这类AI写作工具来生成读书会分享稿时，很多人反馈同样一本书，AI写出来的东西读起来像出版社的推荐文案，而不是一个真实读者在讲述自己的阅读经历。问题的症结往往不在于模型能力不足，而在于提示词提供的信息维度太单一。如果你只给一句“帮我写一篇《百年孤独》的读书会分享稿”，模型只能依赖训练数据中关于这本书的常见书评和概括，最终输出的自然是一篇没有个人痕迹的通用文章。
要保留真实表达，首先要理解提示词如何影响生成方向。大语言模型并不会主动猜测你的独特感受，它更倾向于输出符合统计学平均值的表达。因此提示词中必须包含两样东西：一是足够的个人化语境，让模型知道“谁在说话、对谁说话、在什么场合说话”；二是否定性的边界约束，明确告诉模型哪些表达方式不要出现，比如不要升华主题、不要用“这本书告诉我们”之类的总结句。下面从提示词的结构设计和实战优化两个层面展开。
为什么常规提示词会让分享稿失真
在开始拆解方法之前，先看一个典型失败案例。假设你输入的提示词是：“请帮我写一篇《被讨厌的勇气》读书会分享稿，800字左右，要有深度。”这段提示词包含了任务、字数和质量要求，但完全没有个人化元素。模型会怎么做？它会检索关于这本书的高频书评关键词，比如“阿德勒心理学”“课题分离”“活在当下”，然后围绕这些概念组织一篇逻辑通顺但面目模糊的文章。阅读这样的分享稿，听众听到的不是你读书时的困惑或顿悟，而是一段可以替换成任何人的标准书评。
进一步观察，这类提示词缺少三个关键锚点：第一，缺少阅读场景，模型不知道你是在通勤地铁上读完的，还是在深夜书房里反复划线；第二，缺少具体句子或段落，模型无法引用你真正被打动的原文，只会泛泛而谈；第三，缺少语言风格指令，模型默认使用正式、书面的表达，与读书会轻松分享的氛围脱节。修复方法不是简单追加“要口语化”四个字，而是通过结构化的提示词设计，把个人语境打包送入模型。
错误示例： 请帮我写一篇《被讨厌的勇气》读书会分享稿，800字左右，要有深度。 生成结果特征： - 大量使用“本书深刻揭示”“作者通过……告诉我们”等套话 - 缺少第一人称真实体验 - 段落间逻辑完美但毫无惊喜
理解了失真原因之后，我们就需要重新设计提示词。核心思路是：让模型从“概括者”变成“转述者”，转述你提供的个人材料和表达偏好。下面给出一个可复用的四步提示词结构，并在后续章节中提供完整模板。
设计保留真实表达的提示词四步法
第一步是身份锚定。在提示词开头明确告诉百小应你的身份和分享场合，比如“我是一名普通上班族，读这本书是为了解决职场人际关系中的焦虑，下周要在8人左右的读书会上做10分钟分享”。这个身份信息不是为了客套，而是为了告诉模型用词范围。职场人士和在校学生对同一本书的共鸣点不同，模型会根据这个锚点选择更适配的词汇和例子。如果跳过这一步，模型会默认一个“知识博主”式的全知视角，输出内容自然脱离真实读者身份。
第二步是注入个人阅读细节。不要写“这本书让我很有感触”，要写具体的事实和感受。例如：“读到第3章哲人和青年辩论‘原因论与目的论’那一节时，我在一个加班的深夜突然意识到，自己一直用原生家庭当借口，其实是不想面对现在可以做出改变的事实。”这样的细节就像一个坐标点，模型会围绕这个坐标展开叙述，而不是泛泛而谈。具体细节可以包含：读书时的环境、划线最多的章节、与自身经历的一次对照、甚至是你当时写下的两句批注。
第三步是设置表达偏好。告诉模型你希望用什么样的语气和句式。例如：“请用第一人称口语化表达，多使用短句，保留口语中的停顿和犹豫，比如‘当时我就在想’‘说实话我一开始并不认同’。”同时可以设定一些否定性约束：“不要出现‘本书告诉我们’‘深刻揭示了’‘综上所述’这类总结升华句式，不要使用任何名人名言，不要对书做整体评价。”否定性约束能让模型避开训练数据中的高频套话。
第四步是给出结构但不限制内容。你可以提供一个大致的开头方式，比如“从那个读不下去的瞬间开始讲”，但不要给过于详细的大纲。过度详细的大纲会迫使模型按框架填充，导致每个部分都平均用力，反而丢失真实感。更好的做法是给一个松散的线索，比如“先讲一个你读不进去的地方，再讲后来怎么转变，最后讲一个你还没想通的问题”。这样模型有创作空间，同时不会偏离你的真实节奏。
提示词模板与实战修改案例
把上面的四步法合成一个可以直接使用的提示词模板。使用时把方括号里的内容替换成你自己的信息。模板如下：
我是一名[你的身份]，最近在读[书名]，准备在[人数]人的读书会上做[时长]分钟分享。 这本书我读得并不轻松，[描述一个具体的阅读困难或抵触点]。 真正让我改变看法的是[某章或某段]，当时我在[具体场景]，突然想到[与自身经历的联系]。 请帮我写一篇口语化分享稿，要求： 1. 全部用第一人称，保留我的语气和犹豫，比如“说实话”“我一开始觉得”。 2. 不要出现“本书告诉我们”“深刻揭示”“综上所述”这类升华句。 3. 不要引用任何名人名言，不要对书做整体评价。 4. 结构可以是：先讲读不进去的地方，再讲转变的瞬间，最后讲一个还没想通的问题。 5. 字数控制在[字数]字左右，结尾不要写“谢谢大家”。
这个模板的核心优势在于它强制模型调用你提供的具体细节，而不是从训练数据中调取平均表达。下面看一个实战修改对比。假设原始需求是写《悉达多》的分享稿，一个常规提示词会得到一段讲“自我探索”“河流意象”的书面语文章。修改后的提示词加入了这样的细节：“我读完全书最大的困惑是，悉达多最后为什么放弃寻找，说‘我什么也不再想’，因为我现在正处于一个拼命想得到某个结果的阶段，完全无法理解放下。”模型收到这种带有个人冲突的描述后，会顺着你的困惑展开，而不是替你总结人生哲理。
还需要注意一点：真实表达不等于杂乱无章的流水账。提示词中可以要求模型在保留口语感的同时，维持基本的段落逻辑和前后呼应。例如在模板末尾追加一句：“每个部分之间要有自然过渡，可以说‘后来我翻到后面一章’这样的连接句，但不要用首先其次最后。”这样既能保留个人讲述的连贯感，又不会显得过于随意。如果你对某段生成结果不满意，不要只说“再口语化一点”，而是给出具体的修改方向，比如“把第二段中‘我深刻理解到’改成‘我好像突然明白了’”。
最后，提示词不是一次成型的东西。建议先用简短版本生成一版，观察哪些地方丢失了个人痕迹，然后针对性地在提示词中补充这些点。比如模型把“我读不下去”改成了“阅读过程中存在一定障碍”，你就在下一次提示词中明确写“不要把我的真实感受翻译成书面语，我怎么说你就怎么写”。通过这种循环校正，百小应生成的分享稿会越来越接近你自己写出来的样子，同时还能保持结构上的完整性。