来源
- 原始链接：https://www.youtube.com/watch?v=ij-AU9dpJjc
- 来源类型：视频逐字稿
- 来源标题：别再写语气指令了。要分层组织它们
文本来源是 AI Engineer 频道视频《别再写语气指令了。要分层组织它们》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：演讲者 Isadora Martin-Dye 分享了她在经营婚礼场地、并为场地构建 AI Agent 的过程中总结出的四层提示词架构：不可变身份层、情境模式层、示例锚定语气层、生成后否决层。她的核心观点是：一个提示词无法同时承担四项本质不同的工作，必须分层处理。
一、第 1 段
背景
本段为按时间切分的阅读章节，用于快速定位原文。
高端房地产公司，或者像我这样的婚礼场地，都是如此。在这些地方，一句话说错造成的损失可能远超退款，而且用户恰恰是最敏感的那类人。他们付费买的是一段关系。如果你的系统表现得好像他们不会察觉，最终一定会适得其反。“用我们的品牌语气写作”这条注释，等于在说”让它自己搞定吧”，它并没有让模型做任何它本来不会尝试的事情。它一再失败的原因，不是示例写得不好，而是你在让一个提示词同时完成四项完全不同的工作。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、第 2 段
背景
本段为按时间切分的阅读章节，用于快速定位原文。
运行这套栈的其中一个产品是 Thread Light，这是我为失踪人员家属构建的工具。它的语气与婚礼场地完全不同，但架构完全相同。第一层承载着一条比系统中任何其他内容都更重要的规则：永远不能使用”已确认""已识别""已匹配""已证实""已关联""已解决”这类词语。请停下来想一想这意味着什么。对于婚礼场地，第一层阻止 AI 假装自己有身体；如果这条规则失效，顶多有点尴尬。对于失踪人员工具，第一层阻止 AI 告诉一个人他们的亲人已经被找到，而系统实际上只是发现了一些存疑内容。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、第 3 段
背景
本段为按时间切分的阅读章节，用于快速定位原文。
为什么这很重要，代码库中的一条真实注释就是最好的例子。我有一个热力图，用来追踪我们与情侣的互动频率。如果一对情侣在热力图上降温，系统会根据已知信息调整反应方式。所以，如果它知道一位客户的妈妈正在化疗，而这对情侣已经三周没有联系，它对这次互动频率下降的描述方式，就会与没有软性背景或完全没有背景时截然不同。这与谎言问题正好相反。第一层规定 AI 绝对不能假装什么，第二层则关心 AI 已经知道什么，并让这些信息诚实地塑造它的行为，而不是在施工路段并不存在时还强行绕路。语气不变，变的是解读方式。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
四、第 4 段
背景
本段为按时间切分的阅读章节，用于快速定位原文。
修复方案是一条原则：在多租户系统中，身份绝对不能有默认值。缺失的品牌身份应该触发崩溃，而不是回退。它必须明确失败，因为静默失败意味着一个场地在用陌生人的声音说话，而接收端的用户不知道为什么感觉哪里不对，他们只是感觉到了；信任会在你的团队意识到问题之前被悄悄侵蚀。如果你只从这次演讲中带走一件事，请带走这个：前三层都是指令。身份、条件和语气，都是你告诉模型的事情，模型通常会听。通常，它们是一种请求。第四层不是请求，它会读取实际输出的内容，并决定是否允许它离开你的业务。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「别再写语气指令了。要分层组织它们」放进了更完整的工程框架里：第 1 段、第 2 段、第 3 段。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。