1.1 润色改写提示词的定义与核心作用
我理解的润色改写提示词，是写给AI的一段“改稿说明书”。它把原文、目标读者、语气、长度、必须保留的信息、不能碰的内容、输出格式这些事讲明白。它和“帮我改一下”完全不是一回事。关键词“润色改写提示词”听起来有点技术，落到日常写作里，就是让AI知道该往哪个方向使劲。
站在编辑的角度看，它的核心作用很直接：把模糊愿望变成可执行任务。我说“写得学术一点”，AI可能给我一堆空话。我说“面向期刊审稿人，保留所有数据和引用，把口语表达改成学术书面语，长度控制在200词”，产出就会稳很多。站在团队角度，这类提示词还能变成可复用的改稿资产，新人照着填变量就能用。
我写论文时用它调摘要，做新媒体时用它改标题和开头，帮朋友看简历时也用它压缩表达。场景一直在变，目标没变：让文字更贴合用途，让我少做重复劳动。润色改写提示词的价值，就藏在这种“省心但不失控”里。
1.2 润色、改写、扩写、缩写与降重的边界
润色、改写、扩写、缩写、降重，这几个词经常被放在一起说。我的经验是，它们各自管的事不一样。润色偏语言层面，保留原意和结构，把词句理顺、语气调准。改写会动结构，保留核心信息，换一种说法甚至换叙述顺序。扩写要补内容，加例子、背景、论证。缩写要删冗余，留下骨架。降重则盯着重复率，换表达方式，数据、引用、术语不能乱动。
拿一段论文方法描述来说。润色会让时态、语态、术语更规范。改写会换句式，把被动改主动，或者调整信息出现的顺序。扩写会补上参数来源、实验条件。缩写会删掉重复解释。降重会替换同义表达，实验数字、变量名、引用编号还是原样。写提示词时，我会明确说“现在做润色，不改结构”，或者“做改写，保留三个核心结论”。任务混在一起，AI容易自由发挥。
边界一模糊，麻烦就来了。我让AI“润色并降重”，它有时会悄悄改掉一个百分比，或者把引用换掉。后来我会在提示词里加上硬约束：不新增未提供的事实，不改数字，不删引用，不换专业术语。这样边界清楚了，输出才敢用。
1.3 提示词与普通指令的差异：目标、约束与评价标准
普通指令像“把这段话改好一点”。目标飘着，标准也飘着。提示词不一样，它要写清目标、约束和评价标准。目标回答“改成什么样”：给谁看、用在哪、什么语气、多长。约束回答“哪些不能动”：数据、引用、术语、品牌名、敏感信息。评价标准回答“怎么算改好了”：忠实度够不够，流畅度行不行，信息保留全不全，风格匹配不匹配。
我拿摘要改写作对比。普通指令是：“帮我润色这段摘要。”提示词可以写成：“你是学术编辑，面向医学期刊审稿人，润色下面摘要。保留所有数据和引用，改善学术语气，避免口语化，长度不超过250词，输出一段中文，不添加新信息。”两种说法拿到的结果，通常差得很远。后者更像有经验的编辑在干活。
我自己验收时，会按提示词里的标准逐条看。数据有没有变，引用还在不在，语气是否统一，长度是否超。目标、约束、评价标准写全了，AI输出就不再是碰运气。润色改写提示词真正厉害的地方，是让改稿变成可检查、可复现的流程。
1.4 使用润色改写提示词的常见场景与价值
我平时用到润色改写提示词的场景很多。论文投稿前改摘要、引言、讨论；商务邮件里把语气调得更稳妥；新媒体文案要更抓人，又不能夸张；简历要压缩到一页；跨语言翻译后要顺成地道表达；课程作业要降重又保留引用。每个场景的要求不同，提示词可以像开关一样调参数。
从个人角度看，它的价值是省时间，也省心力。面对一段乱糟糟的草稿，我不用从零憋起，先让AI按提示词出个版本，再动手修。从团队角度看，价值在统一。大家的语气、格式、术语能靠模板拉齐，沟通成本会低不少。做内容运营的朋友跟我说，模板库让新人上手快了很多。做科研的同事更看重信息保留和引用规范。
我也提醒自己，提示词不是万能钥匙。事实核查、学术伦理、版权边界、隐私处理，这些事要人来把关。AI可以帮我改得更顺，不能替我承担责任。把润色改写提示词用好的前提，是我知道要什么，也知道哪些线不能踩。
2.1 通用模板结构：角色、任务、原文、要求、示例、输出格式
我刚开始写润色提示词时，只会丢一句“帮我改得顺一点”。结果AI给我的东西时好时坏，有时像学术论文，有时像朋友圈文案。后来我逼着自己把提示词拆成几个固定槽位。角色、任务、原文、要求、示例、输出格式，这六样填进去，改稿效果明显稳了。角色是让AI站到某个位置，比如“你是学术期刊编辑”或者“你是商务邮件顾问”。任务说清动作，是润色、改写、扩写还是缩写。原文直接贴进去，别让AI猜。要求写约束，像保留数据、不改引用、长度不超过三百字。示例可以给一段理想输出，帮AI对齐感觉。输出格式规定好，是一段话、分点列表，还是带标题的段落。
我拿改论文摘要试过。角色写“你是医学期刊审稿人”，任务写“润色摘要，不改变原意”，原文贴摘要，要求写“保留所有数值和引用，学术语气，不超过250词”，示例给一段已发表的摘要片段，输出格式写“一段中文，无小标题”。AI交回来的东西基本能直接用。我少改很多遍。这个结构像给AI搭了个脚手架，它不会乱跑。
有人觉得写这么细太麻烦。我一开始也这么想。写多了会发现，模板可以复用。换个原文，改几个变量，两分钟就能生成一个新提示词。省下的时间比写模板多得多。我电脑里存了十几个基础模板，用的时候复制粘贴，改受众和语气就行。
2.2 变量设计：受众、语气、长度、术语、保留信息与禁忌
模板里最值得花心思的是变量。受众决定用词深浅。写给期刊审稿人看，术语要准，语气要克制。写给小红书用户看，句子要短，情绪要轻快。语气可以调成严谨、友好、活泼、中性、恳切。长度用具体数字限制，别写“短一点”，写“200字以内”或者“不超过三段”。术语要单独列出来，像“随机对照试验”“Transformer架构”“用户留存率”这些词，AI不能随便换。保留信息包括数据、引用、人名、时间、结论。禁忌是红线，比如“不添加原文没有的事实”“不改变任何百分比”“不删除引用编号”。
我做过一个实验。同一段产品介绍，只改受众变量。给商务客户看时，AI输出偏理性，强调效率和成本。给普通消费者看时，AI加了生活场景，语气更软。变量一动，风格跟着动。我后来把变量做成填空式清单，每次改稿前先勾一遍。受众是谁，语气偏哪边，长度多少，哪些术语必须原样保留，哪些信息绝对不能丢，哪些话不能说。勾完再写提示词，AI很少跑偏。
变量里最容易被忽略的是禁忌。我吃过亏。有一次让AI润色一段实验方法，忘了写“不改数字”。它把“37.5%”改成了“约四成”。读起来顺，数据错了。从那以后，我在每个模板里都加一句“不修改任何数字、单位、引用和专有名词”。这句话像刹车，关键时候能救命。
2.3 常用AI润色改写提示词模板：学术、商务、新媒体、日常文本
我手里常备四类模板。学术模板的角色通常是“学术编辑”或“期刊审稿人”，任务偏润色和降重，要求里必写“保留引用、术语、数据、论证逻辑”，输出格式多为一段或分节。商务模板的角色是“商务沟通顾问”，任务是改写邮件、报告、方案，语气要专业、简洁、有分寸。新媒体模板的角色是“新媒体编辑”，任务改标题、开头、金句，语气要抓人但不夸张，保留核心信息，长度卡得比较死。日常文本模板最松，角色可以写“文字整理助手”，任务是让朋友圈、聊天记录、个人简介更顺眼，语气自然就好。
我拿学术模板举个例子。角色：“你是某医学期刊的资深编辑。”任务：“润色下面这段讨论，不改变原意。”原文贴进去。要求：“保留所有引用编号和统计值，学术书面语，避免口语化，长度控制在180到220词。”示例给一段已发表论文的讨论。输出格式：“一段中文，无小标题。”这个模板我用了很多次，改出来的文字基本符合投稿要求。
商务模板我常改客户邮件。角色：“你是商务邮件顾问。”任务：“把下面这封邮件改得更专业、更礼貌，不改变核心诉求。”要求：“保留所有时间节点和金额，语气正式但不生硬，长度不超过150词。”输出格式：“邮件正文，包含称呼和落款。”新媒体模板我用来改公众号开头。角色：“你是公众号主编。”任务：“改写下面这段开头，让前三句更抓人。”要求：“保留原文事实，不夸大，不加感叹号，长度80字以内。”日常模板我帮朋友改过相亲自我介绍。角色：“你是朋友。”任务：“把这段话改得自然一点，别像面试。”要求：“保留所有真实信息，语气轻松。”输出格式：“一段话，口语化。”这些模板换换变量就能覆盖很多场景。
2.4 模板迭代：A/B对比、反馈修正与版本管理
模板不是写完就固定。我每隔一段时间会做A/B对比。同一段原文，用两个版本的模板跑一遍。一个版本偏简洁，一个版本偏详细。把两份输出放在一起读。哪份更贴近我要的效果，哪份信息保留得更完整，哪份语气更对。我还会请同事盲评，不告诉他们哪份是哪个模板。他们的选择往往能看出我忽略的问题。
反馈修正靠记录。每次改稿后，我会在模板文件旁边写一行备注。比如“学术模板v3在改摘要时容易加过渡句，下次要求里加一句‘不添加原文没有的逻辑连接词’。”或者“商务模板v5把‘尽快’改成了‘ ASAP ’，需要加一条‘保持中文表达’。”这些备注攒多了，模板就越改越准。我还会把常见错误分类，像语义偏移、事实篡改、风格失真，每一类对应一条约束句。
版本管理我用最笨的办法。文件名带日期和版本号，比如“学术润色_v2_20250310”。每次改动另存为新文件，旧文件不删。文件夹里再放一个“变更记录”文档，写清楚改了什么、为什么改、效果如何。这样做看起来麻烦，找旧版本时特别省事。团队里共享模板时，版本号能避免有人用错文件。我吃过亏，两个人同时改一个模板，最后分不清哪份最新。现在统一放共享盘，谁改谁写记录。
2.5 避免模板化失效：防止语义偏移、事实篡改与风格失真
模板用久了会有一个风险：AI开始“套路化”。它以为只要套上角色和格式就行，原文的细节被悄悄换掉。我遇到过语义偏移。一段话说“该方案在成本上略有优势”，AI润色后变成“该方案成本优势明显”。程度变了，意思也变了。还有事实篡改。实验方法里写“样本量为120”，AI改成“样本量约一百”。数字一模糊，学术价值就打折。风格失真也常见。一篇严肃的学术讨论，AI硬加了几句“众所周知”“不言而喻”，读起来像科普文。
我防这些问题的方法很直接。提示词里加硬约束：“不改变任何数字、单位、引用、专有名词。”“不添加原文没有的事实、数据、例子。”“不调整原文的论证顺序和逻辑关系。”“保持原文的程度副词，如‘略有’‘显著’‘可能’。”输出之后，我会逐条核对。数字对不对，引用还在不在，术语有没有被换，语气是不是原来那个调。核对花时间，比返工便宜。
模板化失效还有一个隐蔽原因：AI会过度满足格式要求。我要求“输出一段话”，它为了凑成一段，把原本分点的信息硬挤在一起，读起来喘不过气。我要求“学术语气”，它堆了一串长句和被动语态，反而难懂。后来我在模板里加一句“以信息准确和可读性优先，格式要求其次”。这句话让AI知道，别为了模板牺牲内容。模板是工具，不是枷锁。我设计模板的目标，是让AI稳定地帮我改稿，不是让它变成一个只会填空的机器。
3.1 论文润色改写提示词的基本结构与学术约束
我第一次用AI润色论文时，把一段引言丢进去，只说“帮我改好一点”。AI把“近年来”改成“最近几年”，把“本研究”改成“我们”。语气变了，学术味淡了。后来我学会给提示词加学术约束。基本结构还是角色、任务、原文、要求、示例、输出格式，每个槽位都往学术靠。角色写“你是某领域期刊的审稿人”或“你是学术英语编辑”。任务写“润色，不改变原意”或“降重，保留所有引用”。原文贴完整段落，不要截断。要求写清楚保留数据、术语、引用编号、逻辑连接。示例给一段目标期刊的已发表文字。输出格式写“一段，无小标题”或“分点，但保持学术语气”。
学术约束里最要紧的是“不改变事实”。论文里的数字、单位、统计值、样本量、引用编号、专有名词，一个都不能动。我吃过亏。AI把“p < 0.05”改成“有明显差异”，把“95%置信区间”改成了“大部分情况”。读起来通顺，审稿人一眼看出问题。我在提示词里固定加一句：“不修改任何数字、单位、统计符号、引用编号和专有名词。遇到不确定的地方，原样保留。”这句话像保险丝。
还有语气约束。学术写作要克制，少用“非常”“极其”“巨大”这类词。我会写“使用学术书面语，避免口语化表达，避免主观夸张”。长度也要卡。摘要一般200到250词，引言一段150到200词。我直接写数字，不写“短一点”。输出格式尽量简单，一段就是一段，不要AI自己加小标题。这些约束堆在一起，提示词会变长。长一点没关系，改稿返工少才是真的省时间。
3.2 分章节应用：摘要、引言、方法、结果、讨论与结论
论文不同部分，润色重点不一样。摘要要压缩，每句话都得扛信息。我给的提示词会写“压缩到250词以内，保留研究目的、方法、主要结果和结论，不添加原文没有的内容”。角色用“期刊摘要编辑”。我常让AI先输出一版，自己逐句对原文，看有没有漏掉关键结果。摘要最怕AI自己发挥，加一句“具有重要临床意义”，原文没写，那就麻烦了。
引言要讲故事，但学术故事得有引用支撑。我让AI润色引言时，要求里会写“保持引用编号位置不变，不添加新的引用，不删除原有引用，逻辑连接可以调整但论证顺序不变”。AI有时会把“A认为……B认为……”改成“已有研究表明……”，引用编号丢了。我会在提示词里加示例，给它看一段带引用编号的已发表引言。方法部分最死板。我要求“保持被动语态和过去时，不改变任何实验步骤、参数、试剂、仪器型号”。结果部分只改表达，不动数据。讨论部分可以调语气，但不能加原文没有的机制解释。结论要短，不能夸大。
我习惯把论文拆成小块，一段一段改。整篇丢进去，AI容易顾此失彼。摘要改完，引言改。引言改完，方法改。每块用不同的提示词模板。方法模板里“不改变任何数字和步骤”是铁律。讨论模板里“不添加原文没有的因果推断”是铁律。结论模板里“不扩大研究适用范围”是铁律。拆开改，每块都能盯住。拼起来之后通读一遍，看语气是否统一。有时摘要偏正式，讨论偏口语，我会再跑一遍统一语气的提示词。
3.3 论文降重与语言优化：保留引用、术语与论证逻辑
降重是论文润色里的硬需求。我试过让AI直接“降重”，它把“机器学习”改成“人工智能学习”，把“随机对照试验”改成“随机对比实验”。术语一换，专业度掉一半。我后来把降重提示词写成：“在不改变原意、不删除引用、不替换专业术语的前提下，调整句式、替换非术语同义词、改变语序。保留所有引用编号、数据、术语和论证逻辑。”角色写“学术编辑，熟悉降重规范”。任务写“语言优化式降重”。要求里单列术语表，比如“随机对照试验、Transformer、用户留存率、p值、置信区间”这些词必须原样出现。
降重不是简单换词。论证逻辑不能乱。原文先说问题，再说方法，再说结果，AI不能改成先结果后方法。我会在提示词里写“保持原文的论证顺序和段落结构”。有时AI为了降重，把长句拆成短句，读起来碎。我会加一句“保持学术连贯性，句子之间要有逻辑连接”。引用更不能动。引用编号像路标，删一个，读者就找不到来源。我要求“引用编号原样保留，引用内容不修改，引用位置不移动”。降重完，我会用查重工具跑一遍，再人工核对引用和术语。
语言优化和降重可以一起做。我常让AI先降重，再润色。两轮提示词分开写。降重那轮侧重换表达，润色那轮侧重学术语气。降重后文字可能有点生硬，润色时要求“调整过渡，让段落更顺，但不添加原文没有的信息”。我还会让AI输出修改说明，比如“本段替换了三个非术语词组，保留了全部引用和数据”。这样我能快速定位改动。降重是手段，不是目的。读起来像人写的学术文字，引用和术语一个不错，才算过关。
3.4 中英文论文互译润色：语法、学术语气与期刊风格
中英文互译润色是另一个战场。中文论文翻成英文，AI容易翻出中式英语。“本研究旨在探讨”翻成“This study aims to explore”，没错，但读起来像模板。我会在提示词里写“按英文学术期刊风格润色，避免中式英语，调整主谓结构，使用主动语态和被动语态结合”。角色写“英文学术编辑，熟悉SCI期刊风格”。任务写“中译英润色，不改变原意”。要求写“保留所有数据、引用、术语，语法正确，学术语气，长度与原文相当”。输出格式写“一段英文，无小标题”。
英文翻中文也有坑。英文长句翻成中文，容易一逗到底。我让AI润色时要求“拆分长句，保持学术语气，避免口语化，保留引用编号”。英文术语翻成中文，要按领域惯例。比如“machine learning”翻“机器学习”，不能翻“机器研究”。“randomized controlled trial”翻“随机对照试验”，不能翻“随机控制实验”。我会在提示词里给术语对照表。期刊风格也要考虑。有的期刊喜欢主动语态，有的喜欢被动。我会贴一段目标期刊的已发表摘要，让AI对齐风格。
互译润色最怕AI自己加解释。原文没说的，它补一句“这对临床实践有重要意义”。我会在要求里写“不添加原文没有的内容，不删除原文信息，不改变作者观点”。翻译完，我会找母语者或同行读一遍，看语气对不对。中英文互译不是词对词换，是学术语气和期刊风格的再表达。AI能帮大忙，终审把关还得靠人。
3.5 学术伦理边界：事实核查、引用规范与AI使用声明
用AI润色论文，伦理边界要清楚。我给自己定了几条规矩。一条是AI不能生成新的事实、数据、引用。提示词里写“只使用原文提供的信息，不添加任何外部知识”。另一条是引用必须真实。AI有时会编出不存在的参考文献，作者、年份、期刊名看起来像真的。我要求“不修改引用编号，不生成新引用，不替换引用内容”。还有一条是AI使用要声明。很多期刊要求作者说明是否使用AI辅助。我会在投稿信或方法部分写清楚：“本文使用AI工具进行语言润色，所有内容经作者核实。”提示词里也可以让AI帮忙起草这句声明，但内容必须我确认。
事实核查是终审一道关。AI润色完，我会逐条核对数字、单位、统计值、引用编号、术语。论文里的“p = 0.03”不能变成“p < 0.05”，“n = 120”不能变成“约120”。引用编号[12]不能变成[13]。我会打印出来，拿红笔对。AI改得再顺，事实错了就是学术不端。引用规范也要查。参考文献格式是否统一，作者名缩写对不对，期刊名斜体有没有丢。这些细节AI可能忽略，我得自己补。
AI使用声明越来越常见。有的期刊要求写在致谢里，有的要求写在方法部分。我会根据目标期刊的指南来写。提示词可以帮我把声明改得规范，比如“使用AI语言模型进行语法润色和表达优化，未用于生成研究数据、结果或结论。所有内容由作者独立核实并承担责任。”这句话我用了很多次。学术伦理不是限制，是保护。用AI润色论文，效率高了，责任还在我身上。
我用了两年AI润色，提示词从纸条变成文件夹。起初每改一篇文章，临时敲几句。改完就丢。下次遇到类似论文，又从头想。时间花在重复劳动上。后来我把好用的提示词存下来，按场景贴标签。这个习惯让我的改稿速度翻了一倍。这一章讲我怎么把零散提示词变成工作流，怎么拆任务，怎么评估效果，怎么把控风险。
4.1 构建个人或团队提示词模板库
我建模板库的方式很土。一个文件夹，里面放txt和md文件。文件名写场景加日期加版本。比如“论文摘要润色_期刊A_v3_20250312”。每个文件开头写清楚角色、任务、要求、示例、输出格式。变量用方括号标出来，受众、语气、长度、术语表、禁忌。改的时候只动方括号里的内容。模板主体不动。这样我不用每次重写结构。
团队用模板库要加注释。我会在模板里写“这段要求是为了防止AI添加原文没有的结论”。同事拿到模板，知道为什么这么写。我们每周碰一次，把新踩的坑补进模板。有次同事发现AI把“置信区间”改成“可信范围”，我们在术语禁用表里加了“可信范围”这个词。模板库慢慢长成我们组的改稿习惯。
个人模板库不用多复杂。我刚开始只有五个模板：摘要、引言、方法、讨论、降重。每个模板改过十几版。旧版本不删，放在archive文件夹。有时新版本效果不好，我回退到旧版。模板库像工具箱，顺手最重要。别追求大而全。一个模板能解决一类问题，就留着。
4.2 多轮对话与链式提示：拆分任务、逐步精修
把一整篇论文丢给AI，它容易迷路。我试过。五千字进去，出来的稿子前后语气打架。摘要像新闻，讨论像博客。后来我拆开。一次只改一个部分。改摘要用摘要模板，改引言用引言模板。每轮对话只干一件事。AI的注意力集中，输出质量稳。
链式提示更细。我先让AI分析原文结构，输出一个段落功能表。我看了表，确认逻辑没歪。再让它按功能表逐段润色。每润色完一段，我贴回原文对比。有偏差就调提示词，重新跑。多轮对话里，我会把上一轮的修改说明带进下一轮。比如“上一轮保留了所有引用编号，这一轮继续保留，同时把被动语态比例降到三成”。AI能记住上下文，改起来连贯。
拆分任务有个好处：我能随时叫停。AI改到第三段，我发现它开始加原文没有的因果词。我马上改提示词，加一句“不添加因果连接词”。后面几段就不会再犯。整篇一次性改，这种错误会藏到最后。拆开改，错误暴露得早，修起来便宜。
4.3 效果评估：忠实度、流畅度、信息保留与风格匹配
我评估AI润色结果用四个词：忠实、流畅、保信息、对风格。忠实最重要。原文说“可能相关”，AI改成“存在显著关联”，忠实度为零。我拿原文和改文逐句对，数字、引用、术语、观点，一个都不能变。流畅度看读起来是否卡。学术文字不需要花哨，句子之间接得上就行。信息保留看有没有漏。有时AI为了顺，删掉一个限定词“在特定条件下”。这个限定词一丢，结论就放大了。
风格匹配看目标场景。投期刊的摘要要克制，新媒体文案可以活泼。我把同一段原文用两个模板跑，一个学术模板，一个新媒体模板。输出放一起对比。哪个更贴目标，我就用哪个。A/B对比不费事，跑两次而已。跑多了，我知道哪个模板适合哪种文本。评估不能只看AI自己说“我改好了”。它说好不算好，我读着顺、事实对、风格像，才算好。
我还会做盲评。把原文和两个改版混在一起，让同事读，问她哪个最像目标期刊。她不知道哪个是AI改的。盲评能去掉我的偏见。有次我以为学术模板最好，同事选了另一个更简洁的版本。我回去看，简洁版确实更贴那本期刊的风格。评估是主观的，多一双眼睛有帮助。
4.4 人机协作流程：初稿生成、提示词润色、人工复核与定稿
我的流程分四步。AI出初稿。我贴原文，跑模板，拿回一版改文。这一步AI是打字员，我是监工。初稿不完美，正常。我从不直接交初稿。下一步提示词润色。我根据初稿的问题，调提示词，再跑一遍。比如初稿术语换了，我在提示词里加术语锁定。初稿语气太软，我加学术语气约束。这一轮AI是修理工，我是质检员。
人工复核那一步最耗神。我逐句读，拿红笔标。数字、引用、术语、逻辑连接，一项项过。遇到AI加的内容，删。遇到AI漏的信息，补。遇到AI改错的术语，改回来。复核花的时间不比AI跑的时间少。有人觉得AI润色省事，其实省的是打字时间，不是判断时间。判断还得人来做。
定稿是收尾。我通读一遍，检查语气统一。摘要和讨论的语气不能一个天一个地。格式也查，标题层级、引用格式、图表编号。定稿后我会再跑一次查重，确认降重效果。人机协作里，AI干重复活，我干判断活。分工清楚，效率才高。我试过让AI全包，结果事实错了，引用乱了，返工更久。人机各干各的，稳。
4.5 风险控制与持续优化：隐私、版权、偏见与提示工程迭代
隐私是第一条红线。论文没发表前，数据、方法、结论都是敏感信息。我把原文里的作者名、单位名、基金号、患者信息全删掉，换成占位符。AI跑完，我再把占位符换回来。有些AI工具会拿用户数据训练模型。我选有隐私协议的工具，或者用本地部署的小模型。敏感内容不上传，这是死规矩。
版权也要管。AI润色后的文字，版权归谁？我查过目标期刊的规定。多数期刊要求作者对全文负责，AI不能署名。我保留原文和改文的修改记录。万一有人质疑，我能证明哪些是我写的，哪些是AI改的。引用第三方内容，我确认版权许可。AI不会帮你查版权，它只会生成文字。版权风险得我自己扛。
偏见和提示工程迭代是长期活。AI有训练数据带来的偏见，比如把某些职业默认成男性。我在提示词里加“使用中性表达，避免性别、种族、地域刻板印象”。每次发现偏见输出，我就把例子记下来，补进负面示例。提示词不是写完就完。我每个月翻一次模板库，删掉失效的，合并重复的，加上新场景。工具在变，我的用法也得变。持续优化不是口号，是每周花半小时整理模板。时间花下去，改稿时少踩坑。
