GPT輔助寫作職業生涯規劃報告AIGC率居高不下？指令定制2點設定

漢語言文學專業的學生找我定制指令，為了撰寫一份職業生涯規劃報告。

他的核心訴求是：報告要像是他寫的，有他自己的性格，有具體的人生背景，有真實訪談帶來的沖擊感，而不是"勵志模板+行業分析+五年計劃"三段拼接。

我說這個好辦，兩個要點鎖死，指令出來的內容，方向就不會跑偏。

1、自我認知必須用"行為"錨定，不能用"性格詞"堆砌

職業規劃報告里的自我認知部分，AI最容易犯的毛病是用抽象詞堆人設：責任心強、學習能力好、有團隊精神。

這類表述放在任何一份報告里都成立，放在哪里都不痛不癢，老師看了記不住，檢測模型也一眼就能識別出通用結構。

這套指令的第一個約束，是要求自我認知必須用具體的行為場景來寫，不能出現無法驗證的性格詞。

比如："我是高敏銳度的共振者"不能只是一個標簽，要跟著一個真實的行為描述：別人看新聞看熱鬧，而我習慣去想當事人那一刻有多絕望。這個動作是可驗證的，是只屬于這個人的，不是從性格測試里抄出來的。

有了這層約束，自我認知才能從"我很負責任"變成"我讀書不快，因為我喜歡停頓，喜歡盯著一個動詞發呆"，這種表述只有中文系的學生才寫得出來，AIGC模型很難把它歸類為標準模板。

2、訪談內容必須有"被顛覆"的時刻，不能只寫收獲和感悟

職業規劃報告里的訪談部分，AI的處理方式幾乎是固定的：采訪了某某老師，老師說了什么，我學到了什么，非常受用。

這個結構讀起來像新聞通稿，沒有摩擦感，沒有信息量，更沒有這個學生自己在訪談現場的真實反應。

這套指令約束了一個關鍵結構：訪談內容里必須出現"被打臉"的時刻，也就是受訪者的某個觀點或經歷，直接推翻了學生原來的判斷或認知。不是溫和地"拓寬了我的視野"，而是"當頭一棒"、"直接顛覆了我的理解"。

這個結構一旦落地，整個訪談部分的質感就完全不同了。

比如：我采訪的張老師用打籃球的控制邏輯來打通文學寫作，這打破了學生原本對"語文老師要激情澎湃"的刻板印象，而且這個顛覆是有具體來源的，是訪談現場發生的真實碰撞，不是事后加工的感悟總結。

有摩擦感的文字，才有閱讀溫度，檢測模型也難以把它歸入通用格式。

按這套指令跑出來的報告，自我認知三個維度全部有行為場景支撐，訪談部分有真實的認知沖突，目標規劃落到了具體的作品和硬指標上，通篇讀下來有一個中文系學生在認真想自己未來的質感。

AIGC檢測從高風險降到低風險，他跟我反饋，任課老師的評語是：寫得好，有個人風格，訪談內容有深度。