對主管 Email 改 5 次的解：3 個 Voice Profile + 5 個 Skills 在 Claude Project 落地
更新於 2026年7月11日
對主管 Email 改 5 次的解：3 個 Voice Profile + 5 個 Skills 在 Claude Project 落地
Answer Capsule：對主管 email 每次改 5 次的根本原因不是 writing skill 不好，是沒有 voice profile 持久化。Alex 在 Cloud-F1 寫客戶月報的案例顯示：建 3 個 voice profile（對主管/對客戶/跨部門）+ 5 個 Skills（週報/跨部門協作/客戶提案/會議 follow-up/壞消息傳達）寫進 Claude Project knowledge，寫信時間從 25 分鐘降到 4 分鐘。這就是 P1 原理：Project state ＞ one-shot prompt。Claude Code 跟 ChatGPT 在 prompt 寫法差不多，差在 Claude Project + Cowork + 200K context 的工作流整合。
你有沒有遇過這種情況？
晚上 9 點要寄一封 email 給老闆，主題是「下個 sprint 為什麼會 delay」。
第一版寫得太急，被你刪了。 第二版太正式，像在寫 SOP，自己都看不下去。 第三版加太多解釋，主旨被埋。 第四版改完想說「這次不錯」，按 Send 前發現用詞太硬。 第五版終於寄出去，凌晨 11 點。
每週寄這種信 3 次，週末加班的時間就吃掉了。
根本原因：不是 writing 不好，是沒資產化
90% 人遇到寫信慢，第一反應是「我要學寫文案」。買書、上課、看公眾號文章。
老實講沒用。
你 writing skill 沒問題——你能想出對的話，問題是每次都要從頭想。寫信卡，本質是：
1. 沒有 voice profile 持久化。
每次寫信你重建一次「我講話風格 + 我老闆吃哪一套」。沒有檔案存著，每次從頭來。
2. 沒有 audience persona load。
你按 Send 之前心裡知道對方是誰、在乎什麼、會在哪裡卡。但這些不在 prompt 裡，AI 給你 generic output。
3. 一次只丟一段給 AI 改。
你貼一段給 ChatGPT 改，覺得不對，再貼一次。Context 沒堆疊，每次重來。
這是資產化問題，不是 writing 問題。
P1 原理：Project state ＞ one-shot prompt
這是 Alex 6 條 cross-cutting principles 之一（Track A + Track B 共用）。
簡單來說
把你的講話風格 + 老闆 / 客戶 / 同事的 audience profile 寫一次到 Claude Project，比每次寫信都重打強很多。這就是 P1 原理。
P1 三層 mechanism
第一層：Voice profile（你怎麼講話）
寫一份 markdown 進 Claude Project：
- 你的角色（35 歲 PM / 5 年顧問經驗）
- 你的講話風格（簡潔 / 偏 narrative / 偏正式 / 偏口語）
- 你常用的句型
- 你禁用的詞（AI 味濃的「賦能」「打造」「全方位」「無縫」）
寫一次，永遠用。
第二層：Audience profile（對方是誰）
寫一份 markdown：
- 老闆 A（50 歲、技術背景、痛恨 fluff、通勤 30 秒掃信）
- 老闆 B（40 歲、行銷背景、喜歡 narrative、會仔細看）
- 客戶 X（startup founder、口語風格、focus ROI）
- 跨部門同事（行銷部主管、需要 buy-in、別下指令式語氣）
每個 persona 一個檔。寫信時 invoke 對應 audience。
第三層：Persistent thread
不貼片段——整個 email thread 從上到下整段貼進 Claude。Claude 200K context 吃得完，會抓到細節 ChatGPT 漏掉的。
為什麼資產化打敗 prompt 工程
過去 5 年 AI 圈主流是 prompt engineering — 教你怎麼寫對的 prompt。
P1 主張：prompt engineering 是 tactical 層，資產化是 strategic 層。
| 維度 | Prompt engineering（每次寫對） | Voice profile 資產化（一次建立永遠用） |
|---|---|---|
| 寫信前置時間 | 每次 5-10 min（重述 context） | 0 min（Project 自動帶） |
| 一致性 | 每次 output 風格不太一樣 | 跨封 email voice 一致 |
| 知識累積 | 寫完就消失 | 每次 iterate 寫得更精準 |
| 換工具成本 | 換到 Claude / Gemini 重學 prompt | Voice profile markdown 兩邊都用 |
| 老闆覺得 | 「這信像 AI 寫的」（生硬） | 「最近你寫信有比較順喔」 |
最後一條最重要——老闆看不出來是 AI 寫的，這就是資產化的目標。
Claude vs ChatGPT 在 prompt 上其實差不多
老實講 Claude 跟 ChatGPT 在 prompt engineering 層差不多——OpenAI 跟 Anthropic 的 prompt engineering 官方 guide 90% 重疊。
兩邊都吃 role + stakes + audience。兩邊都擅長 detailed context。兩邊都支援 system prompt + few-shot examples。
真正的差別在 product feature 不在 prompt style：
- Context window：Claude 200K-1M / ChatGPT GPT-5 base 400K (2026 Q1+)
- Project state：Claude Project knowledge / ChatGPT Custom GPTs — 機制類似
- 文件協作介面：Claude Cowork（GA） / ChatGPT Canvas（較弱）
- Marketplace：兩邊都有對等產品
Cowork 真差異化在 context + Artifacts UX 整合——你看 100 頁 .docx 預覽同時改 prompt，ChatGPT Canvas 還做不到這個 workspace 整合度。
Mimicry Prompt 萃取流程
打開 Claude Cowork，建新 Project：「我的職場文案 voice」。
在 Project knowledge 貼 3-5 個你過去寫得自己滿意的 email / 簡報 / 報告。然後跑這個 prompt：
我給你 3 個我自己寫的 sample。請你做兩件事：
1. 萃取我的 voice 特徵（句型結構、tone、vocabulary 偏好、慣用 transition）
2. 寫一份 voice profile markdown，未來我寫信時 invoke 這份 profile
不要美化我的 voice。如實 mirror，包含我的缺點（太冗長 / 太閃避 / etc.）。Claude 會 interview 式回問你 3-5 個釐清問題，然後產出 voice profile markdown。
老實講第一次萃取會不準——你的 sample 可能 mix 多種 voice。修一輪：
你寫的 voice profile 有 3 點不像我：[list]。請改成更貼近我實際講話的版本。iterate 2-3 次，第 3 版通常 80%+ 準。
Anti-AI 詞表
Voice profile 寫完後，加一段：
## Anti-AI 禁用詞
寫信時禁用下列詞（AI 味濃，違反我的 voice）：
- 賦能、打造、全方位、無縫、整體性
- 在...的角度上、就...而言、針對性地
- 此外、值得一提的是、需要注意的是
- 一站式、深度賦能、戰略性這份禁用詞是你個人化的 anti-AI 詞表。Voice profile + 禁用詞 = 完整 P1 第一層。
Alex 真實案例：Cloud-F1 客戶月報
我跑 Cloud-F1 接案那段時間，每月寫客戶月報、季度檢視、季度策略簡報。前面 1 年我每份都重寫——感覺自己在「重新發明寫法」。
直到 2026 Q1 我在 Claude Project 裡建了 3 個 voice profile（對 enterprise 客戶 / 對 startup 客戶 / 對個人 freelancer），每次寫 email 直接 invoke 對應的 voice。
流程
Step 1（一次性，1 小時）
開 Claude Project：「Cloud-F1 客戶月報」。Project knowledge 放：
- voice profile（我的講話風格）
- audience profile × 3（enterprise / startup / freelancer）
- 過去 6 個月所有月報（200K context 用 60% 左右）
Step 2（每月，4 分鐘）
月底我只丟「本月發生的事 5-8 點 bullet」+「客戶 X，profile」。
Claude 產出對齊我風格 + 對齊客戶 audience 的完整月報（約 1500 字）。
Step 3（每月，2 分鐘）
我看一眼 Artifacts 預覽，調 1-2 處（通常是「這個 metric 的解讀我這樣 framing」）。Send。
結果
從第 1 個月 25 分鐘降到第 6 個月 4 分鐘——這就是 P1 的實際 ROI。
不是因為我 prompt 寫得好，是因為 voice profile + audience profile 已經做完了 80% 的決策。
5 個職場 Skills bundle
主課 Track A A3 module 提供 5 個 Skills 對應職場 email 5 大場景：
- progress-update — 對主管週報 / 月報 / sprint update
- cross-team-collaboration — 跨部門協作 / 提需求 / 推案件
- client-proposal — 客戶提案 / 報價 email
- meeting-followup — 會議後 follow-up（含 decisions / actions / owner / deadline）
- bad-news-delivery — 傳達壞消息（delay / scope cut / 失敗）
每個 Skill 是一份 markdown，含 system prompt + 1-2 個範例。fork 進 Claude Project knowledge，下次寫信 invoke 對應 Skill 即可。
對照其他做法
| 做法 | 解的是什麼 | 限制 |
|---|---|---|
| P1 + Voice profile + Skills | 文案資產化（一次建立永遠用） | 第一週 setup 1-2 小時投資 |
| 寫 prompt 模板每次貼 | tactical layer | 沒持久化、跨工具不 transfer |
| 訂 ChatGPT Plus | 通用 AI | 沒 Project 整合度高 |
| 上文案課 | writing skill | 沒解資產化問題，每次仍從頭想 |
| 學商業書信範本 | 結構模板 | 範本是別人 voice 不是你的 |
Key Takeaways
- 對主管 email 改 5 次的根本原因是「沒 voice profile 持久化」，不是 writing 不好
- P1 原理：Project state ＞ one-shot prompt — 寫一次永遠用，比每次重打強
- Claude vs ChatGPT prompt 寫法差不多，差別在 Project + Cowork + 200K context 的工作流整合
- Mimicry Prompt 萃取流程：3-5 個 sample → Claude 萃取 voice → iterate 2-3 次到 80%+ 準
- Anti-AI 詞表是你個人化資產，每次看到 AI 用了你不喜歡的詞立刻加進去
- Alex 真實案例：Cloud-F1 客戶月報，25 min → 4 min（6 個月演化結果）
FAQ
Q1：我有 5+ 個老闆（顧問 / 接案者）怎辦？
寫 3 個 typical audience archetype（高層 enterprise / startup founder / freelancer 等），其他臨場補。不用想太多——3 個 archetype 涵蓋 80% 對話。
Q2：voice profile 寫完跟我實際講話差很多？
iterate。給 Claude「你寫的這 3 點不像我」，重跑 Mimicry。第 3 版通常 80%+ 準。
Q3：5 個 Skills 不夠用？
先用 5 個跑 1 個月，發現你真的常寫但不在 5 個內的，再加。不要一次寫 20 個 Skills——大部分用不到。
Q4：Skill 跟 voice profile 衝突怎辦？
Skill 是 structure（怎麼 frame），voice profile 是 voice（怎麼講話）。不衝突 — Skill 給結構框架，voice profile 給語氣詞彙。
Q5：我從 ChatGPT 搬家到 Claude，過去對話怎辦？
2026 Q1 起 Claude 加入 Memory Transfer — 一鍵把 ChatGPT / Gemini 過去對話記憶搬到 Claude。OAuth 5 分鐘搞定。免費 plan 也能用（2026-03 起）。
Next Steps
如果你卡在職場文案：
- 看 Track A A3 module 完整內容（5 lessons + 3 voice profile templates + 5 Skills bundle）
- NT$999 一次買斷 mini course，30 分鐘 setup 自己 voice repo
- 如果你三個痛點都中（資訊雷達 + 第二大腦 + 文案）：套裝 NT$2,400 省 NT$597 + Skool 一般人圈 lifetime
如果你工程背景：A3 + Track B 模組包合用 = 你 team 一般人 + 工程師全員都會用 Claude。
Related Resources
- Track A A3 Workplace Copywriting module
- Track A Bundle landing page
- aiblewmymind Substack — Mimicry Prompt 原始啟發
- Skool 一般人圈 — Track A 學員 lifetime member 入場
- Anthropic Cowork docs — 官方文檔
變更紀錄
| 版本 | 日期 | 變更 |
|---|---|---|
| 1.0 | 2026-04-29 | 初版（Plan 4 §Phase 7 Blog 2） |
