• 日期: 2026-09-08
  • 标签: 程序员

2026 年 9 月 7 日前后，OpenAI 为 ChatGPT Work 上线了一项被多家媒体集中报道的新能力——个人写作风格学习（Writing style）。简单说，ChatGPT 从此可以连接你的 Gmail、Google Drive、Slack、SharePoint，从你真实写过的邮件、文档、消息里「读出」你的写作习惯，并在生成内容时自动套用。

这个功能的真正分量，不在于它又多了一个开关，而在于它标志着 ChatGPT Work 正在从「通用助手」向「个人化写作代理」转型。放在过去，想让 ChatGPT 用「你的语气」写东西，只能靠每次手动粘贴范例、或者维护一长串 Custom Instructions；现在这一步被前置到了数据连接层。

一、为什么值得关注：从「语气」到「写作指纹」

要理解这个功能的技术含金量，先看它到底捕捉了什么。如果只是学习「正式 / 随和 / 热情」这类笼统的语气标签，那它和现有的风格选项没本质区别。但据日本 ITmedia 的报道，OpenAI 把「写作风格」拆成了几个可量化、可落地的具体字段：

  • 频繁使用的短语（frequently used phrases）
  • 消息结尾方式 / 署名习惯（sign-offs）
  • 大小写习惯（capitalization habits）
  • 标点与格式癖好（punctuation quirks、formatting preferences）

这几项放在一起，其实就是在给用户建一份「写作指纹」（writing fingerprint）。它抓的不是「你说话是不是热情」，而是「你写邮件结尾是 Best, 还是 Cheers」、「你习惯全小写还是首字母大写」、「你是不是偏爱破折号多于分号」。这些才是真正让一段文字「像你写的」的微观特征。

官方 onboarding 文案也印证了这一点，据 topaiproduct 报道，引导语直接写明机制是「ChatGPT will write in your voice by referencing examples from your connected apps」——通过引用连接应用里的真实范例来「用你的声音」写作，而不是套用某个预设的风格模板。这句话划清了它和此前所有个性化功能的边界：风格不是「选」出来的，是从你的历史数据里「学」出来的。

请添加图片描述

二、技术拆解：它大概是怎么工作的

OpenAI 官方并没有公开这套系统的实现细节，以下是基于公开信息与业界通行做法的原理性推演，供开发者参考，不代表官方架构。

从工程视角看，这类「个人写作风格学习」通常可以抽象成三个阶段：

1. 数据接入与脱敏。 通过 app connectors 连接 Gmail（邮件）、Google Drive（文档）、Slack（消息）、SharePoint，读取用户授权范围内、且受 workspace / admin 控制的内容。注意隐私边界：据 superpowerdaily 报道，OpenAI 明确表示连接器「只访问被授权账户可达的内容，不扩大数据访问范围」。

2. 风格特征抽取。 从样本中提取前面提到的四类特征，形成一份结构化的「风格画像」（style profile）。这大概率不是一个大的、可读的文本描述，而是一份可以被注入到上下文里的紧凑描述。

3. 生成时注入。 每次生成时，把风格画像作为系统提示的一部分带入，让模型在输出的微观层面（措辞、大小写、标点、结尾）向用户习惯靠拢。

下面的伪代码是一个开发者视角的示意，展示「风格画像 → 系统提示注入」这条链路大概长什么样：

# 示意代码：写作风格画像如何被注入到生成请求中（非官方实现）
style_profile = {
    "phrases": ["quick sanity check", "looping back on this"],
    "sign_off": "Best,\n{name}",
    "capitalization": "sentence-case for chat, title-case for headings",
    "punctuation": "prefers em-dash over semicolon",
}

def build_system_prompt(base: str, style: dict) -> str:
    # 把结构化的风格字段渲染成一段紧凑的自然语言约束
    style_block = "\n".join(
        f"- {field}: {value}" for field, value in style.items()
    )
    return (
        f"{base}\n\n"
        f"Writing style (learned from the user's connected apps):\n"
        f"{style_block}\n"
        f"Apply these habits to the reply, but don't explain them."
    )

这套设计的关键在于「风格与内容分离」：模型的知识能力不变，变的只是输出层的微观习惯。这也是为什么它能在 Web 与移动端同时生效——风格画像存在账户层，跨端共享，而不是某一次会话的临时状态。

关于连接器范围，有一处细节值得留意：runtimewire 与 chinaz 等多数报道都写的是 Gmail / Google Drive / Slack / SharePoint 四个；但 topaiproduct 的报道将列表写成 Slack、Gmail、Google Drive / Notion。这说明官方支持范围可能在测试阶段有调整，开发者若要做集成或对比，应以官方文档的实时列表为准，不宜把任何一份二手清单当成定论。

三、开发者视角：这意味着什么

如果你是做 AI 写作、营销文案、或者企业知识库类产品的开发者，这个功能至少释放了三个信号。

信号一：个性化从「提示词工程」走向「数据管道」。 过去「让 AI 像你」是用户侧的 prompt 问题；现在变成了平台侧的数据工程问题——接数据、抽特征、注入上下文。这意味着，「写作风格」未来可能像「记忆（memory）」一样，成为一套可被第三方通过 API 读写的基础设施。虽然目前官方没有公开相应的 API，但这几乎是可以预见的下一步。

信号二：风格画像是一个可复用的抽象。 你完全可以在自己的产品里做同样的事：让用户授权读一段历史文本，抽出一份风格 profile，然后挂到生成链路上。下面是一个更贴近「抽取」环节的示意：

# 示意代码：从用户历史文本中抽取写作习惯（简化版规则示意）
import re
from collections import Counter

def extract_style(samples: list[str]) -> dict:
    sign_offs = Counter()
    for s in samples:
        m = re.search(r"(?m)^([A-Za-z][\w, -]{0,12}),?$", s.rstrip())
        if m:
            sign_offs[m.group(1).strip()] += 1
    return {
        "sign_off": sign_offs.most_common(1)[0][0],
        "avg_sentence_len": round(sum(len(x) for x in samples) / max(len(samples), 1)),
        # 实际系统会在此之上叠加词频、大小写、标点等更细的统计特征
    }

这里的核心不是某个具体的正则有多聪明，而是想强调：「写作风格」一旦被当作可计算的结构化数据，就打开了一整类产品想象——风格迁移、团队统一口径、多语言风格保持等等。

信号三：隐私与版权边界会成为竞争点。 这个功能上线的时间点本身就很耐人寻味。据 topaiproduct 报道，距离 OpenAI 因版权诉讼而「禁止模仿具名作者风格」（包括已故的狄更斯、海明威等）仅约两周，它就推出了「学习你自己写作风格」的功能。有媒体用一句略带调侃的话概括这组对照：「你的声音可以，斯蒂芬·金的就不行（copying the one writer who can't sue you）」。

请添加图片描述

在隐私侧，OpenAI 的态度也值得单独拎出来说清楚：据 superpowerdaily 报道，数据「仅用于个性化，不用于训练通用模型」，来自 Google 应用的数据尤其如此（除用户反馈、手动复制进对话等特例）。这是一条关键的信任边界，也是企业采购这类功能时最在意的点之一。

四、对比与生态：它和现有能力是什么关系

把 ChatGPT 这几年的「个性化」能力排一排，能看到一条清晰的进化线：

能力 作用层面 是否自动 数据来源
Custom Instructions 用户手动写死的全局约束 否 用户自己填
Memory 跨会话记住用户说过的事实与偏好 是 对话历史
App connectors 连接外部应用读写数据 是（需授权） 企业应用
Writing style（本次） 学习并复用写作微观习惯 是 连接应用的文档/消息

前两者解决的是「ChatGPT 记不记得你、听不听话」，本次的 Writing style 解决的是「ChatGPT 像不像你」。它是 memory 与 app connectors 两条线的交汇点：既需要 connectors 提供数据，又产出一种「个性化资产」——而这恰恰是 ChatGPT 个人化路线的下一步，与多家媒体把它描述为「继 memory 与 app connectors 之后」的定位一致。

设置入口方面，据 chinaz / aibase 报道：Web 端在 Settings → Personalization → Writing style，并提供了直达链接 https://chatgpt.com/?surface=work&writing_style=setup。功能面向所有有 ChatGPT Work 权限的付费计划用户，不是企业版独占；设置需在 Web 端完成，生效则跨 Web + 移动端。

五、总结与展望

ChatGPT Work 的个人写作风格学习功能，本质上做了一件事：把「用我的语气写」从一次性的 prompt 技巧，沉淀成了账户级的、由真实数据驱动的基础能力。

它带来的价值是显性的——省去反复粘贴范例、维护 Custom Instructions 的负担，让生成内容在微观层面更像本人。但它真正的看点，是背后那套「风格向量化」的工程思路：把飘忽不定的「文风」，拆解成 phrases、sign-offs、capitalization、punctuation 这些可抽取、可注入、可跨端复用的结构化字段。

对开发者而言，这是一次值得跟踪的范式示范。可以预见的几个方向：

  • 风格画像是否会像 memory 一样开放成可读、可导出的 API；
  • 连接器清单在测试期会如何收敛（SharePoint 与 Notion 的去留）；
  • 「风格迁移」「团队统一口径」这类衍生能力何时出现。

当然，也有待观察的问题：学习到的风格会不会过于「机械地复刻」而丢失灵活性；在多人共用同一 workspace 时，风格画像的归属与隔离如何界定；以及「个性化」与「不训练通用模型」的隐私承诺，在规模化之后能否始终如一所宣称的那样干净。

无论如何，这一步意味着 ChatGPT 正在从「会写作的模型」走向「会用你的方式写作的代理」。对每一个在 AI 写作、企业协作、个人知识管理赛道上的人来说，这都值得放进你的观察清单。

参考链接：


原文地址: https://www.cveoy.top/t/topic/qHv0 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录