你有沒有發現，最近叫 AI 寫東西，出來的成品愈來愈像電報？「方案已提交。預算待批。下週覆核。」每一句都對，但讀起來像被剪碎的新聞稿，主語不見了、連接詞消失了、語氣全平掉。這不是你的錯覺，也不是你提示詞寫得差——這是大型語言模型（LLM）在追求「效率」與「壓縮」時，一種被研究員稱為「電報體」（telegraphese）的現象。
這篇文章要帶你搞懂三件事：為什麼 AI 會寫出電報體、它對你的實際傷害在哪裡、以及最實用的部分——三個可以直接複製的指令與設定，把 AI 的文章從「斷裂名詞堆」救回「人話」。如果你每天用 ChatGPT、Claude 或本地開源模型寫郵件、報告、社群貼文，這篇會直接省下你大量改稿時間。
為什麼 AI 會突然寫出「電報體」？
先說結論：這不是模型壞掉，而是它在模仿訓練資料裡「高資訊密度」的寫法。2026 年 10 月，Hacker News 上一篇〈Write Like It’s 1866: LLMs Relearn Telegraphese〉引發討論，作者觀察到新一代模型在經過大量「摘要、標題、推文、程式註解」訓練後，傾向把完整句子壓縮成短句與名詞片語，因為這種寫法在訓練資料中往往被標記為「好答案」。
電報體的歷史原型來自 19 世紀電報，當時每個字都要付費，所以人們寫「ARRIVED SAFE STOP SEND MONEY STOP」。今天的 AI 不是為了省錢，而是為了「省 token」與「看起來精準」。問題是，中文的電報體比英文更難讀，因為中文少了連接詞與主語之後，句子之間的因果、時間、轉折全部消失，讀者必須自己腦補。
具體來說，電報體通常長這樣：主語省略（「已完成測試」——誰完成的？）、連接詞消失（「預算不足，延期」——是「因為」還是「所以」？）、語氣扁平（全部變成命令句或名詞句）、段落變成清單式的短句堆疊。當你把這種文字直接發給客戶或主管，對方不會覺得你精準，只會覺得你冷漠又難懂。
電報體對 HK/TW 讀者的實際傷害
在香港和台灣的職場語境裡，這個問題特別嚴重，原因有三個。第一，繁體中文的書面語本來就比英文更依賴「語感連接」，少了「因此」「然而」「換句話說」，讀者會直接卡住。第二，我們大量使用 AI 寫客服信、政府公文回覆、產品說明，這些場景一旦語氣扁平，會被解讀為「敷衍」或「不重視」。第三，電報體在 SEO 上其實是災難——搜尋引擎與 AI 答案引擎（AEO）都偏好語意完整的段落，破碎短句會讓你的內容難以被引用。
我實際做過一個小測試：請同一個模型用預設模式寫一封「向客戶道歉並說明延誤原因」的郵件，出來的是「延誤原因：供應商問題。新時程：下週三。造成不便，致歉。」——三句話，零溫度。同一封信，加上我下面要教的指令後，變成「很抱歉這次交期延誤，主因是供應商端的零件到貨比預期晚了一週。我們已經重新安排生產，新的交期是下週三，也會全程跟進確保不再延後。」同樣的資訊，後者才是能直接寄出的版本。
第一招：用「角色＋場景」指令把主語與語氣找回來
最有效的第一步，是在提示詞開頭明確指定「誰寫給誰、什麼關係、什麼目的」。模型之所以省略主語與語氣，是因為它不確定讀者是誰。你只要補上這三個資訊，輸出立刻不同。
具體指令可以這樣寫：「你是香港一家中小企的客戶經理，要寫一封電郵給合作兩年的台灣客戶，對方剛遇到交期延誤。請用完整句子、保留主語與連接詞，語氣誠懇但不卑微，全文 200 字內，不要用條列式。」關鍵字是「完整句子」「保留主語與連接詞」「不要用條列式」——這三句直接對抗電報體。
如果你想更省事，可以建立一個固定的「反電報體」前綴，存在備忘錄裡，每次貼上就用：「請用自然流暢的繁體中文書面語寫作。每個段落至少包含主語與動詞。使用『因為、所以、不過、因此、換句話說』等連接詞銜接句子。避免把內容拆成短句清單。若資訊適合條列，仍請先用一段完整說明再列點。」把這段話當成你的簽名檔，長期下來省下的改稿時間非常可觀。
第二招：調整模型參數，從源頭壓低「壓縮傾向」
如果你用的是 API 或本地模型（例如 vLLM、Ollama、LM Studio），可以從參數下手。電報體往往和兩個設定有關：溫度（temperature）太低會讓模型選最「安全」的短句，重複懲罰（repetition penalty）太高則會逼模型避開連接詞與常見句式，反而寫得更破碎。
實務建議：把 temperature 從 0.2 調到 0.6～0.8，讓模型有空間選擇較自然的長句；repetition penalty 維持在 1.0～1.1，不要超過 1.2；另外把 max tokens 拉高，因為電報體有時是模型「快用完額度」時的自我壓縮。如果你用的是 ChatGPT 或 Claude 的網頁版，沒有參數可調，那就改用「請寫滿 300 字，不要提早結束」這類指令來對抗壓縮。
還有一個很多人忽略的技巧：要求模型「先寫草稿再潤稿」。指令可以是「請先寫一版完整草稿，然後自己檢查是否有主語省略、連接詞不足的問題，再輸出修訂版」。這個兩段式流程會逼模型把句子展開，實測對中文效果特別明顯。
第三招：建立你的「人話檢查清單」，30 秒抓出電報體
就算指令寫得再好，AI 偶爾還是會飄回電報體。與其每次重寫，不如建立一份 30 秒檢查清單，貼在記事本裡，發文前掃一遍。清單只有五項：一、每段第一句有沒有主語？二、句子之間有沒有至少一個連接詞？三、有沒有連續三句都短於 15 字？四、語氣是否全部一致（沒有突然變成命令句）？五、把文章唸出來，會不會像在唸標語？
只要其中兩項以上中招，就回到模型，貼上「請把以下文字改寫成自然流暢的繁體中文，補回主語與連接詞，維持原意」——通常一次就能救回來。這個方法的好處是你不需要懂技術，只要會複製貼上。對每天要產出大量內容的行銷、客服、行政人員來說，這是最快建立品質防線的方式。
小結：把 AI 從電報員變回你的寫作夥伴
電報體不是 AI 的缺陷，而是它在「沒有足夠脈絡」時的預設行為。你補上角色與場景，它就會說人話；你調整參數，它就不會急著壓縮；你建立檢查清單，它就不會偷偷飄回去。這三招不需要寫程式，今天就能用。下次 AI 又交出一堆「已處理。待確認。儘速回覆。」的破碎句子時，別急著重寫——先貼上你的反電報體指令，讓它自己改回來。試一次，你就會發現差別有多大。
延伸閱讀
常見問題
Q: 為什麼我用 ChatGPT 寫中文，特別容易出現電報體？
A: 因為中文訓練資料中，標題、摘要、推文這類高壓縮文本比例很高，模型會把它當成「好答案」的範本。加上中文省略主語仍可讀，模型就更傾向壓縮。解法是在指令中明確要求「完整句子」與「保留主語與連接詞」。
Q: 調整 temperature 真的有用嗎？會不會讓內容變得不準確？
A: 有用，但要拿捏。temperature 從 0.2 拉到 0.6～0.8 能讓句式更自然，對事實型任務影響不大；若你寫的是財報數字或法規條文，建議維持低溫，改用指令與潤稿流程來補救語氣。
Q: 我用的模型沒有參數可調，怎麼辦？
A: 網頁版 ChatGPT、Claude 無法調參數，改用「請寫滿 300 字」「先寫草稿再潤稿」「不要用條列式」這三類指令，效果接近。關鍵是給模型「不壓縮」的明確理由。
Q: 電報體會影響 SEO 或讓 AI 搜尋引擎找不到我嗎？
A: 會。語意破碎的短句難以被搜尋引擎與答案引擎理解與引用，等於白白放棄曝光。改成語意完整的段落，不只讀者好讀，也更容易被 AI 摘要引用，對 AEO 有直接幫助。
Q: 有沒有快速判斷文章是否為電報體的方法？
A: 把文章唸出來。如果聽起來像在唸標語、每句都少一個主語、句子之間沒有「因為、所以、不過」，那就是電報體。這個方法 30 秒內就能判斷，不需要任何工具。