Голос бренда в AI-контенте: как добиться, чтобы нейросеть писала и оформляла как вы

Знакомая история. Вы час объясняли модели, как говорит ваш бренд, получили отличный пост — и через неделю, в новом чате, снова читаете текст, который мог написать кто угодно. Вчерашние договорённости о тоне остались в старой переписке.

Дело не в том, что модель плохо слушает. Голос бренда просто негде хранить: в чате он живёт до конца сессии, в голове маркетолога — до его отпуска. Чтобы AI звучал как вы каждый раз, голос нужно вынести в то, что модель читает перед каждой работой, и в то, что можно проверить.

Ниже — как это делают команды, у которых AI пишет и верстает каждый день, и как это устроено в этом блоге. Опираюсь на два разбора Vercel: про голос в маркетинговых текстах и про design.md, файл визуального стиля для агентов.

Почему AI-тексты звучат одинаково

Три причины, и все три — не про качество модели.

Модель пишет среднее. Она училась на маркетинге тысяч компаний и без подсказок выдаёт их усреднённый голос. Отсюда ощущение, что текст «ни о ком».

Сессия начинается с нуля. Всё, что вы объяснили вчера, сегодня не существует. Даже внутри одной системы агентов у каждого исполнителя обычно чистый контекст — голос туда сам не перетечёт.

Определение голоса правят все. Один дописал в промпт «поживее», другой — «без эмодзи», третий скопировал старую версию. Через месяц у бренда пять голосов.

Отсюда рецепт: голос должен жить в механизме из четырёх деталей.

Деталь 1. Один документ о бренде и один хозяин

Всё, что делает бренд узнаваемым, собирается в один документ. Его читают все, кто пишет: и люди, и модели, и перед каждой задачей. А правит один человек.

Это важнее формата. Голос расползается быстрее всего, когда его определение может менять каждый. Остальные предлагают правки хозяину, но не вписывают их сами.

Документ должен лежать в одном месте, откуда его берут все инструменты. Тогда обновление за минуту доходит до всех текстов, а не теряется среди копий в десятке промптов.

Шаблон, с которого удобно начать:

# Бренд: <название>

## Кто мы и для кого
Одним абзацем: что продаём, кому, какую проблему решаем.

## Как мы звучим
Три слова: <например, прямо, спокойно, по делу>
Но не: <например, не панибратски, не канцелярски>

## Как обращаемся к читателю
«Вы» или «ты», длина фраз, допустим ли юмор.

## Слова, которые используем / которых избегаем
Свои термины и запреты. Запреты — списком, их будет проверять программа.

## Факты — источник правды
Цены, сроки, гарантии, названия тарифов. Всё, что нельзя придумывать.

## Каналы
- Telegram: длина, эмодзи, призыв.
- Рассылка: тема письма, обращение, одна мысль на письмо.
- Лендинг: заголовок, доказательства, кнопка.

## Три хороших примера — и чем хороши
## Три плохих примера — и что в них не так

Хозяин документа: <имя> · Обновлён: <дата>

С чистого листа такой документ писать не нужно. Пусть его соберёт сама модель, расспросив вас:

Помоги мне собрать документ о голосе бренда по шаблону ниже.
Задавай вопросы по одному разделу за раз и жди моих ответов.
Если ответ расплывчатый («пишем живо»), попроси пример: как звучит
«живо» и как звучит «неживо».
Когда разделы закончатся, собери документ целиком и покажи мне.
Ничего не сохраняй как итоговую версию, пока я не подтвержу.

Шаблон: <вставьте шаблон>
Материалы о компании: <сайт, 3–5 удачных текстов>

Последняя строка промпта не формальность. Источником правды должна стать версия, которую вы прочитали, а не та, что модель сочла удачной.

Деталь 2. Правила по каналам и стоп-слова

Пост в Telegram, письмо и лендинг — разные жанры. У каждого канала свои правила: длина, обращение, эмодзи, призыв. Их записывают отдельно, а общие правила голоса — один раз, чтобы не повторять в каждом промпте и не получить пять расходящихся версий.

Отдельная история — слова, которых у бренда быть не должно. Их стоит держать списком, который проверяет программа, а не человек на глаз. Человек устаёт и пропускает. Список не устаёт.

Так устроена проверка текста в нашем Telegram-боте. Первый слой — каталог штампов на регулярных выражениях: «в современном мире», «не секрет, что», «играет важную роль», «открывает новые возможности», пафосные усилители вроде «поистине» и «невероятно». Он срабатывает мгновенно и ничего не стоит. Второй слой — разбор моделью: насколько текст звучит по-человечески, цитаты проблемных мест и вариант «было → стало». Сам каталог вырос из разбора 33 паттернов AI-слопа.

Общие штампы нейросетей — только половина списка. Вторая половина ваша: слова конкурентов, устаревшие названия продуктов, обещания, которые юрист запретил давать.

Деталь 3. Проверка по критериям до того, как текст увидит человек

Перед тем как черновик попадёт к вам, его сверяют с короткой рубрикой. Когда критерии записаны, правка перестаёт зависеть от настроения того, кто проверяет. Рубрика может быть совсем простой:

1. Все факты из брифа на месте и не искажены?
2. Понятно, что читатель должен сделать после текста?
3. Нет слов из стоп-списка?
4. Длина и формат соответствуют правилам канала?
5. Текст ближе к хорошим примерам из документа, чем к плохим?

Проверять по рубрике может та же модель, до того как вернуть текст, или отдельная — чтобы не оценивала саму себя.

У такой проверки есть граница, и о ней надо помнить. Рубрика проверяет ремесло, а не смысл. Она поймает стоп-слово и лишние эмодзи, но не заметит неверное обещание клиенту или рассылку не той аудитории. Это остаётся за человеком.

Из той же логики — правило подтверждения. Черновики модель пишет свободно, а всё необратимое делается только после вашего «да»: отправка рассылки, публикация, удаление. В шаблоне маркетинговой команды Vercel так и сделано: отправка письма или публикация поста останавливается и ждёт кнопки «одобрить».

Визуальный стиль: словами его не передать

С оформлением та же задача, но сложнее. Слова о визуальном стиле субъективны: «чистый макет» или «аккуратная сетка» каждая модель понимает по-своему.

Vercel наткнулся на это напрямую. Внутренние правила дизайна для агентов сначала просто собрали в один публичный промпт — и разные модели по одному и тому же описанию сделали совершенно разные страницы. Внутри репозитория агенту помогали живые компоненты и готовые примеры рядом с правилами, а в промпте остались одни слова.

Рабочим решением стала система из трёх частей:

• Документ с суждениями — как строить страницу под задачу читателя, как подавать доказательства, какие приёмы запрещены. Типичные «сгенерированные» приёмы там названы по именам: так модель надёжнее их узнаёт и обходит.
• Готовая таблица стилей с описанными классами и токенами. Решения о шрифтах, отступах и сетке у модели просто забрали: она собирает страницу из готовых классов, а сам CSS даже не читает — он подгружается уже в браузере и не занимает место в контексте.
• Петля проверки — о ней ниже.

Проверили ли, что это работает? На трёх сценариях одна и та же модель сделала страницы с файлом и без него, по одной попытке без перегенерации. Затем по всем шести страницам прогнали автоматические проверки на уже известные ошибки.

Сами авторы честно ограничивают вывод. Проверки ловят только те ошибки, которые уже названы и записаны, — о дизайне в целом тест ничего не говорит. Зато он показывает главное: ошибка, которую назвали и превратили в правило, перестаёт повторяться.

Как это устроено в блоге

У этого блога тоже есть свой «design.md», только для картинок и отчётов:

• Два визуальных слоя, которые не смешиваются. Обложки — тёмно-синие кинематографичные. Иллюстрации внутри статей — маркерные скетчи на белом фоне.
• Стилевая константа. К каждому промпту иллюстрации дописывается один и тот же неизменный блок: белый фон, чёрный маркерный контур, ровно два акцентных цвета, заголовок в оранжевой рамке, вывод — в синей.
• Эталон для отчётов бота. Все HTML-отчёты повторяют токены и блоки одного эталонного отчёта: фирменный тёмно-синий фон, акцентный цвет, логотип сверху, крупные заголовки секций.
• Правила из реальных ошибок. Правило «проверять надписи на картинке глазами» появилось не из теории. Модель выдавала «ДБА» вместо «ДВА» и превращала «задачи» в набор латинских букв. Такие иллюстрации перегенерируем, а правило записано рядом со стилевой константой.

Правило попадает в документ только после повторяющейся правки

Самая ценная часть подхода — не документ, а то, как он пополняется. У Vercel ни одна строчка не попала в файл без проверки: страницы генерировали по зафиксированным сценариям, правку записывали, прогоняли снова и смотрели, закрепилась ли она и не сломала ли что-то в других материалах. На первую версию файла ушло больше двухсот прогонов.

Малому бизнесу двести прогонов не нужны. Хватит упрощённой петли:

1. Возьмите один повторяющийся материал — пост, коммерческое предложение, рассылку — с реальными вводными.
2. Сохраните базовую версию, сгенерированную без документа. Без «до» не понять, помог ли документ.
3. Выпишите последние десять правок, которые вы вносите руками, и переформулируйте каждую так, чтобы её можно было проверить.
4. Сгенерируйте тот же материал с документом, перемешайте с базовой версией и оцените обе вслепую по рубрике.
5. Кладите правку в самое узкое место, где её можно удержать: суждение — в документ, повторяющуюся механику — в шаблон, то, что проверяется автоматически, — в проверку.
6. Ошибку одной модели не вносите в правила, пока она не повторится у других.

Третий шаг решает больше, чем кажется. «Сделай почище» модель трактует как угодно, «таблица на всю ширину страницы» — проверяется одним взглядом. «Звучит сухо» — пожелание, «в первом абзаце ситуация читателя, а не описание компании» — правило.

flowchart TD
    A["Повторяющийся материал<br/>с реальными вводными"] --> B["Базовая версия<br/>без документа"]
    B --> C["Версия<br/>с документом"]
    C --> D["Слепое сравнение<br/>по рубрике"]
    D --> E{"Какая правка<br/>повторяется?"}
    E -->|суждение| F["В документ<br/>о бренде"]
    E -->|механика| G["В шаблон"]
    E -->|проверяется программой| H["В автоматическую<br/>проверку"]
    E -->|у одной модели| I["Ждём,<br/>пока повторится"]
    F --> J["Прогнать<br/>снова"]
    G --> J
    H --> J
    J --> D

И дальше петля не останавливается. Раз в неделю или месяц соберите жалобы на тексты и посчитайте, какие повторяются. После нового правила частота должна падать. Если не падает — правило сформулировано нечётко, не загружается в нужный момент или его пора превращать в автоматическую проверку.

Чего этот подход не делает

• Не подбирает голос сам. Без документа и правил модель продолжит писать средний маркетинг — механизм работает, только когда его настроили.
• Не обновляется сам. Если в документе прошлогоднее позиционирование, модель аккуратно перенесёт его в каждый новый текст. У документа должен быть хозяин и дата обновления.
• Не проверяет смысл. Стоп-слова и рубрика отвечают за ремесло. Верность обещаний, выбор аудитории и стратегию проверяет человек.
• Не даёт гарантий. Даже в тесте Vercel с файлом стиля каждая страница имела ошибку. Механизм снижает число повторяющихся промахов, но не заменяет финальный взгляд.

Вывод

Голос бренда в AI-контенте держится не на удачной формулировке в промпте, а на четырёх деталях: документе с одним хозяином, правилах по каналам, стоп-словах, которые проверяет программа, и рубрике перед выдачей. А растёт этот механизм из ваших же правок — если записывать их проверяемыми и класть в правильное место.

Следующий шаг: соберите десять правок, которые вы чаще всего вносите в AI-тексты руками, и перепишите каждую как проверяемое правило. Это и есть первая версия документа о бренде — осталось назначить ему хозяина.

Читайте также

Хотите собрать документ о бренде и правила проверки под свои каналы — напишите мне в Telegram.