ChatGPT 的寫作替代方案：三大 AI 助理對你的文字做了什麼

我看過有人把同一則訊息打了十一遍，這也是為什麼兩行的回覆可以花上一個小時。刪掉。重打。大聲唸一遍。傳給朋友，請對方幫忙看看。最後送出去的，是縮短到幾乎什麼都沒說的版本。

到了某個時候，多數人會把它貼進 ChatGPT。

它交回來的通常比較好：文法乾淨，句子精簡，囉嗦的地方也不見了。但那通常也不再是他們自己的話。訊息從一個緊張的人在凌晨 1 點寫的東西，變成一個能幹的陌生人在週二上午 10 點寫的東西，收到的人就算說不出差別在哪，也感覺得到。這個落差，正是我共同創辦的 App Subtext 要抓出來的。它會在你傳出去之前，先讀出這樣一則訊息正在做什麼。

所以我的偏見很明顯，後面的內容請帶著這一點去讀。我寧可讓這篇有用，也不想說服你，所以這篇的大部分內容，會先談三大 AI 助理做得好的地方，再談文字一旦變得私人，它們會怎麼出錯：這些出錯的方式很具體，也有相當完整的記錄。來源我都附了連結，讓你自己拿證據來衡量我的利害關係。

先從它們擅長的地方說起

如果你需要的是文法正確、更短、更清楚，或是翻譯，三個都很出色，直接用就對了。它們會修掉語病，刪掉沒必要的暖場開頭，把一段囉嗦的文字整理成三個俐落的句子，也能照你的指令切換語氣的正式程度。ChatGPT 的 Canvas¹ 提供並排編輯的介面，而不是丟給你一整面重新生成的文字。Gemini 的「Help me write」功能直接內建在 Gmail 和 Google Docs 裡，連打開工具這一步的麻煩，也幾乎省掉了。Claude 的 Projects 則能跨對話保存一份風格指南和一組參考文件。

對一封只求不冒犯、內容正確的工作電子郵件來說，這樣就夠了。讀到這裡，你可以停了。

接下來談的是另一類訊息。道歉。你一直拖著沒去設立的界線。回媽媽的訊息。傳給前任的訊息。這一類訊息的情況不一樣，三個模型的差異，也是從這裡開始變得重要。

改寫可能弄壞的四樣東西

我覺得把「表面品質」和「改寫忠實度」分開來看很有用。一則訊息可能越改越順，同時越改越糟，因為磨順的過程，會把真正在起作用的部分拿掉。把「這也是一種說法」改成「她強烈反對」，是更直白了，卻失真得多。

我的檢查清單上，有四樣東西是修改時必須原封不動的。我就是用這份清單來檢視改寫稿，不過還沒有人把它當成量表驗證過。

這篇後面提到的每一項抱怨，都是這四樣東西之一出了差錯。順帶一提，文法工具只會檢查第一項（事實），多數人評估 AI 的改寫稿時，也只注意得到這一項。

ChatGPT 很會察言觀色，卻改到你沒交代的地方

在對白上，ChatGPT 是三者中最有情緒直覺的。給它一個場景，兩個人聊著日常瑣事，其實是在避開某件痛苦的事，它通常會讓那件痛苦的事保持沒說出口。它寫出來的文字節奏自然，也很擅長看出字面底下的情緒動態。

它反覆出現的毛病，是不肯安分待在編輯的位置上。描述它編輯行為的使用者，講來講去都是同一個抱怨：它會改寫沒人要它碰的地方。

對訊息來說，有兩個連帶影響值得注意。第一，它會磨掉具體的細節。讓這則道歉真正屬於你的那一句，例如「我知道你在外面站了四十分鐘」，會被壓縮成「我知道我讓你等了」。網路論壇上的小說作者說，同樣的習性還有更嚴重的版本：他們要求逐行修改、保持長度，拿回來的卻是短了一大截的一章。

第二，模糊的語氣指令，會讓它大幅擺盪，而你要的只是微調。常見的回報是：它交回來的文字非常正式，你只請它不要那麼正式，它就一路盪到非常隨性。

而且，多餵它一些你自己的文字，也不一定能解決口吻的問題。有些作者貼進好幾千字自己的文章當參考，仍然回報說輸出聽起來就是 ChatGPT 的味道。

Claude 照要求做事，然後把你的心事講給你聽

在「你要什麼就做什麼，多的不做」這一點上，Claude 是三者中最強的。它遵守限制，不憑空編造細節，也很會處理內心描寫，所以大家想找一個不會接管自己草稿的模型時，它一再被提起。

這方面也有一份最接近硬性比較證據的資料。MultiPragEval 是一項評估英文、德文、韓文和中文語用理解的基準，結果顯示 Claude 3 Opus 在言外之意（implicature）和 Grice 式詮釋上，明顯領先 GPT-4。這是術語的說法，白話就是：它比較會推敲一個人真正想說的意思，而不是字面上說了什麼。²有兩點要提醒。這項基準測試的是理解，不是編輯。而且受測的模型現在已經是好幾代以前的產品，所以它顯示的是某個模型家族的傾向，不是目前的排行榜。

Claude 的失誤方式，和 ChatGPT 正好相反。它看懂了潛台詞，然後把它寫了下來。小說作者管這叫「過度說明」（explication drift）：模型把原本只是暗示的東西改成明說，寫出像「他們之間的沉默，承載著多年未說出口的重量」這樣的句子。放到一則訊息裡，它就變成心理諮商腔。

示意範例，並非實際輸出

我沒有不開心啊，只是發現你沒回訊息而已

這是你原本寫的。刻意輕描淡寫，重點就在這裡。

我想和你分享，遲遲沒有收到你的回覆，讓我有一點受傷，我想這是從我非常珍惜我們的友誼出發的。

潛台詞變成了台詞。語氣冷靜、表達清楚，卻把你原本刻意不說的那件事，明明白白地說了出來。

還有兩個 Claude 的毛病，常被人提起，值得事先防著。一是沒有限制時，它會加油添醋，使用者形容它的文字更有文采，有時也演得有點過頭。二是它很大方地給讚美，常把批評夾在稱讚中間，也就是所謂的「讚美三明治」。當你需要的是直截了當的判讀，想知道這則訊息會不會傳達得很糟，第二點就成了真正的問題。

Gemini 就在你身邊，卻不懂得留白

Gemini 的優勢在位置。它就在 Gmail 裡、Google Docs 裡，是許多 Android 手機預設的助理，免費方案也很大方。它沒有 ChatGPT 愛把你的文字縮短的習慣，面對棘手的內容時，說教也比較少。

關於它的寫作品質，說法莫衷一是，我認為這一點值得直說。有些經驗豐富的寫作者，認為它在創意寫作的評析與細膩度上，是三者中最好的。也有人覺得它有一套甩不掉的制式文風，聊天味很重，有人拿它比作 Reddit 上的留言。

和私人訊息最相關的，是 Gemini 幾乎沒有敘事上的克制。你若有話憋著沒講，它會把話攤到檯面上。小說家形容這就像在本該藏起來的細節上，掛了一塊閃爍的霓虹燈招牌。放進訊息裡，就是你小心繞開的那件事，最後出現在第二句。

三個模型共通的問題

一：它們都一味迎合你

這一項最重要，也是記錄得最完整的。

2025 年 4 月，OpenAI 推出一次更新，讓 ChatGPT 明顯變得更一味迎合使用者（sycophancy），四天後就撤回了。他們自己的說明文章³指出，模型「傾向於給出過度支持、卻不誠懇的回應」，並把原因追溯到過度看重使用者的短期認可。幾天後發表的後續文章⁴，更詳細說明了他們的審查流程漏掉了什麼。

背後的機制並非 OpenAI 獨有。一項涵蓋五個最先進 AI 助理的研究發現，用人類偏好資料訓練出來的模型，「經常為了符合使用者的看法而犧牲真實性」，因為這樣的訓練會獎勵附和。⁵

現在想想，大家實際上都拿什麼問這些工具。很少人貼上一則訊息，只是請它幫忙看文法。多半是問「這樣是不是話太重了？」或「是我反應太大嗎？」之類的問題，我在談一則訊息聽起來是不是很無禮的那篇裡，拆解過這類問題。可是這類問題問的對象，是一個在結構上就偏向告訴你「你沒問題」的系統。

通用型 AI 助理會幫你把愧疚牌打得更漂亮，卻往往不會提醒你，你正在打愧疚牌。

你要的是第二意見，拿到的卻是一個標點用得比你講究、專門幫你背書的人。

這一頁談到的所有問題裡，Subtext 最直接針對的就是這一項，而我選的解法是結構性的。解法我放在後面再談。

下面是 Subtext 直接點出有人在打愧疚牌的例子。這次測試用的是我特別編的一份英文草稿「After everything I’ve done for you, you can’t even call me back?」（大意是：我為你做了那麼多，你連回個電話都不肯嗎），所以下面引用的標籤和說明，都是 Subtext 以英文回傳的原文。

Subtext 在這份草稿上回傳的標籤是「Guilt-tripping」（打愧疚牌）和「Loaded language」（帶有強烈情緒色彩的措辭），並把感受標為「Hurt」（受傷）。它標出了開頭的幾個字，第一則說明針對的是「After everything I’ve done for you」，寫著這句話「tries to create guilt rather than simply asking for a call」，意思是這句話想製造愧疚，而不是單純請對方回個電話。

這只是 Subtext 在一份草稿上的表現，三個 AI 助理並沒有參與這次測試。

二：它們把你刻意為之的寫法修成「正常」

三個模型都會「更正」殘缺的句子、重複、不尋常的標點、留有餘地的說法和方言，就算那些是你刻意的選擇也一樣。要求它「保留口吻」也沒用，因為模型沒有辦法知道，哪些怪處是你的特色，哪些是真的錯誤。這方面 2026 年的幾項研究，我整理在〈改寫訊息，怎樣才不像機器人寫的〉這篇裡。

與此相關、而且更隱微的，是語意膨脹。模型會把「我可能去不了」改成「我沒辦法去」，或把「你好像有點怪怪的」改成「你不高興了」。每一次修改讀起來都更篤定，也更不準確，而在談一段關係的訊息裡，程度拿捏得準不準，幾乎就是內容的全部。

三：它們寫出大家一眼認得出來的腔調

每個模型都有自己愛用的說法。寫作者整理這些習慣已經有一陣子了，而一旦你看出來了，就再也忽略不了。

這份用詞清單背後，還有一個更大的疑慮。針對 AI 輔助寫作的多項研究發現，模型一介入，就會把不同的寫作者推向同樣的主流寫法，這代表你越常用這些工具，大家的文字就越趨於一致。⁶在一項 CHI 2025 的研究中，印度和美國共有 118 人寫下自己的生活經驗，開啟 AI 建議之後，印度參與者的寫作往西方風格靠攏。⁷一則訊息存在的全部意義，就是要讓人毫無疑問地認出是你寫的，朝這個方向走，正好走反了。

四：對方可能察覺，而你要付出代價

這是大家最容易低估的部分。有一系列研究，談的是所謂的「AI 中介溝通」（AI-mediated communication），它的核心發現令人不太舒服。人在辨認文字是不是 AI 寫的這件事上並不可靠⁸，而且他們試著辨認時，用的線索也有缺陷。但只要他們相信某段文字是 AI 生成的，就會比較不信任寫的人。⁹

所以，千篇一律的改寫稿，風險不只是訊息變得平庸，而是讀起來不真誠，而且偏偏發生在真誠就是整則訊息全部分量的那一刻。一則讓對方心裡 AI 警報響起的道歉，傷害比你自己寫的那則笨拙的道歉更大。

五：它們不知道你在傳訊息給誰

除非記憶功能或專案把前情帶過來，否則每次對話幾乎都從零開始。要拿到一份好草稿，你得先說明一段十年的友誼、三月發生了什麼事，以及為什麼「沒關係」這句話，在你們兩個之間有特定的意思。幾乎沒有人會這麼做，所以模型就只能寫給一個泛泛的對象。對關係一無所知的系統，能給你的就只有正式的語氣，這也是它的輸出常常聽起來像客服的原因。

正因為每次都從零開始，Subtext 才會直接讀你貼上或截圖的對話串，而且當草稿是在反駁某個人時，會先問你這則訊息是要給誰的。這也是 Subtext 有「記憶」功能的原因：你可以把最常傳訊息的對象存起來，每個人附上簡短的備註，寫你平常怎麼跟對方說話；在輸入框裡打 @，就會開啟你存下的人和風格清單。

還有一點，大家只會小聲提起。把一場爭吵的截圖、一份分手訊息的草稿，或是一則關於家人的訊息，貼進通用的聊天機器人，感覺和請它幫忙除錯程式碼不一樣。這種直覺並不是多疑。

小說作者怎麼應對這一切

接下來這段，是讓我相信這個缺口確實存在的原因，而不是我為了有東西可賣而編出來的。

小說作者最早碰上的，正是這些同樣的失誤，而且賭注更高、量也更大。他們繼續用這些模型，只是不再直接拿原始輸出來用。於是上面長出了一整層工具，像 Novelcrafter¹⁰ 這類寫作環境就是其中之一：你可以建立一份禁用陳腔濫調的詞庫，文字生成時它會用紅色標出來，也能對選取的段落執行「show, don’t tell」（用畫面呈現，而不是直接交代）這類針對性的操作。Sudowrite¹¹ 也有類似的做法，它有專門的處理步驟，把概括的敘述轉成具體的感官細節。

認真的使用者會更進一步，跑多模型的流程。一個模型負責整體架構的修改意見和潛台詞分析，第二個模型在嚴格的限制下逐行潤稿，接著是一道過濾，把 AI 慣用的字眼洗掉，最後由人過一遍，把口吻放回去。

光是修改一章，就要動用四個工具再加一張檢查清單。這樣做有效。但它同時也說明，通用型模型單靠自己做不了這份工作，而最在乎成品的那批人，早就接受了這一點。

現在把這套邏輯放到一則訊息上。沒有人會在回姊姊的訊息之前，先跑一條四階段的流程。需要多一層精修的需求是一樣的，願意花的力氣卻幾乎是零，這才是真正的產品問題。AI 訊息改寫工具對這類訊息到底有沒有用，我另外研究過。

更精細的工具該有哪些不同的做法

有三件事，沒有一件是「寫得更好」。

改寫之前先分析。在動任何一個字之前，先說出這份草稿正在傳達什麼，就像 AI 訊息檢查工具該做的那樣，包括寫的人沒有打算傳達的那一部分。這對一味迎合的問題也有幫助，因為先給判讀的工具，在有機會附和你之前，就已經對那個判讀表了態。這並不表示判讀一定正確。Subtext 跑在同一類模型上，所以你要像追問朋友那樣追問它：哪些字詞支持這個判讀？這些字詞還可能被怎麼解讀？

把差距攤開來，別藏起來。一個貼近你原稿的版本，和一個從零寫起的版本並排放著，比單單一份修飾好的取代稿更有用。你看得出改了什麼，也能決定自己願不願意聽起來是那個樣子。

不只讀訊息，也要讀關係。這個人對你來說是誰，對話串顯示你已經試過什麼，以及「沒關係」在這段特定的友誼裡是什麼意思。

這三件事，正是我在做的東西，所以這一節接下來的內容，請照這個前提去讀。Subtext 會在提出任何建議之前，先標出你所寫內容裡的情緒，這是個刻意讓人覺得煩的設計選擇，因為它最有用的那一刻，正是你最不想聽的那一刻。

示意範例，並非實際輸出

沒關係，我懂，你很忙。我不會再問了。

這是你原本會傳的版本。讀起來像在抽身，而「我不會再問了」是披著道歉外衣的威脅。

嗨，我完全理解你最近一直很忙。今晚的事完全不用擔心，你哪天方便再告訴我就好，我們再另外安排。

一份泛泛的改寫稿。文法正確、語氣宜人，卻把你受傷這件事刪掉了，而那正是原稿裡唯一的資訊。

沒關係。不過我有點失望。我寧可講出來，也不想假裝沒事。

口吻不變，保留了受傷的感覺，拿掉了威脅，也沒有加上任何你沒說過的話。

第三件事，也就是關係，是「記憶」存放的東西。每位已儲存對象的備註，你都可以查看、修改或刪除，不刪就會一直保留。

同一句話交給兩位已儲存的人，版本的差異就看得出來。為此，我在一個測試帳號的「記憶」裡放了兩份人物資料：一位是名叫 Maya 的好朋友，備註裡有「Jokes land well, sarcasm does not.」（意思是玩笑她接得住，諷刺不行），平常用的風格是「Friends」（朋友）；另一位是名叫 Jonas 的主管，備註裡有「Keep it brief and factual.」（意思是簡短、只講事實），平常用的風格是「Work」（工作）。這兩個人是編的，App 回覆的內容不是。這幾次執行用的請求都是英文，所以下面引用的版本和說明，都是 Subtext 以英文回傳的原文。

在對話上方選了「Friends」和 Maya 之後，請求是「tell her I can’t make it on Saturday, I’m wiped out」（告訴她我週六去不了，我累癱了）。Subtext 把「I can’t make it on Saturday, I’m wiped out」當成草稿，提供了三個版本。第一個版本是「I can’t make it on Saturday, I’m completely wiped out. Sorry!」（週六我去不了，我完全累癱了，抱歉）。第二個版本是「Bad news, I’m running on empty and can’t make it Saturday. I’d be a zombie anyway. Sorry, Maya!」（壞消息，我電力耗盡，週六去不了，反正去了也是一隻殭屍，抱歉啦，Maya），它的「可放心傳送」標示背後的說明寫著「A light joke at your own expense, which Maya enjoys, with no sarcasm.」（拿自己開個小玩笑，Maya 喜歡這種，而且沒有諷刺）。

選了「Work」和 Jonas 之後，請求是「tell him I can’t make it on Saturday, I’m wiped out」（告訴他我週六去不了，我累癱了）。第一個版本是「I can’t make it on Saturday. I’m completely wiped out and need to rest.」（週六我去不了。我完全累癱了，需要休息），它的說明寫著「Leads with the news and gives a short honest reason. Brief and factual, which suits a message to your manager.」（先講結論，再給一個簡短而誠實的理由。簡短、只講事實，適合傳給主管的訊息）。

「Work」風格的設定寫著「No exclamation marks.」（不用驚嘆號），給 Jonas 的三個版本都沒有驚嘆號，給 Maya 的三個版本則有兩個用了驚嘆號。這與那條設定吻合，但不能證明是它造成的。兩次執行裡，第三個版本都多加了一個沒人要求的提議：給 Maya 的是很快再聚聚，給 Jonas 的是交接手上的事。Subtext 自己也點出了這一點，給 Maya 的那次寫的是「The last one suggests catching up soon, which you didn’t say, so drop it if you’d rather not.」（最後一個版本提議很快找時間聚聚，這是你沒說過的，不想要就刪掉）。兩次的第一個版本也都把「wiped out」變成了「completely wiped out」（累癱變成完全累癱），也就是本文說的語意膨脹，而兩則說明都沒有提到這一點。兩次執行只是示範，不是測試。

你也可以先發洩一番。這時通用型 AI 助理得等你下指示，不會主動追問；Subtext 會先問。

另一次執行，客戶和專案都是為此編的。我傳給 Subtext 的不是草稿，而是貼在客戶一封語氣開朗的電子郵件下方的一段發洩情緒的話：「好啦老實說我很煩。跟 Lea 都已經開第三次會了，追蹤居然還是壞的」。後面我接著寫，她人很好，他們 11 月要募資，她卻反而跑去重新設計商店頁面，最後寫到我得發一份今天的重點整理給她，「但又不想聽起來像在說教」。

Subtext 把感受標為「煩躁」，沒有給任何字詞加標籤，先說「在寫重點整理之前,我想先問你幾件只有你知道的事。」，然後問了五個問題：今天會議的重點有哪些、追蹤這件事希望 Lea 在禮拜四前具體做到什麼、「新開的廣告帳號,追蹤要裝在新帳號上嗎?」、要不要提到 11 月募資和投資人的數字，以及還有什麼想讓她知道或想問她的。

我只回答了兩題：會議重點填的是「廣告帳號設定、禮拜四前的下一步」，最後一題補了「工程師明天修好追蹤」。它說會把追蹤當成禮拜四前一起搞定的事來講，「不帶說教的味道」。第一個版本「簡短直接」標為「可放心傳送」，先列了兩點重點，接著寫「追蹤可以請你們的工程師明天處理嗎?我覺得應該不用花太多時間。弄好之後我們禮拜四就能直接看數字,也比較好接著討論。」。煩躁留在那段發洩情緒的話裡。這項請求附上了明確的日子，「十分鐘的事」變成了「我覺得應該不用花太多時間」，給的理由是禮拜四能直接看數字，而不是你的不滿；商店頁面改版在這一版裡一個字都沒提。第三個版本「重寫版:先講好處」倒是提了，把追蹤和她正在做的改版連在一起，寫的是「商店頁面改版的效果也才看得出來」，當成好處來講，不是批評。

三個版本都標為「可放心傳送」，這次沒有哪一版拿到「再確認一下」。多出來的東西，它自己有點出來：第三版裡的「第一批數字」，標示背後的說明寫著「是我替你推的說法,你可再確認」。最後它還說了哪兩件事留白：「你沒說追蹤要不要裝在新廣告帳號上,以及是否提 11 月募資,所以草稿都沒寫。」，所以投資人這個角度，三個版本裡都沒有出現，原因是我沒回答那一題，不是它漏了。這是 App 實際回傳的內容，未經修改。

實際用起來，你可以貼上草稿，或把對話串截圖，讓 Subtext 讀到雙方說的話；它會先告訴你，這則訊息即將向對方傳達什麼，再提供幾個仍然聽起來像你的版本。

我仍然會打開 ChatGPT 的時候

長篇文件。專業場合的電子郵件。任何「正確」比「看得出是你寫的」更重要的事。研究、初稿、翻譯，還有在你不知從何下筆時，讓空白頁面先有幾行字的那份解圍。

還有一項不利於我自己論點的事實，我寧可寫進來，也不想略過。一項針對公開論壇上醫療問題的研究¹²發現了下面這件事。

研究發現 在 78.6% 的比較中，評估者偏好聊天機器人的回答，而不是醫師的回答；聊天機器人的回答被評為有同理心或非常有同理心的比例，是醫師回答的將近十倍。

這些模型能寫出讀起來溫暖的文字，這項能力是真的。

它們很少主動做的，是告訴你，你的訊息讀起來像最後通牒。它們會把最後通牒改得更順，還誇你很誠實地表達了情緒。這個落差很小，卻占了這份工作的大半，我做 Subtext，就是為了補上它。它會在改寫你的任何一個字之前，先說出你的訊息讀起來像什麼。

關於模型版本的說明。上面談到的行為，在每個模型家族的好幾代產品中都一直成立，所以我大多避免點名特定版本。這些系統每隔幾個月就會變，任何把論點綁在某個版本號上的文章，到冬天就不準了。

---

覺得我對你愛用的模型不公平嗎？歡迎到 LinkedIn 告訴我。

Samet Durgun 是 Subtext 的共同創辦人，這款 App 會抓出你訊息中的情緒語氣，並用你自己的口吻改寫。他住在柏林。

---

資料來源

上面的每個連結，只要有原始來源，都直接連到原始來源。

1. OpenAI, “Introducing Canvas,” 3 October 2024.
2. Park 等人, “MultiPragEval: Multilingual Pragmatic Evaluation of Large Language Models,” 2024. 測試了英文、德文、韓文和中文，涵蓋 Grice 式的各個類別；當時因為 API 存取的原因，Gemini 未納入測試。
3. OpenAI, “Sycophancy in GPT-4o: what happened and what we’re doing about it,” 29 April 2025.
4. OpenAI, “Expanding on what we missed with sycophancy,” 2 May 2025.
5. Sharma 等人, “Towards Understanding Sycophancy in Language Models,” Anthropic, arXiv:2310.13548, October 2023.
6. 針對 AI 輔助寫作中風格趨同現象的研究，包括 Padmakumar and He, “Does Writing with Language Models Reduce Content Diversity?”, ICLR 2024，以及 Doshi and Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances, 2024.
7. Agarwal, Naaman and Vashistha, “AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances,” CHI 2025.
8. Jakesch, Hancock and Naaman, “Human heuristics for AI-generated language are flawed,” PNAS, 2023.
9. Jakesch, French, Ma, Hancock and Naaman, “AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness,” CHI 2019. 另見 Hancock, Naaman and Levy, “AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations,” Journal of Computer-Mediated Communication, 2020.
10. Novelcrafter 的 Codex 功能與文字取代提示功能。
11. Sudowrite 的 “Show, Don’t Tell” 與 Describe 功能。
12. Ayers 等人, “Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum,” JAMA Internal Medicine, 28 April 2023. 585 次評估；78.6% 的比較中偏好聊天機器人的回答，被評為有同理心或非常有同理心的比率是醫師回答的 9.8 倍。