写一封让英语母语者觉得“这邮件像人写的”的英文邮件，其实比大多数人想的要复杂。很多人把提示词扔给ChatGPT，得到的却是满篇“I hope this email finds you well”和“please find attached”的套话，读起来就像是从二十年前的商务英语教科书里复制粘贴的。

真正的问题不在于模型本身，而在于你给它的指令太“泛”了。

先说一个核心判断：要让ChatGPT生成一封得体、专业、符合母语习惯的商务邮件，关键步骤不是“翻译中文”，而是在提示词里清晰地定义角色、上下文和语言边界。说白了，你得告诉它“你是谁”、“你面对谁”、“你有什么权力”，以及“绝对不要用什么词”。

设定明确的沟通角色与身份

第一步，也是很多人会跳过的一步：在提示词开头，直接给ChatGPT定义一个人设。不是“你是AI助手”，而是“你是一家英国金融科技公司的高级项目经理，英语流利，习惯了给跨部门同事写简明扼要、以行动为导向的邮件”。

这一步不设，模型默认会用最安全的通用语调——客气话堆砌、责任动词回避、主语弱化。结果就是邮件像拼贴画，没有决策力度。

紧接着，同步给出你自己的身份和权限。举个例子：“我是这个项目的主程，有权批准时间线调整，但无权变更预算。”这个信息很关键。没有它，ChatGPT很可能写成“we recommend...”这种模糊主语结构，而你要的明明是“I confirm the delivery window shifts to June 12”这种有决策锚点的表达。

注入真实业务约束条件

方法其实很简单：用短句把硬性限制一个个列出来，每条独立成行，不用连接词。

比如：邮件不超过120词；不许用缩写（得写“do not”而不是“don't”）——这是英美企业合规邮件的常见硬性要求，漏掉可能被法务退回；必须包含确切日期：2024年5月17日，星期五；引用工单ID：FIN-8821。

更高阶的做法是用“如果……那么……”这种嵌套逻辑来触发精准响应。比如：“如果收件人是外部法务，那就省略内部团队名称，只引用合同条款编号；如果是内部工程负责人，那就包含提交哈希值和部署环境。”

这一步不做，模型会默认走“最安全”的泛化路线，结果往往冗长、回避细节，读起来像免责声明。

指定语言风格与避坑指令

用否定式指令来封住那些高频雷区，直接写清楚：“不要用‘kindly’、‘please find attached’或‘I hope this email finds you well’。”这些短语在当代商务英语里已经显旧了，尤其对北美收件人，容易产生疏离感。模型如果没有被明确禁止，大概率会自动插入至少一处。

然后，给一个风格锚点句作为参照。比如这句：“The API timeout threshold has been increased to 3s — no code changes required on your end.”这句话为什么有效？因为它直接陈述结果、用破折号带出后续影响、省略所有多余的人情套路。让模型以此为基调去写。

最后，强制控制结构。直接在指令里写：“以结果开头，不要铺垫背景。先用‘Action completed’或‘Blocker resolved’起头，然后说明影响。”这个做法能有效防止模型陷入“Dear Sir/Madam → 长篇背景 → 委婉建议”这种低效结构。