voice-dna

Voice DNA 是一个写作声音提取与仿写技能，核心目标有两个：从写作样本中提取作者声音，并依据提取结果可靠地以该声音写作。当规则与样本冲突时，以样本为准。

第一阶段：EXTRACT——构建声音指纹

需要提供某人 5-15 篇最佳作品。最少 5 篇、每篇 500 字以上；理想为 10-15 篇，覆盖不同格式（文章、通讯、社交媒体、邮件）。最佳信号是作者最自豪、最像自己的作品；不良信号包括代笔内容、经过重度编辑的委员会文档、SEO 填充内容。

从 7 个维度进行分析：

1. 句子节奏（最强信号）：测量长/中/短句比例、短句出现位置、主导标点特征、片段频率与位置。例如 Charlie Deist 的比例为 60% 长句、25% 中句、15% 短句，常用破折号；Dan Koe 则为 40% 短句、35% 中句、25% 长句，常用换行作为标点。
2. 结构模式：测量开头类型、论证形状、过渡风格、结尾类型。
3. 词汇指纹：测量反复出现的标志词、明显缺失的词、语域转换、隐喻家族。
4. 语气标记：测量默认语域、幽默类型、脆弱性模式、自信程度。
5. 反模式：测量从不使用的结构、从不采取的语气、避免的结构动作。
6. 引用世界：测量引用谁、引用哪些领域、如何引用、引用是装饰性还是结构性。
7. 微短语：测量重复的过渡短语、偏好的句子开头、括号填充语、方向转换信号。

提取提示词要求对每个维度提供：观察到的模式（尽可能具体测量）、一个直接引文示例、一句描述该作者绝不会做的事。最终生成 voice-dna.md 工件，包含 2-3 个最强原始样本作为基准事实。

第二阶段：CALIBRATE——测试与精炼

提取后，就不同主题写 3 段测试段落，作者按 1-5 分评分并标记具体失败类型：

• WRONG：完全不是我会说的话 → 重写产生该问题的规则
• OVERSTATED：我有时会这样，但你过度了 → 降低频率
• MISSING：我总会做的事这里缺失 → 添加新规则或微短语
• NEEDS_NUANCE：接近但语气稍有偏差 → 添加上下文限定
• TOO_FORMAL：太生硬，我在这里更随意 → 调整该语域
• LLM_ISM：听起来像 AI 而不是我 → 加入反模式列表

运行 2-3 轮校准，每轮应将错误率减半。预期进展：第 1 轮约 60% 像本人；第 2 轮约 80%；第 3 轮达到 90% 以上，剩余问题属于偏好而非模式。

检测层级与干预措施

资料指出，检测器主要检测统计特征而非词汇。按影响排序：句式变化（最高）、困惑度（高）、特异性密度（高）、文档结构（中高）、认知标记（中）、语域转换（中）、过渡词频率（中）、词汇禁用（单独最低）。

8 项干预按顺序执行：打破句式变化、注入特异性、添加真实不确定性、打破模板、转换语域、删除过渡词而不替换、引入自我矛盾、最后清理词汇。

30 种模式

资料列出了表面特征（如关联结构、谄媚开头、景观句、已死 AI 词汇）等可观察模式，但强调前 4 种模式单独修复影响最小，结构性干预更重要。

使用方式

该技能通过 skills.sh 平台以 slug voice-dna 访问，来源为 cdeistopened/skill-stack-skills。具体安装命令暂未提供。

适用场景

适用于需要从写作样本中提取并复用个人或他人写作声音的场景，如内容创作、品牌声音一致性维护、AI 辅助写作校准等。

限制

资料未提供收费、价格、平台兼容性等具体信息。效果依赖样本质量与数量，校准需要作者参与评分。