用途：在内容分发流水线的末端，对四个平台产出文件做逐一的语气（voice）审计，确保各平台文案符合既定 voice 规范与平台语调差异。
主要能力：读取 4 个输出文件、voice-profile.md 及适用的 voices/{section}.md；对每个文件扫描 voice-don'ts（如 delve、unpack、paradigm shift、emoji、感叹号、“I think”、“AI-is-transforming”、自定义 CTA）与 voice-dos（开头句归类、em-dash 重构、保留 hedge、论文署名）；做平台特定语调检查；输出 voice-check.md 给出每个文件 PASS/FAIL 及带定位与 voice-profile 引用的标记列表。
平台语调规则：Substack Note 最接近散文语气，过度打磨读起来像 AI 改写即标记；X 更断言、更可引用，过度 hedge（“Substack leak on X”）标记；LinkedIn 从业者口吻、稍少自白，原始自白（“Substack leak on LinkedIn”）标记；Cross-post 用第三人称，出现第一人称（“I argue…”）即标记。
使用方式：作为 Distribution Translator 的最终 gate 运行；若任一文件 FAIL，将 flag 列表回传 Distribution Translator，由匹配的重写技能带 flags 重新运行，每个产物最多 2 轮。2 轮后仍 FAIL 则输出 DESIGN-NOTE 提示该文章语气可能无法干净迁移到该平台，建议用户复核，并发布当前最佳版本并标记给作者。输出写入 ops/distribution/{date}-{slug}/voice-check.md。
限制与护栏：每个 flag 必须引用 voice-profile 行，无引用不得标记；首轮为建议性，2 轮后为阻断；不直接写平台文件，只发出 flag 列表；先查禁用词正则（快）再做语调检查（慢）；论文署名规则要求每个平台文件首次提及时包含 Author、Institution、Year；四个文件 emoji 零容忍。
分类：写作与研究。