Communitygithub.com

Markenstimme

Erstelle aus echten Beiträgen, Essays, Launch-Notizen, Docs oder Website-Texten ein schreibstilbasiertes Profil und nutze es für Content-, Outreach- und Social-Workflows. Verwende es, wenn der User Stimmkonsistenz möchte, ohne generische KI-Schreibfloskeln.

Was ist Markenstimme?

Diese Fähigkeit (Skill) ermöglicht es dir, ein wiederverwendbares Stimmprofil aus authentischen Quellmaterialien zu erstellen, anstatt jedes Mal Stil von Grund auf neu abzuleiten oder auf generische KI-Kopien zurückzugreifen. Sie ist besonders nützlich für Entwickler, Content-Ersteller und Vertriebsteams, die konsistente Markenkommunikation über verschiedene Kanäle wie X, LinkedIn, E-Mail, Launch-Posts und Produkt-Updates hinweg sicherstellen möchten. Der Skill unterstützt Plattformen wie Claude Code, Cursor und ähnliche KI-Agenten. Der Workflow beginnt mit der Sammlung von 5 bis 20 repräsentativen Samples (z. B. Original-X-Posts, Artikel, E-Mails, Produktdokumente), extrahiert spezifische Stilelemente wie Satzlänge, Großschreibung, Klammergebrauch, Frageton und Übergänge, und produziert dann einen strukturierten `VOICE PROFILE`-Block. Dieser Block wird nach einem definierten Schema im Referenzverzeichnis gespeichert und kann von anderen nachgelagerten Skills wie `content-engine` oder `crosspost` direkt konsumiert werden. Hard Bans verbieten bestimmte KI-typische Formulierungen und sorgen für Authentizität.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/brand-voice

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Brand Voice (Markenstimme)

Erstellen Sie ein dauerhaftes Stimmprofil aus echtem Quellmaterial und verwenden Sie dieses Profil überall, anstatt den Stil von Grund auf neu abzuleiten oder auf generische KI-Kopien zurückzugreifen.

Wann zu aktivieren

  • Der Benutzer wünscht Inhalte oder Outreach in einer bestimmten Stimme.
  • Schreiben für X, LinkedIn, E-Mail, Launch-Beiträge, Threads oder Produktaktualisierungen.
  • Anpassen des Tons eines bekannten Autors über verschiedene Kanäle hinweg.
  • Der bestehende Content-Bereich benötigt ein wiederverwendbares Stilsystem anstatt einmaliger Nachahmungen.

Quellenpriorität

Verwenden Sie den stärksten verfügbaren Echtquellensatz in dieser Reihenfolge:

  1. Aktuelle originale X-Beiträge und Threads.
  2. Artikel, Essays, Memos, Launch-Notizen oder Newsletter.
  3. Echte ausgehende E-Mails oder DMs, die funktioniert haben.
  4. Produktdokumente, Changelogs, README-Rahmen und Website-Texte.

Verwenden Sie keine generischen Plattformbeispiele als Quellmaterial.

Sammel-Workflow

  1. Sammeln Sie 5 bis 20 repräsentative Beispiele, wenn verfügbar.
  2. Bevorzugen Sie aktuelles Material gegenüber altem Material, es sei denn, der Benutzer sagt, dass das ältere Schreiben kanonischer ist.
  3. Trennen Sie "öffentliche Launch-Stimme" von "privater Arbeitsstimme", wenn der Quellensatz klar geteilt ist.
  4. Falls Live-X-Zugriff verfügbar ist, verwenden Sie x-api, um aktuelle Originalbeiträge vor dem Verfassen abzurufen.
  5. Falls Website-Texte relevant sind, beziehen Sie die aktuelle ECC-Landingpage und Repo-/Plugin-Rahmen ein.

Was zu extrahieren ist

  • Rhythmus und Satzlänge.
  • Verdichtung vs. Erklärung.
  • Großschreibungsnormen.
  • Klammergebrauch.
  • Fraghäufigkeit und -zweck.
  • Wie scharf Behauptungen aufgestellt werden.
  • Wie oft Zahlen, Mechanismen oder Belege auftauchen.
  • Wie Übergänge funktionieren.
  • Was der Autor nie tut.

Ausgabevertrag

Erzeugen Sie einen wiederverwendbaren VOICE PROFILE-Block, den nachgelagerte Skills direkt konsumieren können. Verwenden Sie das Schema in references/voice-profile-schema.md.

Halten Sie das Profil strukturiert und kurz genug, um es im Sitzungskontext wiederzuverwenden. Der Punkt ist keine literarische Kritik. Der Punkt ist die operative Wiederverwendung.

Affaan / ECC-Standardeinstellungen

Falls der Benutzer Affaan / ECC-Stimme wünscht und die Live-Quellen dünn sind, beginnen Sie hier, es sei denn, neueres Quellmaterial überschreibt dies:

  • direkt, verdichtet, konkret.
  • Details, Mechanismen, Belege und Zahlen schlagen Adjektive.
  • Klammern dienen der Qualifikation, Eingrenzung oder Überpräzisierung.
  • Großschreibung ist konventionell, es sei denn, es gibt einen echten Grund, davon abzuweichen.
  • Fragen sind selten und sollten nicht als Köder verwendet werden.
  • Der Ton kann scharf, direkt, skeptisch oder trocken sein.
  • Übergänge sollten sich verdient anfühlen, nicht geglättet.

Harte Verbote

Löschen und umschreiben Sie jegliches von Folgendem:

  • Fake-Neugierde-Hooks.
  • "nicht X, sondern Y".
  • "kein unnötiger Schnickschnack".
  • erzwungene Kleinschreibung.
  • LinkedIn-Vordenker-Kadenz.
  • Köderfragen.
  • "Wir freuen uns, mitzuteilen".
  • generische Gründerreise-Füller.
  • alberne Klammerbemerkungen.

Persistenzregeln

  • Verwenden Sie das zuletzt bestätigte VOICE PROFILE in verwandten Aufgaben derselben Sitzung wieder.
  • Falls der Benutzer ein dauerhaftes Artefakt wünscht, speichern Sie das Profil im angeforderten Arbeitsbereich oder Speicherort.
  • Erstellen Sie keine im Repository verfolgten Dateien, die persönliche Stimmabdrücke speichern, es sei denn, der Benutzer fordert dies explizit.

Nachgelagerte Verwendung

Verwenden Sie diesen Skill vor oder innerhalb von:

  • content-engine.
  • crosspost.
  • lead-intelligence.
  • Artikel- oder Launch-Schreiben.
  • Kalt- oder Warm-Outreach über X, LinkedIn und E-Mail.

Falls ein anderer Skill bereits einen partiellen Stimmerfassungsabschnitt hat, ist dieser Skill die kanonische Quelle der Wahrheit.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills