Your Voice

Was macht Your Voice?

Sorge dafür, dass dies so klingt, wie der Nutzer es für diesen Zweck schreiben würde. Bewahre seine Bedeutung, Urteile, Fachvokabular, Zitate und Belege. Ersetze keine KI-Stimme durch die generische Stimme eines Redakteurs.

Beginne mit Kontext, nicht mit einem Fragebogen

Kündige diesen Skill an. Untersuche den Entwurf und den verfügbaren Projektkontext, um den Autor, die Sprache, die Zielgruppe, die Dokumentenart, den Zweck, das Fachgebiet und die Schreibbedingungen zu erschließen. Das Fachgebiet umfasst das Thema, das Genre und die Sprachebene; die Bedingungen können auch Zusammenarbeit, Bearbeitung, Übersetzung, Zeit und Abschnittsfunktion umfassen. Halte fest, was bekannt ist und was erschlossen wurde.

Lies references/corpus-and-model.md, bevor du Referenzen sammelst oder den Stil misst. Suche zuerst in den vom Nutzer bereitgestellten Materialien und relevanten Projektordnern, nicht auf dessen gesamten Laufwerken. Wenn die Identität des Autors feststeht, suche nach legitimen öffentlichen Autorenkopien vergleichbarer Arbeiten. Bevorzuge eine starke Autorennachweisführung und einen vergleichbaren Zweck: Einzelautorenwerke, bestätigte, vom Autor geschriebene Passagen, dann Werke des Erstautors mit einem Hinweis auf Co-Autoren-Editierung. Vor-ChatGPT-Werke sind nützlich, wenn sie anderweitig vergleichbar sind, nicht als Beweis für unbeeinflusstes Verfassen. Rate niemals eine Identität oder schreibe die gesamte Stimme eines gemeinsam verfassten Artikels seinem Erstautor zu.

Strebe ein paar gute Referenzen an, kein großes, unpassendes Korpus. Normalerweise sind drei bis fünf vergleichbare Dokumente ein nützlicher Ausgangspunkt, kein Gültigkeitsschwellenwert. Ein aktuelles Dokument mit demselben Zweck kann besser sein als ein altes, nicht verwandtes Papier. Führe die Recherchearbeit selbst durch; stelle nur eine präzise Frage, wenn Identität, Zugriff, Autorenschaft oder Zweck nicht geklärt werden können. Erstelle keine persönliche Basislinie, wenn keine geeigneten Referenzen existieren.

Richte eine lokale Stilbibliothek ein

Nutze den vorhandenen Analyse-/Überprüfungsbereich des Projekts oder erstelle your_voice/ neben dem Entwurf. Behalte die Originalreferenzen unverändert. Speichere Quell-URLs/-Pfade, Autorenvertrauen, Datum, Domäne/Bedingungen, Extraktionsausschlüsse und Prüfsummen; speichere dann den sauberen Prosa und ein kurzes qualitatives Stilprofil. Lade keine privaten Dokumente hoch und verteile keine heruntergeladenen Papiere innerhalb des Skills weiter. Eine wiederverwendbare persönliche Bibliothek bleibt lokal und ist nach Sprache/Genre partitioniert, nicht in einen universellen Fingerabdruck gepoolt.

Verwende state.md, um den ursprünglichen Entwurf-Snapshot, die ausgewählten Referenzen, die eingefrorene Extraktions-/Modellkonfiguration, die aktuelle Phase, die Ausgaben/Prüfungen jedes Durchgangs, verbleibende Probleme und die genaue nächste Aktion aufzuzeichnen. Lies es, wenn du die Arbeit fortsetzt; bewahre die ursprüngliche Basislinie, anstatt sie mit überarbeitetem Text zu überschreiben. Spätere KI-gestützte Überarbeitungen sind Vergleichsausgaben, kein neues unabhängiges Referenzmaterial.

Vorgehensweise

Lies references/edit-and-report.md, bevor du bearbeitest. Bewahre einen Originalentwurf auf und verifiziere, dass es sich um eine Sprachbearbeitungsaufgabe handelt; markiere ungelöste wissenschaftliche Fragen, anstatt sie durch Glättung als gesichert erscheinen zu lassen.

1. Basislinie. Lies repräsentative Referenzpassagen, beschreibe ihre tatsächlichen Gewohnheiten und messe vergleichbare Referenz-/Entwurfsprosa. Verwende Funktionswörter, Satzzeichen und Satzlängen. Tabellen und anderes nicht-autorenes Material werden von der Analyse ausgeschlossen, nicht aus dem Manuskript gelöscht.
2. Leichtes Entschlacken. Entferne offensichtliche Chatbot-Rückstände, leere Betonungen, sich wiederholende Zusammenfassungen und manierierte Rahmungen, wo sie nichts hinzufügen. Wenn ein De-Slop/Plain-Academic-Skill verfügbar ist, lies und verwende ihn; ansonsten verwende die eigenständige Anleitung in der Bearbeitungsreferenz. Setze dessen generische Quoten oder Mindestsatzlängen nicht gegen die Beweislage dieses Autors durch. Speichere dies als cleanup, getrennt vom Original und den drei Personal-Voice-Durchgängen.
3. Durchgang 1 – einfache, große Unterschiede. Untersuche drei bis fünf stabile, wirkungsstarke Merkmale. Bearbeite nur natürliche Gelegenheiten: aneinandergereihte Ergebnisse, sich wiederholende Eröffnungen oder unnötige verbindende Gerüste. Bewahre gute originale Sätze.
4. Durchgang 2 – kontextuelle Funktionswort- und Rhythmusarbeit. Miss neu; adressiere die größten verbleibenden Unterschiede, wo tatsächliche Sätze dies rechtfertigen. Überprüfe Modalverben, Konjunktionen, Pronomen und Artikel auf ihre Bedeutung, nicht nur auf ihre Häufigkeit. Füge keine Füllwörter ein, um die Raten zur Übereinstimmung zu bringen.
5. Durchgang 3 – Residuen und vollständige Lektüre. Miss neu, nimm die verbleibenden, eindeutig sinnvollen Änderungen vor und lies auf Fluss, Grammatik, Argumentation und erkennbare Stimme. Ein Durchgang kann ehrlicherweise null Änderungen vornehmen. Erzwinge keine drei Runden willkürlicher Änderungen.

Speichere nach jedem Durchgang ein Diff, messe mit dem eingefrorenen Setup, überprüfe Behauptungen/Zahlen/Zitate/Terminologie und zeige dem Nutzer kurz an, was sich geändert hat. Setze die drei Durchgänge ohne unnötige Fragen fort, es sei denn, der Umfang, die Berechtigungen oder die wissenschaftliche Bedeutung erfordern eine Entscheidung. Respektiere die lokalen Batchgrößenlimits.

Die 80/20-Regel priorisiert den Aufwand; sie bedeutet nicht, dass fünf angeglichene Häufigkeiten 80 % des Stils lösen. Höre nach drei Durchgängen mit einer ehrlichen Darstellung dessen, was noch übrig ist, auf. Weitere Anpassungen oder Bearbeitungen benötigen einen Grund, nicht den Wunsch, Zufallsgenauigkeit zu erreichen.

Messung

Das gebündelte Skript scripts/compare_voice.py misst englische, satzsegmentierte Prosa und passt eine standardisierte, regularisierte logistische Regression an, wenn ein gematchtes, gruppiertes Design verfügbar ist. Seine Abhängigkeiten sind NumPy und scikit-learn für eine transparente Merkmalsanalyse und gruppierte Klassifikation. Es bearbeitet niemals den Entwurf. Lese die Korpus-/Modellreferenz für Eingabeformat, Extraktion, Gruppierung, Einschränkungen und Aufruf.

Verwende ein verifiziertes Koppel-512-Inventar, wenn verfügbar und dessen Verwendung erlaubt ist. Die mitgelieferte assets/function_words_en.txt ist eine explizit gekennzeichnete, kleine englische Alternative, nicht Koppel-512. Behaupte nicht die Herkunft einer Liste basierend auf ihrer Länge. Andere Sprachen erfordern eine geeignete Tokenisierung und Inventare; füttere keine chinesischen oder übersetzten Texte durch das englische Skript und melde gültige Personal-Voice-Messungen.

Dieser Klassifikator trennt Referenz- und Entwurfsstichproben unter einem bestimmten Design. Er identifiziert kein KI-Schreiben, bescheinigt keine Autorenschaft, schätzt nicht ein, „wie menschlich“ etwas ist, und misst keinen Prozentsatz der Stimme des Nutzers. Korrelierte Koeffizienten sind diagnostische Hinweise, keine kausale Wortbedeutung. Ein Rückgang der Unterscheidbarkeit ist kein ausreichender Beweis für besseres Schreiben.

Berichte wie ein Kollege

Sei kurz, direkt und spezifisch. Erkläre das Modell in ein oder zwei Sätzen, zeige einen kleinen Referenz-/Original-/Endvergleich für die relevantesten Merkmale und zwei oder drei repräsentative Vorher-/Nachher-Änderungen. Gib den unveränderten wissenschaftlichen Inhalt nur an, nachdem du ihn überprüft hast. Erwähne schwache Referenzherkunft, unzureichende Daten, Extraktionsgrenzen und Änderungen, die nicht geholfen haben. Keine theatralische Begeisterung, Aphorismen, großartigen Behauptungen oder zeremonielle „nicht X, sondern Y“-Rahmung.

Liefere den bearbeiteten Entwurf, die lokalen Mess-/Herkunftspfade, die Anzahl der abgeschlossenen Durchgänge und ungelöste Punkte. Veröffentliche, sende oder committe keine privaten Referenzen. Befolge die bestehenden Berechtigungen für Manuskript-Commits; die endgültige Einreichung und die Offenlegung der KI-Nutzung bleiben in der Verantwortung des Autors.