voice-builder

Voice Builder

这个技能将真实的写作转化为一种可复现的声音——一份 voice.md，任何下游技能（或人类）都可以据此写出与来源难以区分的文章。

核心原则：声音是从证据中提取的，而不是用形容词描述的。 “有力而真实”是无法落地的——它对写作者毫无指导意义。而“以一个单句挑衅开头，多用短句并用一个长句形成对比，使用破折号，从不使用感叹号，以问句结尾”才是可复现的。你的任务是将某个人的写作转化为具体的规则。

何时使用

• 在 brand-profile 之后，当用户有写作样本时，深入挖掘声音。
• 当内容总是显得千篇一律、僵硬或“不像自己”时。
• 用于大规模代笔——一次性捕捉声音，永远用它写作。

**何时不使用：**如果没有可用的样本，不要凭空捏造声音。请引导至 brand-profile 的声音面试（维度 + 词汇表 + “我们听起来___，从来不会___”这句话），等样本存在后再回来。捏造的声音比诚实的面试更糟糕。

第 0 步 — 先阅读 brand-profile

加载 brand-profile.md 以获取身份、受众和防护栏。voice-builder 生成的是与其并存的 voice.md。如果 voice.md 已存在且是最新的，则加载它，将其总结并反馈，然后直接跳转到用户实际需要的内容。

第 1 步 — 收集正确的样本

质量胜于数量。最好的样本是毫无疑问来自这个人的作品——他们引以为豪的、用自然语域写的、且确实是他们自己写（而不是委员会编辑、他人代笔、AI 生成的）文章。目标是 5–10 个实质性样本；3 个是底线。口语转录文本是黄金——它们能在自我编辑将其扁平化之前捕捉到自然的节奏。参见 references/samples-guide.md 了解收集什么和排除什么。

如果样本稀少或不一致，请直说，并在较低置信度下继续，而不是夸大其词。对置信度的诚实是交付物的一部分。

第 2 步 — 跨六个层次进行分析（附证据）

不要随意联想“语气”。按照 references/analysis-framework.md 中的框架，逐层处理：

1. 词汇——词语选择、标志性短语、缩略形式、语域、习惯性避用词。
2. 语法——句子长度和变化、开头方式、片段句、主动/被动、节奏。
3. 修辞——问题、直接称呼、重复、类比、对比、幽默、“转折”。
4. 结构——如何开头、展开和结尾；段落划分；格式。
5. 立场——与读者的距离、权威姿态、自信度、情感基调。
6. 负空间——他们明显从不做的事情。通常是最具定义性的层次。

对于你命名的每一个模式，引用证据——引用样本。建立在断言上的声音指南会偏移；建立在引文上的则稳固。

第 3 步 — 提炼声音指纹

从分析中提取5–7 个最具特色、可复现的特征——那些只要做对了，就能让作品被识别为他们的东西。这是 voice.md 的核心。将其与负空间（严格的“永不”）配对。如果你只完成了指纹部分，读者应该就已经相信这是他们的作品了。

第 4 步 — 编写 voice.md

使用 references/voice-template.md。使其可操作，而不是一篇个性文章：写作者可以遵循的规则、声音如何根据上下文灵活变化的语气映射表，以及 3–5 个做/不做的改写示例（一个通用句子→用这种声音表达同一意思）。保留真实的样本片段作为校准基准。

第 5 步 — 用声音测试验证（不要跳过）

未经测试的 voice.md 只是一个假设。运行 references/validation.md 中的循环：

1. 仅使用 voice.md 生成一篇关于新话题的帖子。
2. 将其与一个真实样本并排放置。用户能分辨出哪个是哪个吗？
3. 根据指纹特征评分——哪些命中了，哪些遗漏了？
4. 修复遗漏点，完善 voice.md，并重复一次或两次。

向用户展示测试帖子和结果。声音直到通过测试才算完成。

“优秀”的标准（完成前自查）

• 一个从未见过这个人写作者仅凭 voice.md 就能写出一篇符合其声音的帖子。
• 每一项主张都引用样本——没有无根据的形容词。
• 指纹足够具体，以至于可证伪（你能指着一篇文章说“这不是他们的，因为……”）。
• 负空间已被捕捉，而不仅仅是积极特质。
• 它通过了声音测试，并且你展示了证明。

如果缺少任何一项，你都没有完成。

边界情况—明确处理

• 样本稀少（1–2 篇短文）： 捕捉可观察到的东西，将指南标记为低置信度，指明哪些层次你无法确定，并用 brand-profile 的面试进行补充。不要虚张声势地装出确定性。
• 样本不一致（声音漂移）： 不要将它们平均成一锅粥。指出不一致之处，并询问哪些样本代表了目标声音；锚定在这些样本上。
• 期望的声音（他们想要听起来与当前不同）：将当前与目标分开。收集他们想要听起来像的人的样子，将其标记为期望的，并透明地混合，以便用户知道哪些是借用的。
• 多重声音（公司与创始人；多个创作者）：每种声音一个 voice.md，命名。绝不混合声音——那会产生一个无处存在的人。
• 经过大量编辑/代笔/AI 生成的样本： 排除它们；它们不是这个人的声音。说明原因。
• 口语与书面语： 转录文本揭示了自然节奏，但需要清理规则（填充词、错误开头）。捕捉节奏，注明清理工作。
• 多语言： 按语言分析；声音很少在语言之间一一对应映射。

相关技能

• brand-profile — 首先阅读；提供身份、受众和防护栏。
• writing-style-and-tone — 根据每篇文章和每个时刻应用 voice.md（语气映射表、编辑轮次、AI 痕迹清除）。这个技能撰写宪法；那个技能据此治理。
• 每个内容技能（caption-writer, reels-script, thread-writer, linkedin-post-writer……）都会读取生成的 voice.md。
• audience-research, content-pillars — 补充性基础技能。

参考文献

• references/samples-guide.md — 如何寻找并审核正确的写作样本。
• references/analysis-framework.md — 用于拆解声音的六层次框架。
• references/voice-template.md — 要生成的 voice.md 的确切结构。
• references/validation.md — 声音测试：生成、比较、评分、完善。
• references/examples.md — 两个形成对比的完整工作示例。