Benutzerdefinierter Sprachauszugsprozess für Claude-Code mit Vorlage

Sprachextraktionsprozess

Ein Entwickler beschrieb eine Methode, um benutzerdefinierte Sprachfähigkeiten für Claude Code zu erstellen, die menschliche Schreibmuster nachahmen, indem statistische LLM-Signaturen eliminiert werden. Der Prozess umfasst die Analyse persönlicher Schreibproben, um ein umfassendes Sprachprofil zu erstellen.

Dreistufige Extraktion

Die Extraktion verwendet eine ~950-zeilige Vorlage mit Copy-Paste-Aufforderungen über drei Phasen:

• Stufe 1 (automatisiert): Claude analysiert 8 Dimensionen aus 15+ Schreibproben (Blogbeiträge, Slack-Nachrichten, Kunden-E-Mails, Reddit-Kommentare, Chat-Nachrichten). Dazu gehören Satzmuster, Eröffnungsmuster pro Format, Vokabular-Fingerabdruck, Strukturmuster, Tonmarker, Formatierungsgewohnheiten, sprachspezifische Muster (zweisprachige Unterstützung) und LLM-typische Ausdruckserkennung. Muster werden als VOICE (echt deine), PLATFORM (plattformspezifische Konventionen) oder BORDERLINE klassifiziert. Diese Stufe erstellt auch eine angepasste Sperrliste, ausgehend von peer-geprüften Listen überrepräsentierter LLM-Wörter, abzüglich solcher, die du legitim verwendest.
• Stufe 2 (manuelle Überprüfung): Du überprüfst den SKILL.md-Entwurf und gibst Feedback in 4 Kategorien: WRONG, OVERSTATED, MISSING, NEEDS_NUANCE. Diese Phase fügte 71 neue Regelzeilen hinzu und erfasste Muster wie die Verwendung von Doppelpunkten statt Bindestrichen für Klarstellungen und identifizierte fehlende affirmative Schreibmuster.
• Stufe 3 (Kalibrierung): Claude generiert Proben in deiner Sprache über alle Formate hinweg (Blog-Eröffnung, Slack-Ankündigung, Kunden-E-Mail, Forum-Kommentar). Du markierst jede als GOOD/CLOSE/OFF mit spezifischen Tags: TOO_FORMAL, TOO_CASUAL, WRONG_WORD, LLM_ISM, NOT_ME. Tags werden direkt SKILL.md-Abschnitten zugeordnet für schnelle Korrekturen. Diese Stufe enthüllte subtile persönliche Eigenheiten wie französisch-beeinflusste Satzzeichenabstände (Leerzeichen vor ! und ?), "ahah" statt "haha", GROSSBUCHSTABEN zur Betonung, Anführungszeichen für Ironie und abschließende Auslassungspunkte für implizierte Fortsetzung.

Fähigkeitsstruktur

Die finale SKILL.md wuchs über 4 Iterationen von 333 auf 510 Zeilen, organisiert als:

• Sperrlisten zuerst (frühere Einschränkungen sind effektiver)
• Anti-Performativ-Regeln (verhindert, dass gelegentliche Gewohnheiten zu zwanghaften theatralischen Eigenarten werden)
• Kernsprachmuster
• Format-spezifische Modi

Die Fähigkeit enthält Sperrlisten für LLM-typische Ausdrücke, organisiert nach Wortarten basierend auf peer-geprüfter Forschung, Anti-Performativ-Regeln, format-spezifische Sprachmodi und einen "was ich nie tue"-Abschnitt.

Ergebnisse

Vorher/Nachher-Vergleich zeigt den Unterschied: Generische Claude-Ausgabe endet einen Fahrradtagebucheintrag mit "manchmal sind es die, die dich brechen, die es wert sind, darüber zu schreiben", während die benutzerdefinierte Sprache sagt "muss leichter kommen". Die benutzerdefinierte Ausgabe eliminiert Gedankenstriche, verwendet Doppelpunkte für Klarstellungen, beinhaltet technische Kurzformen ohne Erklärung und fügt parenthetische Einschübe für Humor hinzu. Während sie immer noch von KI-Detektoren erkannt wird, sinken die Sicherheitswerte um 30-40%.

Implementierung

Die Vorlage ist eigenständig: Schreibproben in ein corpus/-Verzeichnis legen (10+ Dokumente, 2+ Inhaltstypen) und die Aufforderungen ausführen. Funktioniert für jede Sprache. Der Entwickler merkt an, dass das Erklären von Anti-KI-Abwehrsystemen in öffentlichen Foren, die von KI-Crawlern indexiert werden, deren Wirksamkeit untergräbt, aber diese Sprachextraktionsmethode sicher geteilt werden kann.