Processus d'Extraction de Voix Personnalisée pour le Code Claude avec Modèle

Processus d'Extraction Vocale

Un développeur a détaillé une méthode pour créer des compétences vocales personnalisées pour Claude Code qui imitent les schémas d'écriture humaine en éliminant les signatures statistiques de LLM. Le processus implique d'analyser des échantillons d'écriture personnels pour construire un profil vocal complet.

Extraction en Trois Passes

L'extraction utilise un modèle d'environ 950 lignes avec des invites copier-coller à travers trois phases :

• Passe 1 (automatisée) : Claude analyse 8 dimensions à partir de 15+ échantillons d'écriture (articles de blog, messages Slack, e-mails clients, commentaires Reddit, messages de chat). Ceux-ci incluent les schémas de phrases, les schémas d'ouverture par format, l'empreinte lexicale, les schémas structurels, les marqueurs de ton, les habitudes de formatage, les schémas spécifiques à la langue (support bilingue) et la détection des tics de LLM. Les schémas sont classés comme VOIX (authentiquement vôtres), PLATEFORME (conventions spécifiques à la plateforme) ou LIMITE. Cette passe construit également une liste d'interdiction personnalisée à partir de listes revues par des pairs de mots de LLM surreprésentés, en retirant ceux que vous utilisez légitimement.
• Passe 2 (revue manuelle) : Vous révisez le brouillon SKILL.md et fournissez des retours en utilisant 4 catégories : FAUX, EXAGÉRÉ, MANQUANT, BESOIN_DE_NUANCE. Cette phase a ajouté 71 nouvelles lignes de règles, capturant des schémas comme l'utilisation de deux-points au lieu de tirets pour les clarifications et identifiant des schémas d'écriture affirmative manquants.
• Passe 3 (calibration) : Claude génère des échantillons dans votre voix à travers tous les formats (ouverture de blog, annonce Slack, e-mail client, commentaire de forum). Vous marquez chacun BON/PROCHE/À_CÔTÉ avec des étiquettes spécifiques : TROP_FORMEL, TROP_INFORMEL, MAUVAIS_MOT, TIC_LLM, PAS_MOI. Les étiquettes correspondent directement aux sections de SKILL.md pour des corrections rapides. Cette passe a révélé des tics personnels subtils comme l'espacement de ponctuation influencé par le français (espace avant ! et ?), "ahah" au lieu de "haha", MAJUSCULES pour l'emphase, guillemets pour l'ironie, et des points de suspension pour une continuation implicite.

Structure de la Compétence

Le SKILL.md final est passé de 333 à 510 lignes sur 4 itérations, organisé comme suit :

• Listes d'interdiction en premier (les contraintes plus tôt sont plus efficaces)
• Règles anti-performatives (empêche de transformer des habitudes occasionnelles en tics théâtraux compulsifs)
• Schémas vocaux de base
• Modes spécifiques au format

La compétence inclut des listes d'interdiction pour les tics de LLM organisées par partie du discours basées sur des recherches revues par des pairs, des règles anti-performatives, des modes vocaux spécifiques au format et une section "ce que je ne fais jamais".

Résultats

Une comparaison avant/après montre la différence : la sortie générique de Claude termine une entrée de journal de vélo par "parfois, ce sont ceux qui vous brisent qui valent la peine d'être écrits", tandis que la voix personnalisée dit "besoin d'y aller plus léger". La sortie personnalisée élimine les tirets cadratins, utilise des deux-points pour les clarifications, inclut des abréviations techniques sans explication et ajoute des apartés entre parenthèses pour l'humour. Bien que toujours détectée par les détecteurs d'IA, les scores de certitude baissent de 30 à 40 %.

Implémentation

Le modèle est autonome : placez les échantillons d'écriture dans un répertoire corpus/ (10+ documents, 2+ types de contenu) et exécutez les invites. Fonctionne pour n'importe quelle langue. Le développeur note qu'expliquer les systèmes de défense anti-IA sur des forums publics indexés par les robots d'IA compromet leur efficacité, mais cette méthode d'extraction vocale peut être partagée en toute sécurité.