Processo de Extração de Voz Personalizada para Código Claude com Modelo

Processo de Extração de Voz

Um desenvolvedor detalhou um método para criar habilidades de voz personalizadas para o Claude Code que imitam padrões de escrita humana eliminando assinaturas estatísticas de LLM. O processo envolve analisar amostras de escrita pessoal para construir um perfil de voz abrangente.

Extração em Três Etapas

A extração usa um modelo de ~950 linhas com prompts de copiar e colar em três fases:

• Etapa 1 (automatizada): Claude analisa 8 dimensões de 15+ amostras de escrita (posts de blog, mensagens do Slack, e-mails para clientes, comentários do Reddit, mensagens de chat). Estas incluem padrões de frases, padrões de abertura por formato, impressão digital de vocabulário, padrões estruturais, marcadores de tom, hábitos de formatação, padrões específicos de idioma (suporte bilíngue) e detecção de LLM-ismos. Os padrões são classificados como VOZ (genuinamente seus), PLATAFORMA (convenções específicas da plataforma) ou LIMÍTROFE. Esta etapa também constrói uma lista de proibições personalizada começando com listas revisadas por pares de palavras de LLM super-representadas, menos quaisquer que você use legitimamente.
• Etapa 2 (revisão manual): Você revisa o rascunho do SKILL.md e fornece feedback usando 4 categorias: ERRADO, EXAGERADO, FALTANTE, PRECISA_DE_NUANCE. Esta fase adicionou 71 novas linhas de regras, capturando padrões como usar dois-pontos em vez de hífens para esclarecimentos e identificando padrões de escrita afirmativa faltantes.
• Etapa 3 (calibração): Claude gera amostras em sua voz em todos os formatos (abertura de blog, anúncio no Slack, e-mail para cliente, comentário em fórum). Você marca cada uma BOA/PERTO/FORA com tags específicas: MUITO_FORMAL, MUITO_INFORMAL, PALAVRA_ERRADA, LLM_ISMO, NÃO_SOU_EU. As tags mapeiam diretamente para seções do SKILL.md para correções rápidas. Esta etapa revelou tiques pessoais sutis como espaçamento de pontuação influenciado pelo francês (espaço antes de ! e ?), "ahah" em vez de "haha", TUDO EM MAIÚSCULAS para ênfase, aspas para ironia e reticências finais para continuação implícita.

Estrutura da Habilidade

O SKILL.md final cresceu de 333 para 510 linhas ao longo de 4 iterações, organizado como:

• Listas de proibições primeiro (restrições anteriores são mais eficazes)
• Regras anti-performativas (evita transformar hábitos ocasionais em tiques teatrais compulsivos)
• Padrões centrais de voz
• Modos específicos por formato

A habilidade inclui listas de proibições para LLM-ismos organizadas por classe gramatical com base em pesquisas revisadas por pares, regras anti-performativas, modos de voz específicos por formato e uma seção "o que eu nunca faço".

Resultados

A comparação antes/depois mostra a diferença: a saída genérica do Claude termina uma entrada de diário de ciclismo com "às vezes os que te quebram são os que valem a pena escrever", enquanto a voz personalizada diz "preciso vir mais leve". A saída personalizada elimina travessões, usa dois-pontos para esclarecimentos, inclui abreviações técnicas sem explicação e adiciona parênteses para humor. Embora ainda sinalizada por detectores de IA, as pontuações de certeza caem 30-40%.

Implementação

O modelo é autossuficiente: coloque amostras de escrita em um diretório corpus/ (10+ documentos, 2+ tipos de conteúdo) e execute os prompts. Funciona para qualquer idioma. O desenvolvedor observa que explicar sistemas de defesa anti-IA em fóruns públicos indexados por rastreadores de IA prejudica sua eficácia, mas este método de extração de voz pode ser compartilhado com segurança.