返回资讯中心
外部精选
软件工程
#开发者实时流

开发者推出 voiceprint 插件,让 Claude 按用户个人文风写 PR 描述

来源标题:AI isn't slop. It's just the generic average. And not you

开发者发布 Claude Code 插件 voiceprint,通过分析用户使用 AI 之前的写作风格,检查 AI 生成的 PR、提交和 Slack 消息是否符合本人文风。开发者称,其 AI agent 写的 99 词 PR 描述里有 10 处 AI 痕迹,而他本人写的同一 PR 描述为 0 处。

Hacker News 最新lnahum2026/11/5 · 13 天前17 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

我的 agent 写的 PR 描述,99 个词里有 10 处 AI 痕迹。同一个 PR,我自己写的版本是 0 处。

一个听起来像你的 agent。而不是所有人平均值的那种通用腔调。

voiceprint 就是我为此做的框架,一个 Claude Code 插件,已经迭代了几十轮。它会找出你在接触 AI 之前是怎么写的,然后用这个标准去检查 agent 发出的每一条 PR、commit 和 Slack 消息。

它做不到所有事。它能做的是找到你自己的声音——那些让你成为你的东西,然后让你听起来再好一点。

我爱 Claude。我爱 AI,爱它给我这个乱糟糟的 ADHD 大脑带来的能力。我最大的问题是,别人能不能看懂我写的东西。我的目标始终是让它读起来像人写的。更准确地说,像是我写的。

有时候感觉这不可能。你让 Claude 写一段人愿意读的文字,它写出来的就是废话。不是垃圾,只是那种通用的平均值。而且不是你。

这是 agent 想发出去的内容,一字不差:

这段 PR 从根本上解决了一个微妙但承重的缺口,涉及 hook 如何解析 shell 命令——具体来说,是它如何处理注释。此前,注释里的一个撇号(例如 "# Don't push yet")会悄悄开启一个永不闭合的单引号,这意味着后续每一个命令替换都会被当作纯文本处理。结果就是,PR 正文从未真正被打分。本次修改在分词之前刻意剥离未加引号的注释,确保该防护对此类常见模式保持健壮。这不只是一次 bug 修复;这是迈向更全面、更可靠的防护的有意义一步。

里面没有一句话是错的。但里面没有人。同一个 PR,我写的版本:

hook 在注释排在最前面时会漏掉 PR 正文 前一行 "# Don't push yet" 开启了一个永不闭合的单引号 于是后面 $(cat <<EOF) 的正文从未被读取,也从未被打分 现在解析前会先丢弃注释

同样的事实。零 AI 痕迹。agent 的版本 99 个词里有 10 处:fundamentally、load-bearing、quietly、deliberately、robust、comprehensive、一个 em dash、"It's not just",还有 2 个来自我自己清单的词(下面细说)。

voiceprint 把它变成一个分数。每个 AI 词记 1 分,em dash 或 "It's not just X" 记 2 分。每 100 词只计最差的 3 处。agent 的草稿得 5 分。我的得 0 分。我自己的写作几乎从不超过 2 分,所以 2 分就是我的线。

这条线是因人而异的。我的是 2:在我基线里 742 段 25 词以上的文本中,99% 的得分等于或低于它——这些主要是我 2006 到 2022 年写的邮件。

数据就在那里。每一份 Google Doc、WhatsApp 消息、Slack 讨论串和邮件。每一篇旧文章和旧项目。全都在。

不过近期文本是个陷阱。十月的时候 agent 替我起草了一条 WhatsApp 回复,四段。而我 WhatsApp 消息的中位数是 4 个词。到 2026 年,我 60% 到 70% 的长 Slack 消息都经过了 LLM。拿这些去建画像,agent 就会把它自己的习惯当成我的习惯学进去。

所以它必须往回找。WhatsApp 最先失败。桌面应用加载不了旧历史,那些只存在我的 Pixel 上。现在这个 skill 会告诉你如何导出。接着我问它有没有搜索我的 Drive。它没有。它找到 65 份文档,保留了 30 份,2015 到 2022 年。我挑出两份不是我的:一份别人分享给我的目标文档,和一份我经理写的入职计划。然后是邮件。第一轮取了 200 封。我要求全部。4,450 封已发送邮件,最早到 2006 年,剔除引用、签名和自动回复后剩下 3,017 封。

("Not giving up- constant improvement"。)完全是我。连那个紧贴单词的连字符都是。我从不打 em dash。但我确实会打这个。所以连字符停顿能通过,em dash 会被标记。

聊天、邮件和博客是不一样的。每一种都有自己的基线。一行回复永远不会拿邮件去评判,博客文章也永远不会拿聊天去评判。

文档、邮件、WhatsApp、Slack、旧帖子。3,068 段文本,2006 到 2022 年。

剔除引用、签名、转发和 AI 时代的文本。

我们都知道那些经典的 AI 痕迹。没有哪个真人会自己写出 spearheaded 或 load-bearing。voiceprint 内置了一份清单:2023 年的 ChatGPT 词,以及来自一项对 461,121 个 pull request 的研究的新词。它还会学习我自己的漂移——AI 出现之后在我写作中频率涨了 4 倍的词。我的是 passes、stays、step、inferred、plain。都是正常英语。但这些词一多,hook 就会追问。

公式很简单。怪词多,分数就差。每 100 词只计最差的 3 处,所以长文不会因为长而被罚。而且每个词都是对照我在 AI 之前的使用频率来衡量的,所以我自己的旧习惯不会反过来坑我。不调用模型,所以它很快,而且在每次发送前都会运行。

博客文章还会多算一个数字:有多少句子比我的句子长。我的文档里每句中位数是 7 个词。一篇文章如果长句远超我文档里出现过的水平,就会被标记。

词表看不到的东西,可以交给一个可选的 Haiku hook。它会读取每一条 gh 和 git 命令,以及每次聊天或邮件发送,在发出之前拦下来。它会拦截类比、怪异的文风、拼写错误,还有 "What do you think?" 这种结尾。它会对照一段我声音的简短摘要来判断:这听起来像状态好的时候的我吗?有意思的是,我自己的 Haiku hook 从来没检查过这些。我是写这篇文章的时候才发现的。

画像不是我的复制品。我的私信里有错别字,也有只问一个词的消息。没人希望 PR 正文里出现那些。我希望 AI 说话像我努力想成为的样子。清晰、简洁、有热情。礼貌但坚定。共情对我来说很重要。Claude 在这里是为了成为现在的我和我想成为的我。修掉我的错别字。让它更清楚。只是更好,但绝对是我。

要让它工作,你得灌进去大量个人数据。这得你自己来。我不会替你搭建集成,用你自己的 MCP。它在读取每个数据源之前都会先问。由你决定 agent 走多远:哪些来源、回溯多久、以及 Haiku 是否检查每次发送。一切都留在你机器上的 ~/.voiceprint 里,不过构建画像时确实会把样本传给 Claude。这是写作检查,不是安全边界。来自 shell 变量的正文可以绕过它。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →