author-profile

著者プロフィール

すべての記事で一貫した著者の語り口を作成し、維持します。

プロフィールの保存場所

保存先：.article_writer/article_writer.db（authors テーブル）

スキーマ：.article_writer/schemas/authors.schema.json

著者を作成する 2 つの方法

オプション 1：手動アンケート

会話形式で質問します（1 回につき 2～3 問）。

基本情報

1. この著者の名前／識別子は何ですか？（例：「mwguerra」）
2. 表示名は何ですか？（例：「MW Guerra」）
3. 職業上の役割は何ですか？
4. 経験年数や経験分野は何ですか？
5. 専門分野は何ですか？

言語

6. 主な執筆言語は何ですか？（例：pt_BR、en_US）
7. 翻訳先の言語は何ですか？

トーン（1～10）

8. カジュアル（1）ですか、フォーマル（10）ですか？
9. 中立的（1）ですか、意見をはっきり述べる（10）ですか？

語彙

10. 読者が知っている用語は何ですか？（自由に使用できます）
11. 必ず説明が必要な用語は何ですか？

スタイル

12. 決まって使うフレーズはありますか？
13. 避けたいフレーズはありますか？

見解

14. テクノロジーについて強い意見はありますか？
15. 中立的な立場を保ちたい話題はありますか？

例

16. あなたの語り口で 2～3 文を書いてください。

オプション 2：トランスクリプトから抽出

トランスクリプトの分析には Skill(voice-extractor) を使用します。

著者の録音（ポッドキャスト、インタビュー、動画、会議）がある場合：

1. トランスクリプトを準備する - 話者ラベル付きの文字起こしファイルを用意します
2. 分析を実行する：

   bun run "${CLAUDE_PLUGIN_ROOT}"/scripts/voice-extractor.ts --speaker "Name" transcripts/*.txt
   

3. 抽出されたデータを確認する - コミュニケーションスタイル、フレーズ、語彙を確認します
4. 基本情報を追加する - 名前、役割、専門分野、言語を手動で追加します
5. 統合する - 抽出データと手動入力データを組み合わせます

オプション 3：組み合わせる方法（推奨）

両方を組み合わせると、最良の結果が得られます。

1. トランスクリプトから語り口のパターンを抽出します
2. 基本情報と専門分野を手動で追加します
3. 統合したプロフィールを確認し、調整します

著者 JSON の構造

{
  "id": "author-slug",
  "name": "Display Name",
  "languages": ["pt_BR", "en_US"],
  "role": "Senior Developer",
  "experience": "10+ years",
  "expertise": ["Laravel", "PHP", "Architecture"],
  "tone": {
    "formality": 4,
    "opinionated": 7
  },
  "vocabulary": {
    "use_freely": ["Controllers", "Middleware", "API"],
    "always_explain": ["DDD", "CQRS", "Event Sourcing"]
  },
  "phrases": {
    "signature": ["Na prática...", "Vamos direto ao ponto:"],
    "avoid": ["Simplesmente", "É só fazer..."]
  },
  "opinions": {
    "strong_positions": ["Tests are essential", "Fat models are bad"],
    "stay_neutral": ["Tabs vs spaces", "IDE preferences"]
  },
  "example_voice": "Sample paragraph in author's voice...",
  "voice_analysis": {
    "extracted_from": ["podcast_ep1.txt", "interview.txt"],
    "sample_count": 156,
    "total_words": 12450,
    "sentence_structure": {
      "avg_length": 14.5,
      "variety": "moderate length, conversational",
      "question_ratio": 12.3
    },
    "communication_style": [
      { "trait": "enthusiasm", "percentage": 28.5 },
      { "trait": "analytical", "percentage": 24.1 }
    ],
    "characteristic_expressions": ["you know", "the thing is"],
    "sentence_starters": ["I think", "So the"],
    "signature_vocabulary": ["approach", "strategy", "implementation"],
    "analyzed_at": "2025-01-15T10:00:00Z"
  },
  "notes": "Additional style notes..."
}

語り口分析のフィールド

トランスクリプトを分析すると、次のフィールドに値が入力されます。

フィールド	説明
extracted_from	分析したトランスクリプトファイル
sample_count	分析した発話ターン数
total_words	分析対象の総単語数
sentence_structure	文の長さ、多様性、疑問文の頻度
communication_style	特徴：熱意、婉曲表現、率直さなど
characteristic_expressions	頻繁に使うフレーズやつなぎ言葉
sentence_starters	文の一般的な書き出し方
signature_vocabulary	話者の特徴を表す単語

執筆時の語り口分析の活用

記事を書く際は、voice_analysis のデータを使用します。

1. 文の構造：avg_length と variety に合わせます
2. トーン：communication_style の特徴に従います
3. 自然な話し方：characteristic_expressions を自然に取り入れます
4. 語彙：signature_vocabulary の単語を優先します
5. 文の書き出し：sentence_starters のパターンを使用します

多言語ワークフロー

1. 著者の主な言語（配列の最初の言語）で記事を執筆します
2. 完成後、ほかの言語に翻訳します
3. 各ファイルの名前は {slug}.{language}.md とします

["pt_BR", "en_US"] の著者の例：

content/articles/2025_01_15_rate-limiting/
├── rate-limiting.pt_BR.md    # Primary (written first)
└── rate-limiting.en_US.md    # Translation

デフォルトの著者

記事のタスクで著者が指定されていない場合：

• データベースで sort_order が最も小さい著者を使用します
• その著者の言語設定を適用します
• その著者の語り口とトーンに従います

著者の更新

トランスクリプトデータの追加

# Analyze new transcripts for existing author
bun run "${CLAUDE_PLUGIN_ROOT}"/scripts/voice-extractor.ts \
  --speaker "Name" \
  --author-json \
  new_podcast.txt > new_analysis.json

# Merge into existing profile (manually or via command)

更新するタイミング

• 新しいトランスクリプトデータが利用可能になったとき
• 執筆スタイルが変化したとき
• トーンの不一致を示すフィードバックがあったとき
• 新しい専門知識を身につけたとき