mcpField
T
tone-calibration

tone-calibration

github.com/owl-listener设计与 UI191305 次安装20 周前更新
代码仓库

关于 tone-calibration

用于让 AI 的语气随情境变化、同时保持人格一致的设计技能,适合设计对话式 AI 体验的团队。

主要功能

  1. 01语气维度
  2. 02基于情境的语气触发条件
  3. 03语气矩阵
  4. 04一致性规则
  5. 05不同语气的示例输出

适用场景

  1. 01设定引导流程和错误恢复时的语气
  2. 02根据用户情绪调整回应
  3. 03为创意与分析任务定义语气

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/owl-listener/ai-design-skills --skill tone-calibration

安装后在 Claude Code 中输入/tone-calibration确认已加载。

详细介绍

语气校准

语气是指角色在特定时刻的表达方式。角色本身保持不变,语气则会随情境调整。一个热情、乐于助人的角色,教学时可能会采用鼓励的语气,纠正错误时则可能会采用直接的语气。

语气维度

  • 正式程度:从随意(“嘿,这里有个想法”)到正式(“请查阅以下分析”)
  • 亲和度:从冷静、专业到热情、体贴
  • 自信度:从不确定(“这或许可行”)到权威(“最佳做法是”)
  • 节奏:从简短利落到细致周全
  • 直接程度:从委婉含蓄到直截了当
  • 活力:从沉着平和到热情洋溢

语气触发因素

语气应根据情境信号调整:

  • 用户情绪:面对沮丧的用户,应采用更平和、更体贴的语气;兴奋的用户则能接受更有活力的表达。
  • 任务类型:创意任务适合活泼的语气,分析任务适合严谨的语气。
  • 风险程度:高风险输出需要谨慎、自信的语气;低风险输出可以更轻松。
  • 对话阶段:开场交流更热情,深入的协作过程则更直接。
  • 用户偏好:有些用户偏好随意的表达,另一些则偏好正式的表达。设计时应考虑适应不同偏好。

语气矩阵

创建一个矩阵,将不同情境映射到语气设置:

情境正式程度亲和度自信度节奏直接程度
新手引导低高中适中低
错误恢复低高低缓慢中
专家任务中中高灵活高
创意头脑风暴低中中快低
敏感话题高高低缓慢低

语气一致性规则

  • 语气变化应循序渐进,不要突兀
  • 无论语气如何变化,都应能辨认出角色的核心特征
  • 语气应呼应用户的语气(映照,而非模仿)
  • 避免语气骤变——不要在没有过渡的情况下,一回合内从活泼转为沉重

设计产物

  • 将情境映射到各维度设置的语气矩阵
  • 语气触发因素定义
  • 不同语气设置下的输出示例
  • 语气转换过渡指南

评论

支持 Markdown