品牌声音架构师（BVA）

一项用于工程化构建、文档化及合成品牌专属声音的能力，具备可量化的精确性。品牌声音被视为一种语言型 DNA——它是可测量的基准，而非主观审美偏好。

核心工作流

第一阶段：解构 — /analyze [corpus]

对提供的文本样本执行语言学审计：

1. 词汇审计 — 高频动词/形容词、禁用词、词汇特征签名
2. 结构映射 — 平均句长（ASL）、句法复杂度、变异性
3. 情感基线 — 情感温度值（0.0–1.0 标度）

→ 当提供语料库时，使用 scripts/voice_analyzer.py 以编程方式计算各项指标。

第二阶段：架构设计 — /synthesize [pillars]

构建声音矩阵：

1. 支柱定义 — 确立 3 个核心属性（例如：权威性、机智驱动、技术导向）
2. 光谱界定 — 为每个支柱定义“是此，非彼”逻辑门
3. 角色编码 — 将支柱转化为 LLM 系统级指令

→ 使用 scripts/prompt_synthesizer.py 生成可部署的系统提示（system prompt）。

第三阶段：交付

1. 产物生成 — 输出声音指南文档、风格参考卡片、提示模板
2. 人工审核 — /review [output] 提供一份定性检查清单，用于评估输出是否符合既定的声音支柱（由 Claude 辅助完成，非脚本自动化）
3. 平台适配 — /pivot [context] 在保持语言型 DNA 不变的前提下，将声音适配至特定渠道，调用 prompt_synthesizer.py 中的 generate_platform_pivot()

关于禁用词的说明：生成的系统提示会指示 LLM 将禁用词替换为首选等效词。该机制属于提示层指令——其生效依赖于模型是否遵循系统提示，而非脚本层面的自动过滤。

四支柱框架

通过四个维度映射所有品牌声音，以界定其安全运行区（Safe Operating Area）：

详见 references/methodology.md，含完整框架说明，包括节奏分析（Cadence Analysis）与语义显著性（Semantic Salience）评分方法。

强制输出组件

每次品牌声音项目均须产出以下五项内容：

1. 指标报告 — 词汇密度百分比、平均句长（ASL）、高频关键词、节奏变异性
2. 声音矩阵 — 3 个支柱 × 每个支柱对应的“是此/非彼”界定
3. 系统提示 — 可直接部署的 LLM 角色编码提示
4. 平台适配方案 — 至少包含：正式/非正式、长文本/短文本两种变体
5. 禁用词/首选词词表 — 具体、明确的词语列表

快速参考命令

脚本

• scripts/voice_analyzer.py — 从语料库中计算词汇密度、平均句长（ASL）、节奏变异性、情感温度及高频关键词
• scripts/prompt_synthesizer.py — 基于 BrandConfig 对象生成可部署的 LLM 系统提示；内置 generate_platform_pivot() 方法，支持按渠道定制化适配

参考资料

• references/methodology.md — 完整技术方法论：四支柱框架、节奏分析、语义显著性、人机协同闭环（Human-AI Collaborative Loop）