Building a Brand Voice Tone Library with Claude Code: Inside the `brand-voice` Skill and tone-examples.md
这篇技术文章围绕 claude-howto 仓库中 03-skills/brand-voice 这个 Agent Skill 展开,核心讲解其配套参考文档 tone-examples.md 所定义的四种语气原型(Tone Archetype)——如何理解、复用、并驱动 Claude 稳定地产出符合品牌语气与文案规范的内容。读完你将掌握 Skill 的加载机制、品牌语气的落地写法、可直接复制的邮件/社媒文案模板,以及一套可以套用到任何团队的真实文案校准流程。
一、tone-examples.md 在整个 Skill 中的角色
claude-howto 仓库的 03-skills 目录收集了六套开箱即用的 Agent Skills(见 03-skills/README.md),其中 brand-voice 是用于"品牌一致性检查"的技能:CATALOG.md 将其登记为 Brand consistency checker,触发场景是 Writing marketing copy。
brand-voice 技能目录共四个文件(结构见 INDEX.md):
brand-voice/
├── SKILL.md # 技能定义(品牌身份、语气规范、用词表、Do/Don't)
├── templates/
│ ├── email-template.txt # 邮件文案模板
│ └── social-post-template.txt # 社媒文案模板
└── tone-examples.md # 语气示例库(本文核心讲解对象)
其中 tone-examples.md 是一份"正例样本库":它不解释理论,而是直接给出四条符合规范的真实文案示例,让 Claude 在与用户沟通、生成对外文案时有一个可对照的"语气基准线"。它与 SKILL.md 形成互补——SKILL.md 负责定义"语气是什么、什么不该写",tone-examples.md 负责给出"好语气长什么样"。
按照 SKILL 的渐进披露(Progressive Disclosure)模型,
name与description(Level 1 元数据,约 100 tokens)常驻上下文;SKILL.md 正文(Level 2)在技能被触发时加载;tone-examples.md与templates/(Level 3 资源)仅在 Claude 真正需要时按需读取,不占用会话上下文——详细机制见 03-skills/README.md。
技能元数据:为何默认用户不可手动调用
SKILL.md 的 frontmatter 声明了关键配置:
---
name: brand-voice
description: Ensure all communication matches brand voice and tone guidelines. Use when creating marketing copy, customer communications, public-facing content, or when users mention brand voice, tone, or writing style.
user-invocable: false
---
user-invocable: false 意味着该 Skill 不出现在 / 斜杠菜单中,由 Claude 依据 description 自动调用(Skills 的三种调用模式参见 03-skills/README.md)。这正契合claude_concepts_guide.md 对该技能"demonstrates user-invocable: false"的定位:品牌语气属于"背景知识型"技能——用户不应当把它当作一条命令去敲,而是让 Claude 在写营销文案、对外沟通时自动套用规范。若团队希望改为仅用户手动触发,可将其改成 disable-model-invocation: true。
二、语气的地基:先读懂 SKILL.md 定义的品牌身份
tone-examples.md 的每一条示例都不是凭空编造的语气,而是 SKILL.md 中品牌身份的投影。SKILL.md 为这个技能定义了清晰的地基:
| 层面 | 定义 |
|---|---|
| Mission | Help teams automate their development workflows with AI |
| Values | Simplicity(化繁为简)、Reliability(可靠执行)、Empowerment(激发人的创造力) |
| Tone of Voice | Friendly but professional / Clear and concise / Confident / Empathetic |
对照四种语气维度,tone-examples.md 中每条示例几乎都能在 SKILL.md 的 Do's 清单里找到对应规则:
- 用 "you" 称呼读者;
- 用主动语态("Claude generates reports",而非 "Reports are generated by Claude");
- 以价值主张开头;
- 使用具体、可验证的例证;
- 句子控制在 20 词以内、善用列表与行动号召。
这也是评测 tone-examples.md 时最重要的观察点:每条示例都满足"先给价值、再给细节、句子短、用词具体"的同一套约束。
三、tone-examples.md 的四种语气原型详解
tone-examples.md 全文给出了四条语气示例,覆盖四个最常见的外向沟通场景。这是本文档的核心资产,逐条拆解如下。
1. Exciting Announcement(兴奋型公告)
"Save 8 hours per week on code reviews. Claude reviews your PRs automatically."
为什么这条文案有效:
- 量化收益开头:"Save 8 hours per week" 把模糊的价值变成可丈量的结果,直接命中读者的时间成本痛点;
- 主语明确、主动语态:"Claude reviews your PRs automatically",符合 SKILL.md 的主动语态规范;
- 信息密度高、句子短:两个短句各自不超过 10 词,符合 "sentence under 20 words" 约束;
- 不说 "cutting-edge AI" 之类空话,避免词表里被禁止的营销空词。
该语气适合:功能上线、新版本发布、效率提升类公告。从这条正例可推导出可复用的"兴奋公告公式":
[可量化的收益,X time per Y] + [产品替你完成的具体动作]
2. Empathetic Support(共情型支持)
"We know deployments can be stressful. Claude handles testing so you don't have to worry."
为什么这条文案有效:
- 先共情,再给方案:第一句承接用户的情绪状态(deployment 是高风险环节,"stressful" 精准锚定痛点);
- We → You 的关系递进:团队先表达理解,再把压力转移到 Claude 的执行能力上("so you don't have to worry");
- 与 SKILL.md 的 Empathetic(understand user needs and pain points)直接呼应。
这条文案示范了"支持场景"的正确写法:承认用户的困难是正常的,再用产品能力兜底,而不是居高临下地说教。
3. Confident Product Feature(自信型产品特性)
"Claude doesn't just suggest code. It understands your architecture and maintains consistency."
为什么这条文案有效:
- 转折对比建立差异化:"doesn't just suggest code" 先降低读者预期锚点("补全代码"),再用 "understands your architecture" 拔高认知(架构理解 + 一致性维护);
- 短句对仗:两句均为单句,语气笃定、有节奏感;
- 符合 SKILL.md 的 Confident 维度——自信但不夸张,全部落在产品真实能力上,没有 "game-changer" 这类空泛词。
适合:产品介绍页、Feature 深挖、卖点提炼。其结构公式是:
Claude doesn't just [低一档的能力]. It [更高一档的能力] + [持续性的结果].
4. Educational Blog Post(教育型博客)
"Let's explore how agents improve code review workflows. Here's what we learned..."
为什么这条文案有效:
- 邀请式开场降低门槛:"Let's explore" 把读者变成同行者,而不是单向灌输;
- 过程导向收尾:"Here's what we learned" 暗示文章有真实经验沉淀,勾起好奇;
- 语气友好、非推销,符合 Educational 场景"分享而非叫卖"的定位。
适合:技术博客、复盘文章、知识分享。它示范了如何用语气把"agent 如何改进 code review 流程"这类主题写得不像广告。
三种语气原型的选用对照
| 场景 | 语气原型 | 核心句式特征 |
|---|---|---|
| 功能上线、效率公告 | Exciting Announcement | 可量化收益 + 产品自动完成动作 |
| 用户报障、安抚沟通 | Empathetic Support | 先共情痛点,再给方案兜底 |
| 产品页、卖点陈述 | Confident Product Feature | 转折对比 + 能力拔高 |
| 博客、教程、复盘 | Educational Blog Post | 邀请式开头 + 经验分享收尾 |
四、tone-examples.md 背后的用词纪律
tone-examples.md 的示例之所以读起来干净利落,是因为 SKILL.md 内置了一张 用词白名单与黑名单。这是检查任何新生成文案是否跑调的第一道过滤网:
✅ 优先用词
| 优先表达 | 避免表达 |
|---|---|
| Claude | "the Claude AI" |
| Code generation | "auto-coding" |
| Agent | "bot" |
| Streamline | "revolutionize" |
| Integrate | "synergize" |
❌ 禁用空词
| 词 | 禁用理由 |
|---|---|
| "Cutting-edge" | 已被用滥 |
| "Game-changer" | 语义模糊、无信息量 |
| "Leverage" | 典型的公司腔 corporate-speak |
| "Utilize" | 直接用 "use" |
| "Paradigm shift" | 含义不清 |
对照上文四条 tone-examples 示例可验证:它们无一出现黑名单词汇,句子全部为具体动作 + 具体收益。
Do's 与 Don'ts 速查
Do's(应当):用 "you" 称呼读者;用主动语态;以价值主张开头;给具体例子;句子控制在 20 词内;用列表增强可读性;包含行动号召(CTA)。
Don'ts(不应):不说公司腔套话;不居高临下或过度简化;不用 "we believe" / "we think" 这类无信息量表态;除强调外不用全大写;不写密不透风的大段文字;不假设读者具备技术背景。
好例与坏例的对照分析
SKILL.md 给出了一组可直接用于"文案自检"的对比:
- ✅ Good Example:"Claude automates your code review process. Instead of manually checking each PR, Claude reviews security, performance, and quality—saving your team hours every week." — 清晰的收益、具体的能力点、行动导向。
- ❌ Bad Example:"Claude leverages cutting-edge AI to provide comprehensive software development solutions." — 虚词堆砌(leverages / cutting-edge / comprehensive)、无任何具体价值。
两组对照就是校验 tone-examples 新样本是否合格的最小判据。
五、从语气示例到可直接复用的模板
tone-examples.md 给的是"语气怎么选",而 templates/ 目录下的两份模板负责承接"内容怎么排"。
邮件模板:email-template.txt
templates/email-template.txt 定义了如下骨架:
Subject: [Clear, benefit-driven subject] ← 主题行:清晰 + 收益驱动
Hi [Name],
[Opening: What's the value for them] ← 开头:读者的价值是什么
[Body: How it works / What they'll get] ← 正文:如何运作 / 他们将获得什么
[Specific example or benefit] ← 具体示例或收益
[Call to action: Clear next step] ← CTA:明确的下一步
Best regards,
[Name]
将 tone-examples.md 的语气原型填入该模板即可直接产出真实邮件:例如 Announcement 场景下,Subject 采用"Save 8 hours per week on code reviews",Opening 交代价值,Body 落到 "Claude reviews your PRs automatically" 的机制,收尾给出 CTA。
社媒模板:social-post-template.txt
templates/social-post-template.txt 定义了四步骨架:
[Hook: Grab attention in first line] ← 第一行抓注意力(可用 Exciting Announcement)
[2-3 lines: Value or interesting fact] ← 2-3 行价值/事实
[Call to action: Link, question, or engagement] ← CTA:链接、提问或互动引导
[Emoji: 1-2 max for visual interest] ← 表情符号最多 1-2 个
注意社媒模板自带一条"视觉纪律"——emoji 最多 1-2 个,这与 SKILL.md "Don't use ALL CAPS except for emphasis" 一样属于克制型规范,保证内容在信息流中保持专业。
六、运行时行为:Claude 如何自动应用品牌语气
因为 brand-voice 是 user-invocable: false 的背景知识型技能,它的实际使用方式不是手动敲命令,而是在对话中触发:
- 用户提出写营销文案、对外公告、客服回复、公开内容等请求;
- Claude 根据 description 中的触发关键词(marketing copy / customer communications / public-facing content / brand voice / tone / writing style)自动匹配该 Skill(匹配机制见 claude_concepts_guide.md);
- Claude 读取 SKILL.md 获取语气规范与用词表,需要范文时再按需读取
tone-examples.md; - 产出的文案同时受 Do's/Don'ts 与模板结构的双重约束。
安装到项目中的方式(参见 CATALOG.md 的 Installation 列)为把整个技能目录复制到项目级技能路径:
cp -r 03-skills/brand-voice .claude/skills/
(个人级则复制到 ~/.claude/skills/;cat 03-skills/brand-voice/SKILL.md 可直接在本地审计全部指令与引用文件。)
七、实践自检清单
完成一份品牌文案后,可逐条对照以下清单验证是否跑调:
- 语气原型是否正确:属于公告 / 支持 / 产品 / 教育四种中的哪一种?措辞是否与该原型一致;
- 是否违反黑名单:全文是否出现 cutting-edge、game-changer、leverage、utilize、paradigm shift 等禁用词;
- 是否满足主动语态:主语是 "Claude" 而非被动句式;是否用 "you" 与读者对话;
- 是否以价值开头且句子简短:每条句子 ≤ 20 词;开头第一句是否直接给收益而非背景铺垫;
- 是否有具体例证与 CTA:像 tone-examples.md 那样落到可丈量的数字或明确行动,而不是抽象形容词;
- 格式是否克制:无 ALL CAPS、无大段文字墙、emoji ≤ 1-2 个。
八、延伸阅读
- SKILL.md:品牌身份、语气规范、Do's/Don'ts、用词表与好/坏例对照的完整定义;
- templates/email-template.txt 与 templates/social-post-template.txt:两份可直接套用的文案骨架;
- 03-skills/README.md:SKILL.md 格式、渐进披露模型、
user-invocable/disable-model-invocation等 frontmatter 字段的完整参考; - claude_concepts_guide.md:六套示例 Skill(含 brand-voice)在 Agent 概念体系中的定位;
- CATALOG.md 与 INDEX.md:各技能的登记表、触发场景与安装命令。
需要说明的是,文档 tone-examples.md 尾部还记录了自身的元信息:Last Updated 为 August 4, 2026,对应的 Claude Code 版本为 2.1.220,并声明了适用的兼容模型——引用时请留意以你本地实际运行的 Claude Code 版本为准。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0629
MiniCPM5-2BMiniCPM5-2B 是一款面向端侧、本地部署和资源受限场景的 2B 稠密 Transformer,能够达到同尺寸开源模型 SOTA 水平。Markdown00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。Python07
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00