** 실제로 쓰는 방법을 참조하십시오. 그런 다음 모든 초안, 너의 또는 AI의, 그것에 대하여. **

이 영화의 모든 수와 문장은 제작 샘플 작성에 대한 도구의 실제 출력입니다. 에 의해 재건 tools/demo/make_demo.py.

당신이 얻는 무엇

|이용안내 | 그것은 무엇입니까 | |—||| |**글쓰기에 대한 보고서 1 페이지, 브라우저에서 열립니다. 문장이 얼마나 오래 뛰고, 얼마나 자주 당신은 힌지, 어떤 문구는 당신이 느슨한, 어떤 문서는 나머지와 달리 소리, 그리고 정확한 줄을 수정합니다. | |A twin any AI can use | A System Prompt 는 목소리를 캡처하고, 어떻게 결정하고, 쓰기와 쓰기에 대해 최대 다섯 가지 질문에 내장되어 있습니다. | |모든 초안을 위한 검수원 | 규칙 코드는, 선을 선으로 확인할 수 있습니다. 초안에서 실행하거나 모든 풀 요청을 확인하여 송장 복사가 발송하기 전에 잡습니다. · | ** 트윈 ** | 실제로 전송되는 것과 같은 초안을 표시합니다. 그것은 당신의 편집에서 새로운 규칙을 제안합니다. 당신은 각 것을 찬성하고, 각 변화는 기록됩니다. ·

AI는 판단 통화입니다.

Digital Twin of Yourself

See how you actually write. Then check every draft, yours or an AI’s, against it.

Every number and sentence in this film is the tool’s real output on made-up sample writing. Rebuilt by tools/demo/make_demo.py.

What you get

The AI does the judgment calls. Everything that can be counted or checked is done by code: it runs on your machine, gives the same answer every time, and strips emails, phone numbers and money amounts before anything is saved.

Built by WhyStrohm.

---

Try it in three minutes

You need Python 3.9 or newer. Nothing to install. Nothing leaves your machine.

git clone https://github.com/whystrohm/digital-twin-of-yourself.git
cd digital-twin-of-yourself

# 1. Measure a folder of writing (here, the made-up sample)
python3 scripts/twin_scan.py --corpus examples/sample-corpus --out patterns.json

# 2. Build the report and open it
python3 scripts/twin_report.py patterns.json --out twin-report.html
open twin-report.html        # macOS; use xdg-open on Linux

# 3. Check a draft against a twin's rules
python3 scripts/twin_check.py --rules twins/example/twin.rules.json examples/drafts/supplier-update.md

Step 3 fails on purpose: the draft hedges, uses a dash, and runs one sentence to 37 words. examples/drafts/supplier-update.fixed.md passes.

To run it on your own writing, copy your own .md or .txt files into one folder, scrub them (see Safety), and point --corpus at that folder.

---

The layers

The extraction itself is a prompt. How deep it goes depends on what the model can read.