-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathindex.html
More file actions
1075 lines (1022 loc) · 37.4 KB
/
Copy pathindex.html
File metadata and controls
1075 lines (1022 loc) · 37.4 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html lang="de">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>RedenSkill — Sprach-DNA-Extraktion & Reden-Generator</title>
<style>
:root {
--bg: #0f1117;
--surface: #1a1d27;
--surface-2: #232733;
--border: #2e3345;
--text: #e4e6ef;
--text-muted: #8b90a5;
--accent: #6c8aff;
--accent-dim: #4a62cc;
--green: #4ade80;
--amber: #fbbf24;
--red: #f87171;
--font: 'Inter', -apple-system, BlinkMacSystemFont, 'Segoe UI', system-ui, sans-serif;
--mono: 'JetBrains Mono', 'Fira Code', 'SF Mono', Consolas, monospace;
}
* { margin: 0; padding: 0; box-sizing: border-box; }
html { scroll-behavior: smooth; }
body {
font-family: var(--font);
background: var(--bg);
color: var(--text);
line-height: 1.7;
font-size: 16px;
}
/* --- NAV --- */
nav {
position: fixed;
top: 0;
width: 100%;
background: rgba(15, 17, 23, 0.85);
backdrop-filter: blur(16px);
border-bottom: 1px solid var(--border);
z-index: 100;
padding: 0 2rem;
}
nav .inner {
max-width: 1100px;
margin: 0 auto;
display: flex;
align-items: center;
justify-content: space-between;
height: 64px;
}
nav .logo {
font-weight: 700;
font-size: 1.1rem;
letter-spacing: -0.02em;
color: var(--accent);
}
nav .links { display: flex; gap: 2rem; }
nav .links a {
color: var(--text-muted);
text-decoration: none;
font-size: 0.9rem;
transition: color 0.2s;
}
nav .links a:hover { color: var(--text); }
/* --- HERO --- */
.hero {
min-height: 100vh;
display: flex;
flex-direction: column;
justify-content: center;
align-items: center;
text-align: center;
padding: 6rem 2rem 4rem;
background: radial-gradient(ellipse at 50% 0%, rgba(108,138,255,0.08) 0%, transparent 60%);
}
.hero .badge {
display: inline-block;
padding: 0.35rem 1rem;
border-radius: 99px;
border: 1px solid var(--border);
background: var(--surface);
font-size: 0.8rem;
color: var(--text-muted);
margin-bottom: 1.5rem;
letter-spacing: 0.04em;
text-transform: uppercase;
}
.hero h1 {
font-size: clamp(2.5rem, 5vw, 4rem);
font-weight: 800;
letter-spacing: -0.03em;
line-height: 1.15;
max-width: 800px;
}
.hero h1 span { color: var(--accent); }
.hero p {
margin-top: 1.5rem;
font-size: 1.15rem;
color: var(--text-muted);
max-width: 600px;
line-height: 1.8;
}
.hero .cta {
margin-top: 2.5rem;
display: flex;
gap: 1rem;
flex-wrap: wrap;
justify-content: center;
}
.hero .cta a {
display: inline-block;
padding: 0.8rem 2rem;
border-radius: 8px;
text-decoration: none;
font-weight: 600;
font-size: 0.95rem;
transition: all 0.2s;
}
.hero .cta .primary {
background: var(--accent);
color: #fff;
}
.hero .cta .primary:hover { background: var(--accent-dim); }
.hero .cta .secondary {
background: var(--surface);
color: var(--text);
border: 1px solid var(--border);
}
.hero .cta .secondary:hover { border-color: var(--accent); }
/* --- SECTIONS --- */
section {
max-width: 1100px;
margin: 0 auto;
padding: 5rem 2rem;
}
section h2 {
font-size: 2rem;
font-weight: 700;
letter-spacing: -0.02em;
margin-bottom: 0.5rem;
}
section .subtitle {
color: var(--text-muted);
font-size: 1.05rem;
margin-bottom: 3rem;
max-width: 700px;
}
/* --- CARDS --- */
.cards {
display: grid;
grid-template-columns: repeat(auto-fit, minmax(300px, 1fr));
gap: 1.5rem;
}
.card {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 12px;
padding: 2rem;
transition: border-color 0.2s;
}
.card:hover { border-color: var(--accent); }
.card .icon {
width: 48px;
height: 48px;
border-radius: 10px;
display: flex;
align-items: center;
justify-content: center;
font-size: 1.4rem;
margin-bottom: 1.2rem;
}
.card .icon.blue { background: rgba(108,138,255,0.12); }
.card .icon.green { background: rgba(74,222,128,0.12); }
.card .icon.amber { background: rgba(251,191,36,0.12); }
.card h3 {
font-size: 1.15rem;
font-weight: 600;
margin-bottom: 0.6rem;
}
.card p {
color: var(--text-muted);
font-size: 0.92rem;
line-height: 1.7;
}
/* --- PIPELINE --- */
.pipeline {
display: flex;
flex-direction: column;
gap: 0;
position: relative;
padding-left: 2rem;
}
.pipeline::before {
content: '';
position: absolute;
left: 11px;
top: 24px;
bottom: 24px;
width: 2px;
background: var(--border);
}
.pipeline .step {
position: relative;
padding: 1.5rem 0 1.5rem 2rem;
}
.pipeline .step::before {
content: '';
position: absolute;
left: -2rem;
top: 1.85rem;
width: 24px;
height: 24px;
border-radius: 50%;
background: var(--surface);
border: 2px solid var(--accent);
}
.pipeline .step.done::before {
background: var(--accent);
}
.pipeline .step h4 {
font-size: 1rem;
font-weight: 600;
margin-bottom: 0.3rem;
}
.pipeline .step .tool {
display: inline-block;
padding: 0.15rem 0.6rem;
border-radius: 4px;
font-size: 0.75rem;
font-family: var(--mono);
margin-right: 0.5rem;
margin-bottom: 0.3rem;
}
.pipeline .step .tool.python { background: rgba(74,222,128,0.12); color: var(--green); }
.pipeline .step .tool.claude { background: rgba(108,138,255,0.12); color: var(--accent); }
.pipeline .step p {
color: var(--text-muted);
font-size: 0.9rem;
margin-top: 0.4rem;
}
/* --- TABLE --- */
.metrics-table {
width: 100%;
border-collapse: collapse;
margin-top: 1.5rem;
font-size: 0.9rem;
}
.metrics-table th {
text-align: left;
padding: 0.8rem 1rem;
border-bottom: 2px solid var(--border);
color: var(--text-muted);
font-weight: 600;
font-size: 0.8rem;
text-transform: uppercase;
letter-spacing: 0.05em;
}
.metrics-table td {
padding: 0.7rem 1rem;
border-bottom: 1px solid var(--border);
}
.metrics-table tr:hover td { background: var(--surface); }
/* --- CODE --- */
.code-block {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 10px;
padding: 1.5rem;
font-family: var(--mono);
font-size: 0.85rem;
line-height: 1.8;
overflow-x: auto;
margin: 1.5rem 0;
color: var(--text-muted);
}
.code-block .cmd { color: var(--green); }
.code-block .comment { color: #555a70; }
.code-block .highlight { color: var(--accent); }
/* --- FLOW DIAGRAM --- */
.flow {
display: grid;
grid-template-columns: 1fr auto 1fr auto 1fr;
gap: 0;
align-items: center;
margin: 2rem 0;
}
.flow .node {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 10px;
padding: 1.2rem;
text-align: center;
}
.flow .node h4 { font-size: 0.95rem; margin-bottom: 0.3rem; }
.flow .node p { color: var(--text-muted); font-size: 0.8rem; }
.flow .arrow {
color: var(--accent);
font-size: 1.5rem;
text-align: center;
padding: 0 0.5rem;
}
/* --- DURATION TABLE --- */
.duration-grid {
display: grid;
grid-template-columns: repeat(auto-fit, minmax(140px, 1fr));
gap: 1rem;
margin-top: 1.5rem;
}
.duration-item {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 10px;
padding: 1.2rem;
text-align: center;
}
.duration-item .minutes {
font-size: 2rem;
font-weight: 800;
color: var(--accent);
line-height: 1;
}
.duration-item .label {
font-size: 0.8rem;
color: var(--text-muted);
margin-top: 0.3rem;
}
.duration-item .words {
font-size: 0.9rem;
font-weight: 600;
margin-top: 0.5rem;
}
/* --- SCORE DEMO --- */
.score-demo {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 10px;
padding: 2rem;
font-family: var(--mono);
font-size: 0.82rem;
line-height: 1.9;
overflow-x: auto;
margin: 1.5rem 0;
}
.score-demo .pass { color: var(--green); }
.score-demo .warn { color: var(--amber); }
.score-demo .header { color: var(--text); font-weight: 700; }
/* --- FEEDBACK LOOP --- */
.loop-visual {
display: flex;
flex-wrap: wrap;
gap: 1rem;
justify-content: center;
margin: 2rem 0;
}
.loop-visual .loop-node {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 10px;
padding: 1.2rem 1.5rem;
text-align: center;
min-width: 160px;
position: relative;
}
.loop-visual .loop-node h4 { font-size: 0.9rem; }
.loop-visual .loop-node p { font-size: 0.8rem; color: var(--text-muted); }
.loop-visual .loop-arrow {
display: flex;
align-items: center;
color: var(--accent);
font-size: 1.5rem;
}
/* --- FAQ --- */
.faq-item {
border-bottom: 1px solid var(--border);
padding: 1.5rem 0;
}
.faq-item h4 {
font-size: 1rem;
font-weight: 600;
margin-bottom: 0.5rem;
cursor: default;
}
.faq-item p {
color: var(--text-muted);
font-size: 0.92rem;
line-height: 1.7;
}
/* --- FOOTER --- */
footer {
max-width: 1100px;
margin: 0 auto;
padding: 3rem 2rem;
border-top: 1px solid var(--border);
display: flex;
justify-content: space-between;
align-items: center;
color: var(--text-muted);
font-size: 0.85rem;
}
footer a { color: var(--accent); text-decoration: none; }
/* --- RESPONSIVE --- */
@media (max-width: 768px) {
nav .links { display: none; }
.flow { grid-template-columns: 1fr; }
.flow .arrow { transform: rotate(90deg); padding: 0.5rem; }
.hero h1 { font-size: 2rem; }
section { padding: 3rem 1.25rem; }
}
</style>
</head>
<body>
<!-- NAV -->
<nav>
<div class="inner">
<div class="logo">RedenSkill</div>
<div class="links">
<a href="#modi">Modi</a>
<a href="#pipeline">Pipeline</a>
<a href="#diagnose">Diagnose</a>
<a href="#metriken">Metriken</a>
<a href="#validierung">Validierung</a>
<a href="#dauer">Sprechdauer</a>
<a href="#feedback">Feedback-Loop</a>
<a href="#setup">Setup</a>
<a href="#faq">FAQ</a>
<a href="#impressum">Impressum</a>
</div>
</div>
</nav>
<!-- HERO -->
<div class="hero">
<div class="badge">Claude Code Skill + Python NLP Pipeline</div>
<h1>Redestil erfassen.<br><span>Reproduzierbar machen.</span></h1>
<p>
Extrahiere die Sprach-DNA eines Redners aus Beispielreden.
Generiere neue Reden im exakten Stil — validiert gegen 47 messbare Dimensionen.
Lerne aus Feedback und werde mit jeder Rede besser.
</p>
<div class="cta">
<a href="#setup" class="primary">Installation & Start</a>
<a href="#modi" class="secondary">Wie funktioniert es?</a>
</div>
</div>
<!-- MODI -->
<section id="modi">
<h2>Fünf Modi, ein Workflow</h2>
<p class="subtitle">
Von der Stilanalyse bis zur fertigen Rede — mit eingebauter Lernschleife und Qualitätssicherung.
</p>
<div class="cards">
<div class="card">
<div class="icon blue">1</div>
<h3>Sprach-DNA erstellen</h3>
<p>
Analysiert Beispielreden quantitativ (Python: Satzlänge, Rhetorik, Grammatik)
und qualitativ (Claude: Tonalität, Argumentation, Bildsprache). Ergebnis ist
ein vollständiges, belegtes Stilprofil mit 15 Abschnitten und messbaren Zielwerten.
</p>
</div>
<div class="card">
<div class="icon green">2</div>
<h3>Rede generieren</h3>
<p>
Nutzt DNA + akkumulierte Learnings + Briefing. Erstellt eine Gliederung nach dem
DNA-Blueprint, generiert die Rede abschnittsweise und validiert automatisch gegen
die DNA-Metriken. Learnings aus Feedback haben Vorrang. Iteriert bis Score ≥ 85.
</p>
</div>
<div class="card">
<div class="icon amber">3</div>
<h3>Feedback & Lernen</h3>
<p>
Akzeptiert Feedback als Text oder als überarbeitete Rede. Python berechnet die
Deltas, identifiziert was verschoben wurde. Learnings werden als konkrete Regeln
in LEARNINGS-{Name}.md gespeichert und bei jeder Generierung mitgelesen.
</p>
</div>
<div class="card">
<div class="icon" style="background: rgba(248,113,113,0.12);">4</div>
<h3>Stil-Check</h3>
<p>
Prüft ob eine Rede zum DNA-Profil passt — quantitativ (Score) und qualitativ
(Tonalität, Rhetorik, Wort-DNA). Verdikt: Authentisch / Teilweise passend / Stilfremd.
Hilft zu entscheiden ob eine Rede als Trainingsmaterial geeignet ist.
</p>
</div>
<div class="card">
<div class="icon" style="background: rgba(139,144,165,0.12);">5</div>
<h3>Skill exportieren</h3>
<p>
Exportiert die aktuelle Skill-Version als lesbares Paket — Skill-Definition,
Templates und Referenzdateien gebündelt in einem Verzeichnis.
</p>
</div>
</div>
</section>
<!-- PIPELINE -->
<section id="pipeline">
<h2>So arbeitet die Pipeline</h2>
<p class="subtitle">
Python liefert die Zahlen. Claude liefert das Verständnis. Zusammen entsteht die Sprach-DNA.
</p>
<h3 style="margin-bottom: 1.5rem; font-size: 1.1rem; color: var(--accent);">Modus 1: Sprach-DNA erstellen</h3>
<div class="pipeline">
<div class="step done">
<h4>Konvergenz-Diagnose</h4>
<span class="tool python">Python</span>
<p>Inkrementelle Analyse: Jede Rede wird einzeln hinzugefügt und ihr Einfluss auf die Metriken gemessen. Zeigt ob die DNA stabil wird oder mehr Reden nötig sind.</p>
</div>
<div class="step done">
<h4>Quantitative Analyse</h4>
<span class="tool python">Python</span>
<span class="tool python">spaCy</span>
<p>47 Dimensionen extrahieren: Satzlänge, TTR, Rhetorik, POS-Verteilung, Interpunktion, Lesbarkeit, Aktiv/Passiv, Pronomen-Profil.</p>
</div>
<div class="step done">
<h4>Rhetorische Figuren</h4>
<span class="tool python">Python</span>
<p>Anaphern, Epiphern, Trikola, rhetorische Fragen, Antithesen und bewusste Wiederholungen erkennen.</p>
</div>
<div class="step done">
<h4>Qualitative Analyse</h4>
<span class="tool claude">Claude</span>
<p>Tonalität, Argumentationsmuster, Aufbau-Architektur, Bildsprache, Rhythmus, Quellen-Integrationsstil, Anti-Patterns.</p>
</div>
<div class="step">
<h4>SPRACH-DNA schreiben</h4>
<span class="tool claude">Claude</span>
<p>15-Abschnitte-Stilprofil mit Zitaten als Belegen, quantitativen Zielwerten und Toleranzbereichen.</p>
</div>
</div>
<h3 style="margin: 3rem 0 1.5rem; font-size: 1.1rem; color: var(--green);">Modus 2: Rede generieren</h3>
<div class="flow">
<div class="node">
<h4>Briefing</h4>
<p>Thema, Zielgruppe,<br>Dauer, Quellen</p>
</div>
<div class="arrow">→</div>
<div class="node">
<h4>Gliederung</h4>
<p>Nach DNA-Blueprint,<br>User bestätigt</p>
</div>
<div class="arrow">→</div>
<div class="node">
<h4>Generierung + Validierung</h4>
<p>Abschnittsweise, Score-Check,<br>max. 3 Iterationen</p>
</div>
</div>
</section>
<!-- DIAGNOSE -->
<section id="diagnose">
<h2>Konvergenz-Diagnose</h2>
<p class="subtitle">
Reichen deine Beispielreden? Der Skill prüft automatisch ob die DNA stabil wird —
oder ob mehr Material nötig ist.
</p>
<div class="score-demo">
<span class="header">KONVERGENZ-DIAGNOSE</span><br>
<span style="color:var(--border)">──────────────────────────────────────────────────</span><br>
<br>
Rede 1-2: Basis-Analyse<br>
<br>
<span style="color:var(--accent)">Rede 3 "gruswort-juni.txt" (450 Wörter):</span><br>
Metriken-Drift: Ø 12.3% (4 signifikante Shifts)<br>
Neue Signalwörter: +8 (innovation, wandel, zukunft...)<br>
Neue Rhetorik: trikolon<br>
<span style="color:var(--accent)">🔵 Diese Rede hat den Stil ERWEITERT</span><br>
↳ Satzlänge: 14.2 → 12.8 (-9.9%)<br>
↳ Stakkato-Quote: 12.0 → 18.5 (+54.2%)<br>
<br>
<span style="color:var(--amber)">Rede 4 "impulsvortrag-sept.txt" (720 Wörter):</span><br>
Metriken-Drift: Ø 6.1% (2 signifikante Shifts)<br>
Neue Signalwörter: +3<br>
Neue Rhetorik: keine neuen Muster<br>
<span style="color:var(--amber)">🟡 Diese Rede hat den Stil VERFEINERT</span><br>
<br>
<span style="color:var(--green)">Rede 5 "ansprache-herbst.txt" (680 Wörter):</span><br>
Metriken-Drift: Ø 3.1% (0 signifikante Shifts)<br>
Neue Signalwörter: +1<br>
Neue Rhetorik: keine neuen Muster<br>
<span class="pass">🟢 Diese Rede hat den Stil BESTÄTIGT</span><br>
<br>
<span style="color:var(--border)">══════════════════════════════════════════════════</span><br>
<span class="pass">🟢 GESAMTBEWERTUNG: STABIL</span><br>
<span style="color:var(--text-muted)"> DNA konvergiert (Ø Shift der letzten Reden: 3.1%). 5 Reden sind eine solide Basis.</span>
</div>
<div class="cards" style="grid-template-columns: repeat(4, 1fr); margin-top: 2rem;">
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:1.6rem; font-weight:800; color:var(--green);">STABIL</div>
<p>DNA konvergiert,<br>genug Material</p>
</div>
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:1.6rem; font-weight:800; color:var(--amber);">FAST STABIL</div>
<p>Leichte Shifts,<br>1-2 Reden mehr</p>
</div>
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:1.6rem; font-weight:800; color:var(--red);">INSTABIL</div>
<p>Deutliche Shifts,<br>mehr Reden nötig</p>
</div>
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:1.6rem; font-weight:800; color:var(--text-muted);">UNZUREI-<br>CHEND</div>
<p>Unter 3 Reden,<br>Minimum fehlt</p>
</div>
</div>
</section>
<!-- METRIKEN -->
<section id="metriken">
<h2>47 messbare Dimensionen</h2>
<p class="subtitle">
Jeder Stil hat einen quantifizierbaren Fingerabdruck. Diese Metriken machen ihn reproduzierbar.
</p>
<table class="metrics-table">
<thead>
<tr>
<th>Kategorie</th>
<th>Metriken</th>
<th>Werkzeug</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>Satzebene</strong></td>
<td>Satzlänge (Mittelwert, Median, Stddev, Min/Max), Satztypen-Mix, Satzanfänge-Verteilung, Stakkato-Quote</td>
<td><span class="tool python" style="font-size:0.7rem">spaCy</span></td>
</tr>
<tr>
<td><strong>Wortebene</strong></td>
<td>Type-Token-Ratio, Hapax-Legomena, Wortlänge, Füllwort-Profil, Modalverb-Frequenz, Top-50 Signalwörter</td>
<td><span class="tool python" style="font-size:0.7rem">spaCy</span></td>
</tr>
<tr>
<td><strong>Pronomen</strong></td>
<td>Ich/Wir/Sie/Man/Es-Verteilung, Wir/Ich-Verhältnis, Gesamt-Pronomen-Anteil</td>
<td><span class="tool python" style="font-size:0.7rem">spaCy</span></td>
</tr>
<tr>
<td><strong>Interpunktion</strong></td>
<td>Gedankenstriche, Doppelpunkte, Semikolons, Ellipsen, Ausrufezeichen, Fragezeichen, Klammern, Kommas (je /1000 W.)</td>
<td><span class="tool python" style="font-size:0.7rem">Python</span></td>
</tr>
<tr>
<td><strong>Lesbarkeit</strong></td>
<td>Flesch-Reading-Ease (DE), Silben/Wort, Lange-Wörter-Anteil, Wörter/Satz</td>
<td><span class="tool python" style="font-size:0.7rem">textstat</span></td>
</tr>
<tr>
<td><strong>Grammatik</strong></td>
<td>POS-Verteilung, Aktiv/Passiv-Verhältnis, Tempus-Verteilung, Adjektiv-Dichte, Verb/Substantiv-Ratio</td>
<td><span class="tool python" style="font-size:0.7rem">spaCy</span></td>
</tr>
<tr>
<td><strong>Rhetorik</strong></td>
<td>Anaphern, Epiphern, Trikola, Rhetorische Fragen, Antithesen, bewusste Wiederholungen (je /1000 W.)</td>
<td><span class="tool python" style="font-size:0.7rem">Regex+NLP</span></td>
</tr>
</tbody>
</table>
<h3 style="margin-top: 3rem; font-size: 1.1rem;">Qualitative Dimensionen (Claude)</h3>
<table class="metrics-table">
<thead>
<tr>
<th>Dimension</th>
<th>Was wird erfasst</th>
</tr>
</thead>
<tbody>
<tr><td>Tonalität & Register</td><td>Formalitätsgrad, emotionale Temperatur, Autoritätsstil, Humor-Typ, Empathie-Signale</td></tr>
<tr><td>Argumentation</td><td>Muster, Evidenz-Präferenz, Gegenargument-Behandlung, Logos/Pathos/Ethos-Gewichtung</td></tr>
<tr><td>Aufbau-Blueprint</td><td>Eröffnungstechnik, Übergänge, Spannungsbogen, Schluss-Technik, Proportionen</td></tr>
<tr><td>Zielgruppen-Ansprache</td><td>Anrede-Muster, Inklusion, Vorwissen-Annahme, Appell-Frequenz</td></tr>
<tr><td>Bildsprache</td><td>Metaphern-Dichte, bevorzugte Bildfelder, Vergleiche, Abstrakt/Konkret</td></tr>
<tr><td>Rhythmus</td><td>Sprechbarkeit, Pause-Markierungen, Emphase-Wiederholungen, Atem-Einheiten</td></tr>
<tr><td>Quellen-Integration</td><td>Zitat-Einbau, Quellennennung, Daten-Präsentation</td></tr>
<tr><td>Anti-Patterns</td><td>Was bewusst NICHT getan wird, vermiedene Wörter/Konstruktionen</td></tr>
</tbody>
</table>
</section>
<!-- VALIDIERUNG -->
<section id="validierung">
<h2>Automatische Validierung</h2>
<p class="subtitle">
Jede generierte Rede wird gegen die DNA-Metriken geprüft. Abweichungen werden identifiziert
und iterativ korrigiert.
</p>
<div class="score-demo">
<span class="header">Dimension Ziel Ist Abw. Status</span><br>
<span style="color:var(--border)">────────────────────────────────── ────── ────── ────── ─────</span><br>
<span class="pass">Satzlänge (Ø Wörter) 14.2 15.8 11.3% ✓</span><br>
<span class="warn">Stakkato-Quote 18.0 12.0 33.3% ⚠️</span><br>
<span class="pass">Type-Token-Ratio 0.42 0.45 7.1% ✓</span><br>
<span class="pass">Füllwörter/1000 8.5 7.2 15.3% ✓</span><br>
<span class="pass">Aktiv-Anteil (%) 78.0 74.0 5.1% ✓</span><br>
<span class="pass">Wir/Ich-Verhältnis 2.1 1.8 14.3% ✓</span><br>
<span class="warn">Fragezeichen/1000 8.0 3.2 60.0% ⚠️</span><br>
<span class="pass">Flesch-Index 52.0 48.0 7.7% ✓</span><br>
<span class="pass">Silben/Wort 1.82 1.88 3.3% ✓</span><br>
<span class="pass">Kommas/1000 62.0 58.0 6.5% ✓</span><br>
<br>
<span class="header">STIL-ÜBEREINSTIMMUNG: 80/100 (8/10 Dimensionen im Toleranzbereich)</span><br>
<span style="color:var(--amber)">→ Gute Übereinstimmung, einzelne Dimensionen weichen ab</span>
</div>
<div class="cards" style="grid-template-columns: repeat(4, 1fr); margin-top: 2rem;">
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:2rem; font-weight:800; color:var(--green);">≥85</div>
<p>Sehr gut</p>
</div>
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:2rem; font-weight:800; color:var(--accent);">70-84</div>
<p>Gut</p>
</div>
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:2rem; font-weight:800; color:var(--amber);">50-69</div>
<p>Moderat</p>
</div>
<div class="card" style="text-align:center; padding:1.2rem">
<div style="font-size:2rem; font-weight:800; color:var(--red);"><50</div>
<p>Niedrig</p>
</div>
</div>
</section>
<!-- SPRECHDAUER -->
<section id="dauer">
<h2>Sprechdauer & Wortanzahl</h2>
<p class="subtitle">
Sage einfach "schreibe eine Rede für 10 Minuten" — der Skill rechnet automatisch um.
Standard: 130 Wörter pro Minute (ruhiger Vortragsstil). Individuell anpassbar.
</p>
<div class="duration-grid">
<div class="duration-item">
<div class="minutes">3</div>
<div class="label">Minuten</div>
<div class="words">~390 Wörter</div>
</div>
<div class="duration-item">
<div class="minutes">5</div>
<div class="label">Minuten</div>
<div class="words">~650 Wörter</div>
</div>
<div class="duration-item">
<div class="minutes">10</div>
<div class="label">Minuten</div>
<div class="words">~1.300 Wörter</div>
</div>
<div class="duration-item">
<div class="minutes">15</div>
<div class="label">Minuten</div>
<div class="words">~1.950 Wörter</div>
</div>
<div class="duration-item">
<div class="minutes">20</div>
<div class="label">Minuten</div>
<div class="words">~2.600 Wörter</div>
</div>
<div class="duration-item">
<div class="minutes">30</div>
<div class="label">Minuten</div>
<div class="words">~3.900 Wörter</div>
</div>
</div>
</section>
<!-- FEEDBACK LOOP -->
<section id="feedback">
<h2>Feedback & Learnings</h2>
<p class="subtitle">
Der Skill lernt aus jeder Korrektur. Learnings werden pro DNA gespeichert und bei jeder Generierung mitgelesen.
</p>
<div class="cards" style="grid-template-columns: 1fr 1fr; margin-bottom: 2rem;">
<div class="card">
<h3>Text-Feedback</h3>
<p>
"Die Rede ist zu formell."<br>
"Mehr rhetorische Fragen."<br>
"Der Schluss ist zu abrupt."<br><br>
Claude interpretiert das Feedback, identifiziert welche DNA-Dimensionen betroffen sind
und schlägt konkrete Anpassungen vor.
</p>
</div>
<div class="card">
<h3>Überarbeitete Rede</h3>
<p>
Du korrigierst die Rede selbst. Der Skill analysiert automatisch was du geändert hast.<br><br>
Python berechnet die exakten Deltas: Satzlänge +51%, Stakkato -40%, Füllwörter +12%.
Daraus leitet der Skill ab, wie die DNA angepasst werden muss.
</p>
</div>
</div>
<div class="loop-visual">
<div class="loop-node">
<h4>Rede generieren</h4>
<p>Modus 2</p>
</div>
<div class="loop-arrow">→</div>
<div class="loop-node">
<h4>Feedback geben</h4>
<p>Text oder Korrektur</p>
</div>
<div class="loop-arrow">→</div>
<div class="loop-node">
<h4>Delta-Analyse</h4>
<p>Python + Claude</p>
</div>
<div class="loop-arrow">→</div>
<div class="loop-node">
<h4>DNA + Learnings</h4>
<p>Akkumuliert</p>
</div>
</div>
<div class="card" style="margin-top: 1rem; border-color: var(--amber);">
<h3>Learnings statt Skill-Modifikation</h3>
<p>
Statt den Skill selbst zu verändern, werden Erkenntnisse als konkrete Regeln in
LEARNINGS-{Name}.md gespeichert — pro DNA, versionierbar, nachvollziehbar.
Bei jeder Generierung werden Learnings automatisch mitgelesen und haben Vorrang
vor generischen DNA-Zielwerten. Der Skill bleibt stabil, das Wissen wächst.
</p>
</div>
</section>
<!-- SETUP -->
<section id="setup">
<h2>Installation & Start</h2>
<p class="subtitle">In drei Schritten zur ersten Sprach-DNA.</p>
<div class="pipeline">
<div class="step done">
<h4>1. Repository klonen</h4>
<div class="code-block">
<span class="cmd">git clone</span> <repository-url> RedenSkill<br>
<span class="cmd">cd</span> RedenSkill
</div>
</div>
<div class="step done">
<h4>2. Dependencies installieren</h4>
<div class="code-block">
<span class="cmd">bash</span> scripts/setup.sh<br>
<br>
<span class="comment"># Oder manuell:</span><br>
<span class="cmd">pip install</span> -r scripts/requirements.txt<br>
<span class="cmd">python -m spacy download</span> de_core_news_lg
</div>
<p>Installiert spaCy (MIT), deutsches Sprachmodell (MIT), textstat (MIT). Ca. 600 MB.</p>
</div>
<div class="step done">
<h4>3. Material ablegen</h4>
<div class="code-block">
<span class="comment"># Beispielreden (mind. 3 empfohlen)</span><br>
<span class="cmd">cp</span> meine-reden/*.txt <span class="highlight">archive/beispielreden/</span><br>
<br>
<span class="comment"># Referenzquellen (optional)</span><br>
<span class="cmd">cp</span> quellenmaterial/*.md <span class="highlight">archive/quellen/</span>
</div>
</div>
<div class="step">
<h4>4. Skill starten</h4>
<div class="code-block">
<span class="comment"># In Claude Code (CLI, Desktop App, oder IDE Extension):</span><br>
<span class="highlight">/project:reden</span>
</div>
<p>Wähle "Sprach-DNA erstellen" beim ersten Durchlauf.</p>
</div>
</div>
<h3 style="margin-top: 3rem; margin-bottom: 1rem; font-size: 1.1rem;">Voraussetzungen</h3>
<table class="metrics-table">
<thead>
<tr><th>Komponente</th><th>Version</th><th>Lizenz</th></tr>
</thead>
<tbody>
<tr><td>Python</td><td>3.9+</td><td>PSF</td></tr>
<tr><td>Claude Code</td><td>aktuell</td><td>Anthropic</td></tr>
<tr><td>spaCy</td><td>3.7+</td><td>MIT</td></tr>
<tr><td>de_core_news_lg</td><td>aktuell</td><td>MIT</td></tr>
<tr><td>textstat</td><td>0.7+</td><td>MIT</td></tr>
</tbody>
</table>
</section>
<!-- STRUKTUR -->
<section id="struktur">
<h2>Projektstruktur</h2>
<div class="code-block">
<span class="highlight">RedenSkill/</span><br>
├── <span class="highlight">.claude/commands/reden.md</span> <span class="comment"># Skill + Orchestrator</span><br>
├── <span class="highlight">references/</span><br>
│ ├── sprach-dna-template.md <span class="comment"># DNA-Template (15 Abschnitte)</span><br>
│ ├── generierung-regeln.md <span class="comment"># Qualitäts-Regeln mit Begründungen</span><br>
│ └── beispiele.md <span class="comment"># Input→Output Beispiele</span><br>
├── <span class="highlight">scripts/</span><br>
│ ├── analyze_style.py <span class="comment"># Haupt-Pipeline</span><br>
│ ├── diagnose_convergence.py <span class="comment"># Konvergenz-Diagnose</span><br>
│ ├── extract_metrics.py <span class="comment"># 47 quantitative Dimensionen</span><br>
│ ├── detect_rhetoric.py <span class="comment"># Rhetorische Figuren</span><br>
│ ├── validate_speech.py <span class="comment"># Validierung (Score 0-100)</span><br>
│ ├── compare_feedback.py <span class="comment"># Feedback-Delta-Analyse</span><br>
│ ├── requirements.txt<br>
│ └── setup.sh<br>
├── <span class="highlight">archive/</span><br>
│ ├── beispielreden/ <span class="comment"># Beispielreden ablegen</span><br>
│ └── quellen/ <span class="comment"># Referenzquellen ablegen</span><br>
├── <span class="highlight">output/</span><br>
│ ├── sprach-dna/ <span class="comment"># DNA + Metriken + Learnings</span><br>
│ └── reden/ <span class="comment"># Generierte Reden + Reports</span><br>
├── CLAUDE.md<br>
├── README.md<br>
└── index.html <span class="comment"># Diese Seite</span>
</div>
</section>
<!-- FAQ -->
<section id="faq">
<h2>Häufige Fragen</h2>
<div class="faq-item">
<h4>Wie viele Beispielreden brauche ich?</h4>
<p>
Minimum 3, empfohlen 5-10. Mehr Reden ergeben stabilere Metriken. Bei nur 3 Reden können
Ausreißer (eine besonders kurze oder formelle Rede) die Durchschnittswerte verzerren.
</p>
</div>
<div class="faq-item">
<h4>Kann ich mehrere Stile verwalten?</h4>
<p>
Ja. Lege verschiedene Sets von Beispielreden an und erstelle je eine eigene Sprach-DNA.
In Modus 2 wählst du bei jedem Durchlauf welche DNA verwendet werden soll. So kannst du
z.B. einen formellen Konferenz-Stil und einen lockeren Team-Meeting-Stil parallel pflegen.
</p>
</div>
<div class="faq-item">
<h4>Was gehört in die Quellen?</h4>
<p>
Alles woraus sich die Rede inhaltlich speisen darf: Studien, Marktzahlen, Zitate,
Hintergrundinfos, Pressemitteilungen, interne Reports. Die Quellen beeinflussen den
Inhalt, nicht den Stil — der kommt ausschließlich aus der DNA.
</p>
</div>
<div class="faq-item">
<h4>Funktioniert es auch für englische Reden?</h4>
<p>
Prinzipiell ja, aber das Sprachmodell ist für Deutsch optimiert. Für Englisch müsste
in extract_metrics.py das Modell auf en_core_web_lg gewechselt und die Füllwort- und
Modalverb-Listen angepasst werden.
</p>
</div>
<div class="faq-item">
<h4>Brauche ich eine GPU?</h4>
<p>
Nein. spaCy läuft effizient auf der CPU. Die Analyse von 10 Reden dauert typisch 10-30
Sekunden. Das ist kein Deep Learning mit Millionen Parametern, sondern statistische
Sprachanalyse.
</p>
</div>
<div class="faq-item">
<h4>Was passiert mit meinen Reden?</h4>
<p>
Alles läuft lokal. Keine Daten werden an externe Server geschickt (außer an Claudes API
im Rahmen der normalen Claude Code Nutzung). Beispielreden, DNA und generierte Reden
bleiben auf deinem Rechner.
</p>
</div>