Как я сделал репликатор Telegram-канала через три независимых метода анализа

История одного проекта по реверс-инжинирингу: 24 измерения стиля, 427 постов, 113 710 слов, 2 успешных теста и один сломанный Intel Mac.

Последний год моя лента выглядит одинаково. YouTube, закрытые Telegram-каналы, «разборы» от новых гуру: везде одна и та же песня — «ИИ сделает тебя богатым и успешным». Это новое поколение инфоцыган. Я называю их ИИ-цыганами.

Я решил посмотреть, что у них внутри. Смотрел ролики, читал закрытые каналы. И довольно быстро всё сошлось: это инфоцыганство по методу Аяза и Блиновской — «точка А», «точка Б», «вселенная», воронка и цели. Поменялись только слова. Вместо «вселенной» — промпты. Вместо «мастер-классов» — скиллы.

Главный тезис у всех один: ИИ может построить бизнес или скопировать чужой успешный проект. Вбей правильный промпт — и готово.

Я понимаю, как устроен бизнес, поэтому за такую затею не брался. Процессы там сложные, и гуру, которые свели всё к воронке и целям, мягко говоря, упрощают. Но однажды я спросил себя: а если проверить? Не спорить, не язвить в комментариях, а поставить честный эксперимент.

Условия:

бесплатные модели;
дешёвое железо: старый Intel Mac на 2 ядра и 8 ГБ памяти;
один промпт;
цель: успешный Telegram-канал. Я взял проект, который сейчас тоже популярен у воздуханов, — «Рога и Копыта», жёсткую русскоязычную публицистику о мужественности, инфоцыганах и философии.

Название канала я, конечно, изменил. Я считаю неправильным делать рекламу этому каналу или плодить новые каналы такого типа. «Рога и Копыта» — псевдоним.

Спойлер: нет, это не работает.

Не работает главная теория ИИ-цыган: «один промпт — и ты скопировал стиль, а за ним и успешный проект». «Напиши как Хемингуэй», «напиши как Довлатов» — модель имитирует, не понимая, из чего состоит оригинал. Какого размера предложения? Какая метафора доминирует? Как автор относится к деньгам?

Чтобы получить результат, нужно намного больше, чем промпт. Не «одна кнопка», а 14 дней работы, три независимых метода анализа, 113 710 слов корпуса и шесть значимых ошибок по дороге. В итоге получился репликатор, который воспроизводит 10 из 10 метрик оригинала. Промпт в этой цепочке — последний и самый маленький шаг.

Эта статья о том, как устроена остальная часть: как измерять стиль, где всё ломалось и почему никакой гуру не продаст это в одном промпте.

Пять слоёв авторского стиля — что вообще можно измерить
Данные — 113 710 слов за 8 лет
Стилометрия — объективные цифры лексики через pystylometry
Качественный анализ — 8 измерений через Claude Code
Семантическая разметка — 24 измерения через Laya
Стратегия — эволюция канала 2018–2026 через метаданные
Финальные артефакты — Style Card, скилл, контент-план
Что не сработало — честный раздел об ошибках
Как применить методологию к любому автору
Главный инсайт проекта — центральный образ стиля

Прежде чем что-то писать, нужно ответить на вопрос: из чего состоит авторский стиль?

Я разложил его на пять слоёв, каждый измеряется своим методом:

Именно комбинация даёт полную картину. По отдельности каждый слой даёт лишь часть ответа.

Например:

Стилометрия скажет: «словарь богатый, MTLD 95.9»
Но не скажет: «автор использует мясную метафору»
И не скажет: «посты в 2022 году собирали 99 524 просмотра, а в 2025-м — 28 420»

А без этой информации «репликатор» — просто имитация. С ней — измеримая система.

Два независимых источника данных:

PDF-выгрузка канала (Messages_Roga-i-Kopyta.txt) — 113 710 слов, 14 598 строк
Telegram CSV-экспорт (Messages_Roga-i-Kopyta.csv) — 427 постов (2018–2026) с метаданными: даты, просмотры, реакции, форварды

PDF-выгрузка содержит полный текст постов — весь корпус. Это основа для анализа стиля.

CSV-экспорт содержит метаданные: точные даты, числа просмотров, реакции. Это основа для анализа стратегии.

Вместе они дают полную картину:

Что автор писал (текст)
Когда писал (даты)
Как это работало (просмотры, реакции)

113 710 слов — слишком много для одного анализа. Ключевое решение: разбить на 15 чанков по ~7000 слов.

Почему это важно:

Контекстное окно моделей ограничено. Даже большие модели (128k токенов) не обработают 113 000 слов за раз.
Чанки сохраняют хронологию. chunk_aa = январь–апрель 2018, chunk_ao = декабрь 2024 — январь 2026.
Анализ 15 чанков даёт распределение, а не среднее. Видно разброс: где MTLD 75, где 110.

Хронология чанков:

Итого: 8 лет истории канала, разбитых на 15 примерно равных фрагментов.

Урок: без нарезки на чанки анализ был бы поверхностным. Модель увидела бы только начало файла или выдала усреднённый результат без деталей.

pystylometry — Python-библиотека, которая считает более 50 метрик текста. Для русского языка работают не все, но три — самые важные:

MTLD (Measure of Textual Lexical Diversity) — лексическое разнообразие с учётом длины текста
Hapax ratio — доля слов, встречающихся ровно один раз
Word bigram entropy — энтропия биграмм (непредсказуемость сочетаний слов)

Автор — не типичный «инфоцыган». У среднего автора в этой нише:

MTLD 45–60 (бедный словарь)
Hapax 0.20–0.30 (много повторов)
Entropy 7–8 (клише, штампы)

«Рога и Копыта» в 1.5–2 раза богаче. Это литературный публицист, а не «мотивационный оратор».

from pystylometry import analyze from pathlib import Path text = Path('chunk_am').read_text() r = analyze(text, lexical_metrics=True, ngram_metrics=True) print(f"MTLD: {r.lexical['mtld'].mtld_average:.1f}") print(f"Hapax: {r.lexical['hapax'].hapax_ratio:.3f}") print(f"Entropy: {r.ngrams['word_bigram'].entropy:.3f}")

Запуск:

uv run --with pystylometry --python 3.11 python analyze.py

Стилометрия даёт объективные цифры, но не говорит о смысле. Она может сказать «словарь богатый», но не скажет «автор использует мясную метафору» или «он пишет как трикстер».

Для семантики нужны другие методы — Claude Code и Laya.

Стилометрия говорит «словарь богатый», но не говорит о чём автор пишет и как строит текст. Нужна семантическая разметка — но не поверхностная, а по строгому шаблону.

Через Claude Code прогнать все 15 чанков через шаблон 8 измерений:

Лексика — фирменные слова, сленг, мат
Синтаксис — длина предложений, тире, парцелляция
Тональность — роли автора: друг, эксперт, провокатор, наставник
Дискурс — типы крючков, финалов, структур
Риторика — метафоры, риторические вопросы, образы
Эмоции — спектр, качели, пики
Перспектива — от какого лица, темы, ценности
Формат — структура постов, эмодзи, ссылки

Каждое измерение — с конкретными цитатами и указанием, в каком чанке это найдено.

Прочитай все 15 файлов chunk_aa.md … chunk_ao.md. Все 15 — фрагменты ОДНОГО Telegram-канала «Рога и Копыта». Автор один. Персонажи внутри (Петрович, Волк, Андрей) — литературные образы ЭТОГО автора, а не соавторы. Проанализируй по 8 измерениям (лексика, синтаксис, тональность, дискурс, риторика, эмоции, перспектива, формат). Для каждого измерения — минимум 2 цитаты с указанием чанка-источника. Объём: 3500-5000 слов. Только русский.

Файл style_analysis.md на 4927 слов — детальный разбор каждой черты с цитатами из оригинала.

Роль автора: provocateur-деконструктор. Не друг, не эксперт, не наставник. Трикстер, который выбивает у читателя костыли самоуспокоения.

Фирменные образы:

Петрович — инерция бытия, биологический фатализм
Волк — дикая аутентичность, спартанский дзен
Вселенский дракон — объективный Закон мироздания

Философская база: дзен + экзистенциализм.

Финалы: иронический сброс пафоса или тишина. Не мораль.

Не полагайтесь только на цифры. Стилометрия говорит «словарь богатый», но не говорит «автор — трикстер, который выбивает у читателя костыли самоуспокоения». Это даёт LLM.

Claude Code субъективен. Он не даёт калиброванных вероятностей. Его вывод — интерпретация, а не измерение.

Для объективной семантики нужен третий метод — Laya.

Laya — открытая модель (Apache 2.0) для типизированных решений. Не генерирует текст, а отвечает на вопросы в одном из трёх форматов:

choice — выбери один из вариантов (тема, психотип, тип финала)
score — оцени по шкале (агрессия, гротеск, метафизическая глубина)
noul — бинарный ответ (есть/нет) с калиброванной вероятностью

Ключевое преимущество: математически калиброванные вероятности. Не «мне кажется, автор провокатор», а «0.93 — автор провокатор».

Структура (5 вопросов):

Тема — infocygane / masculinity / society / money / personal
Роль автора — друг / эксперт / провокатор / наставник
Психотип — циник / воин / мудрец / трикстер
Тип крючка — абсурд / бытовая сцена / онтология / саморазоблачение
Тип финала — ультиматум / иронический сброс / тишина

Метрики (score, 0–3):

Агрессия
Самоирония
Метафизическая глубина
Плотность маркеров
Гротеск
Отношение к деньгам

Бинарные (noul):

Манипуляции
Мат
Риторические вопросы
Обращение к читателю
Диалоги
Внешняя ирония
Персонаж-жертва
Call to action

Эмоция и метафора:

Emotional_tone (5 вариантов)
Metaphor_type (4 варианта)
Philosophical_school (4 варианта)

from laya import Router router = Router() questions = { "theme": { "type": "choice", "instructions": "Тема?", "criteria": { "infocygane": "критика инфоцыган", "masculinity": "мужественность", "society": "социальная сатира", "money": "деньги и статус", "personal": "личные истории", } }, "psychotype": { "type": "choice", "instructions": "Психотип автора?", "criteria": { "cynic": "циник", "warrior": "воин", "sage": "мудрец", "trickster": "трикстер", } }, "aggression": { "type": "score", "instructions": "Агрессивность?", "criteria": ["нейтральная", "умеренная", "жёсткая", "враждебная"] }, "profanity": { "type": "noul", "instructions": "Используется мат?" }, } result = router.predict(text, questions, model="multilingual")

Модель multilingual — обязательна для русского. Иначе короткий русский текст уйдёт на English-чекпоинт и вернёт мусор.

Максимум 2500 символов на окно — на Intel Mac Laya падает на длинных текстах (лимит 8192 токена, для русского это ~4000 символов).

Обработка по одному чанку — не predict_batch с большими батчами. Intel Mac зависает при 90+ строк в одном forward pass.

24 измерения × 15 чанков = 360 точек данных. Это самая детальная семантическая разметка корпуса.

Дзен: 46%
Экзистенциализм: 40%
Ницшеанство: 13%

Дзен слегка впереди. Это объясняет финалы через тишину («Достаточно — молвит инструмент», «Никак»).

Первоначально Laya дала:

technological 60%
biological 20%
somatic 13%
culinary 6%

Но это оказалось ошибкой. Точная проверка через grep по формам слов показала:

Из соматических доминирует «мясо» — 29 из 61 вхождения.

Урок: Laya хороша для относительных сравнений (какой чанк агрессивнее), но не для абсолютных пропорций. Систематически ошибается на выборе абстрактных категорий.

1. «Берёшь?» — не главный финал.

Я думал, что это фирменный маркер. Оказалось, 0% чанков заканчиваются им. 80% — иронический сброс пафоса, 20% — тишина.

2. Мат — только в 66% чанков.

Не в каждом посте. Я переоценивал (думал 100%).

3. Диалоги — в 86% чанков.

Это ключевой приём, который я пропустил в качественном анализе. Волк, Петрович, коуч, начальник — 1–2 реплики на пост.

4. Личные истории — в 46% чанков.

Не «редкость 13%», а почти половина постов.

Единый образ стиля: человек как биологический материал.

Мясная метафора — 55% всех метафор
Кулинарная — 21%
Биологическая — 15%

Автор смотрит на человека как на сырьё, из которого социальная среда лепит продукт. Не душа, не разум, не личность — а тесто, мясо, полуфабрикат.

Это смысловое ядро, вокруг которого строится весь стиль.

CSV-экспорт Telegram дал 427 постов с полями:

date — дата и время с точностью до секунды
views — просмотры
reactions — реакции
forwards — форварды
text_length — длина в символах

Главная находка — траектория канала.

Эпоха A (2018–2019): становление.

Короткие посты (1000–2000 симв), много эмодзи (11–14%), ссылки не везде. Просмотры 25 000–47 000.

Эпоха B (2020–2023): расцвет.

Длинные лонгриды 3900–4100 символов (максимум Telegram). Эмодзи практически нет (0–4%). Все посты со ссылками на блог. 70–90% с вопросами к читателю.

Пик — 2022. Средние просмотры 99 524.

Эпоха C (2024–2026): упадок.

Посты в 3 раза короче (1500 → 146 символов). Постов в 3–5 раз больше (22 → 112 в год). Эмодзи вернулись (27–50%). Вопросы упали до 26%. Просмотры упали в 3.5 раза (99K → 28K).

Частота убила качество.

2023: 22 поста, в среднем 84 037 просмотров
2025: 112 постов, в среднем 28 420 просмотров

Автор стал публиковать в 5 раз чаще, но аудитория потеряла интерес. Формат сломался.

По дням недели:

Вывод: публиковать в выходные. Четверг — провал.

По часам (UTC → МСК):

Ключевое: автор постил утром (06–07 UTC), а лучшие просмотры у постов, опубликованных днём (13–16 UTC).

Разрыв в 2.5 раза.

Гипотеза: аудитория «Рогов и Копыт» — люди, которые читают вечером после работы, а не утром.

import json from pathlib import Path posts = json.loads(Path('posts_v2.json').read_text()) # По дням недели by_wd = {} for p in posts: if p.get('weekday') is not None and p.get('views'): by_wd.setdefault(p['weekday'], []).append(p['views']) for wd in sorted(by_wd.keys()): avg = sum(by_wd[wd]) / len(by_wd[wd]) print(f"День {wd}: {avg:.0f}")

Данные говорят то, что не видно глазами. Кажется, что автор «работал больше» в 2024–2025 — 69 и 112 постов. Реальность: качество упало в 3 раза, аудитория потеряла интерес.

Частота — не стратегия. Формат — стратегия.

Три аналитических слоя дали три разных типа данных. Их нужно было свести в работающие артефакты, применимые на практике.

Свод правил стиля — документ на 35 КБ, в котором:

24 измерения (темы, психотип, метафоры, черты)
10 генов стиля (с примерами и противопоказаниями)
4 формулы постов (шаблоны структур)
Лексический арсенал (25 фирменных слов)
Чёрный список (канцелярит, глянец, англицизмы)
Чек-лист репликатора (16 пунктов)

Style Card — основной документ. Работает в любой LLM, не только в Claude Code. Можно прикрепить к ChatGPT, Gemini, Kimi — и получить пост в стиле «Рогов и Копыт».

Файл SKILL.md — скилл, который Claude Code автоматически применяет при генерации. Лежит в ~/.claude/skills/roga_i_kopyta_writer/.

Структура:

SKILL.md — описание, процесс, обязательные компоненты
references/style_card.md — свод правил
references/examples.md — 5 живых примеров (few-shot)

Как активируется:

/roga_i_kopyta_writer Напиши пост на тему [ТЕМА]. Объём: 3800-4100 символов.

Claude Code читает SKILL.md, затем style_card.md и examples.md, затем пишет текст.

5 фрагментов оригинала по ~600 слов каждый, из разных тем:

Мужественность
Критика инфоцыган
Социальная сатира
Деньги и статус
Личные истории

Каждый — реальный текст из корпуса. Модель имитирует структуру, ритм, лексику — но не копирует фразы буквально.

Зачем few-shot: правила в style_card.md описывают стиль абстрактно. Живые примеры показывают его конкретно. Комбинация даёт лучший результат, чем каждый по отдельности.

CONTENT_PLAN.md — практическое руководство на основе данных 427 постов:

Когда публиковать: воскресенье, 16:00 МСК.

Сколько: 2–3 поста в месяц. Не чаще.

Как долго: 3800–4100 символов (максимум Telegram).

Что заходит:

Провокация лучше обучения
Мясная метафора лучше технологической
Ирония лучше злости
Диалоги лучше монолога

Чек-лист перед публикацией: 15 пунктов, включая «нет канцелярита», «нет эмодзи», «финал — ирония или тишина».

Набор файлов для использования в любой LLM без Claude Code:

roga_i_kopyta_portable/ ├── README.md ├── style_card.md ├── examples.md ├── CONTENT_PLAN.md └── sample_output.md

Пользователь прикрепляет style_card.md + examples.md в ChatGPT/Gemini/Kimi и отправляет промпт из README.md. Получает пост в стиле «Рогов и Копыт».

Поток данных:

Исходники → data/12_raw/, data/Messages_Roga-i-Kopyta.csv
Стилометрия → analysis/style/stylometry_raw.json
Качественный анализ → analysis/style/style_analysis.md
Laya → analysis/style/laya_full.json
Стратегия → analysis/strategy/posts_v2.json
Синтез → artifacts/style_card.md, artifacts/SKILL.md, artifacts/examples.md
Применение → roga_i_kopyta_portable/ для любой LLM

Всё в одной папке. Один проект, три метода, четыре артефакта, работающая система.

Проект шёл 14 дней. Из них минимум 4 дня ушли на тупики и ошибки. Вот они — с уроками.

Проблема. Модель nvidia/nemotron-3-super-120b (казалось бы — большая, 120B) вставляет иноязычные слова в русский текст:

«лестнице success» вместо «успеха»
«欲望ами» (китайский иероглиф) вместо «желаниями»
«inizialmente защищал» (итальянский) вместо «изначально»
«этurности» (латиница внутри русского слова)

Это не опечатки, а системная проблема модели: токенизатор теряет язык на длинных генерациях.

Тест. Пост на nemotron дал манипуляции 0.05 (при норме 0.7–1.0) — полный провал стиля.

Решение. Использовать Kimi K3 или DeepSeek V3. Они стабильны с русским.

Урок. Не всякая большая модель годится для русского. Nemotron специализирован на английском и коде.

Проблема. Первый запуск Laya на полном чанке (44 000 символов) упал с ошибкой:

Token indices sequence length is longer than the specified maximum sequence length for this model (15221 > 8192)

Laya-multilingual имеет лимит 8192 токена. Для русского это ~4000–5000 символов. Чанк в 44 000 символов — в 9 раз больше лимита.

Решение. Нарезка:

Максимум 2500 символов на одно окно
Обработка по одному чанку, не batch
Для полного анализа чанка — 3 окна (начало, середина, конец)

Урок. У каждой модели есть жёсткий лимит. Русский текст «съедает» больше токенов, чем английский.

Проблема. Скрипт analyze_extended.py пытался прогнать 5 чанков × 18 вопросов = 90 строк в одном forward pass. Intel Mac с 2 ядрами завис намертво.

Симптомы:

Load Average 19.48 (при норме 1–3)
Процесс занял 2.5 ГБ RAM
Mac начал свопить, всё замедлилось

Решение. Три правила:

batch_size=1 на слабом железе — каждый чанк отдельно
Максимум 6 вопросов на один вызов при 15 чанках
Общее правило: вопросов × чанков ≤ 12 для Intel Mac с 2 ядрами

Урок. «Ускорение через batch» — для GPU. На CPU это путь к зависанию.

Проблема. Laya-multilingual на вопрос «какой тип метафор преобладает?» дала:

technological 60% ← главная
biological 20%
somatic 13%
culinary 6%

Реальность (проверено grep по формам слов):

Мясная / соматическая: 55% ← главная
Кулинарная: 21%
Биологическая: 15%
Технологическая: 8%

Laya ошиблась в 7 раз: сказала 60%, реально 8%.

Причина. У модели bias к абстрактным категориям. «Technological» — абстрактное понятие, «мясная метафора» — конкретное.

Решение. Laya хороша для относительных сравнений (какой чанк агрессивнее, какой психотип), но не для абсолютных пропорций. Проверять через grep.

Урок. Доверяй модели, но проверяй. Особенно когда речь о подсчётах.

Проблема. Во время первого запуска analyze_all_chunks.py (15 чанков × 12 вопросов) система зависла полностью:

Load Average 19.48
Memory Pressure высокое
Finder не отвечал

Причина. Не хватало памяти: Laya + macOS + фоновые процессы занимали все 8 ГБ. Система начала свопить на диск.

Решение.

Закрыть всё лишнее перед запуском: браузер, VS Code, мессенджеры
OMP_NUM_THREADS=2 — ограничить потоки Laya
Мониторить в отдельном терминале:

ps aux | grep python | awk '{print "CPU:", $3, "RSS_MB:", $6/1024}'
top -l 1 -n 0 | grep -E "Load|PhysMem"
Прерывать при RSS >3 ГБ или Load >15

Урок. Не игнорировать нагрузку. Intel Mac с 8 ГБ RAM — не сервер для ML.

Проблема. Первая версия скрипта пыталась задать Laya 18 вопросов сразу. Это не упало, но заняло 126 секунд на один чанк. 15 чанков = 31 минута.

Решение. Разбить на 3 части по 6 вопросов:

Часть 1 (12 вопросов) — базовая структура
Часть 2 (6 вопросов) — психология и глубина
Часть 3 (6 вопросов) — эмоции и метафоры

Каждая часть — ~30 минут. Итого 1.5 часа на полный анализ.

Урок. Не гнаться за одним большим запросом. Разбивать на подзадачи — эффективнее.

Всего: 6 значимых ошибок, каждая заняла 1–4 часа, каждая дала урок.

Главный вывод: не бывает «гладкого» проекта. Бывают люди, которые фиксируют ошибки и идут дальше.

Это самое ценное в проекте. Не сам канал «Рога и Копыта» — а методология, которую можно применить к любому каналу, блогу, книге.

Методология работает, если:

Корпус достаточный: 50+ постов или 50 000+ слов
Разнообразие: разные темы и периоды (не 5 постов одного месяца)
Метаданные: хотя бы даты. Идеально — просмотры, реакции
Экспорт возможен: Telegram → CSV, блог → RSS, книга → PDF

Шаг 1. Сбор данных

Telegram Desktop: Export chat history → CSV
Блог: RSS или sitemap → текстовый файл
Книга: PDF → текстовый файл

Шаг 2. Нарезка

Чанки по ~7000 слов для стилометрии и качественного анализа
Окна по 2500 символов для Laya
Сохранить хронологию

Шаг 3. Стилометрия

pystylometry — MTLD, Hapax, Entropy
5 минут на весь корпус
Даёт объективные цифры лексики

Шаг 4. Качественный анализ

Claude Code + шаблон 8 измерений
30–60 минут на корпус
Даёт семантику с цитатами

Шаг 5. Семантическая разметка

Laya + 24 вопроса
15–45 минут на корпус (на Intel Mac — дольше)
Даёт калиброванные вероятности

Шаг 6. Анализ стратегии

Парсинг CSV → метаданные
Анализ эволюции, времени, длины
Выявление оптимальных паттернов

Шаг 7. Синтез

Собрать Style Card (свод правил)
Сделать скилл для Claude Code
Составить CONTENT_PLAN

Шаг 8. Валидация

Сгенерировать пост на новую тему
Проверить метрики через Laya + pystylometry
Сравнить с оригиналом

Промпт 1: качественный анализ чанков

Ты — аналитик стиля. Прочитай 15 чанков текста автора [ИМЯ].

Проанализируй по 8 измерениям:

Лексика (фирменные слова, сленг, мат)
Синтаксис (длина, тире, парцелляция)
Тональность (роли автора)
Дискурс (крючки, финалы, структуры)
Риторика (метафоры, вопросы, образы)
Эмоции (спектр, качели, пики)
Перспектива (от какого лица, темы)
Формат (структура, эмодзи, ссылки)

Для каждого измерения — 2 цитаты с указанием источника. Объём: 3500–5000 слов.

Промпт 2: анализ Laya

questions = { "theme": {"type": "choice", "instructions": "Тема?", "criteria": {...}}, "psychotype": {"type": "choice", ...}, "aggression": {"type": "score", ...}, "profanity": {"type": "noul", ...}, # ... 24 измерения } result = router.predict(text, questions, model="multilingual")

Промпт 3: генерация в стиле

Ты — писатель в стиле [ИМЯ]. Используй приложенный Style Card как руководство, приложенные примеры — как образец ритма и лексики. НЕ копируй фразы буквально.

Задача: напиши пост на тему «[ТЕМА]». Объём: [X символов].

Обязательно:

[Черта 1] ≥3 раз
[Черта 2] ≥5 раз
[Черта 3] ≥3
Драматургическая арка
2–3 темы
Финал — [тип]

Начни сразу с текста.

Что работает всегда:

Стилометрия (объективные цифры)
Анализ стратегии через метаданные
Few-shot через примеры

Что зависит от инструмента:

Laya bias на абстрактных категориях
LLM-анализ субъективен
На слабом железе — медленно

Что не работает без данных:

Без метаданных — нет стратегии
Без 50+ постов — статистика ненадёжна
Без разнообразия тем — анализ поверхностный

Главное: методология воспроизводима и масштабируема. Один раз освоив, можно применять к любому автору.

Всё сошлось в одну фразу:

Человек — мясной полуфабрикат, который варят в чужом бульоне.

Это не метафора проекта. Это центральный образ стиля «Рогов и Копыт», найденный через три независимых метода:

Стилометрия показала: MTLD 95.9 — литературный уровень
Laya показала: метафора мясная — 55% всех метафор
Claude Code показал: автор смотрит на человека как на биологический материал

Три метода, три угла, одна картина.

Автор видит человека как сырьё, из которого социальная среда лепит продукт:

Не душа
Не разум
Не личность
А тесто, мясо, полуфабрикат

Отсюда — все фирменные образы:

«Волшебный пельмень» — спящий человек-полуфабрикат
«Дошираковская эра» — эпоха, когда из человека лепили бедняка
«Мясо — твоё внимание» — метафора эксплуатации
«Вечная жизнь мяса» — про биохакинг
«Тушка» — про адепта ЗОЖ

Это смысловое ядро, вокруг которого строится весь стиль. Поняв его — можно писать в этом стиле даже без репликатора.

Что сделано:

✅ Реверс-инжиниринг стиля через 3 метода
✅ Реверс-инжиниринг стратегии через метаданные
✅ Работающий репликатор (Kimi K3)
✅ Style Card на 35 КБ
✅ Скилл для Claude Code
✅ Few-shot примеры (5 фрагментов)
✅ CONTENT_PLAN на данных 427 постов
✅ Портативный пакет для любой LLM

Инструменты:

pystylometry — стилометрия (Python, open-source)
Laya — типизированные решения (Apache 2.0)
Claude Code — качественный анализ
Kimi K3 — генерация (через Antigravity)
NVIDIA NIM — gateway (бесплатный)

Всё бесплатно. Всё open-source.

Стиль — это не мистика. Это измеримая система:

Лексика измеряется через MTLD и Hapax
Синтаксис — через длину и ритм
Семантика — через типизированные вопросы
Стратегия — через метаданные

Комбинация трёх методов даёт объективный отпечаток автора. А на его основе — работающий репликатор.

1. Стиль можно измерить.

Раньше казалось, что «имитировать авторский голос» — это искусство. Оказалось — это инженерия. С метриками, цифрами, верификацией.

2. LLM не всегда права.

Laya сказала «60% технологических метафор». Реальность — 8%. Модель может быть уверена в неправильном ответе.

3. Честность важнее красоты.

Раздел «Что не сработало» — самый ценный. Показать тупики и ошибки полезнее, чем сделать вид, что всё было гладко.

4. Слабое железо — не приговор.

Intel Mac с 2 ядрами и 8 ГБ RAM справился. Просто медленнее. Нужно дробить задачи, ограничивать потоки, мониторить нагрузку.

5. Методология > репликатор.

Репликатор «Рогов и Копыт» — интересен. Но методология, которую можно применить к любому автору — бесценна.

Проект завершён. Все артефакты созданы. Репликатор работает. Методология задокументирована.

Можно:

Применить методологию к другому каналу
Масштабировать на книги, блоги, учебные корпуса

Главное — не останавливаться на одном авторе.

Инструменты:

pystylometry: pip install pystylometry
Laya: pip install laya · GitHub
Claude Code: claude.com/product/claude-code
Kimi K3: moonshot.ai

Проект полностью open-source.

Если методология помогла — примените её к своему проекту и расскажите в комментариях.

Как я сделал репликатор Telegram-канала через три независимых метода анализа

Как я пришёл к этому проекту

Что будет в статье

Часть 1. Что вообще можно измерить в стиле

Часть 2. Данные: 113 710 слов за 8 лет

Источники

Почему два источника, а не один

Разбивка на чанки

Часть 3. Слой 1: Стилометрия — объективные цифры лексики

Инструмент

Результаты по корпусу

Что это значит

Код

Ограничения метода

Часть 4. Слой 2: Качественный анализ через Claude Code

Проблема

Решение

Промпт для Claude Code

Результат

Ключевые находки

Урок

Ограничение метода

Часть 5. Слой 3: Laya — 24 измерения семантики

Что такое Laya

24 вопроса по 5 категориям

Код

Ключевые детали

Результаты: 360 точек данных

Структура постов

Психология и эмоции

Философия

Метафоры

Черты стиля (% чанков с признаком)

Сюрпризы

Главная находка

Часть 6. Слой 4: Стратегия через метаданные

Данные

Эволюция 2018–2026

Три эпохи канала

Ключевой вывод

Оптимальное время публикации

Код

Урок

Часть 7. Финальные артефакты

Style Card

Скилл для Claude Code

Few-shot примеры

Контент-план

Портативный пакет

Как это работает вместе

Часть 8. Что не сработало (важный раздел)

Nemotron — артефакты в русском

Laya падала на длинных текстах

predict_batch с большими батчами завис

Laya ошиблась на выборе метафор

Mac зависал от перегрузки

Слишком много вопросов за один раз

Что в итоге помогло

Часть 9. Как применить методологию к любому автору

Требования к источнику

Восемь шагов

Универсальные промпты

Что можно анализировать этим методом

Ограничения методологии

Часть 10. Главный инсайт проекта

Что это значит

Часть 11. Цифры проекта

Часть 12. Эпилог

Чему я научился

Что дальше

Ссылки