Style

Style ist eine browserbasierte Anwendung zum Experimentieren mit Text-Stil-Transformationen. Sie kombiniert ein strukturiertes, mehrdimensionales Schema zur Beschreibung von Schreibstilen mit einem lokal betriebenen Large Language Model. Stilprofile lassen sich aus Beispieltexten ableiten, aus einer Stilbeschreibung erzeugen oder iterativ über Vorher-Nachher-Paare verfeinern. Erstellte Profile sind portabel und können auf neue Texte angewendet, visualisiert und im Team geteilt werden.

Auf einen Blick

• Aus eigenen Beispieltexten Stilprofile ableiten und ihre Merkmale strukturiert sichtbar machen.
• Stilprofile durch wiederholtes Vorher-Nachher-Feedback gezielt nachschärfen.
• Texte testweise in einen anderen Stil überführen und das Ergebnis direkt im Browser bearbeiten.
• Schreibstile als JSON- oder ZIP-Pakete sichern und im Team austauschen.
• Stilmerkmale als visuelle Übersicht darstellen und für Schulungszwecke nutzen.
• Mit mitgelieferten Profilen ohne Vorbereitung in das Thema einsteigen.

Highlights

Im Unterschied zu einem direkten LLM-Prompt arbeitet Style mit einem expliziten, wiederverwendbaren Stilmodell. Stilmerkmale werden nicht ad hoc beschrieben, sondern strukturiert erfasst, gespeichert und kontrolliert auf Texte angewendet. Das verbessert Reproduzierbarkeit und Vergleichbarkeit der Ergebnisse.

• Strukturiertes Profilschema: Schreibstile werden über vier Dimensionen erfasst — Linguistik (Satzlänge, Komplexität, Passivanteil, Hedging), Lexik (Fachterminologie, Fremdwörter, Abstraktionsgrad), Pragmatik (Formalität, Leseransprache, Zielgruppe) und Struktur (Absatzlänge, Überschriften, Listen).
• Drei komplementäre Wege zur Profilerstellung: Ableitung aus eigenen Beispieltexten, Erzeugung aus einer reinen Beschreibung des Zielstils oder iterative Verfeinerung über Vorher-Nachher-Paare. Die Wege lassen sich kombinieren.
• Iterative Feinabstimmung: Bis zu fünf Vorher-Nachher-Paare lassen sich akkumulativ analysieren, um wiederkehrende Änderungsmuster aus konkreten Bearbeitungen abzuleiten.
• Portable Profile: Profile werden als JSON oder ZIP-Paket exportiert (inklusive Profilparametern, generiertem Prompt und Beispielsätzen) und können extern abgelegt, versioniert und ausgetauscht werden.
• Visualisierung der Stilmerkmale: Eine eigene Übersicht zeigt die Profilparameter mit textbasierten Verlaufsbalken; geeignet zur Schulung und zum Vergleich von Profilen.
• Lokal betriebenes LLM: Die Anwendung bindet ein LLM über eine OpenAI-kompatible API an. In der vorgesehenen Konfiguration läuft das Modell lokal (z.B. via LM Studio oder Ollama) — Texte verlassen damit nicht die eigene Infrastruktur.
• Mehrere Eingabe- und Ausgabeformate: Texte werden als TXT, Markdown oder DOCX importiert; Ergebnisse lassen sich in denselben Formaten zurückgeben. Strukturen wie Überschriften und Listen bleiben dabei erhalten.
• Mitgelieferte Profilbibliothek: Eine Sammlung vorbereiteter Profile dient als Ausgangspunkt für Experimente — von Textsorten (Interview, Bürokratisch, Technische Dokumentation, Kundenmail) bis zu charakteristischen Autorenstilen.
• Containerisierter Betrieb: Die Anwendung wird über Docker bereitgestellt und ist auf den Betrieb hinter einem Reverse-Proxy vorbereitet.