اگر از تکرار وسوسانی عباراتی مثل «Honest takes» یا «load-bearing seams» در پاسخ‌های Claude کلافه‌اید، راه حلی برای ساکت کردن این عادت‌های زبانی پیدا شده است. طبق راهنمایی که در ۱۴ ژوئیه ۲۰۲۶ توسط وب‌سایت jola.dev منتشر شد، می‌توان با یک اسکریپت محلی، مدل را مجبور کرد این تکیه‌کلام‌ها را کنار بگذارد.
این ترفند از طریق قلاب نمایش پیام (MessageDisplay hook) عمل می‌کند؛ ابزاری که درست مانند یک ویراستار سخت‌گیر، متن را پیش از آنکه به چشم شما برسد، می‌رباید و اصلاح می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی پروتکل MCP دیدیم، Claude در اتوماسیون‌های B2B بسیار قدرتمند است، اما کاربران عادی اغلب با دایره لغات پیش‌بینی‌پذیر و تکراری آن دست‌وپنجه نرم می‌کنند. در واقع، بهینه‌سازی تعامل با مدل، بخشی از روند کلی افزایش بهره‌وری است؛ برای مثال، استفاده از گردش‌کارهای مبتنی بر استدلال توانسته سرعت بازبینی کد با این مدل را تا ۳ برابر افزایش دهد.
برای اجرای این روش، باید یک اسکریپت پایتون در مسیر ~/.claude/hooks/wordswap.sh ایجاد کنید. این اسکریپت از یک دیکشنری جایگزینی استفاده می‌کند — برای مثال تبدیل عبارت «load-bearing» به «cooked» — و با استفاده از عبارات منظم (Regular Expression)، متن را به‌صورت حساس‌ناپذیر به حروف بزرگ و کوچک تغییر می‌دهد. در نهایت، محتوای اصلاح‌شده به شیء hookSpecificOutput بازگردانده می‌شود.
برای فعال‌سازی این فیلتر، باید فایل ~/.claude/settings.json را ویرایش کنید. طبق مستندات, لازم است اسکریپت مربوطه را در بلوک MessageDisplay در بخش تنظیمات قلاب‌ها اضافه کنید. از آنجا که این قلاب‌ها در زمان شروع برنامه بارگذاری می‌شوند، برای اعمال تغییرات باید یک جلسه (Session) جدید آغاز کنید.
این دست‌کاری در واقع تغییر رویکرد به سمت «هدایت در سمت کاربر» (Client-side steering) است. به‌جای جنگ با مدل از طریق پرامپت‌های پیچیده — که اغلب اثر کوتاه‌مدتی دارند — کاربران اکنون لایه نمایش را به کنترل خود درآورده‌اند. این کار باعث می‌شود اصطکاک‌های زبانی به ابزاری برای شخصی‌سازی تبدیل شوند و کاربر بتواند لحن مدل را حرفه‌ای‌تر یا حتی طنزآمیز کند. این رویکرد در کنار بهبود دسترسی‌های API برای حذف کپی-پیست‌های زمان‌بر، می‌تواند سرعت توسعه و مهندسی کد را به شدت افزایش دهد.
گام بعدی شما
- اسکریپت wordswap را مطابق راهنمای jola.dev پیاده‌سازی کنید تا تکیه‌کلام‌های مدل را حذف کنید.
- لیست کلمات جایگزین خود را بر اساس نیاز شغلی (رسمی یا دوستانه) تنظیم کنید.
- بررسی کنید آیا ابزارهای سازگار با پروتکل زمینه مدل (MCP) نیز می‌توانند جریان خروجی را به همین شکل مدیریت کنند؟
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو