humanizer-ru

humanizer-ru：AI エージェント向けロシア語テキスト編集

ロシア語テキストから官僚的な表現や定型句を取り除きます。このスキルは、不要な部分を見つけ、具体的な箇所を修正し、意味や語り口を原文と照合するローカル編集の手順をエージェントに提供します。スキャナー、CLI、MCP、Chrome 拡張機能が付属しています。カタログには67の特徴があり、ジャンルごとの例外を含む厳格な禁止事項が21あります。

英語版 · 中文

修正前：「このツールは編集者が官僚的な表現を見つけるのに役立つことに注目する価値があります。結果は読み直す必要があります。」 修正後：「このツールは編集者が官僚的な表現を見つけるのに役立ちます。結果は読み直す必要があります。」

前置きを取り除き、単語を一つ置き換えました。新しい事実はありません。手順の詳細。

ブラウザーでの確認と編集は分離されています。 サイトは表現にハイライトを付けてスコアを計算し、書き換えはスキルを使うお使いのエージェントが行います。スコアは著者を特定するものでも、意味が保たれたことを証明するものでもありません。ファクトロックは抽出された要素を比較しますが、主張間のつながりには別途校正が必要です。

🧪 ライブデモ： humanizer-ru.aifrontier.tech。テキストを貼り付けると、明瞭さの評価（0～100）と検出された表現のハイライトが表示されます。ブラウザーではエクスポート済みのスキャナー規則が動作します。形態論は測定されないため、スコアが Python 版より最大8高くなる場合があります。

クイックスタート。Claude Code、Cursor、Codex、Copilot、Cline など数十種類のエージェントで使えるコマンドは1つです。

npx skills add ilyautov/humanizer-ru

CLI がインストール済みのエージェントを検出し、インストール先を尋ねます。Claude Code ではプラグインとして導入することもでき、その場合は /plugin から更新できます。

/plugin marketplace add ilyautov/humanizer-ru
/plugin install humanizer-ru@ilyautov-plugins

Claude.ai、DeepSeek Harness、チームへの展開については、「インストール」セクションをご覧ください。

📖 ドキュメントと解説： humanizer-ru.aifrontier.tech：ロシア語で AI 検出器は機能するか、AI テキストの特徴カタログ、盗作検出とニューラルネットワーク。

🧰 その他のツール： Wildberries、Ozon、Yandex Market、Avito の管理画面向け MCP サーバー、hh.ru、VK、Diadoc、SBIS、Honest Sign 向けの5つのサーバー、中小企業向けの34のスキル、引用を逐語的に検証する思想家会議。すべてこちらに掲載しています：ilyautov.github.io。

なぜ必要なのか

ロシア語のテキストでは、官僚的な表現、形式的な文体、留保表現に注意が必要です。カタログにはロシア語の例、ジャンルごとの例外、意味を保つためのルールがあります。文体上の特徴の一部は、英語版の humanizerと共通です。

スキャナーは、ルールと再現可能な一致を検出します。エージェントは文脈を評価してテキストを修正します。作者は結果を読み直してください。マーカーの一覧も高いスコアも、適切な編集を保証するものではありません。

Что внутри

67 паттернов AI-генерации в 16 категориях:

• A. Контентные: пустые открытия, размытые авторитеты, формульные выводы
• B. Языковые: канцелярит, кальки, «является», нагромождение причастий
• C. Стилистические: длинные тире, навязчивые списки, болд
• D. Коммуникативные: артефакты чатбота, заискивание, водянистость
• E. Морфологические: падежные ошибки, деепричастия не к подлежащему
• F. Тональные: эмоциональная стерильность (4 подтипа), нет иронии, нет метафор
• G. Структурные: разорванные абзацы, narrative drift, галлюцинации
• H. Человеческие мелочи: идеальная грамотность, вылизанная типографика
• I. Паттерны убеждения: негативные параллелизмы, авторитетные трюизмы
• J. Информационный ритм: равномерная плотность, гладкие переходы, macro-burstiness
• K. Хеджирование и специфика: модальная неопределённость, translationese, нет идиом
• L. Стилистические фингерпринты 2025-2026: рваная медитативность, контр-вопросы, эмодзи-декор, псевдо-терапия, пустой образ, самомаркировка честности
• M. Формулы и артефакты 2026: неодушевлённый субъект, Title Case в заголовках, обрыв на полуслове, триада-отрицание
• N. Дискурсный слой: явная мораль в финале, портретный ввод героя, эмоция только через тело, бесшовная причинность, линейная хронология, нет обращения к читателю. Признаки, которые переживают стилевую правку (StoryScope, COLM 2026)

21 жёсткий запрет: конструкции с абсолютным запретом. От «В современном мире...» и «Стоит отметить, что...» до маркетинговых клише «Раскрыть потенциал», «Комплексный подход», «Открывает новые горизонты».

Локальная редактура, не переписывание. Скилл размечает конкретные места (цитата, что мешает читателю, действие: оставить, срезать оболочку, сказать яснее, убрать дубль), снимает жёсткие запреты и маркеры по приоритету A-D и сверяет результат с исходником по утверждениям: кто что сделал, степень уверенности, условия, числа с единицами. Живость не дописывается: эмоции, частицы, образы и факты, которых нет в исходнике, в текст не идут. Парный прогон на 195 слепых оценках (сентябрь 2026, eval/LOCAL_EDIT_CHECK.md) показал, что квоты на «голос» дают чужую интонацию и постановочную риторику, а у локальной правки в этом прогоне было меньше смысловых замечаний. Это малая выборка и оценка агентами, не гарантия качества на любом тексте.

Калибровка под голос автора. Если дать образцы своего письма, скилл выписывает ритм, лексику, пунктуацию и тон и держит замены в этих рамках. Это ограничение, а не разрешение дописывать в вашей манере.

Четыре режима работы:

• Редактура (по умолчанию): диагностика сканером, разметка, правка, сверка, отчёт «было N, стало M»
• Аудит: только диагностика, текст не трогает
• Точечная правка: работа с одной категорией
• Свой черновик (молча, без просьбы): пока скилл установлен, агент прогоняет по таблице жёстких банов то, что пишет по-русски сам, до того как вы это увидите. Чужой текст молча не правится никогда: ваше сообщение, файл, цитата и чужой код идут только через режимы выше, и правку вы видите. «Не правь» выключает режим до конца разговора

Что ловят детекторы: секция с числами из исследований 2025-2026. DivEye: вторые производные surprisal дают 39.4% вклада в детекцию. Perplexity gap 29.5 vs 15.2 (человек vs LLM). AINL-Eval 2025: лучший результат на тесте около 86% (бенчмарк из 52 305 текстов, 12 доменов; в нашей калибровке использованы 35 158 научных аннотаций из него). Все ссылки и цифры верифицированы по первоисточникам, см. SOURCES.md.

インストールせずにテキストをチェックする

サイトのトップページでは、同じ JavaScript スキャナーが動作します。テキストを貼り付けると、0 から 100 のクリーン度スコア、検出された言い回しのハイライト、ご利用の環境に合わせたインストールコマンドが表示されます。判定はブラウザー内で行われ、テキストが外部に送信されることはありません。ルールは markers.py から scripts/export_web_rules.py スクリプトでエクスポートされ、Python との一致は CI で scripts/test_web_parity.py によって検証されます。

同じスキャナーはChrome 拡張機能としても利用できます。任意のページでテキストを選択し、コンテキストメニューから「定型的な言い回しをチェック」を選ぶと、ポップアップにスコアとハイライトが表示されます。必要な権限はコンテキストメニューとローカルストレージの 2 つだけで、ウェブサイトやネットワークへのアクセス権はありません。フォルダーは extension/、ビルドスクリプトは scripts/build_extension.py です。

インストール

このスキルは、Claude.ai のウェブインターフェイスからのアップロード、チームへの一括展開、ローカルエージェント（Claude Code、Cowork、API）へのインストールという 3 つの方法で導入できます。

1. Claude.ai（ウェブインターフェイス）

1. 完成済みのスキルアーカイブをダウンロードします： humanizer-ru.zip
2. Claude.ai → 設定 → 機能 → スキルを開きます。
3. スキルをアップロードをクリックし、ダウンロードしたアーカイブを選択します。

archive/refs/heads/main.zip は使用しないでください。アップローダーはアーカイブのルートにスキルフォルダーがあることを想定していますが、リポジトリアーカイブでは humanizer-ru-main/skills/humanizer-ru/ の中にあります。自分でアーカイブを作成する場合は、スキルフォルダー自体をアーカイブしてください：

git clone https://github.com/ilyautov/humanizer-ru.git
cd humanizer-ru/skills
zip -r ../../humanizer-ru.zip humanizer-ru -x '*/__pycache__/*'

2. 組織（Enterprise と Team）

Claude for Work の管理者は、workspace skill library を通じてスキルを一括展開できます。これにより、各自が個別にアップロードしなくても、チーム全体で利用できるようになります。ZIP を Admin Console → Workspace Skills → Add skill にアップロードしてください。

3. Claude Code、Cowork、API（ローカルエージェント）

プラグインマーケットプレイス経由（推奨）：

/plugin marketplace add ilyautov/humanizer-ru
/plugin install humanizer-ru@ilyautov-plugins

インストール後、プラグインは「人間らしくして」「官僚的な表現を取り除いて」「人間のように書き直して」といったトリガーでスキルを自動的に読み込みます。

skills.sh CLI 経由（あらゆる Claude エージェントに使える汎用的な方法）：

npx skills add https://github.com/ilyautov/humanizer-ru/tree/main/skills/humanizer-ru

CLI は SKILL.md を ~/.claude/skills/humanizer-ru/ に配置し、スキルを skills.sh のインデックスに登録します。短縮形も利用できます。npx skills add ilyautov/humanizer-ru を実行すると、リポジトリ内のスキルが見つかり、インストールするかどうかを確認されます。--skill humanizer-ru フラグを付けると、確認なしでインストールされます。

API（/v1/messages など）経由： スキルを container.skills パラメーターで渡します。詳しくは、ご利用のクライアントのドキュメントをご覧ください。

手動でのインストール（上記の方法が使えない場合）：

git clone --depth 1 https://github.com/ilyautov/humanizer-ru /tmp/humanizer-ru
mkdir -p ~/.claude/skills
cp -r /tmp/humanizer-ru/skills/humanizer-ru ~/.claude/skills/

SKILL.md だけでなく、フォルダー全体をコピーしてください。スキルには決定論的スキャナー scripts/scan.py（「監査」モードの機械処理部分）も含まれています。 必要なパッケージは razdel と pymorphy3 です。これらがない場合、スキルは手動で監査を行い、そのことを必ず伝えます。「クリーン度：N/100」というスコアは表示されません。

依存関係のインストール方法：Homebrew の Python を使用する macOS と Debian/Ubuntu では、通常の pip install は externally-managed-environment（PEP 668）エラーで失敗するため、次の 3 つの方法のいずれかを使ってください。

uvx ru-humanizer файл.txt                       # без установки, нужен uv
pipx install ru-humanizer                       # команда ru-humanizer в PATH
python3 -m venv ~/.humanizer-ru && ~/.humanizer-ru/bin/pip install razdel pymorphy3
~/.humanizer-ru/bin/python ~/.claude/skills/humanizer-ru/scripts/scan.py файл.txt

スキャナーが動作することを確認するには、python3 ~/.claude/skills/humanizer-ru/scripts/scan.py --help を実行し、[ошибка] という行が表示されないことを確認します。

4. Codex CLI（OpenAI）

Codex は同じ Agent Skills 形式を使用するため、専用バージョンは必要ありません：

git clone --depth 1 https://github.com/ilyautov/humanizer-ru
mkdir -p ~/.codex/skills
cp -r humanizer-ru/skills/humanizer-ru ~/.codex/skills/

または Codex 内から skill-installer を使い、パス ilyautov/humanizer-ru/skills/humanizer-ru を指定します。インストール後、Codex を再起動してください。呼び出すには $humanizer-ru を使うか、「人間らしくして」「官僚的な表現を取り除いて」といったトリガーフレーズで自動的に起動します。プロジェクトにインストールする場合は、同じフォルダーをリポジトリ内の .codex/skills/ に配置します。

5. Gemini CLI と Cursor

Gemini CLI。 リポジトリのルートには拡張機能のマニフェスト gemini-extension.json があり、スキルは skills/ フォルダーにあるため、拡張機能はリポジトリから直接インストールできます。

gemini extensions install https://github.com/ilyautov/humanizer-ru

Cursor。 プラグインのマニフェストは .cursor-plugin/plugin.json で定義されています。コマンド npx skills add は Cursor を含むインストール済みのエージェントを検出し、スキルの配置先を尋ねます。

npx skills add ilyautov/humanizer-ru

拡張機能またはプラグインをインストールできない場合は、「その他のエージェント」のセクションと同様に、skills/humanizer-ru フォルダーをエージェントのスキルディレクトリにコピーしてください。

インストールパッケージの検証

リリース前に、CI と同じスクリプトで ZIP を作成し、 完成したアーカイブに対して install-smoke を実行してください。検証では skills/humanizer-ru をクリーンな一時スキルフォルダーにコピーし、インストール済みのコピーから スキャナーを実行して、ZIP に .DS_Store、__pycache__、および *.pyc が含まれていないことを確認します。

python3 scripts/build_release_zip.py --output dist/humanizer-ru.zip .
python3 scripts/install_smoke.py . --zip dist/humanizer-ru.zip

期待される結果：

RESULT: PASS build-release-zip
RESULT: PASS install-smoke

6. その他のエージェント（SKILL.md 共通規格）

Agent Skills の形式はクロスプラットフォームになったため、humanizer-ru はパッケージ化されたスタック以外でも動作します。公式にパッケージ化され、検証済みのものは、Claude Code、Codex CLI、Cursor、Gemini CLI、DeepSeek Harness です。その他のエージェントも同じ SKILL.md を読み込むため、個別のバージョンは必要ありません。

接続方法	エージェント	操作
SKILL.md をネイティブに読み込む	GitHub Copilot、Cline、Roo Code、Kilo Code、Goose、OpenCode、OpenWork、Kimi Code CLI、OpenClaw、OpenHuman、Hermes	skills/humanizer-ru フォルダーをエージェントのスキルディレクトリ（例：~/.hermes/skills/、~/.kimi/skills/、.agents/skills/）にコピーします
インストーラーで変換	Windsurf、Trae、Junie	リポジトリ ilyautov/humanizer-ru を指定して、それぞれのスキルインストーラーからインストールします
手動で貼り付け	Zed、Aider、Continue.dev	SKILL.md の本文をエージェントのルールまたは指示ファイルに貼り付けます

ネイティブ対応の場合の共通手順：スキルフォルダーをエージェントがスキャンするディレクトリ（通常は <プロジェクトのルート>/.agents/skills/ または ~/.config/agents/skills/）に配置し、エージェントを再起動します。有効化のトリガーは Claude と同じです。

これらのエージェントの一部（OpenClaw、Kimi、Hermes）には、公開スキル配布チャネル（ClawHub レジストリ、tap リポジトリ）があります。そこに掲載すれば、個別のコードを書かなくても利用範囲を広げられます。形式は共通です。

7. DeepSeek Harness (dsh)

DeepSeek Harness は同じ Agent Skills 形式を読み込み、スキルは 2 つの方法でインストールできます。

npm のバンドルを、使用するプロファイル（web、tui、または headless）に 1 つのコマンドでインストールします。

dsh plugin --profile web add humanizer-ru

特定のブランチまたは最新の main が必要な場合は、同じバンドルを GitHub から直接インストールできます：dsh plugin --profile web add github:ilyautov/humanizer-ru。

バンドルはテキストのみです。dsh.bundle フィールドを含む package.json と、パッケージの skills/ フォルダーに標準プロバイダー dsh-skill-filesystem をマウントする cordis.patch.yml で構成されています。バンドルに実行可能コードは含まれておらず、インストール時のビルドも不要です。モデルを起動せずに確認するには、dsh --profile web --dump-config を実行すると # == humanizer-ru レイヤーが表示されます。削除するには、dsh plugin --profile web remove humanizer-ru を実行します。

ユーザーのスキルルートにコピーしてインストールする場合：

cp -r humanizer-ru/skills/humanizer-ru ~/.agents/skills/

dsh は ~/.agents/skills と ~/.dsh/skills を自動的にスキャンするため、再起動は不要です。dsh はフロントマターのキー allowed-tools を読み込みません。また、references/ はスキルフォルダーを基準に解決されるため、ディレクトリと変更履歴は Claude Code と同じように開けます。

8. Сканер отдельно: pip, MCP-сервер и GitHub Action

Сканер живёт и без скилла, пакетом ru-humanizer на PyPI (имя humanizer-ru на PyPI занято). Это тот же scan.py, только командой:

pipx install ru-humanizer   # или без установки: uvx ru-humanizer статья.md
ru-humanizer статья.md --genre academic
ru-humanizer чистовик.md --before исходник.md

Голый pip install ru-humanizer на macOS с Homebrew и на Debian/Ubuntu падает с externally-managed-environment (PEP 668): берите uvx, pipx или виртуальное окружение (python3 -m venv .venv && .venv/bin/pip install ru-humanizer).

Тот же пакет поднимает MCP-сервер с двумя инструментами: scan_text даёт балл, штрафы, запреты и маркеры с позициями, compare_texts считает «было и стало» и факт-замок между исходником и правкой. Подключается к Claude Desktop, Cursor и любому клиенту MCP; в Claude Code одной командой:

claude mcp add humanizer-ru -- uvx ru-humanizer mcp

В CI сканер работает как GitHub Action: гейт на балл чистоты по Markdown и текстовым файлам, шаг падает ниже порога.

- uses: ilyautov/humanizer-ru@main
  with:
    files: "docs/**/*.md"
    genre: marketing
    min-score: 60

Порядок разовой настройки публикации на PyPI и в реестре MCP описан в PUBLISHING.md.

Использование

Попросите Claude по-русски:

Очеловечь этот текст: [вставьте текст]
Перепиши, звучит как робот: [вставьте текст]

Триггеры срабатывания: «очеловечь», «убери следы нейросети», «сделай живым», «звучит искусственно», «перепиши как человек», «убери канцелярит», «слишком формально».

Режим аудита (только диагностика, без переписывания):

Проверь этот текст на AI-маркеры: [вставьте текст]

Точечная правка одной категории:

Убери канцелярит из текста: [вставьте текст]

При установке плагином в Claude Code доступны slash-команды:

/humanize <текст или путь к файлу>   # локальная редактура
/audit <текст или путь к файлу>      # аудит без правки (сканер + разбор)

Сканер знает про жанр. По умолчанию он строгий, под маркетинг и блоги, а для других регистров снимает маркеры, которые там законны:

python skills/humanizer-ru/scripts/scan.py статья.txt --genre academic  # ещё legal, fiction, news
python skills/humanizer-ru/scripts/scan.py стало.txt --before было.txt  # чистота до/после + факт-замок

Зачем это нужно, показал прогон по внешнему размеченному корпусу AINL-Eval 2025 (35 158 русских научных аннотаций): в строгом режиме баны оставались в 35,9% человеческих текстов против 26,1-35,8% машинных, то есть на научном тексте каталог не различал автора вовсе. С жанровой поправкой ложные срабатывания на людях падают до 4,2%. Цифры и метод: eval/AINL-CALIBRATION.md. Третий корпус, LLMTrace (14 763 русских текста, 30 генераторов, впервые GigaChat и YandexGPT), подтвердил границы: на отзывах и историях длинное тире ставят 2-8% людей против 28-33% машин, а в энциклопедических статьях наоборот. Разбор: eval/LLMTRACE-CALIBRATION.md.

До и после

Полное редактирование:

До:

В современном мире искусственный интеллект играет всё более важную роль в различных сферах деятельности. Стоит отметить, что данная технология является мощным инструментом для оптимизации рабочих процессов.

После (факты автора):

За последний год я внедрил AI-инструменты в три проекта. Два ускорились вдвое. Третий развалился, потому что команда перестала проверять то, что выдаёт модель. AI работает, когда понимаешь его ограничения.

Сработали 3 бана из 21 в двух предложениях. Типичная картина.

Режим аудита на том же тексте выдаст (вывод scan.py, сокращён до главного):

ЧИСТОТА: 48/100  [рерайт]
  -36  хард-баны (фразы): 3
  -16  маркеры: 4 (15.4/100 слов)

HARD BANS:
  ⛔ В современном мире ×1 (стр. 1)
  ⛔ Стоит отметить, что ×1 (стр. 1)
  ⛔ Данный/Данная/Данное ×1 (стр. 1)

Маркеры (быстрый сканер): 4
  • [Канцелярит] «оптимизаци» ×1 (стр. 1)
  • [Кальки] «является» ×1 (стр. 1)
  • [Кальки] «стоит отметить» ×1 (стр. 1)
  • [Вводные-открытия] «в современном мире» ×1 (стр. 1)

Этот блок сверяется со сканером в CI (scripts/check_examples.py): если баны в README разойдутся с реальным выводом, сборка упадёт.

Работают ли AI-детекторы на русском языке?

Коротко: плохо, и это придётся учитывать.

GPTZero, Originality.ai, ZeroGPT и другие популярные детекторы AI-текста обучены в основном на английском. На русском они ненадёжны и ошибаются в обе стороны:

• Ложные срабатывания (false positives): текст, написанный живым человеком, регулярно помечается как «сгенерировано нейросетью». Английские пороги perplexity для русского не откалиброваны, а богатая русская морфология сама задирает «непредсказуемость».
• Пропуски (false negatives): аккуратный AI-текст проходит как человеческий.

Даже лучший специализированный русский детектор (RuRoBERTa на бенчмарке AINL-Eval 2025) даёт около 86% точности: каждый седьмой вердикт мимо. И детекторы не обобщаются между доменами: обученный на научных текстах ошибается на блогах (verified, см. SOURCES.md).

Что это значит для редактуры. Цель скилла: убрать канцелярит и штампы, сохранив содержание и голос. Он не предписывает заменять предсказуемые слова или искусственно чередовать длину предложений. Качество проверяется сравнением версий и отдельной вычиткой; балл сканера служит дополнительным сигналом.

Мы прогоняем детекторы прямо в eval-харнесе по контролю «заведомо человек» (дословные отрывки статей Википедии, написанные людьми задолго до ChatGPT). В последнем прогоне локальный LLM-детектор пометил как ИИ 3 из 3 человеческих текстов (false positive rate 100%), поставив им ту же вероятность «это AI», что и настоящим AI-текстам. Различающая способность близка к нулю. Методика, корпус и сырые прогоны: eval/RESULTS.md, секция «FP-аудит детекторов».

よくある質問

このスキルを使えば、AI検出器を回避できますか？ その保証はありません。検出器や判定基準は変化しますし、個別の研究結果が、このスキルをあなたの文章に使ったときの結果を証明するわけではありません。humanizer-ru は文章の編集を目的としており、著者であることを証明するものではありません。

ChatGPTの文章から定型的な言い回しをなくすには？ 読者の妨げになる箇所を見つけ、ジャンルを選んで、必要な部分だけを修正します。カタログには67の特徴が記載されています。自動スキャナーで検出できるのは測定可能な部分だけで、残りは文脈の中で読む必要があります。

ChatGPTの文章を自然なロシア語にするには？ 3つの手順があります。優先度に応じて21の厳格な禁止事項とマーカーを取り除き、主張を書き換えるのではなく、主張を取り巻く余分な表現を削り、事実と確信度について結果を原文と照合します。生き生きとした表現を付け足すことはできません。原文にない内容は、文章に加えません。

官僚的な言い回しとは何ですか？ どうすればなくせますか？ 官僚的な言い回しとは、動詞を動作名詞に変えることです（「導入を実施する」ではなく「導入した」）。これはロシア語のAI文章に見られる主要なマーカーです。AIでは名詞と動詞の比率が3：1、人間では2：1です。このスキルは名詞化を動詞に戻します。

GPTZeroはロシア語に対応していますか？ 信頼性は高くありません。GPTZeroは英語で学習されているため、ロシア語では誤検出が多く、自然な人間の文章をAIだと判定する一方で、丁寧に書かれたAI文章を見逃します。詳しくは「AI検出器はロシア語に対応しているか」のセクションをご覧ください。

自分で書いたのに、なぜ文章がAIだと判定されるのですか？ ロシア語ではよくある問題です。英語で学習された検出器は、形態論、長い単語、フォーマルな文体など、ロシア語の自然な特徴を「機械的」と判定することがあります。実際に自分で書いた文章なら、それは検出器の誤検出であり、断定的な判決ではありません。このスキルは、文章を「ニューラルネットワークっぽく」聞こえさせる具体的な機械的マーカー（官僚的な言い回し、直訳調の表現、決まり文句）を取り除くのに役立ちます。

ロシア語に最適なAI検出器はどれですか？ 完璧なものはありません。専門の検出器では、RuRoBERTaをベースにファインチューニングしたモデルの精度が比較的高いものの（ベンチマークAINL-Eval 2025で約86％）、ドメインが変わると性能が低下します。汎用の英語ベースの検出器（GPTZero、Originality、ZeroGPT）は、ロシア語では特に信頼性が低くなります。実用上は、ひとつの検出器の判定ではなく、文章の実際の品質を基準にしてください。

これはClaude Sonnet／Opus 4でも使えますか？ はい。これはあらゆるClaudeモデル向けの指示カタログです。モデルが扱えるコンテキストが大きいほど、ルールをより深く適用できます。Opusでは、長い文章で結果が明らかに向上します。

プラグインなしでも使えますか？ はい。SKILL.mdをダウンロードして、手動編集のチェックリストとして使うか、任意のLLM（ChatGPT、Gemini、YandexGPT、GigaChat）のシステムプロンプトに挿入してください。

長いダッシュが必要な場合はどうすればよいですか（編集者、または正式な組版を求める場合）？ デフォルトでは、このスキルは長いダッシュをすべて取り除きます。長いダッシュはAIの代表的な組版マーカーであり、自然なロシア語のくだけた文章ではほとんど使われません（スマートフォンではハイフンを入力します）。ただし、出版社の標準に沿った正確な組版が必要なら、「私はプロの編集者です。長いダッシュは残してください」と明確に伝えてください。このスキルはその禁止を解除します。この例外が自動的に適用されることはありません。判断するのはあなたです。

英語版 humanizer との違い

	humanizer-ru	blader/humanizer
言語	ロシア語	英語
パターン数	67	32
厳格な禁止項目	21	なし
監査	スキャナー、注釈付け、原文の事実との照合	Single-pass
Voice calibration	はい	はい
2025-2026 年の文体フィンガープリント	はい	いいえ
RuBERT 検出器の形態論	はい	いいえ
構造ブロックのマクロなバースト性	はい	いいえ

英語版 humanizer は、普遍的な AI マーカーを検出します。ロシア語には専用のモデルが必要です。官僚的な文体、英語の構文をそのまま訳した表現、「же／ведь／вот」の助詞、RuBERT 検出器の格一致、長い連鎖での形態論的な誤りに加え、英語のカタログではまだ取り上げられていない Claude と GPT の新しいフィンガープリント（「断片的で瞑想的な文体」、絵文字の装飾、疑似セラピー）にも対応します。

監査モード（skills/humanizer-ru/references/audit.md）は次のように動作します。スキャナーが数値と検出箇所を提示し、続いて書き換えた文章を出力せずに、箇所ごとの編集注釈（残す、削る、置き換える、つなげる）を行います。さらに、各文を原文の事実と照合します。監査では執筆者の判定を行いません。

ソース

このスキルは、次の 3 つのソースをもとに作成されています。

• Wikipedia：WikiProject AI Cleanup：ロシア語の AI テキストの特徴をまとめた基本カタログ
• ロシア語コーパスとコンペティション：Dialog Conference（RuATD-2022 と AINL-Eval 2025）、3 つの公開コーパスを用いた独自の測定（35 158 + 5 759 + 14 763 = 55 680 件のテキスト、レポートは eval/ にあります）。検証済みの一次資料の一覧：SOURCES.md
• 検証済みの論文（2024-2026）：DivEye、PIFE、MASH、Antislop、AINL-Eval、RuATD、NeurIPS 2025 など。各リンクと数値は arxiv および一次資料で確認済みで、裏付けのない情報は削除しています。完全な出典一覧：SOURCES.md。

変更履歴：CHANGELOG.md。メトリクスと eval ハーネス：scripts/ と eval/ ディレクトリ。

作者

イリヤ・ウトフ。Telegram で AI とテキストの扱いについて発信しています：Under the Hood。

コントリビューター

• フィリップ・ザルビン：カテゴリ N「談話レイヤー」、StoryScope（COLM 2026）に基づくパターン 59-64。文体を編集しても残る特徴です。さらに、リリースゲートでのカウンター使用時の格一致にも対応しました。
• iKonushok（@ikonushok）：インストール対象の install-smoke と、リリース ZIP のビルドを担当。リポジトリ内のフォルダーではなく、実際にユーザーへ届くものを検証します。

バグ報告など、コードに変更を加えた貢献を含む全一覧：CONTRIBUTORS.md。掲載方法：CONTRIBUTING.md。

ライセンス

MIT：自由に利用、フォーク、改良できます。新しいパターンを追加するプルリクエストも歓迎します。

---

humanizer-ru は、ロシア語の AI テキストを人間らしくするためのツールです。ニューラルネットワークの痕跡、官僚的な文体、決まり文句を取り除き、生き生きとした声を取り戻して、人間らしい文章にします。Claude（Claude Code、Cowork、API）向けの無料のオープンソーススキルであり、「ワンクリック」のオンラインサービスではありません。ロシア語の AI 検出器や AI テキスト判定（および盗用検出との関係）が信頼できない理由については、当スキルの eval ハーネスから得た実データとともに、上の各セクションで説明しています。宣伝文句ではありません。

---

Кто это сделал

Илья Утов, лаборатория AI Frontier. Как эти инструменты устроены внутри, пишу в Telegram и LinkedIn.

Рядом стоят:

• marketplaces-mcp-ru: Wildberries, Ozon, Яндекс Маркет и Авито прямо из агента
• small-business-ru: 34 скилла для малого бизнеса, считают налоги и проверяют контрагента по ИНН
• consilium-principis: совет мыслителей, где каждая цитата сверяется дословно
• hefest: химическая безопасность завода, целиком офлайн
• cordon: детерминированный слой между недоверенным контентом и действиями агента

Все проекты одним списком, разобранные по назначению: ilyautov.github.io. Исходники: github.com/ilyautov. Пригодилось, поставьте звезду: по ней это находят другие.