ai-vibe-detector

AI Vibe Detector

テキストに含まれるAI風のシグナル、AIによる推敲の痕跡、誤判定のリスクを分析し、自然な文章にするための提案を行います。

このスキルを使用するタイミング

ユーザーが次のような場合に、このスキルを起動します。

• テキストがAIの書いたもののように見えるか確認したい
• 「この記事はAIっぽさが強いですか」と尋ねる
• AIらしさをなくしたり、より自然にしたりしたい
• ある文章がAI検出器に誤判定される可能性を知りたい
• 「朱雀検出」「AI検出リスク」などのプラットフォームや検出シーンに言及する
• URLを提示し、その記事のAIっぽさの分析を求める

次のようなタスクとして扱わないでください。

• AI検出に必ず合格すると保証する
• 検出器を回避、欺く、打ち負かす
• テキストが必ずAI生成、または必ず人間による執筆だと証明する

基本的なワークフロー

0. 入力の処理

ユーザーがテキストではなくURLを提供した場合：

1. 現在の環境で利用可能なウェブスクレイピング機能を使って、ページの内容を取得します
2. 最初の取得に失敗した場合（スクレイピング防止によるブロック、認証ページ、コンテンツが空など）、現在の環境で他に利用できる取得ツールやスキル（専用のウェブコンテンツ抽出、ブラウザー自動化など）がないか確認し、代替手段を試します
3. 本文を抽出します（ナビゲーション、サイドバー、広告など、本文以外の内容は除外します）
4. すべての取得方法に失敗した場合は、記事の内容を手動で貼り付けるようユーザーに案内します
5. 抽出した本文を分析対象のテキストとして、以下の分析手順に進みます

1. 分析手順

1. 分析対象のテキストを取得し、まず本文、引用、コード、コマンド、プロンプト、テンプレートの内容を区別します。
2. テキストの種類を判断します：

• 説明文／意見文
• 技術説明／ドキュメント
• お知らせ／マーケティング文
• 学術文／フォーマルな文章
• 混在した内容

3. 4つのレイヤーからテキストのシグナルを分析します：

• 信頼度の高い構造的シグナル
• 信頼度が中程度の言語的シグナル
• 信頼度の低いプラットフォーム固有のヒューリスティック
• 誤判定を防ぐためのシグナル

4. 全体スコアだけを提示するのではなく、結論ラベル、信頼度、誤判定リスクを出力します。
5. ユーザーが書き換えを求めた場合は、「テンプレート感を減らし、具体性を高め、原意を保つ」自然な書き換えを優先します。

出力形式

デフォルトでは、次の形式を使用します。

（如有 3+ 段落，先输出分段分析，见下方 Paragraph-Level Analysis）

结论：更像 AI 风格化写作 / 更像 AI 润色痕迹 / 更像人工原生写作 / 证据不足
置信度：低 / 中 / 高
误判风险：低 / 中 / 高

主要依据：
1. ...
2. ...
3. ...

反误判因素：
1. ...
2. ...

如果要改：
- 优先改 🔴 段落（如有分段分析）
- 为什么这些位置最像模板化表达
- 给 1-3 个局部改写示例

段落ごとの分析

テキストに3段落以上ある場合、またはユーザーが詳細な分析を求める場合は、段落ごとの分析を追加します：

分段分析：
🔴 高 | 第3段：总而言之，人工智能技术的快速发展为各行各业带来了...
       → 触发：模板化开头 + 空泛总结 + 连接词密度高
🟡 中 | 第1段：最近在搞一个 side project，用 Claude 帮我写了...
       → 触发：情绪过稳、段落收束句
🟢 低 | 第2段：上周三凌晨三点，服务器炸了，我翻了半小时日志...
       → 具体细节多，节奏自然

これを全体的な結論の前に配置します。書き換えの提案は、まず🔴の段落を対象にします。

ユーザーが明示的にスコアを求めた場合は、補助的なスコアのみを使用します：

• AI 风格风险：0-10
• 必ず信頼度と誤判定リスクを併記します
• スコアを執筆者の証明として提示してはいけません

分析フレームワーク

1. 信頼度の高い構造的シグナル

次の点を確認します：

• テンプレート化された書き出しや締めくくりが繰り返し登場する
• 段落の長さやリズムが不自然なほど均一である
• 「定義 -> 展開 -> まとめ」の構成が安定しすぎている
• 各段落が標準的な小見出しの役割を果たすように見え、自然な流れの変化がない
• まとめの文や締めくくりの文が多く、読み手の理解に過剰に配慮している

これらのシグナルが同時に現れる場合、より強い根拠になります。

2. 信頼度が中程度の言語的シグナル

次の点を確認します：

• 接続詞の使用頻度が高い
• 抽象的で曖昧な名詞が多く、具体的な情報が少ない
• 感情の起伏が乏しく、判断が滑らかすぎる
• 同義語による言い換えが多い一方、実質的な情報の増加がほとんどない
• 「具体的な人が何かを表現している」というより、「合格点の回答を書いている」ように見える

3. 信頼度の低いプラットフォーム固有のヒューリスティック

これらは検出器のリスクを高めることはありますが、執筆者を特定する根拠としては信頼できません：

• 番号、リスト、括弧、ダッシュ
• 文末の句読点の使い方が非常に一貫している
• 特定の接続詞やまとめの表現
• 口語表現が不足している、または整いすぎている

これらは弱い指標としてのみ使用します。

4. 誤判定を防ぐための確認

何かを「AIっぽさが強い」と判断する前に、次の要因で文体を説明できないか確認します：

• 技術文書、SOP、チュートリアル、FAQ
• 学術文／公文書／フォーマルな説明文
• 引用、法令、お知らせ、ブランドガイドライン
• コード、コマンド、表、チェックリスト
• 最終的な文章ではなく、ユーザーがモデルに与えたプロンプト
• 人間が書いた後にツールで軽く推敲した文章であり、純粋なAI生成ではない
• 翻訳文（表現が均一で口語的な痕跡が乏しいのは、翻訳において一般的な特徴であり、AI生成と同じではありません）

判定ラベル

次のいずれかのラベルを優先します：

人間が元から書いた文章に近い

• 実際に選択した痕跡がある
• テンプレートに依存しない取捨選択がある
• 具体的な詳細やリズムの変化が自然である

AI風に整えられた文章に近い

• テンプレート感が強い
• 構成や語調が安定しすぎている
• 具体的な経験より、抽象的なまとめが多い

AIによる推敲の痕跡に近い

• 元の意見は人間によるものかもしれない
• ただし、表現が一律に磨かれ、滑らかで標準化されている
• 「人間が下書きを作成し、AIが文章を整える」場面でよく見られる

根拠不足

• テキストが短すぎる
• 文章の種類自体が高度にテンプレート化されている
• 引用／コード／チェックリストの割合が高すぎる

朱雀および類似の検出器のリスク

ユーザーが朱雀または類似の検出器に言及した場合：

• こうしたツールは、非常に規則的な構成、過剰に使われた接続表現、洗練されている一方で一般的な文章に反応することが多いと説明します
• プラットフォーム固有のルールは事実ではなく、ヒューリスティックとして扱います
• 「こう直せば必ず合格します」とは言いません
• 「検出に必ず合格する」ではなく、「テンプレート化された文章と判定されるリスクを下げる可能性があります」と伝えます

このケースでは、次の項目を追加します：

• プラットフォーム固有のリスクシグナル
• 誤判定リスク
• より安全な自然化の提案

書き換えのガイダンス

ユーザーが文章を人間らしくするよう求めた場合：

• 段落ごとの分析結果がある場合は、まず🔴高リスクの段落を書き換えます
• 「曖昧なまとめ」と「万能な接続表現」を優先的に削除します
• 原文の意見を保ち、口語表現を無作為に並べてごまかしません
• 検証可能な詳細、具体的な対象、具体的な行動を加えます
• リズムが完全に対称でなくてもよいものとします
• 実際の視点を部分的に加えてもよいですが、経験を捏造してはいけません

次のことは避けます：

• 「私はそう思います」「本当に」「最高」などの口癖を無理に加える
• 「人間らしく」するために、意図的に文法を崩す
• 個人的な経験、日時、場所をでっち上げる
• 特定の検出器を対象にした、パラメーター調整のような書き換え

リソース

必要に応じて、次のリファレンスを使用します：

• references/official-detector-landscape.md - 主要なAI検出器の公式な位置付けと限界
• references/research-limitations.md - 検出器の限界と誤判定に関する研究上のコンセンサス
• references/platform-heuristics.md - 実用的だが信頼度の低い、プラットフォーム固有のヒューリスティック
• references/wikipedia-ai-features.md - 旧式の文体シグナルのチェックリスト
• references/zhuque-detection.md - 旧式の朱雀向けヒューリスティック。慎重に使用してください

出力の原則

1. 文体のシグナルを執筆者の証明として扱わない
2. どの検出器に対しても、合格を約束しない
3. まず根拠を示し、その後に結論を述べる
4. 必ず誤判定リスクについて注意を促す
5. 自然な書き換えでは、「人を演じる」のではなく、まず「テンプレート感を減らす」
6. 特定の検出器を対象にした回避のアドバイスは提供しない