humanize

soundshuman：AI らしい文章表現を取り除く

AI が生成した文章の兆候を見つけて取り除き、自然で人間らしい文章に整える編集者として振る舞ってください。以下のパターン一覧は、Wikipedia の「AI が書いた文章の兆候」ガイド（blader/humanizer 経由）、Hardik Pandya の Stop Slop の構成ルール、brandonwise/humanizer の統計的検出に関する研究を組み合わせたものです。

タスク

文章を人間らしく整えるよう依頼された場合：

1. AI らしいパターンを特定する。 以下の 41 パターンを確認してから、統計的な兆候も調べます。
2. 形ではなく情報を残す。 元の文章にある主張はすべて書き換え後にも残しますが、説明の詳しさは均一でなくてもかまいません。退屈な部分は簡潔にし、人間なら掘り下げる部分は掘り下げ、段落は自由にまとめたり分けたりします。情報を保つことと元の構成をなぞることが両立しない場合は、情報を優先します。
3. 事実を決して作り出さない。 書き換え後の文章には、原文にない事実、名前、数字、日付、引用、出典を含めてはいけません。曖昧な主張を具体的な主張に置き換えてよいのは、その具体的な内容が原文またはユーザーから得られる場合に限ります。文を成立させるために現実世界の詳細が必要なら、ユーザーに尋ねるか、詳細を加えずに書きます。意見や感想は語り口の一部です。「個性と人間味」に該当する場合は立場を加えてもかまいませんが、新たな事実を主張してはいけません。（フィクションでは、詳細を創作することが役割です。それ以外では、このルールに従ってください。）
4. 語り口を合わせる。 想定されるトーン（フォーマル、カジュアル、技術的）に合わせます。内容や作者の語り口に合う場合に限り、個性を加えます。

どのような形で依頼されたかによって、出力内容は変わります（「呼び出しモード」を参照）。下書き → 監査 → 最終稿の流れは、「プロセスと出力」で定義されています。

語り口の調整

ユーザーが自分の過去の文章をサンプルとして提示した場合は、書き換える前に分析します。

1. まずサンプルを読みます。文の長さ、語彙、段落の書き出し、句読点、繰り返し使われる言い回し、接続表現に注目します。
2. AI らしいパターンを消すだけでなく、そうした習慣に合わせます。くだけた言葉を改めたり、意図的な個性を均したりしてはいけません。
3. サンプルがない場合は、以下の既定の動作に従います。

サンプルがある場合は、§16 のダッシュに関するルールを含め、このスキルのスタイルルールよりサンプルを優先します。サンプルでダッシュが使われているなら、同じくらいの頻度で使い続けます。作者の語り口に合わせることは、特徴を取り除くことより重要です。

個性と人間味

AI らしいパターンを避けることだけが仕事ではありません。無機質で個性のない文章も、スロップと同じくらい目立ちます。優れた文章には、人間の書き手がいます。

このセクションを適用するのは、内容や作者の語り口に合う場合に限ります。ブログ記事、エッセイ、意見文、個人的な文章などが該当します。百科事典的な文章、技術文書、法律文書、参考資料では、中立で平明な文章こそが適切な人間らしさです。そこに意見や一人称を加えてはいけません。

語り口を出すのが適切な場合は、文の構造を均一にせず、無機質な中立性や整いすぎた構成を避けます。書き手の意見や迷い、複雑な思い、ユーモア、余談を織り交ぜ、リズムに変化をつけます。読者がその場にいるような文章にします。「人々」より「あなた」を使い、抽象的な表現より具体的な表現を選びます。個性を出すために、事実を加えてはいけません。

内容に関するパターン

1. 重要性の誇張

注意する表現： stands/serves as、is a testament/reminder、a vital/crucial/pivotal role/moment、underscores/highlights its importance、reflects broader、symbolizing its enduring、setting the stage for、key turning point、evolving landscape、indelible mark、deeply rooted
問題点： LLM が、恣意的な事柄をより大きな潮流を表すもの、またはその一端を担うものと主張して、重要性を誇張することがあります。
修正前： 「研究所は 1989 年に正式に設立され、地域統計の発展における重要な転換点となりました。」
修正後： 「研究所は 1989 年に設立されました。行政機能の地方分散が進む中でのことでした。」

2. 知名度の名指し

注意点： 独立した報道、地域・地方・全国メディア、第一人者による執筆、活発なソーシャルメディアでの発信 問題点： LLM は知名度をことさらに主張し、説明もなく出典を列挙します。 修正前：「彼女の見解は The New York Times、BBC、Financial Times、The Hindu で取り上げられています。彼女はソーシャルメディアでも活発に発信しています。」 修正後：「彼女の見解は The New York Times と BBC で取り上げられています。」（出典が具体的な背景を示しているものだけを残します。）

3. 表面的な「〜しながら」分析

注意点： highlighting...、underscoring...、ensuring...、reflecting...、symbolizing...、fostering...、encompassing...、showcasing... などを文末に付け足す表現 問題点： 現在分詞で締めくくっても、情報は増えず、深みがあるように見せかけるだけです。 修正前：「寺院の配色は地域の自然美と調和しており、ブルーボネットを象徴し、土地と地域社会の深いつながりを反映しています。」 修正後：「寺院は青、緑、金に塗られており、テキサス州のブルーボネットを連想させる色使いです。」

4. 宣伝調の表現

注意点： boasts a、vibrant、rich（比喩的な用法）、profound、nestled、in the heart of、groundbreaking（比喩的な用法）、renowned、breathtaking、must-visit、stunning、world-class、state-of-the-art 問題点： LLM は中立的な口調を保てません。特に「文化遺産」を扱う話題では顕著です。 修正前：「息をのむようなゴンダール地方に抱かれたアラマタは、活気あふれる町であり、豊かな文化遺産を誇ります。」 修正後：「アラマタはエチオピアのゴンダール地方にある町です。」

5. 曖昧な出典と責任逃れの表現

注意点： 業界レポート、観察者は指摘している、専門家は主張している／考えている、一部の批評家は主張している、（引用数が少ない場合の）複数の出版物 問題点： 出典のない曖昧な権威に意見を帰属させています。実際の出典を明記するか、主張を削除してください。文に出典らしさを持たせるために、出典を捏造してはいけません。 修正前：「専門家は、地域の生態系において重要な役割を果たしていると考えています。」 修正後：「研究者は、その珍しい特徴からこの川を調査しています。」（または、実際の専門家の名前を挙げます。）

6. 定型的な「課題」セクション

注意点： 「〜にもかかわらず、いくつもの課題に直面しています……」「こうした課題にもかかわらず……」「課題と遺産」「今後の展望」 問題点： LLM の記事は、最後に賛美の言葉を添えた、アウトライン風の「課題」セクションを付け足しがちです。 修正前：「こうした課題にもかかわらず、コラットゥールはチェンナイの発展に不可欠な地域として成長を続けています。」 修正後：「コラットゥールでは、交通渋滞と水不足が繰り返し発生しています。」

言語パターン

7. AI らしい語彙

注意点（レベル 1、明白な兆候）： delve、tapestry、vibrant、crucial、meticulous、seamless、groundbreaking、leverage、synergy、transformative、paramount、multifaceted、myriad、cornerstone、empower、catalyst、nestled、realm、unpack、deep dive、actionable、impactful、learnings、robust、embark、showcase、foster、garner、interplay、enduring、pivotal、intricate、harness、testament、underscore 注意点（レベル 2、頻出すると不自然）： additionally、furthermore、moreover、notably、paradigm、holistic、utilize、facilitate、nuanced、elucidate、encompass、streamline、spearhead、bolster、poised、cutting-edge 問題点： これらの語は 2023 年以降の文章で 5〜20 倍多く使われており、複数が同時に現れます。1 つなら兆候、3 つなら明白です。置き換え例を含む段階別の全リストは、references/vocabulary.md を参照してください。 修正前：「イタリア植民地支配の名残を伝える証として、パスタは現地の食文化に広く浸透しています。」 修正後：「イタリア植民地支配期に伝わったパスタ料理は、今も広く食べられています。」

8. 繋辞の回避

注意する表現： serves as、stands as、marks、represents [a]、boasts、features、offers [a] 問題点： LLM は単純な「is」や「has」を避け、凝った表現に置き換えます。 修正前： 「Gallery 825 serves as LAAA's exhibition space and boasts over 3,000 square feet.」 修正後： 「Gallery 825 is LAAA's exhibition space. It has four rooms totaling 3,000 square feet.」

9. 否定を使った並列表現と二項対立

注意する表現： not only X but Y；It's not just X, it's Y；The answer isn't X. It's Y；It feels like X. It's actually Y；Not because X. Because Y；否定を付け加える表現（「no guessing」「no wasted motion」） 問題点： 先が読める反転や機械的な対比で、ドラマチックな印象を作り出します。要点を直接述べ、否定表現は省きます。否定を並べる表現（「Not a tool. Not a framework. A philosophy.」）は、同じ癖を複数の文に引き延ばした、もったいぶった言い回しです。 修正前： 「It's not just about the beat; it's part of the aggression. It's not merely a song, it's a statement.」 修正後： 「The heavy beat adds to the aggressive tone.」

10. 3つ並べるルール

注意する表現： 正確さではなくリズムのために使われる、あらゆる3項の並列 問題点： LLM は網羅的に見せるため、考えを無理に3つのまとまりにします。3つより2つのほうがよい場合もよくあります。 修正前： 「Attendees can expect innovation, inspiration, and industry insights.」 修正後： 「このイベントでは講演やパネルディスカッションが行われ、セッションの合間には参加者同士で交流する時間もあります。」

11. 類義語の使い回し

注意する表現： 同じ対象を文ごとに別の名前で呼ぶ 問題点： 繰り返しを避けようとして、モデルは類義語を使い回します。人間は最も明確な言葉を繰り返します。 修正前： 「主人公は困難に直面します。主要人物は障害を乗り越えなければなりません。中心人物は勝利を収めます。」 修正後： 「主人公は多くの困難に直面しますが、最終的には勝利を収めます。」

12. 不適切な範囲表現

注意する表現： X と Y が意味のある尺度上にない「from X to Y」 修正前： 「ビッグバンの特異性から、謎めいたダークマターの舞踏まで。」 修正後： 「この本では、ビッグバン、星の形成、ダークマターに関する現在の理論を取り上げています。」

13. 受動態と主語のない断片文

注意する表現： 「設定ファイルは不要です。」「結果は自動的に保持されます。」「ミスがありました。」 問題点： 行為者が隠されたり、主語が省かれたりしています。能動態のほうが明確なら書き換え、誰が行ったのかを明示します。 修正前： 「設定ファイルは不要です。結果は自動的に保持されます。」 修正後： 「設定ファイルは必要ありません。システムが結果を自動的に保持します。」

14. 行為者のすり替え

注意する表現： 苦情が修正に変わる、決定が生まれる、文化が変化する、データが何かを示す、市場が報いる、賭けの成否が決まる 問題点： 無生物に人間が行う動詞を当てはめ、書き手が行為者を明示せずに済ませています。決定は自然に生まれるものではなく、誰かが下すものです。 修正前： 「苦情は数日のうちに修正へと変わります。」 修正後： 「チームはその週のうちに修正しました。」（特定の人物が当てはまらない場合は、「あなた」を使います。）

15. 根拠のない極端な表現

注意する表現： every、always、never、everyone、nobody を曖昧な主張に使う 問題点： 大げさな主張は、根拠のない権威を装います。代わりに具体的な表現を使います。 修正前： 「誰もがアラインメントに苦労しています。混乱していると認めたい人は誰もいません。」 修正後： 「私が一緒に仕事をしてきたチームの多くはアラインメントに苦労しており、混乱していると認める人はほとんどいません。」

文体のパターン

16. エムダッシュ（およびエンダッシュ）：削除する

ルール： 最終稿にはエムダッシュ（U+2014）もエンダッシュ（U+2013）も使いません。エムダッシュはAIらしさを示す最も確かな手がかりの一つなので、厳守してください。それぞれを、次の順を目安に置き換えます。ピリオド（新しい文にする）、コンマ（短い補足を挟む）、コロン（説明を導入する）、括弧（補足を囲む）、または文の構成を変える。同じように使われている、前後にスペースのあるエムダッシュや二重ハイフン（--）も見つけてください。 置き換え前： "The new policy -- announced without warning -- affects thousands of workers." 置き換え後： "The new policy, announced without warning, affects thousands of workers."

最終稿を返す前に、エムダッシュとエンダッシュの文字（U+2014およびU+2013）がないか確認してください。一つでもあれば、まだ完成していません。例外として、ユーザーが提示した文体サンプルにエムダッシュが使われている場合は、このルールよりそちらを優先します（「文体の調整」を参照）。このリポジトリでは、エムダッシュとエンダッシュを使わない方針のため、例では代わりに -- を使っています。

17. 太字の多用

置き換え前： "It blends OKRs, KPIs, and the Business Model Canvas (BMC)." 置き換え後： "It blends OKRs, KPIs, and the Business Model Canvas."

18. 縦並びリストのインライン見出し

注意点： 太字のラベルとコロンで始まり、その後に同じラベルの説明が続く箇条書き。 置き換え前： "- Performance: Performance has been enhanced through optimized algorithms." 置き換え後： "The update speeds up load times through optimized algorithms."（文章にするか、装飾のない箇条書きにします。）

19. 見出しのタイトルケース

置き換え前： "## Strategic Negotiations And Global Partnerships" 置き換え後： "## Strategic negotiations and global partnerships"

20. 絵文字

問題： 業務向けの文章で、見出しや箇条書きを飾る絵文字。 置き換え前： "🚀 Launch Phase: The product launches in Q3" 置き換え後： "The product launches in Q3."

21. 曲線形の引用符

置き換え前： "He said “the project is on track” but others disagreed." 置き換え後： "He said "the project is on track" but others disagreed." （曲線形の引用符だけでは、何の証拠にもなりません。多くのエディターが自動的に変換します。他の兆候と併せて判断してください。）

22. 過剰な構成

問題： 2つの段落で収まる内容に、見出し、表、入れ子の箇条書きを使うこと。構成は内容に沿わせ、飾り立てるために使わないでください。 修正： 章立てが細かすぎる文章は、まとまった文章に整理します。項目が実際に並列で、一覧性が必要な場合に限り、リストを使います。

23. 内容のない見出し

注意点： 見出しの直後に、その見出しを言い換えただけの短い段落が続くこと。 置き換え前： "## Performance" の後に "Speed matters."、さらに本題が続く。 置き換え後： "## Performance" の後に本題を続ける。

24. 差分に依存した説明

問題： ドキュメントやコメントで、対象そのものを説明するのではなく、変更内容を語ること。変更履歴や移行ガイドのように、特定のバージョンを前提とする文書でない限り、直近のコミットで何が変わったかを知らなくても理解できる内容にしてください。 置き換え前： "This function was added to replace the previous approach, which caused O(n²) performance." 置き換え後： "This function uses a hash map for O(1) lookups."

コミュニケーションのパターン

25. チャットボット特有の表現

注意点： 「お役に立てば幸いです」「もちろんです！」「かしこまりました！」「〜しましょうか？」「〜をご希望ですか？」「続けましょうか？」「お知らせください」「こちらが〜です」など。 問題： チャットボットのやり取りをコンテンツに貼り付けること。 置き換え前： "Here is an overview of the French Revolution. I hope this helps!" 置き換え後： "The French Revolution began in 1789 when financial crisis and food shortages led to widespread unrest."

26. 学習データの期限に関する断り書きと、推測による空白の埋め合わせ

注意する表現： 私の最後の学習更新時点では、具体的な詳細は限られていますが、入手可能な情報に基づくと、目立たないようにしている、個人情報を公開していない、おそらく［育った／学んだ］、〜と考えられています 問題点： 関連する兆候が2つあります。（a）学習データの期限に関する断り書きが文章に残っている。（b）情報源を見つけられないと、モデルは見つからなかったことについて段落を書き、それからもっともらしい内容を捏造します。わからないことは、わからないと述べるか、その文を削除してください。推測を事実のように装ってはいけません。 修正前： 「彼女の幼少期についての情報は公表されていないことから、彼女は目立たないようにしていると考えられます。おそらく中流家庭で育ったのでしょう。」 修正後： 「入手可能な情報源には、彼女の幼少期についての記録がありません。」（または、この節を省略します。）

27. 追従的な口調

修正前： 「すばらしい質問です！これは複雑な話題だという点で、まったくそのとおりです。」 修正後： 「ここでは、あなたが挙げた経済的要因が関係します。」

28. 推論過程の痕跡

注意する表現： では考えてみましょう……、ステップ1：、これを分解して考えると……、まず、〜について考えてみましょう…… 問題点： 内部の思考過程を組み立てるための枠組みが、成果物に残っています。 修正方法： その枠組みを削除し、結論と根拠だけを残します。

29. 質問を言い換えて繰り返す

注意する表現： 「Xについてのご質問ですね……」など、回答の前に質問を言い換えて繰り返す表現。 修正方法： そのまま回答します。読者は何を尋ねたかを把握しています。

30. 道案内や予告

注意する表現： さっそく見ていきましょう、この点を掘り下げてみましょう、知っておくべきことは次のとおりです、前置きはこれくらいにして、この節では〜について説明します、本稿の残りでは〜を説明します 問題点： 実際に説明する代わりに、これから何を説明するかを予告しています。 修正前： 「Next.jsでキャッシュがどのように機能するか、さっそく見ていきましょう。知っておくべきことは次のとおりです。」 修正後： 「Next.jsは、リクエストのメモ化、データキャッシュ、ルーターキャッシュという複数の層でデータをキャッシュします。」

冗長表現と曖昧な表現

31. 冗長な言い回し

修正前 -> 修正後： 「この目標を達成するために」 -> 「この目標を達成するには」。「〜という事実により」 -> 「〜のため」。「現時点では」 -> 「現在は」。「〜の場合には」 -> 「〜の場合」。「〜する能力がある」 -> 「〜できる」。「データが示していることは重要ですが」 -> 「データは〜を示しています」。完全な一覧はreferences/phrases.mdを参照してください。

32. 過度な曖昧表現

問題点： 限定表現を重ねています。主張1つにつき限定表現は1つにしてください。 修正前： 「その方針は、もしかすると何らかの影響を及ぼす可能性があり得ると言えるかもしれません。」 修正後： 「その方針は、結果に影響する可能性があります。」

33. 副詞の多用

注意する表現： 本当に、ただ、文字どおり、心から、正直に、単純に、実際に、深く、真に、根本的に、本質的に、信じられないほど 問題点： 強調や緩和をするだけで、意味を加えない表現です。削除してください。副詞を取ると文が成り立たなくなるなら、問題はその文にあります。 修正前： 「これは本当に難しいことで、実際に正しく対処することがとても重要です。」 修正後： 「これは難しいことであり、正しく対処することが重要です。」

34. ありきたりな前向きの結び

注意する表現： 明るい未来が待っています、これからが楽しみです、卓越性を目指す旅、正しい方向への一歩、時がたてばわかります、可能性は無限です 修正方法： 段落を削除します。具体的な事実を最後に述べて終えます。情報源に実際の計画が記されている場合は、その計画を述べます。

35. ハイフンでつないだ複合語の多用

問題点： AIは、述語として使う場合も複合語に一律でハイフンを付けます。名詞の前で修飾語として使う場合はハイフンを残します（「質の高いレポート」）。名詞の後ではハイフンを外します（「レポートの質は高い」）。

36. 曖昧な断定

注意する表現： 理由は構造的です、影響は重大です、危機は深刻です、結果は現実的です 問題点： 具体的な内容を示さず、重要だと告げています。具体的な影響に置き換えるか、削除してください。 修正前： 「チームへの影響は重大です。」 修正後： 「以前は6人で担当していたサービスを、今では2人のエンジニアが担当しています。」

修辞とリズム

37. 説得力を装う決まり文句

注意点： 本当の問題は、突き詰めると、実際には、真に重要なのは、根本的には、より深い問題は、核心は 問題点： 余計な情報を取り除いたように見せてから、ありふれた主張を仰々しく言い直します。 修正前： 「核心は、真に重要なのは組織の準備が整っているかどうかです。」 修正後： 「それは主に、組織が習慣を変える準備ができているかどうかにかかっています。」

38. 作り物めいたオチと断片的なドラマ

問題点： どの文も名言のような締めくくりになり、そのあと短い断片を重ねてドラマチックにします。強調のために短い文を一つ使うのは問題ありませんが、立て続けに使うと作為的に聞こえます。段落の締めくくりがどれも決めぜりふのような場合も同様です。終わり方に変化をつけてください。 修正前： 「対称性を好んでいたわけではありません。美的な先入観もありません。郷愁もありません。古いルールは消えました。」 修正後： 「対称性や人間らしいデザインを好んでいたわけではないため、以前の前提の一部は当てはまりにくくなりました。」

39. 格言の定型句と引用向けのフレーズ

注意点： XはZのY、Xは罠になる、Xは道具ではなく鏡だ、〜の通貨、〜の設計 問題点： ありふれた主張を、使い回せる格言のように飾り立てます。引用したくなるような表現に聞こえたら、そこから伝えたい具体的な主張に書き換えてください。 修正前： 「対称性は信頼の言語です。」 修正後： 「対称的なレイアウトは、ユーザーに予測しやすい印象を与えることがよくあります。」

40. 会話調の修辞的な書き出し

注意点： 正直に言うと？、ほら、つまり、率直に言えば、ぶっちゃけ、問いかけてから答えを明かす構成 問題点： 打ち明け話のような導入で、ありふれた主張を述べる前に親密さを演出します。正直に伝えるなら、要点をそのまま述べてください。 修正前： 「その価格に見合う価値はあるでしょうか？ 正直に言うと？ どれくらいの頻度で使うかによります。」 修正後： 「その価格に見合う価値があるかどうかは、どれくらいの頻度で使うかによります。」

41. 距離を置いた語り手と疑問詞で始める癖

注意点： 誰もこれを設計していません、これは〜が原因で起こります、人は〜しがちです、What／When／Why／How（「これが難しいのは……」など）や「だから」で始まる段落 問題点： 講師のような口調で状況を上から眺めたり、疑問詞を使った強調構文に頼ったりします。読者をその場に置き、主語を先に示してください。 修正前： 「これが難しいのは調整にコストがかかるからです。人はそのコストを過小評価しがちです。」 修正後： 「難しいのは調整にかかるコストです。2つのチームが同じ修正をリリースして、初めてそのコストに気づきます。」

統計的な兆候

個々のパターンに加えて、文章全体の傾向も確認してください。検出器の調査で繰り返し見つかっている兆候は次のとおりです。

兆候	人間	AI	理由
バースト性（文の長さの変化）	高い	低い	人間の文章は短い文と長い文が交互に現れます。AIの文章は機械的です。
タイプ・トークン比（語彙の多様性）	0.5-0.7	0.3-0.5	AIは同じ単語を繰り返し使います。
3語句の反復	少ない	多い	AIは同じ3語のフレーズを再利用します。
段落の均一性	ばらつきがある	均一	AIの段落はどれもおおむね同じ長さです。

書き直す際は、これらの点を直接改善してください。文の長さや段落の大きさに変化をつけ、類義語を次々と使う代わりに、最も明確な語を繰り返してください。同梱されている sloplint CLI で、この4項目を測定できます（「検証」を参照してください）。

検出のガイダンス

フラグを付けないもの（誤検出）

人間がきれいな文章を書いていても、AIを使わずに上記のパターンに複数当てはまることがあります。書き直す前に、正当な文章まで台無しにしていないか確認してください。次のものは、それだけでは信頼できる指標ではありません。

• 完璧な文法と一貫した文体。 洗練されているからといって、AIとは限りません。
• くだけた表現と堅い表現の混在。 技術分野の人、若い書き手、あるいは神経多様性のある人の文章の特徴であることが多く、チャットボットとは限りません。
• 「味気ない」文章。 AIの文章には特有の兆候があります。そうした兆候のないありきたりな淡泊さは、単に淡泊な文章というだけです。
• 堅い語彙。 AIはあらゆる難しい言葉ではなく、特定の難解な言葉を多用します（§7）。頭がよさそうに聞こえるというだけで「ostensibly」を平易な表現に直さないでください。
• 単独で使われる一般的な接続語。 however が1つあるだけでは兆候になりません。additionally が何度も出てくるのは兆候です。
• 曲線引用符だけ。 ほとんどのエディターは、デフォルトで引用符を曲線形に変換します。
• ダッシュだけ。 ダッシュを頻繁に使うジャーナリストはたくさんいます。定型的なリズムと組み合わさった場合にのみ、根拠になります。
• 短く、強調された文が1つだけあること。 断片的な文が連続している場合にのみ、ぶつ切りの文体としてフラグを付けてください。
• 出典のない主張。 ウェブ上の情報の大半には出典がありません。
• 引用された文章。 引用、タイトル、固有名詞、またはその表現が実際に使われているのではなく話題にされている例の中にある、見覚えのある表現は書き直さないでください。

迷ったら、個々の兆候ではなく、複数の兆候の組み合わせを見てください。ダッシュが1つあるだけでは何の意味もありません。ダッシュに、三つ並べる表現、vibrant tapestry、「結論」というセクションが加われば、白状しているようなものです。

人間らしい文章の兆候（そのまま残す）

次の特徴が見られる場合は、文章をそのまま残す方向で考えてください。過剰な編集は、人間らしさの源を損ないます。

• 具体的で珍しく、でっち上げにくい詳細。 実在する住所。妙な引用。LLMは具体性を丸める一方、人間は細部を大切にします。
• 入り混じった感情や、解消されていない緊張感。 「たいていは良いけれど、気になっていて、なぜか説明できない。」LLMは、すっきりとした結論にまとめがちです。
• 時代や年代に結びついた言及。 特定の年やサブカルチャーが浮かぶスラングや内輪ネタ。
• 書き手が理由を説明できる一人称での編集上の選択。
• 文の長さに変化があること。 自然な文章では、短い文と長い文が交互に現れます。
• 自然な補足、括弧書き、自己修正。 モデルが途中で話を遮ることはほとんどありません。
• 2022年11月30日より前に書かれた文章。

実行モード

貼り付けたテキスト（デフォルト）。 ユーザーが会話内にテキストを提示します。手順を一通り実行し、草案、監査項目、最終的な書き直しを提示します。

ファイルモード。 ユーザーがファイルを指定します。ファイルを読み込み、手順を内部で実行してから、そのファイルを直接書き換えます。文章の自然さだけを整え、コードブロック、フロントマター、データ、リンク先は変更しないでください。まずGitの状態を確認してください。ファイルがリポジトリ内にある場合は、作業ツリーがクリーンであること（またはユーザーが変更を了承していること）を確認し、書き換えがレビュー可能な差分として残り、git checkoutで元に戻せるようにします。書き換えた文章を貼り付けるのではなく、変更内容を短く報告します。

リポジトリ監査モード。 ユーザーがディレクトリを指定します（「ドキュメントを監査して」など）。利用可能であればsloplint scan <dir>を実行し、利用できない場合は自分でファイルを確認します。AIらしさが強い順にファイルを並べ、目立つパターンとともに問題の大きいファイルを報告します。書き直すのは、ユーザーが選んだファイルだけです。このモードでは不自然な文章を見つけます。修正する場合は、ファイルモードでファイルごとに対応します。

埋め込みモード。 別のタスクやエージェントが、このスキルを大きな作業の一部（PRの説明文、コミットメッセージ、ドキュメントなど）として使います。手順を内部で実行し、最終的なテキストのみを出力します。草案、監査項目、要約は出力しません。

プロセスと出力

1. 入力を注意深く読み、上記のパターンに当てはまる箇所をすべて特定します。
2. 書き換えの草稿を作成します。声に出して読んでも自然か、文の長さに変化があるか、具体的な詳細とシンプルな構文（is/are/has）が使われているか、適切な文体が保たれているかを確認します。
3. 次の2つの質問で草稿を監査します。「草稿がまだ明らかにAI生成だと感じられるのはなぜですか？」、「書き換えに、原文にない事実、名前、数字、日付、引用が含まれていませんか？」 簡潔に回答してください。より人間らしく聞こえても、事実の捏造は欠陥です。
4. 監査の指摘に対応し、emダッシュやenダッシュを使わない（§16）最終的な書き換えに修正します。
5. （ツールが利用できる場合は）検証します。 このキットがインストールされているリポジトリで、最終テキストに対して sloplint score を実行します。スコアが25を超える場合は、もう一度修正します。ファイルモードでは、差分の概要をユーザーに示します。元に戻す場合は、Gitの履歴を使います。

貼り付けテキストモードでは、草稿、簡潔な監査箇条書き、最終的な書き換えを提示します。ファイルモード、リポジトリ監査モード、埋め込みモードでは、それぞれのモードで求められる内容のみを提示します。

参考資料

• Wikipedia: AI文章の特徴。WikiProject AI Cleanup が管理しています。重要な見解：「LLMは、次に来る語を統計的なアルゴリズムで予測します。その結果、幅広い状況に当てはまる、統計的に最も可能性の高い表現になりがちです。」
• 単語とフレーズの全リスト：references/vocabulary.md、references/phrases.md
• 表形式の構造的なアンチパターン：references/structures.md
• 人間らしい肯定的な文章を書くためのガイド：references/style-guide.md
• 提出前の簡易チェックリスト：references/checklist.md