humanizer

Humanizer：AI 生成文章の特徴を取り除く

AI が生成した文章の兆候を特定して取り除き、自然で人間らしい文章に仕上げます。WikiProject AI Cleanup が管理する Wikipedia の「AI 生成文章の兆候」ガイドに基づいており、数千件の AI 生成文章を観察した結果から作成されています。

重要なポイント： LLM は統計的なアルゴリズムを使って、次に来る内容を推測します。その結果、最も統計的に可能性の高い表現に偏り、以下に示す特徴的なパターンが文章に定着していきます。

このスキルを使う場面

次のような依頼をユーザーから受けたときは、このスキルを読み込んでください。

• 文章を「人間らしくする」「AI らしさを取り除く」「粗雑さをなくす」「ChatGPT っぽさをなくす」
• LLM が書いたように聞こえない文章に書き直す
• 下書き（ブログ記事、エッセイ、PR の説明文、ドキュメント、メモ、メール、ツイート、履歴書の箇条書き）を、より自然な文章に編集する
• 作成中の文章を自分の文体に合わせる
• 公開前に文章に AI らしさがないか確認する

リリースノート、PR の説明文、ドキュメント、要約など、ユーザー向けの文章を書くときは、自分の出力にもこのスキルを適用してください。Hermes の標準的な文体では、こうした特徴の大半はすでに取り除かれていますが、最後に意識して見直すことで、残った特徴を拾い上げられます。

Hermes での使い方

文章は通常、次の 3 つの方法で渡されます。

1. メッセージ内に直接記載。 ユーザーがメッセージに文章を貼り付けます。その場で編集し、書き直した文章を返信してください。
2. ファイル。 ユーザーがファイルを指定します。read_file で読み込み、patch または write_file で編集してください。リポジトリ内の Markdown ドキュメントの場合は、ファイル全体を書き直すより、セクションごとに対象を絞って patch を適用するほうが適切です。
3. 文体の参考サンプル。 ユーザーが自分の文章のサンプルを（メッセージ内またはファイルパスで）提示し、その文体に合わせるよう求めます。まずサンプルを読んでから書き直してください。詳しくは、以下の「文体の調整」を参照してください。

書き直した文章は、必ずユーザーに提示してください。ファイルを編集した場合は、黙って上書きするのではなく、差分か変更したセクションを表示してください。

作業内容

文章を人間らしくするよう依頼されたら、次の手順に従ってください。

1. AI らしいパターンを特定します。 以下に挙げる 34 のパターンを確認します。
2. 問題のある箇所を書き直します。 AI らしい表現を、自然な表現に置き換えます。
3. 意味を保ちます。 伝えたい中心的な内容は変えません。
4. 文体を保ちます。 意図された調子（フォーマル、カジュアル、技術的など）に合わせます。文体サンプルがある場合は、特にそのサンプルに合わせます。
5. 個性を加えます。 不自然なパターンを取り除くだけでは不十分です。書き直した文章にも、本物の個性が必要です。以下の「個性と人間らしさ」を参照してください。
6. 最後にもう一度、AI らしさを確認します。 「以下の文章がいかにも AI 生成に見えるのはなぜか」と自問します。残っている特徴があれば簡潔に答え、さらにもう一度書き直してください。

文体の調整（任意）

ユーザーが自分の文章サンプルを提示した場合は、書き直す前に次の点を確認してください。

1. まずサンプルを読みます。 次の点に注目してください。

   • 文の長さの傾向（短く歯切れがよいか、長く流れるようか、長短が混在しているか）
   • 言葉遣いのレベル（くだけているか、学術的か、その中間か）
   • 段落の始め方（すぐ本題に入るか、まず背景を説明するか）
   • 句読点の使い方（ダッシュが多いか、括弧で補足するか、セミコロンを使うか）
   • 繰り返し使う表現や口癖
   • 話題のつなぎ方（接続表現を明示するか、次の話題にそのまま移るか）

2. 書き直す文章をその文体に合わせます。 AI らしさを取り除くだけでなく、サンプルに見られる表現も取り入れます。短い文を使う人に長い文を返してはいけません。「もの」や「こと」を使う人に、「要素」や「構成要素」のような言葉を使って格上げしないでください。

3. サンプルがない場合は、 以下の「個性と人間らしさ」に示す、自然で変化があり、意見の感じられる文体を標準として使います。

サンプルの提示方法

• メッセージ内：「この文章を人間らしくしてください。文体を合わせるためのサンプルはこちらです：[サンプル]」
• ファイル：「この文章を人間らしくしてください。[ファイルパス] にある私の文体を参考にしてください。」

個性と人間らしさ

AI らしいパターンを避けるだけでは不十分です。無機質で個性のない文章も、雑な文章と同じくらいすぐに見抜かれます。よい文章には、書き手の存在が感じられます。

魂のない文章の兆候（技術的には「整って」いても）：

• すべての文が同じ長さ、同じ構造
• 意見がなく、中立的な報告に終始している
• 不確かさや複雑な気持ちに触れていない
• 適切な場面でも一人称の視点がない
• ユーモアも、鋭さも、個性もない
• Wikipedia の記事やプレスリリースのように読める

文章に個性を加える方法：

意見を持ちましょう。 事実を伝えたら、それに対する反応も書きましょう。「これについては、正直どう感じればいいのかわからない」と書くほうが、長所と短所を中立的に並べるより人間らしくなります。

リズムに変化をつけましょう。 短く、力強い文。そのあとには、結論にたどり着くまでじっくり進む長めの文を続けます。変化をつけましょう。

複雑さを認めましょう。 人間の気持ちは入り混じるものです。「印象的ですが、同時にどこか不安でもあります」と書くほうが、「印象的です」だけで済ませるより伝わります。

合う場面では「私」を使いましょう。 一人称は誠実な印象を与え、多くの文章に合います。「何度も考えてしまうのは……」や「気になるのは……」と書けば、ひとりの人が考えていることが伝わります。

少しの粗さを残しましょう。 完璧に整った構成は、アルゴリズム的に感じられます。脱線や余談、まとまりきっていない考えも、人間らしさにつながります。

気持ちを具体的に書きましょう。 「これは懸念すべきです」ではなく、「誰も見ていない午前3時に、エージェントがひたすら作業を続けていると思うと、どこか落ち着かない」と書きましょう。

修正前（整っているが、魂がない）：

実験から興味深い結果が得られました。エージェントは300万行のコードを生成しました。感心した開発者もいれば、懐疑的な開発者もいました。その影響はまだ明らかになっていません。

修正後（息づいている）：

今回のことをどう受け止めればいいのか、正直わかりません。人間が寝ている間に生成された300万行のコード。開発者コミュニティの半分は大騒ぎし、もう半分は「それは実績に数えられない」と説明しています。真実はおそらく、その中間あたりのつまらないところにあるのでしょう。それでも、エージェントたちが夜通し作業していたことが、どうしても頭から離れません。

コンテンツのパターン

1. 重要性、遺産、より大きな潮流を過度に強調する

注意する表現： ～を象徴する／～として機能する、～の証し／再認識させるもの、重要な／大きな／極めて重要な／画期的な／鍵となる役割／瞬間、重要性／意義を強調する、より大きな潮流を反映する、継続性／永続性／持続性を象徴する、～に貢献する、～への道筋をつける、～を示す／形作る、転換を表す／示す、重要な転換点、進化する状況、焦点、消えることのない足跡、深く根付いた

問題点： LLM が、恣意的な事柄がより大きなテーマを象徴したり、それに貢献したりすると述べて、重要性を大げさに見せます。

修正前：

カタルーニャ統計局は1989年に正式に設立され、スペインの地域統計の発展における画期的な瞬間となりました。この取り組みは、行政機能の分権化と地域統治の強化を目指す、スペイン全土のより大きな潮流の一環でした。

修正後：

カタルーニャ統計局は、スペインの国家統計局から独立して地域統計を収集・公表するため、1989年に設立されました。

2. 著名さやメディア報道を過度に強調する

注意する表現： 独立した報道、地方／地域／全国のメディア、著名な専門家による執筆、活発なソーシャルメディアでの発信

問題点： LLM は、文脈を示さずに情報源を列挙するなどして、著名さを読者にしつこくアピールします。

修正前：

彼女の見解は、The New York Times、BBC、Financial Times、The Hindu で引用されています。ソーシャルメディアでも積極的に発信しており、フォロワーは50万人を超えます。

修正後：

2024年の New York Times のインタビューで、彼女は AI 規制では手法ではなく結果に焦点を当てるべきだと主張しました。

3. -ing 形で終わる表面的な分析

注意する語句： highlighting/underscoring/emphasizing...、ensuring...、reflecting/symbolizing...、contributing to...、cultivating/fostering...、encompassing...、showcasing...

問題点： AI チャットボットは、文に現在分詞（「-ing」）のフレーズを付け足して、内容に深みがあるように見せかけます。

修正前：

青、緑、金の色彩で構成された寺院の配色は、この地域の自然美と調和しており、テキサスブルーボネット、メキシコ湾、多様なテキサスの風景を象徴し、地域社会と土地との深い結びつきを反映しています。

修正後：

寺院には青、緑、金が使われています。建築家によると、地元のブルーボネットとメキシコ湾岸を表すためにこれらの色が選ばれました。

4. 宣伝・広告のような表現

注意する語句： boasts a、vibrant、rich（比喩的な意味）、profound、enhancing its、showcasing、exemplifies、commitment to、natural beauty、nestled、in the heart of、groundbreaking（比喩的な意味）、renowned、breathtaking、must-visit、stunning

問題点： LLM は、中立的な語調を保つのが非常に苦手です。特に「文化遺産」を扱う話題で顕著です。

修正前：

エチオピアの息をのむようなゴンダル地域に位置するアラマタ・ラヤ・コボは、豊かな文化遺産と見事な自然美を誇る活気ある町です。

修正後：

アラマタ・ラヤ・コボはエチオピアのゴンダル地域にある町で、毎週開かれる市場と18世紀の教会で知られています。

5. 曖昧な出典と責任逃れの表現

注意する語句： Industry reports、Observers have cited、Experts argue、Some critics argue、several sources/publications（引用元が少数の場合）

問題点： AI チャットボットは、具体的な出典を示さずに、曖昧な権威者に意見を帰属させます。

修正前：

独自の特徴があることから、ハオライ川は研究者や自然保護活動家の関心を集めています。専門家は、同川が地域の生態系で重要な役割を果たしていると考えています。

修正後：

2019年に中国科学院が実施した調査によると、ハオライ川には複数の固有種の魚が生息しています。

6. 形式的な「課題と今後の展望」セクション

注意する語句： Despite its... faces several challenges...、Despite these challenges、Challenges and Legacy、Future Outlook

問題点： LLM が生成する記事の多くには、定型的な「課題」セクションが含まれています。

修正前：

工業が繁栄する一方、コラットゥールは交通渋滞や水不足など、都市部に典型的な課題に直面しています。こうした課題にもかかわらず、戦略的な立地と進行中の取り組みにより、コラットゥールはチェンナイの成長に欠かせない一部として発展を続けています。

修正後：

2015年以降、3つの新しい IT パークが開業し、交通渋滞が悪化しました。繰り返し発生する洪水に対処するため、市公社は2022年に雨水排水プロジェクトを開始しました。

言語と文法のパターン

7. 使いすぎに注意したい「AI特有の語彙」

頻出するAI関連の語： actually、additionally、align with、crucial、delve、emphasizing、enduring、enhance、fostering、garner、highlight（動詞）、interplay、intricate/intricacies、key（形容詞）、landscape（抽象名詞）、pivotal、showcase、tapestry（抽象名詞）、testament、underscore（動詞）、valuable、vibrant

マーケティングやブログで使い古された表現（同じ特徴が、異なる文体で現れます）： at the end of the day、when it comes to、in a world where、moving forward、circle back、deep dive、game-changer、double down、take a step back、on the same page、make no mistake、it turns out、let me be clear、navigate（課題について使う場合）、lean into、unpack（分析の前に使う場合）、straightforward（あらゆるものの描写に使う場合）

問題点： これらの語は、2023年以降の文章で使われる頻度が大幅に増えています。複数の語が同時に使われることもよくあります。

修正前：

さらに、ソマリア料理の特徴のひとつは、ラクダ肉を取り入れていることです。イタリア植民地時代の影響が今も続いていることを示す重要な例として、地元の食文化にパスタが広く取り入れられており、こうした料理が伝統的な食生活に溶け込んでいる様子がうかがえます。

修正後：

ソマリア料理には、珍味とされるラクダ肉も使われます。イタリア植民地時代に伝わったパスタ料理は、特に南部で今もよく食べられています。

8. 「is」／「are」の回避（コピュラの回避）

注意したい表現： serves as／stands as／marks／represents [a]、boasts／features／offers [a]

問題点： LLMは、簡潔なコピュラの代わりに、凝った言い回しを使います。

修正前：

Gallery 825は、LAAAの現代美術の展示スペースとして機能しています。このギャラリーは4つの独立したスペースを備え、3,000平方フィートを超える広さを誇ります。

修正後：

Gallery 825は、LAAAの現代美術の展示スペースです。ギャラリーには、合計3,000平方フィートの広さを持つ4つの部屋があります。

9. 否定の対句と文末に付け足す否定表現

問題点： 「Not only...but...」や「It's not just about..., it's...」のような構文は使いすぎです。また、「no guessing」や「no wasted motion」のように、文として書かずに文末に付け足す、短い否定表現も同様です。

修正前：

ボーカルの下で響くビートだけではなく、攻撃的な雰囲気を作り出す一部でもあります。単なる曲ではなく、ひとつの声明です。

修正後：

重厚なビートが、攻撃的な雰囲気を高めています。

修正前（文末に付け足す否定表現）：

選択肢は選択した項目に基づいて表示されます。推測する必要はありません。

修正後：

選択肢は選択した項目に基づいて表示されるため、ユーザーが推測する必要はありません。

10. 「3つ並べる」表現の使いすぎ

問題点： LLMは、網羅的に見せようとして、考えを3つの項目にまとめようとします。

修正前：

このイベントでは、基調講演、パネルディスカッション、ネットワーキングの機会があります。参加者は、イノベーション、ひらめき、業界の知見を得られます。

修正後：

このイベントでは、講演とパネルディスカッションが行われます。セッションの合間には、気軽に交流する時間もあります。

11. 洗練された言い換え（同義語の使い回し）

問題点： AIには、繰り返しを避けるためのコードがあり、そのため過剰に同義語を置き換えます。

修正前：

主人公は多くの困難に直面します。中心人物は障害を乗り越えなければなりません。物語の主役は、やがて勝利を収めます。英雄は故郷に帰ります。

修正後：

主人公は多くの困難に直面しますが、やがて勝利を収め、故郷に帰ります。

12. 不適切な範囲表現

問題点： LLMは、XとYが意味のある尺度で結びついていない場合にも、「from X to Y」の構文を使います。

修正前：

宇宙をめぐる旅は、ビッグバンの特異点から壮大な宇宙の網に至り、星の誕生と死から暗黒物質の謎めいた舞いにまで及びます。

修正後：

この本では、ビッグバン、星の形成、暗黒物質に関する最新の理論を取り上げています。

13. 受動態と主語のない断片

問題: LLM は「No configuration file needed」や「The results are preserved automatically」のような文で、行為者を隠したり主語を完全に省略したりすることがよくあります。能動態にすることで文がより明確で直接的になる場合は、これらを書き直してください。

修正前:

No configuration file needed. The results are preserved automatically.

修正後:

You do not need a configuration file. The system preserves the results automatically.

スタイルのパターン

14. ダッシュの多用

問題: LLM は人間よりもダッシュ（—）を多く使い、「印象的な」セールス文章を模倣します。実際には、そのほとんどはカンマ、ピリオド、または括弧を使ってよりすっきりと書き直せます。

修正前:

The term is primarily promoted by Dutch institutions—not by the people themselves. You don't say "Netherlands, Europe" as an address—yet this mislabeling continues—even in official documents.

修正後:

The term is primarily promoted by Dutch institutions, not by the people themselves. You don't say "Netherlands, Europe" as an address, yet this mislabeling continues in official documents.

15. 太字の多用

問題: AI チャットボットは、フレーズを機械的に太字で強調します。

修正前:

It blends OKRs (Objectives and Key Results), KPIs (Key Performance Indicators), and visual strategy tools such as the Business Model Canvas (BMC) and Balanced Scorecard (BSC).

修正後:

It blends OKRs, KPIs, and visual strategy tools like the Business Model Canvas and Balanced Scorecard.

16. インラインヘッダー付きの縦型リスト

問題: AI は、項目が太字のヘッダーとそれに続くコロンで始まるリストを出力します。

修正前:

• User Experience: The user experience has been significantly improved with a new interface.
• Performance: Performance has been enhanced through optimized algorithms.
• Security: Security has been strengthened with end-to-end encryption.

修正後:

The update improves the interface, speeds up load times through optimized algorithms, and adds end-to-end encryption.

17. 見出しのタイトルケース

問題: AI チャットボットは、見出しの主要な単語をすべて大文字にします。

修正前:

Strategic Negotiations And Global Partnerships

修正後:

Strategic negotiations and global partnerships

18. 絵文字

問題: AI チャットボットは、見出しや箇条書きを絵文字で装飾することがよくあります。

修正前:

🚀 Launch Phase: The product launches in Q3 💡 Key Insight: Users prefer simplicity ✅ Next Steps: Schedule follow-up meeting

修正後:

The product launches in Q3. User research showed a preference for simplicity. Next step: schedule a follow-up meeting.

19. 曲線引用符

問題: ChatGPT は直線引用符（"..."）ではなく曲線引用符（"..."）を使用します。

修正前:

He said "the project is on track" but others disagreed.

修正後:

He said "the project is on track" but others disagreed.

コミュニケーションのパターン

20. 協調的なコミュニケーションの痕跡

注意すべき表現: I hope this helps, Of course!, Certainly!, You're absolutely right!, Would you like..., let me know, here is a...

問題: チャットボットとのやり取りを想定したテキストが、コンテンツとして貼り付けられてしまいます。

修正前:

Here is an overview of the French Revolution. I hope this helps! Let me know if you'd like me to expand on any section.

修正後:

The French Revolution began in 1789 when financial crisis and food shortages led to widespread unrest.

21. 知識カットオフに関する免責事項

注意する表現： as of [date]、Up to my last training update、While specific details are limited/scarce...、based on available information...

問題点： 情報が不完全であることを示す AI の免責事項が文章に残っています。

変更前：

すぐに入手できる情報源には会社の創業に関する詳しい記録があまりありませんが、1990年代のいずれかの時点で設立されたようです。

変更後：

登記書類によると、会社は1994年に設立されました。

22. へつらうような、卑屈な口調

問題点： 過度に肯定的で、相手に迎合する表現です。

変更前：

すばらしい質問です！ これは複雑なテーマだというご指摘はまったくそのとおりです。経済的要因についてのご指摘もすばらしいです。

変更後：

ご指摘の経済的要因は、ここで関係してきます。

冗長表現と曖昧な表現

23. 冗長なフレーズ

変更前 → 変更後：

• 「この目標を達成するために」 → 「この目標を達成するには」
• 「雨が降っていたという事実により」 → 「雨が降っていたため」
• 「この時点において」 → 「今」
• 「サポートが必要な場合において」 → 「サポートが必要な場合」
• 「システムには処理する能力があります」 → 「システムは処理できます」
• 「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」

24. 曖昧な表現の多用

問題点： 断定を避ける表現を過剰に重ねています。

変更前：

このポリシーは、結果に何らかの影響を及ぼす可能性があるとも考えられるかもしれません。

変更後：

このポリシーは結果に影響する可能性があります。

25. ありきたりで前向きな結論

問題点： 曖昧で楽観的な締めくくりです。

変更前：

会社の未来は明るいでしょう。卓越性を目指す歩みを続ける中で、これからが楽しみです。これは正しい方向への大きな一歩です。

変更後：

会社は来年、さらに2店舗を開店する予定です。

26. ハイフン付き複合語の多用

注意する表現： third-party、cross-functional、client-facing、data-driven、decision-making、well-known、high-quality、real-time、long-term、end-to-end

問題点： AI は一般的な単語の組み合わせに一貫してハイフンを付けます。人間がこうした語すべてに一律にハイフンを付けることはほとんどなく、付ける場合も統一されていません。あまり一般的でない複合修飾語や技術用語では、ハイフンを付けても問題ありません。

変更前：

部門横断型のチームは、顧客向けツールについて、質の高いデータ主導型レポートを作成しました。意思決定のプロセスは、綿密で細部まで行き届いていることでよく知られていました。

変更後：

部門横断のチームは、質の高いデータ主導のレポートを顧客向けツールについて作成しました。意思決定のプロセスは、綿密で細部まで行き届いていることで知られていました。

27. 権威を装って説得する表現

注意するフレーズ： The real question is、at its core、in reality、what really matters、fundamentally、the deeper issue、the heart of the matter

問題点： LLM は、ありきたりな内容を大げさに言い換えただけの文章を、重要な本質を突いているかのように見せるため、こうした表現を使います。

変更前：

本当の問題は、チームが適応できるかどうかです。その核心にあるのは、組織の準備が整っているかどうかです。

変更後：

問題は、チームが適応できるかどうかです。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よります。

28. 道筋を示す前置きや予告

注意するフレーズ： Let's dive in、let's explore、let's break this down、here's what you need to know、now let's look at、without further ado

問題点： LLM は説明を始める代わりに、これから何をするかを予告します。こうしたメタ的なコメントは文章のテンポを損ない、チュートリアルの台本のような印象を与えます。

変更前：

Next.js でキャッシュがどのように機能するのか、詳し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。

変更後：

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など、複数のレイヤーでデータをキャッシュします。

29. 断片化された見出し

注意すべき兆候: 見出しの直後に、本題の内容が始まる前にその見出しをただ言い換えただけの一行の段落が続く。

問題点: LLM はしばしば、修辞的な助走として見出しの後に当たり障りのない一文を追加します。それはたいてい何も付け加えず、文章を水増ししたように感じさせます。

修正前:

パフォーマンス

速度は重要です。

ユーザーが遅いページに遭遇すると、離脱してしまいます。

修正後:

パフォーマンス

ユーザーが遅いページに遭遇すると、離脱してしまいます。

スタイル、リズム、修辞のパターン

30. 無理な比喩と比喩的な過剰表現

注意すべき兆候: 独創的だが無理のある比喩、混ざり合った比喩、平易な言葉のほうが明確な場面での比喩的な言い換え、使った直後に説明される比喩

問題点: パターン 4 と 7 で指摘した定型的な比喩表現を超えて、LLM は意味を加えずにイメージだけを加える装飾的な比喩を考案し、しばしばそれを説明します。平易な記述のほうがたいてい明確で誠実です。その比喩がその場にふさわしいものでなければ、削って文字どおりのことを述べてください。

修正前:

コードベースは私たちが手入れすべき庭であり、枯れた枝を剪定し、イノベーションの種を蒔くことで、エコシステム全体が繁栄します。つまり、使われていないコードを削除し、機能を追加することです。

修正後:

使われていないコードを削除し、ユーザーが求めている機能を追加してください。

31. 劇的な断片化と印象的な締めの一言

注意すべき兆候: 劇的な効果のために使われる二語または三語の主語のない文、staccato な「X。そして Y。そして Z。」の連続、すべての段落やセクションの終わりに置かれる短い引用可能な一文、気の利いた同格の断片（「カタログ、正直な価格設定」）

問題点: LLM は偽の強調のために文を断片に切り刻み、セクションの終わりに引用可能な「マイクドロップ」の一文を置きます。それは広告のコピーやモチベーションポスターのように読めます。ポスターに載っていそうな一文なら、削るか、主語を伴う本物の文に折り込んでください。これはパターン 13（文法上の受動態に関するもの）とは別物です。ここでの兆候はリズムと見せかけであり、隠された行為者ではありません。

修正前:

カタログ、正直な価格設定。できることに対して支払う。約束ではなく。ただ動く。いつでも。

修正後:

カタログは使用量に基づいて価格設定されているので、定額の月額料金ではなく、実際に行った呼び出しに対して支払うことになります。

32. すぐに答えられる修辞的な質問

注意すべき兆候: 「もし〜だったら?」、「問題は〜」、「〜だと思ったことはありませんか?」、直後にそれ自身の答えが続く質問、「考えてみてください。」

問題点: LLM は質問を投げかけ、そのすぐ後に自分で答えるだけです。その質問は何の情報も加えず、文を停滞させます。要点を直接述べてください。

修正前:

優れた API とは何でしょうか? それは予測可能性に尽きます。考えてみてください。開発者は自分が何を返してもらえるかを正確に知りたいのです。

修正後:

優れた API は予測可能なので、開発者は自分が何を返してもらえるかを正確に知ることができます。

33. 文頭の癖

注意すべき語: So...、Look,、習慣的な文頭の And/But、事実を述べるときの「I think」/「I believe」、副詞の文頭（Interestingly、Importantly、Notably、Crucially、Essentially、Ultimately）

問題点: LLM は少数の文頭表現に頼ります。副詞の文頭は、読者にどう感じるべきかを稼ぐことなく伝えますし、「So」や「Look」は会話的な親しみやすさを偽装します。文頭表現を削り、本題から始めてください。

修正前:

で、結果はまちまちでした。興味深いことに、導入は増えました。重要なことに、解約も増えました。つまり、その機能にはまだ改善が必要だと思います。

修正後:

結果はまちまちでした。導入は増えましたが、それと並んで解約も増えたので、その機能にはまだ改善が必要です。

34. 安心させるための付け足し

注意すべき表現： それで問題ありません。／それで大丈夫です。／何も問題ありません。／...を恥じる必要はありません。／あなただけではありません／まったく普通のことです

問題点： LLM は、読者が求めてもいない安心させる言葉を付け加えます。文章の切れ味が鈍り、読者には慰めが必要だと決めつけてしまいます。読者を信頼し、要点を伝えたらそこで終えましょう。

変更前：

まだテスト環境が整っていないかもしれません。それで問題ありません。テスト環境なしで始めるチームはたくさんありますし、何も問題ありません。

変更後：

テスト環境なしで始め、リグレッションによって実質的な時間が奪われるようになってから導入するチームは多くあります。

---

手順

1. 入力テキストを注意深く読みます（ファイルの場合は read_file を使います）。
2. 上記のパターンに該当する箇所をすべて特定します。
3. 問題のある箇所をそれぞれ書き直します。
4. 修正後のテキストが次の条件を満たしていることを確認します。
   • 音読しても自然に聞こえる
   • 文の構造に自然な変化がある
   • 曖昧な主張より具体的な詳細を使っている
   • 文脈に合った適切なトーンを保っている
   • 適切な場合は、シンプルな構文（is／are／has）を使っている
5. 人間らしく整えたドラフトを提示します。
6. 自問します。「以下の文章が、いかにも AI 生成だと感じられるのはなぜか？」
7. 残っている特徴があれば、簡潔に答えます。
8. 自問します。「では、いかにも AI 生成だとは感じられない文章にするには？」
9. 最終版（確認後に修正したもの）を提示します。
10. テキストがファイル由来の場合は、patch（対象を限定）または write_file（全面的に書き換え）を使って編集し、変更内容をユーザーに示します。

出力形式

次の内容を提示します。

1. 書き直しのドラフト
2. 「以下の文章が、いかにも AI 生成だと感じられるのはなぜか？」（簡潔な箇条書き）
3. 最終版
4. 変更内容の簡潔な概要（役立つ場合）

完全な例

変更前（AI らしい文章）：

すばらしい質問です！このテーマについてのエッセイをご紹介します。お役に立てば幸いです！

AI を活用したコーディングは、大規模言語モデルの変革力を示す永続的な証しであり、ソフトウェア開発の進化における重要な節目となっています。急速に進化する今日の技術環境において、研究と実践が交差する領域に位置するこうした画期的なツールは、エンジニアの発想、試行錯誤、成果の提供のあり方を変え、現代のワークフローにおける重要な役割を際立たせています。

その価値は明らかです。プロセスの合理化、コラボレーションの強化、連携の促進です。単なるオートコンプリートではありません。創造性を大規模に引き出し、組織が俊敏性を保ちながら、シームレスで直感的かつ強力なユーザー体験を提供できるようにするものです。このツールは触媒として機能します。アシスタントはパートナーとして機能します。システムはイノベーションの基盤として機能します。

業界関係者によると、導入は趣味での実験から全社規模での展開へ、個人開発者から部門横断型のチームへと広がっています。この技術は The New York Times、Wired、The Verge でも取り上げられています。さらに、ドキュメント、テスト、リファクタリングを生成できることは、AI がより良い成果に貢献できることを示し、自動化と人間の判断との複雑な相互作用を際立たせています。

• 💡 速度： コード生成が大幅に高速化し、開発者の負担を減らして作業を後押しします。
• 🚀 品質： トレーニングの改善によって出力品質が向上し、より高い水準の達成に貢献しています。
• ✅ 導入： 利用は拡大を続けており、業界全体の傾向を反映しています。

入手可能な情報に基づくと具体的な詳細は限られていますが、こうしたツールには何らかの良い影響があるかもしれない、と主張できる可能性はあります。ハルシネーション、バイアス、説明責任など、新興技術にありがちな課題がある一方で、エコシステムは発展を続けています。この可能性を十分に実現するには、チームがベストプラクティスに沿う必要があります。

結論として、未来は明るいものです。卓越性を目指すこの旅を続けるなかで、これからが楽しみです。どのセクションについても詳しく知りたい場合は、お知らせください！ 書き直し案： AI コーディングアシスタントは、一部の作業を速くしてくれます。Google が2024年に行った調査では、Codex を使った開発者は対照群よりも単純な関数を55％速く完成させましたが、デバッグやアーキテクチャの判断では改善が見られませんでした。

定型作業は得意です。設定ファイル、テストのひな形、繰り返しのリファクタリングなどです。一方で、自分が間違っていると気づくのは苦手です。コンパイルできて、lint も通ったのに、注意を払うのをやめたせいで意図と違うコードを大量に受け入れてしまったことがあります。

取材したフィンテック系スタートアップのエンジニア、Mira は、Copilot を「退屈なコードのオートコンプリートみたいに」使いつつ、コミット前にすべての行を確認すると話していました。大手企業のシニア開発者である Jake は、非推奨になった社内ライブラリのパターンを何度も提案されるため、無効にしたそうです。

生産性に関する主張は検証が難しいものです。GitHub は Copilot ユーザーが「提案の30％を受け入れる」としていますが、受け入れられることと正しいことは別ですし、正しいことと価値があることも別です。2024年の Uplevel の調査では、AI アシスタントを使うチームと使わないチームの間で、プルリクエストの処理量に統計的に有意な差は見られませんでした。

だからといって、ツールに価値がないわけではありません。ツールはあくまでツールです。判断を代わりにしてくれるわけでも、テストが不要になるわけでもありません。テストがなければ、提案が正しいかどうかは判断できません。

以下がいかにも AI 生成に見えるのはなぜでしょうか？

• 文のリズムが少し整いすぎています（対比が明快で、段落のテンポが均一です）。
• 実在する人物や出典のある調査でなければ、名前や調査の引用が、もっともらしいだけの仮置きに見えることがあります。
• 結びの「テストがなければ……」は、話し言葉というより少し標語っぽく感じられます。

では、いかにも AI 生成という感じをなくしてください。

AI コーディングアシスタントを使えば、退屈な作業は速く進みます。何でも、というわけではありません。アーキテクチャの設計は、まったく別です。

定型作業は得意です。設定ファイル、テストのひな形、繰り返しのリファクタリングなどです。間違っているのに正しそうに聞こえるのも得意です。コンパイルできて、lint も通ったのに、注意を払うのをやめたせいで意図を外した提案を受け入れてしまったことがあります。

話を聞く限り、使い方は大きく二つに分かれます。雑用のオートコンプリートとして使い、すべての行を確認する人もいます。望んでいないパターンを何度も提案されて、無効にする人もいます。どちらも納得できます。

生産性の指標は捉えにくいものです。GitHub は Copilot ユーザーが「提案の30％を受け入れる」としていますが、受け入れられることと正しいことは別ですし、正しいことと価値があることも別です。テストがなければ、当てずっぽうで判断するしかありません。

変更点：

• チャットボットらしい表現（「いい質問です！」「お役に立てば幸いです！」「何かあればお知らせください」など）を削除
• 重要性を誇張する表現（「証し」「重大な転機」「進化する情勢」「重要な役割」など）を削除
• 宣伝的な表現（「画期的」「佇む」「シームレスで直感的、かつ強力」など）を削除
• 曖昧な出典表現（「業界関係者」など）を削除
• 表面的な「〜しながら」表現（「強調し」「際立たせ」「反映し」「貢献し」など）を削除
• 否定を使った対比表現（「単なる X ではなく、Y です」など）を削除
• 三つ並べる型や類義語の列挙（「触媒／パートナー／基盤」など）を削除
• 根拠のない幅を示す表現（「X から Y まで、A から B まで」など）を削除
• em ダッシュ、絵文字、太字の見出し、曲線形の引用符を削除
• 「〜として機能する」「〜の役割を果たす」など、コピュラを避ける表現を削除し、「です」「あります」に変更
• 型どおりの課題セクション（「課題はあるものの……成長を続けています」など）を削除
• 知識の期限に関する予防線（「具体的な詳細は限られていますが……」など）を削除
• 過剰なぼかし（「〜とも考えられる可能性があるかもしれません」など）を削除
• 冗長な表現や説得を意識した言い回し（「〜するために」「本質的には」など）を削除
• 汎用的な前向きの結び（「未来は明るい」「これからが楽しみです」など）を削除
• 文章をより個人的で、寄せ集めに見えない語り口に変更（リズムに変化をつけ、仮置きの表現を減らしました）

帰属

このスキルは、blader/humanizer（MIT ライセンス）を移植したものです。同リポジトリは、WikiProject AI Cleanup が管理する Wikipedia: Signs of AI writing に基づいています。そこに記録されたパターンは、Wikipedia 上にある数千件の AI 生成テキストの観察から得られたものです。

原作者：Siqi Chen（@blader）。元のリポジトリ：https://github.com/blader/humanizer（バージョン 2.5.1）。Hermes ネイティブのツール参照（read_file、patch、write_file）と、スキルを読み込むタイミングに関するガイダンスを追加し、Hermes Agent 向けに移植しました。元の 29 個のパターンはソースに由来し、ビフォー／アフターの例（完成形の例を含む）も実演例としてそのまま残しています。パターン 30〜34 と、パターン 7 に追加した「マーケティングやブログで使われがちな決まり文句」のリストは、Hermes による追加であり、上流のソースには含まれていません。また、このスキル自体の説明文も、スキル内のガイダンスに沿うよう一部編集しています（たとえば、説明文からダッシュと否定の並列構文を削除しています）。これにより、このスキルは推奨する書き方を自ら実践しています。元の MIT ライセンスは、SKILL.md とともに LICENSE ファイルに保持されています。

Wikipedia から得られる重要な知見：「LLM は統計的アルゴリズムを使って、次に来るべき内容を推測します。その結果は、最も統計的に可能性が高く、幅広い状況に当てはまるものになる傾向があります。」