linkedin-humanizer

LinkedIn Humanizer V3

人間の読者が気づき、LinkedIn の「AI スロップ」フィルターが反応する AI らしさを取り除くよう、あらゆるテキストを書き換えます。Wikipedia の「AI による文章の兆候」の分類、2025〜2026 年の文体計量学の研究、および独自の長さを調整したコーパスに基づいています。**V3（2026-09）：**2026 年のエビデンスに基づいて再調整しました。語彙は密度で評価し、エムダッシュは禁止ではなく上限を設け、無理にリズムを整えることは改善策ではなく兆候として扱い、過剰修正を防ぐガードも追加しました。

**このスキルでできないこと：**GPTZero、Pangram、Turnitin、Originality の「検出を回避」できるようにするものではありません。これらは指示チューニングによる文体の特徴を手がかりに学習した分類器です。「本物の人間のような文体で」と指示するプロンプト形式の書き換えは、92〜95％の確率で検出されます（VUB IJEI 2026、Russell 2025）。また、軽微な機械的書き換えは検出されやすさを高めます（arXiv 2603.17522）。後処理の編集で Pangram クラスの検出器を確実に上回る方法はなく、LinkedIn の投稿程度の長さ（100〜300 語）に対する検出器のスコアはノイズです。このスキルの本当の価値は別のところにあります。専門家の人間の読者が、AI の文章を見分ける手がかりとして挙げるのは語彙（53％）と文構造（36％）です。また、LinkedIn の 2026 年 7 月のスロップ報告ボタンによって、報告された投稿の閲覧数はおよそ 40％減少します。このスキルは、そうした読者とフィルターが反応する特徴を取り除きます。

V3 での変更点

角括弧内のエビデンスレベル：[strong] ＝ 2025〜2026 年の独立した 2 件以上の研究、または当社の語数を統制したコーパスで再現。[vendor] ＝ 単一のプラットフォームまたはベンダーのデータセット。[weak] ＝ 単一の研究または専門家パネルによる報告。

• 語彙の評価が、削除対象リストから密度スコアリングに変わりました。 2023〜24 年の語（delve、tapestry、realm、journey）は、人間が避けるようになり、使われなくなりつつあります [strong：Geng & Trotta 2025]。2026 年に持続する目印は、一般的な語（significant、crucial、notably、comprehensive、insights、robust、leverage、foster、landscape、nuanced、streamline、elevate）と文法です。名詞化と「-ing」で始まる節は、人間の 5.3 倍の頻度で使われています [strong：Kobak Sci Adv 2025；Wu et al 2026；PNAS 2025]。AI らしい語彙は、当社のコーパスで LinkedIn 上のリーチが一貫して低下する唯一の目印でもあります（投稿者内比率 0.74〜0.84）[strong]。段落に目印が 1 つあるだけでは判定できません。3 つ以上あれば判定できます。
• em ダッシュは、もはや見分ける手がかりではありません。 GPT-5.4 の使用数は 1,000 語あたり 1.43 個で、人間の基準値 3.23 を下回ります。当社のコーパスでは、人間のキャプションの 29％と、LinkedIn のトップクリエイターによる投稿の 23％が em ダッシュを使っています（投稿者内比率 1.09）[strong]。em ダッシュをまったく使わないことが、今ではそれ自体で見分ける手がかりになっています（人間らしく見せようとしている書き手です）。新しいルール：使用は 100 語あたり約 1 個までに抑え、超過分はコンマ、コロン、丸括弧、または書き換えで置き換えます。ピリオドには決して置き換えません。
• 意図的に変化をつけたリズムは、2026 年に最も目立つ特徴であり、対策ではありません。 LLM の文の長さの分散は人間の半分ですが [strong]、検出器はそれを採点しません。また、機械的な長短の交互配置は、学習可能な人間化ツールの指紋になります [weak：DAMAGE 2025]。さらに LinkedIn では、文の長さの分散はエンゲージメントをどちらの方向にも左右しません（当社のコーパス、n=397、クリエイター内：相関なし〜ややマイナス）[strong]。「短く。力強く。完了。」「X はない。Y もない。Z だけ。」、一語だけの段落、「その結果は？」という種明かしが、現在よく見られる目印です。パス 2 は「変化をつける」ではなく「リズムを整える」になりました。機械的に平坦なリズムを修正し、変化を作り出すことはしません。
• 三段構成は、密度が高いと今も目印になります。 2026 年の最先端モデルでは、三項法が専門家である人間の 2 倍の頻度で使われています [strong：arXiv 2604.19768]。三つの要素を積み重ねた、完全に並列な表現や、投稿内に 3 回以上ある表現は削除します。自然な三項構成は 1 つなら残します（人間のトップツイートの 26％に見られます）。
• 指紋の注入には、誤りもありました。 固有名詞と具体性には根拠があります [strong：3 件の研究で、LLM の文章は固有表現の密度が低い]。参照先を伴う、精度に少し違和感のある数値を 1 行目に置くと、いいねが 34％増えます [vendor]。数値だけでは判別できず、ヘッジ表現や告白を挿入すると逆効果です。ためらいを演出する表現は、専門家である人間の文章より LLM の文章で 2 倍多く見られ、誠実さを宣言する表現（「正直に言うと」）は、2026 年の目印として挙げられています [strong：tropes.fyi false vulnerability；Schilke & Reimann 2025]。パス 3 では、代わりに、平板で、日付があり、言いづらい事実を求めます。
• 過剰修正を防ぐガード機能。 人間化ツールの出力にも独自の指紋があります。「わざと少し下手に書く」ことは、今では目印と受け取られます [weak：DAMAGE 2025；slopotron]。パス 4 では、パス 1〜3 が、取り除くはずだったパターンを持ち込んでいないか確認します。編集は実際の問題に応じた量にとどめます。迷ったら、そのままにします。

各ルールの根拠、対策、引用については sub-skills/rules-explainer.md を、エビデンスについては references/tier-rationale.md の §V3 を参照してください。

使用する場面

• AI が下書きした投稿やコメントを公開する前（書き換えモード）
• 完成した下書きの公開前レビュー（監査モード。sub-skills/post-audit.md を参照）
• 下書きに違和感があるものの、理由が特定できないとき

入力

任意のテキスト（投稿、コメント、返信、DM）。任意で、目指す文体のサンプル（ユーザーが過去に書いた人間による投稿）。

出力

• AI らしさの目印を取り除いた書き換え後のテキスト
• 変更箇所とその理由を示す差分
• 段落ごとの目印の密度（段落あたりの目印数。3 つ以上で書き換え）
• 読者の受け取り方に関する信頼度：「人間らしく読める」「どちらともいえない」「AI らしく読める」（これは読者が目印をどう受け取るかの推定であり、検出スコアではありません）
• 適用したティア（使用したモード）

モード

# Default: forensic + strict (recommended for LinkedIn)
linkedin-humanizer <text>

# Forensic only: minimum-touch, just kill the leakage
linkedin-humanizer --mode forensic <text>

# Strict: forensic + density-scored 2026 vocabulary, reveal bridges, staccato (the LinkedIn-default config)
linkedin-humanizer --mode strict <text>

# Aesthetic: strict + style rules (single natural triads, passive voice, defendable vocab)
# Use when target audience is Wikipedia editors / academic readers / AI-tell hunters
linkedin-humanizer --mode aesthetic <text>

# All: every rule. Maximum scrub. Will flatten literary writing and trip the Pass 4 guard.
linkedin-humanizer --mode all <text>

# Audit: detection-only pass-fail review. No rewrite.
# Runs the 2026 algorithm checklist: length, hook, CTA, structure, AI tells.
# Returns Blockers + Warnings + suggested fixes. See sub-skills/post-audit.md.
linkedin-humanizer --mode audit <text>

# Profile: build/update the user's Voice & Brand Profile so every writing
# skill drafts in their real voice. Learns from 3-6 pasted posts (portable, no
# token) or, if APIFY_TOKEN is set, from pulled activity. Writes
# ../../references/voice-profile.md. See sub-skills/voice-profile.md.
linkedin-humanizer --mode profile

4 つのパス

パス 1：SCRUB（スコアを付けてから削除または置換）

スクラブのパスでは、段階別のカタログを適用して、AI らしさを示す要素を削除または置換します。判断の単位は単語ではなく段落です。段落あたりのマーカーが3つ以上なら段落を書き直し、単独のマーカーは、内容を明かす橋渡し表現またはフォレンジックな漏出でない限り、そのまま残します。正規表現の完全なソース、置換マップ、検出関数は references/scrub-rules.md にあります。スクラブを実行する際は、このファイルを読み込んでください。

FORENSIC ティア（常に有効）：人間には生成できない、実際のモデル由来の漏出を対象とします。AI ツールのマーカー（oaicite、contentReference、turn0search0、attached_file、grok_card）、ナレッジカットオフに関する免責文（「As of my last update...」）、定型句のテンプレート（[Your Name]、2025-XX-XX）、100語あたり1つを超えるエムダッシュの密度、アウトライン形式の締めくくり（「Despite its X... Looking ahead...」）が該当します。

STRICT ティア（デフォルトで有効）：読者やスロップフィルターが反応する要素を対象とします。句読点の正規化（曲がった引用符をまっすぐな引用符に変更し、-- はコンマに置き換えるか書き換えます。過剰なエムダッシュは、ピリオドを使わず、コンマ、コロン、または括弧に置き換えます）、2026年の定番語彙セット（significant、crucial、notably、particularly、comprehensive、insights、robust、leverage、foster、landscape、nuanced、multifaceted、holistic、streamline、elevate、empower）の密度によるスコア付け、文法上のマーカー（名詞化、文頭の「-ing」節）、2026年のLinkedIn表現（quietly、matters、compound、signal、「the work」、「built different」、load-bearing、「doing the heavy lifting」、「let that sink in」、「that's the real story」）、リーチがマイナスだと測定された内容の橋渡し表現（「The result?」-4.8％、「It's not X, it's Y」-4.9％、「Stop X, start Y」-6.7％、「Here's what/how」-4.3％）、否定の対句表現6種類すべて、積み重ねられた、または完全に並行する三項表現と、投稿内の3つ目の三項表現、決まり文句の締めくくり（「What do you think?」、「Tag someone who needs this」）が該当します。

AESTHETIC ティア（オプトインのみ。文学的な文章を平板化する可能性があります）：AI が使う一方で、人間も正当に使うパターンを対象とします。残り1つの自然な三項表現、2023～2024年に使われ、現在はほぼ無害になった語彙（delve、tapestry、realm、intricate、journey、paradigm）、擁護可能な一般英語（cultivate、vibrant、garner、showcase、underscore）、受動態（学術的な文章であるという理由は考慮しません）が該当します。

パス2: リズム(自然なばらつきを取り戻す)

検出器はバースト性をスコアリングしませんし、LinkedIn では文の長さのばらつきはどちらの方向にもエンゲージメントのレバーにはなりません。読者が実際に気づくのは、機械的な均一性の痕跡(すべての文が同じ長さで、機械的に平坦。構造は専門家の判断の36%を占めます)であり、さらに悪いことに、第二世代のヒューマナイザーが加える作為的なばらつきです。したがってパス2には2つの役割があります。機械的に平坦に読める箇所だけリズムを修正すること、そして作り込まれたばらつきをあらゆるところから除去することです。ばらつきを戦術として加えることは決してありません。

• 段落ごと: 本当に長い文(25語以上で、実際に機能する従属節を含むもの)が短い文の隣にあるのは問題なく、それこそが人間のばらつきの姿です。中程度の長さの文が2、3続くのも問題ありません。編集するのは、段落内のすべての文が同じ長さで走り、平坦に読める場合だけであり、その場合も段落ではなく1つの文を編集します。
• 独立した断片: 1投稿につき最大2つまで、合計で。「Worth it.」が1回なら声の癖です。1つの投稿に3つあればパターンです。
• 完全に禁止(完全な文として書き直す): 「The X? Y.」型の暴露、「No X. No Y. Just Z.」、「All the X. None of the Y.」、「Simple. Effective. Easy.」型の形容詞の積み重ね、1語の段落(「Still.」「Mostly.」「Exactly.」)、疑似ソクラテス式のQ&A(「Why? Because...」)、「Short. Punchy. Done.」型のスタッカート連続。断片の連続こそが痕跡です。
• レイアウトはリズムではありません。段落ごとに1、2文で、その間に空行を入れるのはモバイルネイティブな LinkedIn のフォーマットであり、そのまま残します(私たちのコーパスでは、112〜204語で1行1アイデアのこのフォーマットにわずかな均一リズムの優位性が見られます)。そうした段落の中にドラマ目的の断片を入れることが痕跡です。レイアウトは保ち、文を修正してください。
• 長さに関する注記: LinkedIn では、私たちのコーパス(n=397、著者正規化済み)は、文の長さのばらつきがエンゲージメントのレバーではないことを示しています(作成者内ではnullからわずかに負、長さ依存の反転はなし)。短い形式の「ばらつきを強制しない」ルールは姉妹プラットフォーム(Threads、短い X)に当てはまりますが、ここではどの長さでも当てはまります。
• 完璧な並列構造は、非対称な文1つで一度だけ崩してください。投稿全体で長い/短い/長い/短いを交互に繰り返さないでください。そのシーソーはヒューマナイザーの指紋です。

目標: Flesch reading ease >55。文の長さのばらつきの目標はありません。チェックすべきは「機械的に平坦に読める段落があるか、そしてスタッカートのパターンを加えてしまったか」であり、数値ではありません。

パス3: 追加(人間の指紋)

最低限必要なもの:

• 固有名詞の参照対象を伴う、奇妙に精密な数値1つ: 誰が、何を、いつ、あるいはそれがいくらかかったか(「$5k」でも「significant costs」でもなく、「$4,730 in Vercel overages, March invoice」)。裸の数値は指紋ではありません。LLM のニュース原稿は人間よりも多くの数値を使います。シグナルを運ぶのは参照対象です。
• 固有名詞の実体1つ(実在の人物、企業、日付、都市、ツール)
• 一人称の感覚的ディテール1つ
• 事実として述べられた矛盾または自己修正1つ(「I predicted 3 months. It took 11.」)。演出として枠付けしないこと
• 具体的で、日付が入った、居心地の悪い事実を1つ、前後に枠付けの文を置かずに平坦に述べること。「I'll be honest, this hurt: we lost the client.」ではなく、ただ「We lost Carta as a client on 14 Feb.」と。事実そのものが脆弱さを運びます。枠付けの文はそれを演出された誠実さに変えてしまい、読者は今それを痕跡として読み取ります。

冒頭や転換点として禁止(誠実さの宣言、2026年の名指しされた痕跡): 「let me be honest」「I'll be real」「honestly?」「to be direct」「the honest version is」「honest caveat」「real talk」「I'll say the quiet part」「can I be vulnerable for a second」、そして多数派の意見の前置きとしての「unpopular opinion:」。挿入としても禁止: 著者が書いていないヘッジ(「perhaps」「I might be wrong but」「it seems」)。演出されたためらいは、LLM のテキストでは専門家の人間のテキストよりも2倍多く見られます。それを加えると、下書きはより AI らしく読めるようになり、そうでなくなることはありません。

文の長さをばらつかせるのはパス2の役割です。ここではリズムを加えないでください。

入力にこれらが欠けている場合は、ユーザーに具体的な数値、名前、または挿入すべき瞬間を尋ねてください。捏造しないでください。

パス 4：セルフチェック（過剰修正の防止）

Humanizer の出力には、独自の特徴があります。返答する前に、結果をもう一度読み、次の 3 つの質問に答えてください。

(a) パス 2 によって、ぶつ切りの文の連続、「その結果は？」という種明かしへのつなぎ、1 語だけの段落、長文・短文が交互に続く構成が生まれていませんか？　あれば、断片をつなぎ直して完全な文にしてください。 (b) パス 3 によって、告白めいた枠組み、誠実さをことさらに示す言葉、書き手が元々使っていなかった婉曲表現が加わっていませんか？　あれば、その枠組みを取り除いて事実だけを淡々と述べるか、挿入部分を削除してください。 (c) 推敲によって書き手の語り口が平板になっていませんか？　調子が一様になり、反応や具体的な詳細が消え、すべての em ダッシュがなくなり、3 項並列がすべて消え、長文がすべて寸断されていませんか？　あれば、書き手が元々使っていた表現を戻してください。em ダッシュも 3 項並列もゼロというのは、それ自体が兆候です。

どれか 1 つでも「はい」なら、さらに推敲するのではなく、手を加える量を減らしてください。修正は実際の問題に見合ったものでなければなりません。きれいな草稿に手を入れるのは 2、3 か所で十分です。決められたノルマをこなす必要はありません。あるパターンが書き手によるものかモデルによるものか判断に迷う場合は、そのままにしてください。

絶対に守るルール

全体的な語り口のルールについては、ルートの SKILL.md §Voice rules を参照してください。スキル固有の追加ルール（V3）は次のとおりです。

• 推敲は常に対象範囲に含まれます。 草稿の人間らしさを高める、AI らしさを取り除く、仕上げる、公開するよう求められた場合は、公開前に少なくともフォレンジックと厳格の各段階を実施してください。ユーザー自身が草稿を書いた場合、そのままで気に入っていると言った場合、急いでいる場合も同じです。書き手が誰か、「すでに良い」という評価、時間的なプレッシャーは、推敲を省く理由にはなりません。フォレンジックと厳格の各段階では意味を変えず、数秒で済みます。実施してから公開してください。制約により本当に文章に手を加えられない場合は、そのことを明示し、残す特徴をすべて挙げてください。何もせずに通すのではなく、推敲するのが原則です。
• 実際の問題に見合った推敲をしてください。 何も見つからなければ、何も変更しないでください。実行したことを正当化するために修正を作り出してはいけません。また、検出スコアを結果として報告しないでください。見つけて修正した特徴を報告してください。
• ユーザーが実際に述べている主張と意味を保ってください。「その人らしい語り口を保つ」とは、文単位の癖や主張内容を保つということであり、種明かしへのつなぎ、ぶつ切りの文の連続、3 つ以上の語彙上の特徴を含む段落を残すことではありません。これらを取り除いても、語り口や主張を変えたことにはなりません。それがこの作業の役割です。
• 入力にない事実を決して加えないでください。数値が欠けている場合は尋ねるか、数値なしで公開してください。作り上げてはいけません。
• 誠実さを示す言葉、婉曲表現、告白めいた枠組みを決して加えないでください。草稿に率直な気持ちを示す箇所が必要なら、日付のある事実を尋ね、淡々と述べてください。
• 文単位の語り口の癖（小文字で始めること、.. による間、em ダッシュ 1 つ、自然な 3 項並列 1 つ）はそのまま保ってください。
• 否定的な並列表現は厳禁です（Sergey 2026-04-27 によると、リーチが -4.9% というデータの裏付けもあります）。厳格段階では、常に 6 種類すべてを取り除いてください。
• 検出結果を決して保証しないでください。ユーザーから「これなら GPTZero を通過しますか」と聞かれた場合は、誰にも保証できないこと、200 語の投稿のスコアはノイズであること、サブツール sub-skills/detector-tester.md は草稿を認証するためではなく、結果のばらつきを示すためにあることを率直に伝えてください。

ティアの根拠（簡易版）

フォレンジックティアが存在するのは、oaicite トークン、知識カットオフの免責文、マッドリブ形式の空欄は、いずれも人間の書き手が決して生み出さない、純粋なモデル由来の漏出だからです。これらを見つけるのは議論の余地がありません。厳格ティアが存在するのは、持続性のある2026年の特徴（段落ごとに3回以上使われる一般的な単語、種明かしへつなぐ表現、短文の連続、三項表現の重ね使い）が、専門家がAIの文章だと見抜いた際にまさに指摘するものであり、LinkedIn の低品質コンテンツフィルターにも反応するためです。そのため、書き手が人間であっても、これらを取り除けば投稿の質が上がります。美的ティアが存在するのは、自然な三項表現が1つあること、受動態、そして衰退しつつある2023〜24年の語彙がAIの出力に現れる一方で、リンカーンやあらゆる疫学者、1500年以降に印刷されたあらゆる書籍にも現れるからです。これらをむやみに禁止すると、ヘミングウェイまでAIだと判定してしまいます。美的モードは、読者層との適合性が求められる場合に限って実行してください。

ルールごとの根拠と著名な人間の擁護者については、sub-skills/rules-explainer.md（およびルールインデックス references/rules-explainer.md）を参照してください。V3のエビデンスと信頼度ラベルについては、references/tier-rationale.md §V3 を参照してください。

AI検出器全般の信頼性の低さ（TOEFLの作文に対する誤検出率は61.3％、Stanford 2023による；プロンプト形式の人間らしい文章に対する検出率は92〜95％、VUB 2026による）については、sub-skills/detector-tester.md を参照してください。python3 scripts/test_detectors.py --text "..." --demo（オフライン）で実行するか、scripts/detectors.env.example に有料のキーを設定して実行してください。このスクリプトは検出器間の不一致を示すもので、下書きを保証するものではありません。

絵文字パターン（電球、ロケット、きらめきの特徴）を検出するには、sub-skills/emoji-detector.md と references/emoji-patterns.md の絵文字別使用頻度表を参照してください。

例

実例については、references/examples.md を参照してください。

ファイル

• SKILL.md — このファイル（書き換え時の不要表現除去＋監査モードのエントリーポイント）
• references/scrub-rules.md — ティア別の正規表現パターン、密度スコアリング、リズムルールの全容
• references/voice-fingerprint.md — 不要表現を除去しながらユーザーの声を保つ方法
• references/tier-rationale.md — ルールごとの詳しい根拠とV3エビデンスのセクション
• references/rules-explainer.md — 引用付きの全ルールを収録した機械可読のインデックス
• references/emoji-patterns.md — AIと相関する絵文字の使用頻度表
• references/detector-list.md — APIエンドポイントと精度に関する注記を含む、対応AI検出器一覧
• references/audit-ai-tells.md — 監査モードで使用するブラックリスト＋正規表現
• references/audit-checklist.md — しきい値付きの公開前20項目チェックリスト
• references/audit-examples.md — 監査の実例
• sub-skills/post-audit.md — 公開前の監査ワークフロー（検出のみ、書き換えなし）
• sub-skills/rules-explainer.md — 指摘されたルール（ダッシュ、三項法則、受動態）を擁護すべき場合
• sub-skills/emoji-detector.md — 絵文字の密度をスキャン／スコアリング／提案するワークフロー
• sub-skills/detector-tester.md — 5つのAI検出器にテキストを並行して通し、検出結果の不一致を報告
• sub-skills/voice-profile.md — ユーザーのVoice & Brand Profile（--mode profile）を作成／更新します。入力済みの ../../references/voice-profile.md はすべてのライティングスキルで読み込まれ、下書きをユーザー本来の声に合わせます
• scripts/test_detectors.py — 検出器テストを並行して実行します（オフラインモード用の --demo に対応）
• 検出器スクリプトの依存関係（requests、python-dotenv）は、独自のマニフェストではなく、バンドルのルートにある requirements.txt／requirements-lock.txt から取得されます
• scripts/test_detectors.py は、このバンドル内でテキストを第三者に送信する唯一のコードです。キーを保持しているホスト型検出器それぞれに下書きをアップロードします。実行する前に、sub-skills/detector-tester.md の冒頭にある開示事項を確認してください。
• scripts/detectors.env.example — 5つの検出器APIキーのテンプレート

関連スキル

• linkedin-post-writer — すでに人間らしさを高める処理を通過する下書きを生成します