mcpField
L
lovstudio-anti-wechat-ai-check

lovstudio-anti-wechat-ai-check

github.com/lovstudioマーケティング・グロース7390 回インストール今日更新
リポジトリ

lovstudio-anti-wechat-ai-check について

WeChat 公式アカウントの記事制作者向けの分析・編集スキルです。AI 生成らしい表現を検出し、リスク評価や問題箇所を示し、依頼に応じて修正版を作成します。

主な機能

  1. 01定型句や文型の反復を検出
  2. 02構成と接続語の密度を評価
  3. 03リスクスコアとレベルを提示
  4. 04文や段落の問題箇所を特定
  5. 05依頼に応じて自然な文体に修正

活用シーン

  1. 01WeChat 公開前の記事の確認
  2. 02定型表現や構成上の問題の特定
  3. 03分析結果に基づく記事の修正
  4. 04原意を保った修正版の作成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/lovstudio/skills --skill lovstudio-anti-wechat-ai-check

インストール後、Claude Code で/lovstudio-anti-wechat-ai-checkを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

CHANGELOG.md
README.md
scripts/
analyze.py

詳細

anti-wechat-ai-check — WeChat 公式アカウントのAI痕跡検出と人間らしい推敲

記事に含まれるAI生成の痕跡（テンプレート的なフレーズ、接続語の多用、似通った文型など）を検出し、リスクスコアと修正案を提示します。人間らしい表現に推敲したバージョンを出力することもできます。WeChat公式アカウントの運営規範 第3.27条（人間以外による自動生成コンテンツ）に基づく検出ロジックを使用します。

使用するタイミング

  • AIを使って執筆を補助した記事をWeChat公式アカウントで公開しようとしている場合
  • 記事に明らかなAIの痕跡がないか確認したい場合
  • AIが生成した下書きを、より自然な人間らしい文体に書き直したい場合

ワークフロー（必須）

次の手順を順番どおりに必ず実行してください。

Step 1: 記事を取得する

入力元を確認します。

  • ユーザーがファイルパスを指定した場合 → ファイルを読み込みます
  • ユーザーが会話にテキストを貼り付けた場合 → 一時ファイルに保存するか、--text を使用します
Step 2: 分析を実行する
python skills/lovstudio-anti-wechat-ai-check/scripts/analyze.py \
  --input <path> --format json

または、テキストを直接指定する場合：

python skills/lovstudio-anti-wechat-ai-check/scripts/analyze.py \
  --text "文章内容" --format json
Step 3: 分析結果を提示する

ユーザーに次の内容を提示します。

  1. リスクスコア（0～100）とリスクレベル（LOW / MEDIUM / HIGH）
  2. 検出されたテンプレート的なフレーズ — 該当するフレーズをそれぞれ位置とともに列挙
  3. 構成上の問題 — 接続語の密度、段落の均一性など
  4. 文の問題 — 文の長さの均一性、書き出しの繰り返し、「的」の過剰な使用
Step 4: ユーザーに尋ねる

重要：次に何をするか、AskUserQuestion を使ってユーザーに尋ねてください。

選択肢説明
レポートのみ確認ユーザー自身で修正し、スキルを終了する
修正案を提示元の文章は変更せず、問題ごとに具体的な修正案を列挙する
修正版を直接出力人間らしい表現に推敲した記事全文を出力する
Step 5: 人間らしい表現にする（依頼された場合）

書き直す際は、次の人間らしい表現にするためのルールに従ってください。

5a. テンプレート的なフレーズを取り除く
  • レポートで指摘されたテンプレート的なフレーズをすべて削除するか、別の表現に置き換えます
  • 「テクノロジーが絶えず発展するなかで」→ 具体的な出来事を直接述べます（「昨年ChatGPTがリリースされてから……」）
  • 「以上をまとめると」→ 削除するか、口語的な締めくくりに置き換えます
5b. 接続語の密度を下げる
  • 目標：接続語の密度を15％未満にします
  • 不要な「まず／次に／さらに／また」を削除します
  • 一般的な接続語の代わりに、具体的な論理関係を示します
5c. 文型の均一さを崩す
  • 長文と短文を意図的に交互に使います：短文は15字未満、長文は40字超
  • 口語的な表現、反語、感嘆文を加えます
  • ときどき不完全文や省略文も使います
5d. 段落の均一さを崩す
  • 1～2文だけの段落もあれば、長い段落もあるようにします
  • どの段落も「主張＋根拠＋まとめ」の三部構成になるのを避けます
5e. 人間らしさを加える
  • 個人的な経験、具体例、数字などの詳細を加えます
  • 口語的な表現（「端的に言えば」「正直なところ」「考えてみてください」）を使います
  • 適度に、形式的ではなくても自然な表現を使います
  • 「的」の使用を減らします（目標：5％未満）
5f. 元の意味を保つ
  • 中心的な主張や情報を失わないようにします
  • 専門用語はそのまま残し、過度に口語的な表現にしないでください
  • 元の文章の立場や論調を保ちます
Step 6: 出力する

人間らしい表現に推敲した記事をMarkdownで出力します。入力がファイルの場合は、-humanized の接尾辞を付けて結果をファイルに書き戻すかどうかも確認してください。

CLI リファレンス

引数デフォルト説明
--input, -i—入力ファイルのパス（.md、.txt）
--text, -t—分析するテキストを直接指定
--format, -ftext出力形式：text または json

依存関係

外部依存関係はありません。標準ライブラリのみを使用します。

コメント

Markdown 対応