slopbuster

De-AI-ify：ボットを消し、人間らしさを残す

テキストやコードから、AI が生成したパターンを取り除きます。文法のチェックではなく、声を入れ替える作業です。

文章、コード、コミット、ドックストリング、学術論文など、LLM が手を加えたものなら何でも対象です。

仕組み

2 段階で監査します。1 回目でパターンを見つけ、2 回目で見落としを拾います。AI のパターンを取り除くことで、新たなパターンが生まれることもあります（無機質で声のない文章は、粗雑な文章と同じくらい目立ちます）。

クイックスタート

/slopbuster <file_or_text>                    # Auto-detect mode, standard depth
/slopbuster <file> --mode text|code|academic  # Force specific mode
/slopbuster <file> --depth quick|standard|deep
/slopbuster <file> --score-only               # Just score, don't rewrite

モード

ファイルの拡張子と内容から自動判定するか、明示的に指定します。

モード	対象	読み込むルールファイル
text	文章、マーケティング、ブログ記事、ドキュメント、メール	text-content、text-language、text-style、text-communication、text-structure
code	ソースファイル、コメント、命名、コミット、ドックストリング	code-comments、code-naming、code-commits、code-docstrings、code-quality、code-llm-tells
academic	研究論文、学位論文、要旨	academic（49 のルール、セクション別）
auto	文脈から判定	関連するルールファイルを読み込みます

詳細レベル

詳細レベル	処理内容	最適な用途
quick	1 回のパスで、明らかなパターンのみを対象とし、スコアリングは行いません	素早い編集、SNS 向け文章
standard	パターンをすべてスキャンし、2 段階で監査して、スコアと変更履歴を作成します	公開するもの全般
deep	全パターンをスキャンし、書き手のサンプルと照らして声を調整し、スタイルガイドを作成します	ゴーストライティング、ブランドの声の再現

デフォルト：standard

作業の流れ

ステップ 1：診断

入力を読み込みます。モードに応じて関連するルールファイルを読み込みます。一致するパターンをすべて特定し、元のテキストを採点します。

text モードでは、次のルールファイルを読み込みます。

• rules/text-content.md — 重要性の誇張、宣伝的な表現、曖昧な出典、定型的な課題提起
• rules/text-language.md — AI 特有の語彙、コピュラの回避、類義語の使い回し、誤った範囲表現、否定の並列、三つ組
• rules/text-style.md — em ダッシュ、太字、インライン見出し付きリスト、タイトルケース、絵文字、スマートクォート
• rules/text-communication.md — チャットボットの痕跡、過剰な同調、免責事項、埋め草の表現、曖昧な言い回し、ありきたりな結論
• rules/text-structure.md — 構成上のアンチパターンとその修正方法

code モードでは、次のルールファイルを読み込みます。

• rules/code-comments.md — コメントのアンチパターン 18 種
• rules/code-naming.md — 命名のアンチパターン 14 種
• rules/code-commits.md — コミットメッセージのアンチパターン 10 種
• rules/code-docstrings.md — ドックストリングのアンチパターン 8 種
• rules/code-quality.md — エラー処理、API 設計、テストのアンチパターン
• rules/code-llm-tells.md — コード構造に現れる LLM の痕跡 14 種

academic モードでは、次を読み込みます。

• rules/academic.md — 10 グループにわたる 49 のルールと、セクション別のガイダンス

声や人間らしさに関するガイダンス（全モード）では、次を読み込みます。

• guides/voice-and-soul.md — パターンを取り除くだけでなく、個性を加える方法
• guides/style-template.md — deep モードの場合は、カスタムの声のプロファイル作成に使用します

スコアリングの参照用として、次を読み込みます。

• scoring.md — 統一スコアリングシステム

ステップ 2：書き換え

パターンを取り除きます。人間らしい声の特徴（リズムの変化、具体性、意見、短縮形、能動態）を加えます。意味、事実、重要な論点は維持します。

ステップ 3：2 段階監査

自分に問いかけます。「まだ AI 生成だとすぐにわかる要素は何か？」 残っている特徴を、簡潔な箇条書きで挙げます。 その後、もう一度修正して、そうした特徴を取り除きます。

このステップは重要です。人間らしさを加えずに AI のパターンだけを取り除くと、無機質な文章になり、別の分類器に同じように検出されます。

ステップ 4：採点と報告

最終版を採点します。変更履歴を作成し、手動での確認が必要な箇所に印を付けます。

出力形式

Text モード

ORIGINAL SCORE: 3.8/10 (AI-heavy)
MODE: text | DEPTH: standard

--- DRAFT REWRITE ---
[first pass rewrite]

--- WHAT'S STILL AI ABOUT THIS? ---
- [remaining tells as brief bullets]

--- FINAL VERSION ---
[second pass rewrite]

FINAL SCORE: 8.4/10 (human-like)

CHANGES MADE:
- Removed 7 hedging phrases ("It's important to note", "arguably")
- Replaced 4 corporate buzzwords ("leverage" -> "use")
- Fixed 3 robotic patterns (parallel structure overuse)
- Added 5 specific examples (replaced vague references)
- Shortened 8 sentences (>40 words -> 15-25 words)

FLAGS FOR MANUAL REVIEW:
- Paragraph 3: Still uses "various" — suggest specific companies
- Paragraph 7: Transition feels abrupt — consider adding context

FILE SAVED: example-HUMAN.md

Code モード

MODE: code | DEPTH: standard
FILES SCANNED: 3

--- CHANGES ---
src/auth.ts:
  L12: Comment "// Initialize authentication" -> deleted (tautological)
  L34: Variable `userDataObject` -> `user` (verbose compound name)
  L67: Comment "// We validate the input" -> "// Reject expired tokens — see #1234"

COMMIT MSG REWRITE:
  "Enhanced authentication flow with improved error handling"
  -> "reject expired OAuth tokens at middleware boundary"

SCORE: 4.2 -> 8.1

Academic モード

MODE: academic | DEPTH: standard
FIELD: [detected or specified]
SECTION: [detected or specified]

--- DIAGNOSIS ---
- "plays a crucial role" — Group B Rule 6: significance filler
- "Moreover," — Group B Rule 5: transition padding
- "This finding suggests" — Group F Rule 25: abstract noun subject

--- REVISED TEXT ---
[revised version]

--- CHANGES ---
- [3-6 items with rationale]

SCORE: 3.5 -> 7.8

取り除くもの（パターンの概要）

テキスト：24 の主要パターン

1. 重要性の誇張（「重大な瞬間」「〜の証し」）
2. 著名性の名前の羅列（文脈を示さずに媒体を列挙する）
3. 表面的な「〜ing」分析（「強調する」「紹介する」「確実にする」）
4. 宣伝文句（「活気に満ちた」「ひっそりと佇む」「画期的な」「息をのむような」）
5. 曖昧な出典（「専門家は〜と主張する」「業界レポートによると〜」）
6. 型にはまった課題の提示（「Xにもかかわらず……成長を続けている」）
7. AI 特有の語彙（掘り下げる、タペストリー、状況、相互作用、促進する、獲得する、重要な）
8. コピュラの回避（「〜として機能する」を「〜である」の代わりに使う）
9. 否定を使った対句（「単にXというだけではなく、Yでもある」）
10. 3 の法則（何でも無理に三つ組にする）
11. 同義語の使い回し（同じものを表す語を次々に入れ替える）
12. 実質のない範囲表現（意味のある尺度がないのに「XからYまで」とする）
13. ダッシュの多用
14. 太字の多用
15. インライン見出し付きの縦型リスト
16. 見出しのタイトルケース
17. 構成要素としての絵文字
18. カーリークォーテーションマーク
19. チャットボット特有の表現（「お役に立てば幸いです！」「何かあればお知らせください」）
20. 知識のカットオフに関する免責事項
21. へつらう口調（「すばらしい質問です！」）
22. 水増し表現（「〜するために」「〜に留意することが重要です」）
23. 過剰な断定回避
24. ありきたりな前向きの結び（「明るい未来が待っています」）

コード：6 つの領域にわたる 79 のパターン

• コメント：同語反復、セクション見出し、明らかな意図の説明、曖昧な TODO、「私たち」という表現、変更履歴のコメント、哲学的な文章
• 命名：冗長な複合語、Manager／Handler の接尾辞の乱用、Enhanced／Advanced の接頭辞、process／handle のような動詞、頭字語の回避、何でも result とする命名
• コミット：曖昧な動詞、「さまざまな／いくつかの」、受動態、過去形、誤解を招く本文
• Docstring：同語反復の要約、型の重複、弱い書き出し、水増し表現、成功ケースのみの記述
• 品質：広範すぎる例外の捕捉、汎用的なエラーメッセージ、ブール値パラメーター、巨大な関数、モックに過度に依存したテスト、成功ケースのみのテスト
• LLM 特有の兆候：コメントアウトされた代替案、対称的なコード、プレースホルダー値、防御的な null チェック、チュートリアル調のコメント

学術文書：10 グループにわたる 49 のルール

• 意味の保持、冗長表現の削除、句読点、文型、態、AI 特有の構文、創造的な文法、比喩、論理的な結び、主語の多様性を扱うグループ A〜J

追加されるもの

削るだけではありません。人間らしい文章にするには、要素を加えることも必要です。

詳しいガイドについては guides/voice-and-soul.md を参照してください。概要は次のとおりです。

• 文のリズムに変化をつける — 短い文（5〜10 語）と長い文（20〜30 語）を織り交ぜる
• 意見や反応を加える — 「これについては、正直どう感じればいいのかわかりません」
• 具体例を示す — 「多くの企業」を、実際の企業名やデータに置き換える
• 短縮形を使う — カジュアルな文章では「it is」ではなく「it's」を使う
• 能動態を使う — 「テストを実施した」ではなく「私たちがテストした」とする
• 不確かさに正直になる — 実際の人間の感情には揺れがある
• 整いすぎないようにする — 完璧な構成はアルゴリズム的に感じられるため、多少の脱線を取り入れる

設定

保持モード

/slopbuster document.md --preserve-formal

フォーマルな言葉遣いを保ちます。明らかな決まり文句のみを削除します。目標：7+/10。白書、ケーススタディ、ビジネス文書向けです。

学術モード

/slopbuster paper.md --mode academic --field biomedical --section discussion

専門分野の慣例を保ちます。方法の記述では受動態を維持します。目標：6.5+/10。

コードモード

/slopbuster src/ --mode code

すべてのソースファイルをスキャンします。コメントを書き換え、命名上の問題を指摘し、コミットメッセージの修正を提案します。

文体の調整（ディープモード）

/slopbuster doc.md --depth deep --voice-sample author-sample.md

最初に文体サンプルを分析してスタイルプロファイルを作成し、その文体に合わせて書き換えます。

スコアリング

全体の仕組みについては、scoring.md をご覧ください。簡単な概要：

人間らしさの尺度（0～10）：

• 0～3： 明らかに AI（決まり文句が複数ある、ロボットのような構成、AI 特有の語彙が集中している）
• 4～5： AI 色が濃い（人間らしさは多少あるものの、大幅な修正が必要）
• 6～7： 混在（どちらとも言えず、語り口に強い個性がない）
• 8～9： 人間らしい（自然な語り口で、パターンがほとんどない）
• 10： 熟練した人間の書き手と見分けがつかない

スコアリングは3つの階層を使います：

• Tier 1（各3点）：AI 特有の特徴 — 「delve into」、「tapestry of」、おべっか
• Tier 2（各2点）：企業的・形式的な流行語 — 「synergy」、「leverage」、「circle back」
• Tier 3（各1点）：弱い兆候 — ありきたりなつなぎ表現、軽度の婉曲表現、マーケティング用語

上位の階層に当てはまる表現は、より強い AI の兆候であるため、重みが大きくなります。

出典と帰属表示

マーケティング、技術、創作、学術の文章から、AI と人間によるコンテンツのサンプルを1,000件以上分析して作成しました。査読済みの LLM 検出研究（Kobak et al. 2025、Liang et al. 2024、Juzek & Ward COLING 2025）および Wikipedia のAI による文章の兆候（CC BY-SA 4.0）と照合しています。

---

文章、コード、論文の AI 生成コンテンツを、再び人間らしくします。