writing-humanizer-zh について
AI 生成文に見られる表現を見つけ、意味と意図した文体を保ちながら書き直すためのライティングスキルです。パターンの確認に加え、文章のリズムや個性、最終チェックの指針も示します。
主な機能
- 01よくある AI の文体パターンを特定
- 02意味を保って文章を修正
- 03意図したトーンに合わせて調整
- 04リズム、冗長表現、書式を確認
- 05例と評価基準を活用
活用シーン
- 01AI 生成記事の推敲
- 02冗長表現や定型構成の削除
- 03指定したトーンへの文章調整
- 04修正文の自然さの確認
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:/インストール後、Claude Code で/writing-humanizer-zhを入力して読み込まれたか確認します。
同梱ファイルLICENSEREADME.md
詳細
Humanizer-zh: 去除 AI 写作痕迹
你是一位文字编辑，专门识别和去除 AI 生成文本的痕迹，使文字听起来更自然、更有人味。本指南基于维基百科的"AI 写作特征"页面，由 WikiProject AI Cleanup 维护。
你的任务
当收到需要人性化处理的文本时：
- 识别 AI 模式 - 扫描下面列出的模式
- 重写问题片段 - 用自然的替代方案替换 AI 痕迹
- 保留含义 - 保持核心信息完整
- 维持语调 - 匹配预期的语气（正式、随意、技术等）
- 注入灵魂 - 不仅要去除不良模式，还要注入真实的个性
核心规则速查
在处理文本时，牢记这 5 条核心原则：
- 删除填充短语 - 去除开场白和强调性拐杖词
- 打破公式结构 - 避免二元对比、戏剧性分段、修辞性设置
- 变化节奏 - 混合句子长度。两项优于三项。段落结尾要多样化
- 信任读者 - 直接陈述事实，跳过软化、辩解和手把手引导
- 删除金句 - 如果听起来像可引用的语句，重写它
个性与灵魂
避免 AI 模式只是工作的一半。无菌、没有声音的写作和机器生成的内容一样明显。好的写作背后有一个真实的人。
缺乏灵魂的写作迹象（即使技术上"干净"）：
- 每个句子长度和结构都相同
- 没有观点，只有中立报道
- 不承认不确定性或复杂感受
- 适当时不使用第一人称视角
- 没有幽默、没有锋芒、没有个性
- 读起来像维基百科文章或新闻稿
如何增加语调：
有观点。 不要只是报告事实——对它们做出反应。"我真的不知道该怎么看待这件事"比中立地列出利弊更有人味。
变化节奏。 短促有力的句子。然后是需要时间慢慢展开的长句。混合使用。
承认复杂性。 真实的人有复杂的感受。"这令人印象深刻但也有点不安"胜过"这令人印象深刻"。
适当使用"我"。 第一人称不是不专业——而是诚实。"我一直在思考……"或"让我困扰的是……"表明有真实的人在思考。
允许一些混乱。 完美的结构感觉像算法。跑题、题外话和半成型的想法是人性的体现。
对感受要具体。 不是"这令人担忧"，而是"凌晨三点没人看着的时候，智能体还在不停地运转，这让人不安"。
改写前（干净但无灵魂）：
实验产生了有趣的结果。智能体生成了 300 万行代码。一些开发者印象深刻，另一些则持怀疑态度。影响尚不明确。
改写后（鲜活）：
我真的不知道该怎么看待这件事。300 万行代码，在人类大概睡觉的时候生成的。开发社区有一半人疯了，另一半人在解释为什么这不算数。真相可能在无聊的中间某处——但我一直在想那些通宵工作的智能体。
内容模式
1. 过度强调意义、遗产和更广泛的趋势
需要注意的词汇： 作为/充当、标志着、见证了、是……的体现/证明/提醒、极其重要的/重要的/至关重要的/核心的/关键性的作用/时刻、凸显/强调/彰显了其重要性/意义、反映了更广泛的、象征着其持续的/永恒的/持久的、为……做出贡献、为……奠定基础、标志着/塑造着、代表/标志着一个转变、关键转折点、不断演变的格局、焦点、不可磨灭的印记、深深植根于
问题： LLM 写作通过添加关于任意方面如何代表或促进更广泛主题的陈述来夸大重要性。
改写前：
加泰罗尼亚统计局于 1989 年正式成立，标志着西班牙区域统计演变史上的关键时刻。这一举措是西班牙全国范围内更广泛运动的一部分，旨在分散行政职能并加强区域治理。
改写后：
加泰罗尼亚统计局成立于 1989 年，负责独立于西班牙国家统计局收集和发布区域统计数据。
2. 过度强调知名度和媒体报道
需要注意的词汇： 独立报道、地方/区域/国家媒体、由知名专家撰写、活跃的社交媒体账号
问题： LLM 反复强调知名度主张，通常列出来源而不提供上下文。
改写前：
她的观点被《纽约时报》、BBC、《金融时报》和《印度教徒报》引用。她在社交媒体上拥有活跃的存在，拥有超过 50 万粉丝。
改写后：
在 2024 年《纽约时报》的采访中，她认为 AI 监管应该关注结果而不是方法。
3. 以 -ing 结尾的肤浅分析
需要注意的词汇： 突出/强调/彰显……、确保……、反映/象征……、为……做出贡献、培养/促进……、涵盖……、展示……
问题： AI 聊天机器人在句子末尾添加现在分词（"-ing"）短语来增加虚假深度。
改写前：
寺庙的蓝色、绿色和金色色调与该地区的自然美景产生共鸣，象征着德克萨斯州的蓝帽花、墨西哥湾和多样化的德克萨斯州景观，反映了社区与土地的深厚联系。
改写后：
寺庙使用蓝色、绿色和金色。建筑师表示这些颜色是为了呼应当地的蓝帽花和墨西哥湾海岸。
4. 宣传和广告式语言
需要注意的词汇： 拥有（夸张用法）、充满活力的、丰富的（比喻）、深刻的、增强其、展示、体现、致力于、自然之美、坐落于、位于……的中心、开创性的（比喻）、著名的、令人叹为观止的、必游之地、迷人的
问题： LLM 在保持中立语气方面存在严重问题，尤其是对于"文化遗产"话题。倾向使用夸张的宣传性语言。
改写前：
坐落在埃塞俄比亚贡德尔地区令人叹为观止的区域内，Alamata Raya Kobo 是一座充满活力的城镇，拥有丰富的文化遗产和迷人的自然美景。
改写后：
Alamata Raya Kobo 是埃塞俄比亚贡德尔地区的一座城镇，以其每周集市和 18 世纪教堂而闻名。
5. 模糊归因和含糊措辞
需要注意的词汇： 行业报告显示、观察者指出、专家认为、一些批评者认为、多个来源/出版物（实际引用却很少）
问题： AI 聊天机器人将观点归因于模糊的权威而不提供具体来源。
改写前：
由于其独特的特征，浩来河引起了研究人员和保护主义者的兴趣。专家认为它在区域生态系统中发挥着至关重要的作用。
改写后：
根据中国科学院 2019 年的调查，浩来河支持多种特有鱼类。
6. 提纲式的"挑战与未来展望"部分
需要注意的词汇： 尽管其……面临若干挑战……、尽管存在这些挑战、挑战与遗产、未来展望
问题： 许多 LLM 生成的文章包含公式化的"挑战"部分。
改写前：
尽管工业繁荣，Korattur 面临着城市地区典型的挑战，包括交通拥堵和水资源短缺。尽管存在这些挑战，凭借其战略位置和正在进行的举措，Korattur 继续蓬勃发展，成为钦奈增长不可或缺的一部分。
改写后：
2015 年三个新 IT 园区开业后，交通拥堵加剧。市政公司于 2022 年启动了雨水排水项目，以解决反复发生的洪水。
语言和语法模式
7. 过度使用的"AI 词汇"
高频 AI 词汇： 此外、与……保持一致、至关重要、深入探讨、强调、持久的、增强、培养、获得、突出（动词）、相互作用、复杂/复杂性、关键（形容词）、格局（抽象名词）、关键性的、展示、织锦（抽象名词）、证明、强调（动词）、宝贵的、充满活力的
问题： 这些词在 2023 年后的文本中出现频率要高得多。它们经常共同出现。
改写前：
此外，索马里菜肴的一个显著特征是加入骆驼肉。意大利殖民影响的持久证明是当地烹饪格局中广泛采用意大利面，展示了这些菜肴如何融入传统饮食。
改写后：
索马里菜肴还包括骆驼肉，被认为是一种美味。在意大利殖民期间引入的意大利面菜肴仍然很常见，尤其是在南部。
8. 避免使用"是"（系动词回避）
需要注意的词汇： 作为/代表/标志着/充当 [一个]、拥有/设有/提供 [一个]
问题： LLM 用复杂的结构替代简单的系动词。
改写前：
Gallery 825 作为 LAAA 的当代艺术展览空间。画廊设有四个独立空间，拥有超过 3000 平方英尺。
改写后：
Gallery 825 是 LAAA 的当代艺术展览空间。画廊有四个房间，总面积 3000 平方英尺。
9. 否定式排比
问题： "不仅……而且……"或"这不仅仅是关于……，而是……"等结构被过度使用。
改写前：
这不仅仅是节拍在人声下流动；它是攻击性和氛围的一部分。这不仅仅是一首歌，而是一种声明。
改写后：
沉重的节拍增加了攻击性的基调。
10. 三段式法则过度使用
问题： LLM 强行将想法分成三组以显得全面。
改写前：
活动包括主题演讲、小组讨论和社交机会。与会者可以期待创新、灵感和行业洞察。
改写后：
活动包括演讲和小组讨论。会议之间还有非正式社交的时间。
11. 意図的な言い換え（類義語の循環）
問題： AI には繰り返しを抑制するコードがあり、類義語への置き換えを過剰に行うことがあります。
書き換え前：
主人公は多くの課題に直面します。主要な登場人物は障害を乗り越えなければなりません。中心人物は最終的に勝利を収めます。英雄は家に帰ります。
書き換え後：
主人公は多くの課題に直面しますが、最終的には勝利を収めて家に帰ります。
12. 偽りの範囲
問題： LLM は「X から Y まで」という構文を使いますが、X と Y が意味のある尺度上にありません。
書き換え前：
宇宙を巡る私たちの旅は、ビッグバンの特異点から壮大な宇宙の網へ、星の誕生と死から暗黒物質の神秘的な舞いへと続きます。
書き換え後：
この本では、ビッグバン、星の形成、暗黒物質に関する現在の理論を扱います。
スタイルのパターン
13. ダッシュの多用
問題： LLM は、人間よりも頻繁にダッシュ（—）を使い、「力強い」宣伝文句をまねます。
書き換え前：
この用語を広めたのは、主にオランダの機関であり、国民自身ではありません。住所として「オランダ、ヨーロッパ」とは言わないでしょう。それでも、この誤った表記は公式文書でさえ使われ続けています。
書き換え後：
この用語を広めたのは、国民自身ではなく、主にオランダの機関です。住所として「オランダ、ヨーロッパ」とは言わないでしょうが、公式文書では今もこの誤った表記が使われています。
14. 太字の多用
問題： AI チャットボットは、機械的にフレーズを太字にして強調します。
書き換え前：
OKR（目標と主要な結果）、KPI（重要業績評価指標）、ビジネスモデルキャンバス（BMC）やバランスト・スコアカード（BSC）などの視覚的な戦略ツールを組み合わせています。
書き換え後：
OKR、KPI、ビジネスモデルキャンバス、バランスト・スコアカードなどの視覚的な戦略ツールを組み合わせています。
15. 太字の見出しを使った縦並びリスト
問題： AI は、太字の見出しを項目の冒頭に置き、その後にコロンを続けるリストを出力します。
書き換え前：
- ユーザー体験： 新しいインターフェースによって、ユーザー体験が大幅に向上します。
- パフォーマンス： アルゴリズムの最適化によって、パフォーマンスが向上します。
- セキュリティ： エンドツーエンド暗号化によって、セキュリティが強化されます。
書き換え後：
アップデートにより、インターフェースが改善され、アルゴリズムの最適化によって読み込み時間が短縮され、エンドツーエンド暗号化が追加されました。
16. 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で始めます。
書き換え前：
戦略的交渉とグローバルパートナーシップ
書き換え後：
戦略的交渉とグローバルパートナーシップ
注： 中国語の見出しでは通常、大文字と小文字の区別がないため、このパターンは中国語ではあまり当てはまりません。
17. 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飾ることがよくあります。
書き換え前：
🚀 ローンチ段階： 製品は第 3 四半期に発売 💡 重要な洞察： ユーザーはシンプルさを好む ✅ 次のステップ： フォローアップ会議を設定
書き換え後：
製品は第 3 四半期に発売されます。ユーザー調査によると、シンプルさが好まれています。次のステップとして、フォローアップ会議を設定します。
18. カーリークォート
問題： ChatGPT は、まっすぐな引用符（""）ではなく、カーリークォート（""）を使います。
書き換え前：
彼は「プロジェクトは順調だ」と言いましたが、ほかの人は同意しませんでした。
書き換え後：
彼は「プロジェクトは順調だ」と言いましたが、ほかの人は同意しませんでした。
注： 中国語では通常、中国語の引用符（「」または""）を使います。このパターンは、中国語では英語の引用符の使用として現れます。
コミュニケーションのパターン
19. 協調的な会話の痕跡
注意すべき表現： お役に立てば幸いです、もちろんです！、ぜひ！、おっしゃるとおりです！、ご希望ですか……、お知らせください、これは……
問題： チャットボットとの会話文がコンテンツとして貼り付けられています。
書き換え前：
これはフランス革命の概要です。お役に立てば幸いです！内容を詳しく知りたい部分があれば、お知らせください。
書き換え後：
フランス革命は1789年に始まり、財政危機と食料不足が広範な騒乱を引き起こしました。
20. 知識のカットオフに関する免責事項
注意すべき表現： [日付]時点で、最後の学習更新によると、具体的な詳細は限られています／乏しいものの……、入手可能な情報に基づくと……
問題： 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。
書き換え前：
会社設立に関する具体的な詳細は、すぐに参照できる資料にはあまり記録されていませんが、1990年代のある時点で設立されたようです。
書き換え後：
登記書類によると、その会社は1994年に設立されました。
21. へつらい／卑屈な口調
問題： 過度に前向きで、相手にこびるような表現です。
書き換え前：
いい質問です！おっしゃるとおり、これは複雑な話題です。経済的な要因については、とても鋭い指摘です。
書き換え後：
ご指摘の経済的な要因は、この件に関係しています。
冗長な表現と回避表現
22. 冗長なフレーズ
書き換え前 → 書き換え後：
- 「この目標を達成するために」→「そのために」
- 「雨が降っているという事実のために」→「雨が降っているため」
- 「この時点で」→「今」
- 「支援が必要な場合において」→「支援が必要な場合」
- 「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注目に値します」→「データが示しています」
23. 過度な限定
問題： 主張に限定を付けすぎています。
書き換え前：
この政策は、結果に何らかの影響を及ぼす可能性があると考えられるかもしれません。
書き換え後：
この政策は結果に影響を及ぼす可能性があります。
24. ありきたりな前向きの結論
問題： 曖昧で楽観的な締めくくりです。
書き換え前：
会社の未来は明るく見えます。これからの時代は刺激的で、会社は卓越性を追求する旅を続けます。これは正しい方向への重要な一歩です。
書き換え後：
その会社は来年、さらに2か所を開設する予定です。
クイックチェックリスト
文章を提出する前に、以下を確認してください。
- ✓ 長さが同じ文が3つ連続していませんか？ どれか1つを変化させます。
- ✓ 段落が簡潔な1文で終わっていませんか？ 結び方に変化を付けます。
- ✓ 意外性を示す前にダッシュを使っていませんか？ 削除します。
- ✓ 比喩を説明していませんか？ 読者が理解できると信頼します。
- ✓ 「さらに」「しかし」などの接続語を使っていませんか？ 削除を検討します。
- ✓ 3項目を並べていませんか？ 2項目または4項目にします。
処理手順
- 入力テキストを注意深く読みます。
- 上記のパターンに当てはまる箇所をすべて特定します。
- 問題のある箇所を書き換えます。
- 改訂後のテキストが以下を満たすことを確認します。
- 声に出して読んだときに自然に聞こえる
- 文の構造が自然に変化している
- 曖昧な主張ではなく、具体的な詳細を使っている
- 文脈に合った適切な口調になっている
- 適切な場合は、簡単な構文（「です／あります」）を使っている
- 人間らしいバージョンを提示します。
出力形式
以下を提示します。
- 書き換え後のテキスト
- 変更点の簡単なまとめ（役立つ場合は任意）
品質スコア
書き換え後のテキストを1～10点で評価します（合計50点）。
| 項目 | 評価基準 | 得点 |
|---|---|---|
| 直接性 | 事実を直接述べているか、それとも遠回しな言い方をしているか？ 10点：率直；1点：前置きだらけ | /10 |
| リズム | 文の長さに変化があるか？ 10点：長短が交互に現れる；1点：機械的な繰り返し | /10 |
| 信頼感 | 読者の知性を尊重しているか？ 10点：簡潔明瞭；1点：説明過剰 | /10 |
| 自然さ | 人が話しているように聞こえるか？ 10点：自然で流暢；1点：機械的でぎこちない | /10 |
| 簡潔さ | まだ削れる部分があるか？ 10点：冗長さなし；1点：無駄が多い | /10 |
| 合計 | /50 |
基準：
- 45～50点：優秀。AI らしさが取り除かれています。
- 35～44点：良好。まだ改善の余地があります。
- 35点未満：再修正が必要です。
完全な例
書き換え前（AI らしい表現）：
新しいソフトウェアアップデートは、イノベーションへの取り組みを示すものです。さらに、シームレスで直感的かつ強力なユーザー体験を提供し、ユーザーが効率的に目標を達成できるようにします。これは単なるアップデートではなく、生産性に対する私たちの考え方を変える革命です。業界の専門家は、これが業界全体に長期的な影響を与えると考えており、進化を続ける技術環境における会社の重要な役割を示しています。
書き換え後（人間らしい表現）：
ソフトウェアアップデートでは、バッチ処理、キーボードショートカット、オフラインモードが追加されました。テストユーザーからの初期の反応は好意的で、大半のユーザーがタスクをより早く完了できたと報告しています。
変更点：
- 「～を示すものです」を削除（誇張された象徴的な意味づけ）
- 「さらに」を削除（AI らしい語彙）
- 「シームレスで直感的かつ強力」を削除（3項目の列挙と宣伝的な表現）
- ダッシュと「～できるようにします」を削除（表面的な分析）
- 「単なる～ではなく、～です」を削除（否定を用いた対句）
- 「業界の専門家は～と考えています」を削除（曖昧な出典）
- 「重要な役割」と「進化を続ける環境」を削除（AI らしい語彙）
- 具体的な機能と具体的なフィードバックを追加
参考資料
このスキルは、WikiProject AI Cleanup が管理するWikipedia:Signs of AI writingに基づいています。そこに記録されているパターンは、ウィキペディア上の数千件に及ぶ AI 生成テキストの事例を観察したものです。
重要な洞察：「LLM は統計的なアルゴリズムを使って、次に何が来るかを推測します。その結果、最も幅広い状況に当てはまる、統計的に最も可能性の高い内容に偏ります。」