humanizer-ru

humanizer-ru：为 AI Agent 润色俄语文本

去除俄语文本中的官样文章和模板化表达。该技能为 Agent 提供一套本地编辑流程：找出冗余内容，修改具体位置，并对照原文核查含义和语气。套件包含扫描器、命令行、MCP 和 Chrome 扩展。目录中有 67 项特征，以及 21 条硬性禁用规则（含体裁例外）。

英文版 · 中文版

修改前：「值得注意的是，该工具可以帮助编辑发现官样文章。结果需要重新阅读。」 修改后：「这个工具可以帮助编辑发现官样文章。结果需要重新阅读。」

删除了铺垫语，并替换了一个词。没有新增事实。了解编辑流程。

浏览器检查与文本编辑彼此独立。 网站会高亮表达并计算分数；改写由您使用该技能的 Agent 完成。分数不能判定作者身份，也不能证明含义得到了保留。事实锁会比较提取出的元素，而论断之间的关系仍需单独校对。

🧪 在线演示： humanizer-ru.aifrontier.tech。粘贴您的文本，即可获得 0-100 的文本洁净度评分，并高亮找到的表达。浏览器中运行的是导出的扫描器规则。不会检测词形变化：评分可能比 Python 版本高出 8 分。

快速开始，用一条命令安装到任何 Agent（Claude Code、Cursor、Codex、Copilot、Cline 等数十种工具）：

npx skills add ilyautov/humanizer-ru

CLI 会查找已安装的 Agent，并询问安装位置。在 Claude Code 中，也可以通过插件安装，这样就能通过 /plugin 获取更新：

/plugin marketplace add ilyautov/humanizer-ru
/plugin install humanizer-ru@ilyautov-plugins

Claude.ai、DeepSeek Harness 和团队部署方式，请参阅「安装」部分。

📖 文档与分析： humanizer-ru.aifrontier.tech：俄语 AI 检测器是否有效、AI 文本特征目录、反剽窃检测与神经网络。

🧰 **其他工具：**适用于 Wildberries、Ozon、Yandex Market 和 Avito 商家后台的 MCP 服务；面向 hh.ru、VK、Диадок、СБИС 和 Честный знак 的 5 个服务；面向小型企业的 34 项技能；以及可逐字核验引文的思想家顾问团。完整列表见：ilyautov.github.io。

为什么需要它

俄语文本需要留意官样文章、正式语域和各种限定表达。目录中包含俄语示例、体裁例外和含义保留规则。部分风格特征与英文版 humanizer相同。

扫描器会查找与规则可重复匹配的内容。Agent 会评估语境并修改文本。作者需要重新阅读结果：标记列表和高分都无法保证编辑效果理想。

Что внутри

67 паттернов AI-генерации в 16 категориях:

• A. Контентные: пустые открытия, размытые авторитеты, формульные выводы
• B. Языковые: канцелярит, кальки, «является», нагромождение причастий
• C. Стилистические: длинные тире, навязчивые списки, болд
• D. Коммуникативные: артефакты чатбота, заискивание, водянистость
• E. Морфологические: падежные ошибки, деепричастия не к подлежащему
• F. Тональные: эмоциональная стерильность (4 подтипа), нет иронии, нет метафор
• G. Структурные: разорванные абзацы, narrative drift, галлюцинации
• H. Человеческие мелочи: идеальная грамотность, вылизанная типографика
• I. Паттерны убеждения: негативные параллелизмы, авторитетные трюизмы
• J. Информационный ритм: равномерная плотность, гладкие переходы, macro-burstiness
• K. Хеджирование и специфика: модальная неопределённость, translationese, нет идиом
• L. Стилистические фингерпринты 2025-2026: рваная медитативность, контр-вопросы, эмодзи-декор, псевдо-терапия, пустой образ, самомаркировка честности
• M. Формулы и артефакты 2026: неодушевлённый субъект, Title Case в заголовках, обрыв на полуслове, триада-отрицание
• N. Дискурсный слой: явная мораль в финале, портретный ввод героя, эмоция только через тело, бесшовная причинность, линейная хронология, нет обращения к читателю. Признаки, которые переживают стилевую правку (StoryScope, COLM 2026)

21 жёсткий запрет: конструкции с абсолютным запретом. От «В современном мире...» и «Стоит отметить, что...» до маркетинговых клише «Раскрыть потенциал», «Комплексный подход», «Открывает новые горизонты».

Локальная редактура, не переписывание. Скилл размечает конкретные места (цитата, что мешает читателю, действие: оставить, срезать оболочку, сказать яснее, убрать дубль), снимает жёсткие запреты и маркеры по приоритету A-D и сверяет результат с исходником по утверждениям: кто что сделал, степень уверенности, условия, числа с единицами. Живость не дописывается: эмоции, частицы, образы и факты, которых нет в исходнике, в текст не идут. Парный прогон на 195 слепых оценках (сентябрь 2026, eval/LOCAL_EDIT_CHECK.md) показал, что квоты на «голос» дают чужую интонацию и постановочную риторику, а у локальной правки в этом прогоне было меньше смысловых замечаний. Это малая выборка и оценка агентами, не гарантия качества на любом тексте.

Калибровка под голос автора. Если дать образцы своего письма, скилл выписывает ритм, лексику, пунктуацию и тон и держит замены в этих рамках. Это ограничение, а не разрешение дописывать в вашей манере.

Четыре режима работы:

• Редактура (по умолчанию): диагностика сканером, разметка, правка, сверка, отчёт «было N, стало M»
• Аудит: только диагностика, текст не трогает
• Точечная правка: работа с одной категорией
• Свой черновик (молча, без просьбы): пока скилл установлен, агент прогоняет по таблице жёстких банов то, что пишет по-русски сам, до того как вы это увидите. Чужой текст молча не правится никогда: ваше сообщение, файл, цитата и чужой код идут только через режимы выше, и правку вы видите. «Не правь» выключает режим до конца разговора

Что ловят детекторы: секция с числами из исследований 2025-2026. DivEye: вторые производные surprisal дают 39.4% вклада в детекцию. Perplexity gap 29.5 vs 15.2 (человек vs LLM). AINL-Eval 2025: лучший результат на тесте около 86% (бенчмарк из 52 305 текстов, 12 доменов; в нашей калибровке использованы 35 158 научных аннотаций из него). Все ссылки и цифры верифицированы по первоисточникам, см. SOURCES.md.

无需安装即可检查文本

在网站首页上运行着同一款 JavaScript 扫描器：粘贴文本，即可获得 0 到 100 的纯净度评分、对检测到的惯用表达进行高亮显示，以及适用于你的环境的安装命令。所有计算都在浏览器中完成，文本不会发送到任何地方。规则由脚本 scripts/export_web_rules.py 从 markers.py 导出，CI 中的 scripts/test_web_parity.py 会检查其与 Python 版本的一致性。

同一款扫描器也提供 Chrome 扩展：在任意页面选中文本，在右键菜单中选择“检查套话”，弹出窗口便会显示评分和高亮内容。它只需要两项权限：右键菜单和本地存储，不会访问网站或网络。目录为 extension/，构建脚本为 scripts/build_extension.py。

安装

此技能有三种部署方式：上传到 Claude.ai 网页界面、集中部署给团队，或安装到本地 Agent（Claude Code、Cowork、API）。

1. Claude.ai（网页界面）

1. 下载打包好的技能： humanizer-ru.zip
2. 打开 Claude.ai → Settings → Capabilities → Skills。
3. 点击 Upload skill 并选择下载的压缩包。

不要使用 archive/refs/heads/main.zip：上传器要求压缩包根目录中包含技能文件夹，而仓库压缩包中的技能文件夹位于 humanizer-ru-main/skills/humanizer-ru/ 内。如果需要自行打包，请只压缩技能文件夹：

git clone https://github.com/ilyautov/humanizer-ru.git
cd humanizer-ru/skills
zip -r ../../humanizer-ru.zip humanizer-ru -x '*/__pycache__/*'

2. 组织（Enterprise 和 Team）

Claude for Work 管理员可通过 workspace skill library 集中部署技能，使整个团队都能使用，无需个人逐一上传。请将 ZIP 上传到 Admin Console → Workspace Skills → Add skill。

3. Claude Code、Cowork 和 API（本地 Agent）

通过插件市场（推荐）：

/plugin marketplace add ilyautov/humanizer-ru
/plugin install humanizer-ru@ilyautov-plugins

安装后，插件会在“润色得更自然”“去掉官样文章”“改写得像人写的”等触发语出现时自动加载技能。

通过 skills.sh CLI（适用于任何 Claude Agent 的通用方式）：

npx skills add https://github.com/ilyautov/humanizer-ru/tree/main/skills/humanizer-ru

CLI 会将 SKILL.md 放入 ~/.claude/skills/humanizer-ru/，并在 skills.sh 索引中注册该技能。简短形式也同样有效：npx skills add ilyautov/humanizer-ru 会在仓库中找到技能并提示安装；添加标志 --skill humanizer-ru 后则会直接安装，不再询问。

**通过 API（/v1/messages 及类似接口）：**通过参数 container.skills 传入技能。详情请参阅客户端文档。

手动安装（如果以上方式都不适用）：

git clone --depth 1 https://github.com/ilyautov/humanizer-ru /tmp/humanizer-ru
mkdir -p ~/.claude/skills
cp -r /tmp/humanizer-ru/skills/humanizer-ru ~/.claude/skills/

请复制整个文件夹，而不是只复制一个 SKILL.md：技能还包含 确定性扫描器 scripts/scan.py（“审计”模式的机器处理部分）。 它需要安装 razdel 和 pymorphy3 包。若未安装这些包，技能会手动执行审计 并且必须说明这一点；你将看不到“纯净度：N/100”的评分。

依赖安装方法。macOS 上使用 Homebrew 安装的 Python，以及 Debian/Ubuntu 系统中，直接运行 pip install 会因 externally-managed-environment（PEP 668） 而失败，因此可采用以下三种方式中的任意一种：

uvx ru-humanizer файл.txt                       # без установки, нужен uv
pipx install ru-humanizer                       # команда ru-humanizer в PATH
python3 -m venv ~/.humanizer-ru && ~/.humanizer-ru/bin/pip install razdel pymorphy3
~/.humanizer-ru/bin/python ~/.claude/skills/humanizer-ru/scripts/scan.py файл.txt

检查扫描器是否正常运行：运行 python3 ~/.claude/skills/humanizer-ru/scripts/scan.py --help 后，输出中不应出现 [ошибка]。

4. Codex CLI（OpenAI）

Codex 使用相同的 Agent Skills 格式，无需单独版本：

git clone --depth 1 https://github.com/ilyautov/humanizer-ru
mkdir -p ~/.codex/skills
cp -r humanizer-ru/skills/humanizer-ru ~/.codex/skills/

也可以在 Codex 内通过 skill-installer 安装：指定路径 ilyautov/humanizer-ru/skills/humanizer-ru。安装后请重启 Codex； 调用方式：$humanizer-ru，也可以通过“润色得更自然” “去掉官样文章”等触发语自动调用。项目级安装：将同一文件夹放入仓库中的 .codex/skills/。

5. Gemini CLI 和 Cursor

Gemini CLI。 仓库根目录中有扩展清单 gemini-extension.json，技能位于 skills/ 文件夹中，因此可以直接从仓库安装扩展：

gemini extensions install https://github.com/ilyautov/humanizer-ru

Cursor。 插件清单位于 .cursor-plugin/plugin.json。命令 npx skills add 会查找已安装的 Agent，包括 Cursor，并询问要将技能放在哪里：

npx skills add ilyautov/humanizer-ru

如果无法安装扩展或插件，请按照“其他 Agent”一节中的说明，将 skills/humanizer-ru 文件夹复制到 Agent 的技能目录中。

检查安装包

发布前，请使用 CI 所用的脚本打包 ZIP，然后 对生成的压缩包运行 install-smoke。检查会将 skills/humanizer-ru 复制到一个干净的临时技能文件夹中，从已安装的副本运行扫描器，并检查 ZIP 中是否包含 .DS_Store、__pycache__ 和 *.pyc：

python3 scripts/build_release_zip.py --output dist/humanizer-ru.zip .
python3 scripts/install_smoke.py . --zip dist/humanizer-ru.zip

预期结果：

RESULT: PASS build-release-zip
RESULT: PASS install-smoke

6. 其他 Agent（通用 SKILL.md 标准）

Agent Skills 格式已实现跨平台，因此 humanizer-ru 也能在打包堆栈之外运行。官方打包并通过验证的 Agent：Claude Code、Codex CLI、Cursor、Gemini CLI、DeepSeek Harness。其他 Agent 会读取同一个 SKILL.md，无需单独版本。

接入方式	Agent	操作
原生读取 SKILL.md	GitHub Copilot、Cline、Roo Code、Kilo Code、Goose、OpenCode、OpenWork、Kimi Code CLI、OpenClaw、OpenHuman、Hermes	将 skills/humanizer-ru 文件夹复制到 Agent 的技能目录中（例如 ~/.hermes/skills/、~/.kimi/skills/、.agents/skills/）
通过安装程序转换	Windsurf、Trae、Junie	使用它们的技能安装程序安装，并指定仓库 ilyautov/humanizer-ru
手动插入	Zed、Aider、Continue.dev	将 SKILL.md 的正文粘贴到 Agent 的规则或指令文件中

原生接入的通用方法：将技能文件夹放入 Agent 会扫描的目录（通常是 <项目根目录>/.agents/skills/ 或 ~/.config/agents/skills/），然后重启 Agent。激活触发条件与 Claude 中的相同。

部分 Agent（OpenClaw、Kimi、Hermes）拥有公开的技能分发渠道（ClawHub 注册表、tap 仓库）。在这些渠道上发布即可扩大覆盖范围，无需编写单独代码：格式是通用的。

7. DeepSeek Harness (dsh)

DeepSeek Harness 读取相同的 Agent Skills 格式，技能有两种安装方式。

使用 npm 捆绑包，在所需配置文件（web、tui 或 headless）中运行一条命令：

dsh plugin --profile web add humanizer-ru

如果需要指定分支或获取最新的 main，也可以直接从 GitHub 安装同一捆绑包：dsh plugin --profile web add github:ilyautov/humanizer-ru。

捆绑包为纯文本：包含 dsh.bundle 字段的 package.json 和 cordis.patch.yml，后者会将标准提供程序 dsh-skill-filesystem 挂载到软件包的 skills/ 文件夹。捆绑包中没有可执行代码，安装时无需构建。无需运行模型即可检查：dsh --profile web --dump-config 会显示层 # == humanizer-ru。移除命令：dsh plugin --profile web remove humanizer-ru。

也可以复制到用户技能根目录：

cp -r humanizer-ru/skills/humanizer-ru ~/.agents/skills/

dsh 会自行扫描 ~/.agents/skills 和 ~/.dsh/skills，无需重启。dsh 不读取前置元数据中的 allowed-tools 键，而是相对于技能文件夹解析 references/，因此目录和修改日志的打开方式与 Claude Code 中相同。

8. Сканер отдельно: pip, MCP-сервер и GitHub Action

Сканер живёт и без скилла, пакетом ru-humanizer на PyPI (имя humanizer-ru на PyPI занято). Это тот же scan.py, только командой:

pipx install ru-humanizer   # или без установки: uvx ru-humanizer статья.md
ru-humanizer статья.md --genre academic
ru-humanizer чистовик.md --before исходник.md

Голый pip install ru-humanizer на macOS с Homebrew и на Debian/Ubuntu падает с externally-managed-environment (PEP 668): берите uvx, pipx или виртуальное окружение (python3 -m venv .venv && .venv/bin/pip install ru-humanizer).

Тот же пакет поднимает MCP-сервер с двумя инструментами: scan_text даёт балл, штрафы, запреты и маркеры с позициями, compare_texts считает «было и стало» и факт-замок между исходником и правкой. Подключается к Claude Desktop, Cursor и любому клиенту MCP; в Claude Code одной командой:

claude mcp add humanizer-ru -- uvx ru-humanizer mcp

В CI сканер работает как GitHub Action: гейт на балл чистоты по Markdown и текстовым файлам, шаг падает ниже порога.

- uses: ilyautov/humanizer-ru@main
  with:
    files: "docs/**/*.md"
    genre: marketing
    min-score: 60

Порядок разовой настройки публикации на PyPI и в реестре MCP описан в PUBLISHING.md.

Использование

Попросите Claude по-русски:

Очеловечь этот текст: [вставьте текст]
Перепиши, звучит как робот: [вставьте текст]

Триггеры срабатывания: «очеловечь», «убери следы нейросети», «сделай живым», «звучит искусственно», «перепиши как человек», «убери канцелярит», «слишком формально».

Режим аудита (только диагностика, без переписывания):

Проверь этот текст на AI-маркеры: [вставьте текст]

Точечная правка одной категории:

Убери канцелярит из текста: [вставьте текст]

При установке плагином в Claude Code доступны slash-команды:

/humanize <текст или путь к файлу>   # локальная редактура
/audit <текст или путь к файлу>      # аудит без правки (сканер + разбор)

Сканер знает про жанр. По умолчанию он строгий, под маркетинг и блоги, а для других регистров снимает маркеры, которые там законны:

python skills/humanizer-ru/scripts/scan.py статья.txt --genre academic  # ещё legal, fiction, news
python skills/humanizer-ru/scripts/scan.py стало.txt --before было.txt  # чистота до/после + факт-замок

Зачем это нужно, показал прогон по внешнему размеченному корпусу AINL-Eval 2025 (35 158 русских научных аннотаций): в строгом режиме баны оставались в 35,9% человеческих текстов против 26,1-35,8% машинных, то есть на научном тексте каталог не различал автора вовсе. С жанровой поправкой ложные срабатывания на людях падают до 4,2%. Цифры и метод: eval/AINL-CALIBRATION.md. Третий корпус, LLMTrace (14 763 русских текста, 30 генераторов, впервые GigaChat и YandexGPT), подтвердил границы: на отзывах и историях длинное тире ставят 2-8% людей против 28-33% машин, а в энциклопедических статьях наоборот. Разбор: eval/LLMTRACE-CALIBRATION.md.

До и после

Полное редактирование:

До:

В современном мире искусственный интеллект играет всё более важную роль в различных сферах деятельности. Стоит отметить, что данная технология является мощным инструментом для оптимизации рабочих процессов.

После (факты автора):

За последний год я внедрил AI-инструменты в три проекта. Два ускорились вдвое. Третий развалился, потому что команда перестала проверять то, что выдаёт модель. AI работает, когда понимаешь его ограничения.

Сработали 3 бана из 21 в двух предложениях. Типичная картина.

Режим аудита на том же тексте выдаст (вывод scan.py, сокращён до главного):

ЧИСТОТА: 48/100  [рерайт]
  -36  хард-баны (фразы): 3
  -16  маркеры: 4 (15.4/100 слов)

HARD BANS:
  ⛔ В современном мире ×1 (стр. 1)
  ⛔ Стоит отметить, что ×1 (стр. 1)
  ⛔ Данный/Данная/Данное ×1 (стр. 1)

Маркеры (быстрый сканер): 4
  • [Канцелярит] «оптимизаци» ×1 (стр. 1)
  • [Кальки] «является» ×1 (стр. 1)
  • [Кальки] «стоит отметить» ×1 (стр. 1)
  • [Вводные-открытия] «в современном мире» ×1 (стр. 1)

Этот блок сверяется со сканером в CI (scripts/check_examples.py): если баны в README разойдутся с реальным выводом, сборка упадёт.

Работают ли AI-детекторы на русском языке?

Коротко: плохо, и это придётся учитывать.

GPTZero, Originality.ai, ZeroGPT и другие популярные детекторы AI-текста обучены в основном на английском. На русском они ненадёжны и ошибаются в обе стороны:

• Ложные срабатывания (false positives): текст, написанный живым человеком, регулярно помечается как «сгенерировано нейросетью». Английские пороги perplexity для русского не откалиброваны, а богатая русская морфология сама задирает «непредсказуемость».
• Пропуски (false negatives): аккуратный AI-текст проходит как человеческий.

Даже лучший специализированный русский детектор (RuRoBERTa на бенчмарке AINL-Eval 2025) даёт около 86% точности: каждый седьмой вердикт мимо. И детекторы не обобщаются между доменами: обученный на научных текстах ошибается на блогах (verified, см. SOURCES.md).

Что это значит для редактуры. Цель скилла: убрать канцелярит и штампы, сохранив содержание и голос. Он не предписывает заменять предсказуемые слова или искусственно чередовать длину предложений. Качество проверяется сравнением версий и отдельной вычиткой; балл сканера служит дополнительным сигналом.

Мы прогоняем детекторы прямо в eval-харнесе по контролю «заведомо человек» (дословные отрывки статей Википедии, написанные людьми задолго до ChatGPT). В последнем прогоне локальный LLM-детектор пометил как ИИ 3 из 3 человеческих текстов (false positive rate 100%), поставив им ту же вероятность «это AI», что и настоящим AI-текстам. Различающая способность близка к нулю. Методика, корпус и сырые прогоны: eval/RESULTS.md, секция «FP-аудит детекторов».

常见问题

这个技能能帮我通过 AI 检测器吗？ 无法保证。检测器及其阈值会不断变化，单项研究的结果也不能证明这个技能处理你的文本后会得到什么结果。humanizer-ru 用于编辑文本，而不是确认作者身份。

如何去掉 ChatGPT 文本中的模板化表达？ 找出妨碍读者理解的地方，选择文体，然后进行局部修改。目录列出了 67 个特征；自动扫描器覆盖可测量的部分，其余部分需要结合上下文阅读。

如何让 ChatGPT 文本读起来像人写的俄语？ 分三步：按优先级去掉 21 项硬性禁令和标记；删掉论断周围的包装，而不是重写论断；对照原文核查结果中的事实和确定程度。生动感不是靠添加内容得来的：原文没有的内容，不会写进文本。

什么是官样文章？如何去掉？ 官样文章是指把动词变成动词派生名词（例如，用「实施部署」代替「部署了」）。这是俄语 AI 文本的主要标记。AI 文本中的名词与动词比例为 3:1，人类文本中则为 2:1。这个技能会把名词化结构还原为动词。

GPTZero 支持俄语吗？ 不可靠。GPTZero 使用英语文本训练，在俄语文本上会产生大量误报：把自然的人类文本标记为 AI 文本，却放过经过仔细处理的 AI 文本。详情请参阅「AI 检测器支持俄语吗」一节。

为什么我自己写的文本会被标记为 AI 文本？ 这在俄语文本中很常见：在英语文本上训练的检测器会把俄语的正常特点（形态变化、长词、正式语体）误认为「机器写作」。如果文本确实是你写的，这就是检测器的误报，而不是对你的定论。这个技能可以帮你去除具体的机器文本标记（官样文章、仿译表达、陈词滥调），这些标记会让文本听起来「像神经网络写的」。

哪款 AI 检测器最适合检测俄语文本？ 没有完美的选择。在专业检测器中，基于 RuRoBERTa 微调的模型表现较好（AINL-Eval 2025 基准测试，约 86%），但跨领域时表现也会下降。通用英语检测器（GPTZero、Originality、ZeroGPT）检测俄语文本尤其不可靠。实际结论是：关注文本本身的质量，而不要只看某一个检测器的判定。

它适用于 Claude Sonnet / Opus 4 吗？ 适用。这是适用于任何 Claude 模型的说明目录。模型的上下文容量越大，应用规则的效果就越深入。在 Opus 上处理长文本时，效果明显更好。

不安装插件也能用吗？ 可以。下载 SKILL.md，将其用作手动编辑的检查清单，或者将其粘贴到任何 LLM（ChatGPT、Gemini、YandexGPT、GigaChat）的系统提示词中。

如果我需要使用长破折号（我是编辑／需要遵循正式排版规范）怎么办？ 默认情况下，这个技能会清除所有长破折号：它是 AI 的主要排版标记，而自然、非正式的俄语几乎不会使用它（人们用手机打字时会输入连字符）。但如果你需要符合出版规范的正式排版，请直接说明：「我是专业编辑，请保留长破折号。」这个技能会取消这项禁令。它不会自行启用此例外。由你决定。

与英文版 humanizer 有什么区别

	humanizer-ru	blader/humanizer
语言	俄语	英语
模式数	67	32
严格禁用项	21	无
审计	扫描器、标注，并与源文本事实核对	Single-pass
Voice calibration	是	是
2025-2026 年的风格指纹	是	否
RuBERT 检测器的形态学特征	是	否
结构块的 Macro-burstiness	是	否

英文版 humanizer 能捕捉通用的 AI 标记。俄语需要单独的模型：官僚腔、英语句法的生硬直译、语气词「же／ведь／вот」、RuBERT 检测器的格一致性、长词链中的形态错误，以及 Claude 和 GPT 在 2025-2026 年出现的新指纹（「断续的冥想感」、表情符号装饰、伪疗愈），这些在英语目录中尚未归类。

审计模式（skills/humanizer-ru/references/audit.md）的工作方式如下：扫描器给出数量和发现结果，随后对片段进行编辑标注（保留、删减、替换、合并），但不输出改写后的文本；并逐句核对源文本中的事实。审计不会对作者身份做出判断。

来源

此技能整理自三个来源：

• Wikipedia：WikiProject AI Cleanup：俄语 AI 文本特征的基础目录
• 俄语语料库和竞赛：Dialog Conference（RuATD-2022 和 AINL-Eval 2025），以及在三个开放语料库上进行的自主测量（35 158 + 5 759 + 14 763 = 55 680 篇文本，报告见 eval/）。已核实的一手来源列表：SOURCES.md
• 经核实的出版物（2024-2026）：DivEye、PIFE、MASH、Antislop、AINL-Eval、RuATD、NeurIPS 2025 等。每个链接和数字均已通过 arxiv 和一手来源核实；未经证实的内容已删除。完整的来源追踪表：SOURCES.md。

变更日志：CHANGELOG.md。指标和 eval-harness：scripts/ 和 eval/ 目录。

作者

Илья Утов。在 Telegram 上分享 AI 和文本处理相关内容：Under the Hood。

贡献者

• Филипп Зарубин：N 类别「话语层」、基于 StoryScope（COLM 2026）的 59-64 号模式。这些特征经过风格编辑后仍然存在。此外，还在发布门禁中加入了计数词后的格一致性检查。
• iKonushok（@ikonushok）：安装界面的 install-smoke 和发布 ZIP 的构建。检查的不是仓库中的文件夹，而是真正交付给用户的内容。

完整列表（包括促使代码改动的错误报告）：CONTRIBUTORS.md。如何加入列表：CONTRIBUTING.md。

许可证

MIT：可自由使用、分叉和改进。欢迎提交包含新模式的 Pull request。

---

humanizer-ru 可帮助让俄语 AI 文本更像人写的：去除神经网络痕迹、官僚腔和陈词滥调，恢复鲜活的语气，让文本更有人情味。这是一款面向 Claude（Claude Code、Cowork、API）的免费开源技能，而不是「一键式」在线服务。为什么俄语 AI 检测器和文本 AI 检测不可靠（以及这与反剽窃检查有什么关系）：请见上文各章节，其中包含我们 eval-harness 的真实数据，而非空口承诺。

---

Кто это сделал

Илья Утов, лаборатория AI Frontier. Как эти инструменты устроены внутри, пишу в Telegram и LinkedIn.

Рядом стоят:

• marketplaces-mcp-ru: Wildberries, Ozon, Яндекс Маркет и Авито прямо из агента
• small-business-ru: 34 скилла для малого бизнеса, считают налоги и проверяют контрагента по ИНН
• consilium-principis: совет мыслителей, где каждая цитата сверяется дословно
• hefest: химическая безопасность завода, целиком офлайн
• cordon: детерминированный слой между недоверенным контентом и действиями агента

Все проекты одним списком, разобранные по назначению: ilyautov.github.io. Исходники: github.com/ilyautov. Пригодилось, поставьте звезду: по ней это находят другие.