epoko77-ai/im-not-ai

해결하는 문제

이 프로젝트는 LLM(예: ChatGPT, Claude, Gemini 등)이 생성한 한국어 텍스트의 'AI 같은' 특성을 해결합니다. 특히 번역체(translationese), 기계적인 구조(예: '첫째, 둘째, 셋째'), 과도하게 반복되는 AI 특유의 표현, 지나친 수동태, 반복적인 문장 리듬 등으로 인해 원어민에게 자연스럽지 않게 느껴지는 문제에 초점을 맞춥니다.

작동 방식

이 도구는 Claude Code 및 OpenAI Codex CLI의 스킬로 작동하며, 10개 카테고리에 걸쳐 70개 이상의 하위 패턴으로 구성된 정교한 분류 체계를 사용해 AI 특유의 표현을 탐지하고 재작성합니다. 텍스트의 품질에 따라 처리 경로를 결정하는 동적 라우팅 시스템인 route_hint를 활용합니다:

• 경량 (1회 LLM 호출): AI 특징이 거의 없는 우수한 텍스트에 적합. 보수적인 재작성 수행.
• 표준 (2회 LLM 호출): 일반적인 AI 초안에 적합. 진단 단계 후 타겟된 재작성 수행.
• 중량 (3회 이상 LLM 호출): 심각한 'AI의 난잡함', 매우 긴 문서(15,000자 이상), 또는 엄격한 검증이 필요한 경우. 진단, 재작성(필요 시 병렬 청크 처리), 최종 검토 단계 포함.

정확성을 보장하기 위해 네 가지 엄격한 규칙을 따릅니다: 의미(사실, 수치, 고유명사)를 유지, 탐지된 구간만 수정, 원래 장르 유지, 과도한 편집 방지(30% 이상 변경 시 경고, 50% 이상 시 중단).

대상 사용자

• 핵심 의미를 변경하지 않고 'AI 냄새'를 제거하고 싶은 작가 및 편집자.
• Claude Code 또는 Codex CLI 사용자로서 전문적이고 자연스러운 한국어 출력이 필요한 사용자.
• 영어 중심 AI 모델에서 자주 발생하는 번역 스타일 한국어를 다뤄야 하는 사용자.

주요 특징

• 한국어 전용 분류 체계: 학술적 번역 연구 기반으로, 과도한 '를 통해'(~를 통해) 사용이나 특정 이중 조사 등 특정 패턴에 집중.
• 효율적인 라우팅: 고품질 텍스트에 대해 무거운 파이프라인 대신 단일 호출로 처리 가능해 토큰 비용과 시간을 절약.
• 다중 에이전트 아키텍처: 진단(humanize-diagnostician), 통합 재작성(humanize-monolith), 최종 검증(humanize-finalizer)을 위한 전문 에이전트 사용.
• 정량적 메트릭스: z-스코어 기반 메트릭스(예: 쉼표 사용 패턴)를 통합해 텍스트의 '인간다운' 품질을 객관적으로 측정하고 검증.