nanaism/yomiyasu

AI生成の日本語を自然な日本語へ推敲するAgent Skill / Agent Skill for Refining AI-Generated Japanese into Natural Japanese

해결하는 문제

AI가 생성한 일본어 텍스트에서 흔히 발생하는 'AI-Slop' 문제, 즉 부자연스러운 은유, 모호한 주술 관계, 과도한 수식, 기술 및 비즈니스 문서에서의 명확성 부족 문제를 해결합니다.

작동 방식

Claude Code, Cursor, Codex와 같은 AI 코딩 에이전트를 위한 전문적인 '기술'로 작동합니다. 주술 관계 명확화, 불필요한 의인화 제거, 은유 단순화, 일관된 어조 유지 등 7가지 핵심 변환 원칙을 적용합니다. 버전 2.0.0에서는 Python 기반 검사 도구(yomiyasu_check.py)가 도입되어 린팅(linting)과 diff 작업을 수행함으로써, AI의 수정 사항이 원문의 의미, 수치, 사실을 의도치 않게 변경하지 않았는지 확인합니다.

대상 사용자

기술 기사, 설계 사양서, PR 설명, 내부 보고서 등을 작성할 때 AI를 사용하는 전문가를 위해 설계되었습니다. 원문의 의도를 잃지 않으면서도 읽기 쉽고 정확하며 전문적인 결과물을 확보해야 하는 사용자에게 적합합니다.

주요 특징

  • 7가지 변환 원칙: 구조적 명확성, 원문의 의도 유지, AI 특유의 문체적 습관 제거에 중점을 둡니다.
  • 문맥 인식 수정: 문서 유형(PR, 사고 보고서, 매뉴얼 등)과 작성자와 독자 간의 관계를 지정하여 어조와 격식을 적절하게 조정할 수 있습니다.
  • 사실 확인 지원: 제공된 자료와 대조하여 수정 사항이 환각(hallucination)을 유발하거나 중요한 데이터 포인트를 변경하지 않았는지 검증하는 메커니즘을 포함합니다.
  • 통합 검증: '수정 전'과 '수정 후' 버전을 린팅하고 비교하는 Python 스크립트가 포함되어 있어, 변경 기록을 제공함으로써 사용자가 결과물의 품질을 검증할 수 있도록 돕습니다.

관련

  • 프로젝트
    coji/natural-japanese

    작문 원칙을 강제하고 형태소 분석을 사용하여 AI가 생성한 흔한 상투적 표현을 감지 및 제거함으로써 AI가 더 자연스럽고 전문적인 일본어를 작성하도록 돕는 에이전트 스킬.

  • 프로젝트
    alchaincyf/huashu-skills

    huashu‑skills는 57개의 Claude 호환 *Agent Skills*(디자인, 데이터, 비디오, 페르소나 등)의 큐레이션된 인덱스입니다. 22개의 경량 스킬이 이 저장소에 있습니다. 나머지는 별도 저장소입니다. 한 줄의 `git clone`(또는 하위 폴더 복사)으로 설치하고 에이전트를 재시작하면 스킬을 사용할 수 있습니다. 포함된 업데이터가 최신 버전을 확인합니다. 이 컬렉션은 코드를 작성하지 않고 AI 에이전트에 기성 플러그인 기능을 제공합니다.

  • 프로젝트
    conorbronsdon/avoid-ai-writing

    AI 에이전트를 위한 휴대용 작문 스킬로, 계층화된 어휘와 패턴 카탈로그를 사용하여 정형화된 AI 작문 패턴과 'AI스러운 말투'를 감사하고 수정합니다.

  • 프로젝트
    op7418/Humanizer-zh

    Humanizer‑zh는 사실, 확실성, 저자의 목소리를 유지하면서 중국어 산문의 군더더기와 반복적인 표현을 제거하여 다듬어주는 Claude 스킬입니다. `npx skills add …` 또는 `~/.claude/skills/`로 복제하여 설치하고 `/humanizer-zh`로 호출합니다. 31개 규칙 세트(A‑F 카테고리)를 따르며 테스트 스위트가 포함되어 있습니다. MIT 라이선스.

  • 프로젝트
    harshaneel/humanize

    humanize는 MIT 라이선스 저장소로, 두 가지 정적 규칙 기반 기술인 `humanize`(AI 텍스트를 인간적인 어조로 재작성)와 `ai-check`(AI 생성 흔적에 대한 포렌식 보고서 생성)를 제공합니다. 이 기술들은 간단한 설치 스크립트나 마켓플레이스 명령어를 통해 모든 LLM 에이전트(Claude Code, Codex CLI, ChatGPT 데스크톱, Gemini 등)에서 작동합니다. 25개의 다양한 입력으로 벤치마킹한 결과, 내부 및 외부 퍼플렉서티(perplexity) 기반 탐지기 모두에서 재작성된 결과물이 인간과 유사하다고 평가되었습니다. 이 방식은 오프라인이며 의존성이 없지만, GPTZero와 같은 학습된 분류기를 우회할 수는 없습니다.