epoko77-ai/im-not-ai

解决的问题

本项目解决由 LLM（如 ChatGPT、Claude 和 Gemini）生成的韩语文本所具有的“AI 风格”问题。特别针对翻译腔（translationese）、机械式结构（如“首先、其次、最后”）、过度使用的 AI 习语、过多的被动语态以及重复的句式节奏，这些都会让韩语母语者觉得 AI 生成的韩语不自然。

工作原理

该工具作为 Claude Code 和 OpenAI Codex CLI 的技能运行，使用一个包含 10 个类别、70 多个子模式的复杂分类体系，检测并重写 AI 特有的表达。它采用名为 route_hint 的动态路由系统，根据文本质量决定处理路径：

• 轻量级（1 次 LLM 调用）： 适用于 AI 标记极少的优质文本；执行保守性重写。
• 标准级（2 次 LLM 调用）： 适用于典型的 AI 草稿；包含诊断阶段和针对性重写。
• 重型（3 次及以上 LLM 调用）： 适用于严重“AI 杂乱”、超长文档（超过 15,000 字符）或需要严格验证的情况；包含诊断、重写（必要时并行分块处理）和最终确认阶段。

为确保准确性，系统遵循四项严格规则：保留原意（事实、数据、专有名词）、仅修改检测到的片段、保持原文体裁、防止过度编辑（变更率超过 30% 时警告，超过 50% 时停止）。

适用人群

• 希望在不改变核心含义的前提下，去除韩语文稿中“AI 味”的作家和编辑。
• 使用 Claude Code 或 Codex CLI 并需要专业、自然韩语输出的用户。
• 需要处理由以英语为中心的 AI 模型导致的翻译风格韩语的用户。

主要亮点

• 韩语专用分类体系： 基于学术翻译研究，针对特定模式，如过度使用「를 통해」或特定双助词等。
• 高效路由机制： 对高质量文本仅使用一次调用，而非重型流水线，从而降低 token 成本和处理时间。
• 多代理架构： 使用专用代理进行诊断（humanize-diagnostician）、整体重写（humanize-monolith）和最终验证（humanize-finalizer）。
• 定量指标： 集成基于 z 分数的指标（如逗号使用模式），客观衡量并验证文本的“类人”质量。