AI Text Humanizer

Overview

LLMが生成するテキストには、人間の文章にはほとんど現れない6つの特有パターンがある。このスキルは：

1. 6パターン検出 — 視覚的マーカー残存、単調なリズム、マニュアル的構成、非コミット姿勢、抽象語の濫用、定型メタファーを正規表現ベースで検出
2. AI臭スコアリング — 0-100のスコアで「どのくらいAIっぽいか」を定量化
3. 人間化リライト — 3つの技法（バランスを崩す・客観を崩す・論理を崩す）で自然な文章に変換

When to Use

• ユーザーが「AIっぽい」「AI臭い」「機械的」「リライトして」「人間らしく」「自然にして」と言ったとき
• ブログ記事、ビジネス文書、SNS投稿などをAI生成後に人間化したいとき
• AI生成テキストの品質チェック・改善が必要なとき
• テキストがAI生成かどうかの簡易判定を求められたとき

Bundled Resources

Type	File	Purpose
Reference	references/ai_writing_patterns.md	6パターン検出ガイド（正規表現・具体例）
Reference	references/rewrite_rules.md	パターン別変換ルール
Reference	references/human_writing_techniques.md	人間っぽく崩す3技法
Script	scripts/detect_ai_patterns.py	パターン検出・スコアリングスクリプト
Asset	assets/rewrite_prompt_ja.md	リライトプロンプト（日本語）
Asset	assets/rewrite_prompt_en.md	リライトプロンプト（英語）
Asset	assets/detection_report_template.md	AI臭スコアレポート雛形

---

Prerequisites

• Python 3.9+ — スクリプト実行に必要
• 日本語テキストファイル — UTF-8エンコーディング推奨（他のエンコーディングは --encoding オプションで指定可能）
• 英語テキスト — 検出スクリプトは日本語専用。英語の場合はClaude自身が references/ を参照して分析する

---

Workflow 1: AI臭診断

テキストを受け取り、6パターンの検出とスコアリングを行う。

Steps

1. テキスト受領 — ユーザーからテキストを受け取る（ファイルパス指定。直接入力の場合は一時ファイルに保存してスクリプトに渡す）
2. パターン検出実行 — scripts/detect_ai_patterns.py を実行してパターンを検出 Note: 英語テキストの場合はスクリプトではなく、references/ai_writing_patterns.md を読み込んでClaude自身が分析する。

   python3 scripts/detect_ai_patterns.py <input_file> --output report.md --doc-type auto
   

   doc-type の使い分け:
   • email / chat: Markdown構造をAIマーカーとして検出
   • blog / structured: ## 見出し と箇条書きはPattern 1で非加点
   • auto: 上記を簡易推定
3. 結果確認 — スクリプト出力のスコアとパターン別内訳を確認
4. レポート確認 — スクリプトが自動生成したレポートを確認する。assets/detection_report_template.md はClaude手動分析時用の雛形
5. ユーザーへ報告 — 総合スコア、パターン別内訳、具体例、推奨アクションを提示

Output

• 総合AI臭スコア (0-100)
• パターン別スコア内訳（6パターン）
• 検出された具体例（該当箇所の引用）
• スコア解釈と推奨アクション

---

Workflow 2: リライト実行

検出結果を踏まえ、AI臭を除去したリライト文を生成する。

Steps

1. 診断結果確認 — Workflow 1の結果を確認（未実施なら先に実行）
2. リファレンス読み込み — references/rewrite_rules.md と references/human_writing_techniques.md を読み込む
3. 変換ルール適用 — パターン別変換ルールに従い、優先順位で変換:
   • 非コミット姿勢の除去（ヘッジ語削除、立場の明確化）
   • マニュアル的構成の解体（前置き短縮、ステップ表記排除）
   • 視覚的マーカーの除去（太字、装飾記号の削除）
   • リズムの変化（文末バリエーション、文長の変化）
   • 抽象語の具体化（実例・数値・エピソードに置換）
   • 定型メタファーの削除または具体化
4. 3技法による人間化 — references/human_writing_techniques.md の3技法を適用:
   • バランスを崩す: 文体的ヘッジ（「〜かもしれません」等）を断定に変える。ただし事実的不確実性（未確定の情報・未検証のデータ）の断定化ではない
   • 客観を崩す: 主観・経験・判断を入れる
   • 論理を崩す: 完璧な構造を壊す、自然な脱線を入れる
5. リライト文出力 — 変換後テキストをユーザーに提示

Rewrite Principles (Content Rules)

1. 捏造禁止 — 元テキストにない事実・データを追加しない
2. 曖昧さ保持（事実的不確実性のみ） — 元テキストが事実として不確実・未確定の情報は不確実なまま残す。区別基準: 「〜かもしれません」「〜の可能性があります」等の文体的ヘッジは断定化してよい。「調査中」「未確認」等の事実的不確実性は保持する
3. 意味保全 — 内容の意味を変えない
4. トーン維持 — 元テキストの意図するトーン（フォーマル/カジュアル等）を尊重
5. 文化的配慮 — 日本語特有の表現パターンを考慮する
6. 過剰矯正回避 — すべてのパターンを一度に直そうとしない
7. 読者想定 — 元テキストの想定読者層を考慮する

Rewrite Principles (Formatting Rules)

1. 文書種別でMarkdown方針を決める — メール本文・チャット文はMarkdownを除去しプレーンテキスト化。ブログ記事・見積書・提案書・報告書・仕様書・設計書はMarkdown構造を保持する
2. 構造Markdownは保持 — 保持対象の文書では ## 見出し、表、箇条書きを維持する
3. 装飾的Markdownのみ削減 — **太字** の連打や過剰装飾は減らす。意味を持つ構造は壊さない
4. 引用符を自然化 — 「」 の入れ子 『』 を避ける
5. 句読点と記号を整理 — 、 の過密を分割で解消し、（補足説明） — ／ は必要に応じて平易化する
6. リスト処理は用途別 — メール本文は文章化、ブログ/構造化文書は箇条書きを保持

文書種別の境界ケース

• SNS投稿（短文）: メール/チャット寄りとしてプレーンテキスト優先
• SNS投稿（長文スレッド/記事型）: ブログ寄りとして見出し・箇条書き保持可
• Slack/Teams の短い連絡: チャット扱い（Markdown除去）
• Slack/Teams の仕様共有・議事録: 構造化文書扱い（Markdown保持）
• README.md / ドキュメント: 構造化文書扱い（Markdown保持）

---

Workflow 3: Before/After比較

元文とリライト文を並べて比較し、変更点と理由を提示する。

Steps

1. 元文のスコア確認 — Workflow 1の結果を使用
2. リライト文の再スコアリング — リライト後テキストに再度 detect_ai_patterns.py を実行
3. 比較レポート生成 — 以下を含む比較レポートを作成:
   • 総合スコア比較（Before → After）
   • パターン別スコア変化
   • 主要な変更箇所のdiff表示
   • 各変更の理由（どのパターンに対応するか）
   • 残存するAI臭パターン（あれば）

---

6パターン検出フレームワーク

AI臭スコアの配分:

#	Pattern	Weight	Description
1	視覚的マーカー残存	15%	**太字**、—、「」過多、（）過多、／
2	単調なリズム	20%	同一文末連続、接続詞過多、均一トーン
3	マニュアル的構成	20%	長い前置き、構成宣言、ステップ表記、薄い結論
4	非コミット姿勢	15%	ヘッジ語、強制中立、弱い否定、断定回避
5	抽象語の濫用	15%	実体なき抽象語、根拠なき強評価
6	定型メタファー	15%	羅針盤/地図/設計書/柱/DNA/車の両輪/潤滑油/エンジン

Score Interpretation

Score	Level	Description
0-25	Natural	人間らしい自然な文章。修正不要
26-50	Slightly AI	やや AI的な要素あり。軽微な修正で改善可能
51-75	Clearly AI	明確にAI生成と分かる。リライト推奨
76-100	Strongly AI	強くAI臭を感じる。全面リライト推奨

---

Output

このスキルは以下の成果物を生成する:

Output	Format	Description
AI臭スコアレポート	Markdown / JSON	総合スコア（0-100）、パターン別スコア内訳、検出例、推奨アクション
リライト文	プレーンテキスト / Markdown	AI臭を除去した人間化テキスト（文書種別に応じたフォーマット）
Before/After比較	Markdown	スコア変化、diff表示、変更理由の一覧

出力例（JSON）:

{
  "total_score": 65.0,
  "level": "Clearly AI",
  "doc_type": "blog",
  "patterns": [
    {"id": 1, "name": "視覚的マーカー残存", "score": 12.0, "max_score": 15},
    ...
  ]
}

---

Resources

• references/ai_writing_patterns.md — 6パターンの詳細定義と正規表現パターン
• references/rewrite_rules.md — パターン別の具体的変換ルール
• references/human_writing_techniques.md — 3技法（バランス・客観・論理を崩す）の詳細解説
• assets/detection_report_template.md — Claude手動分析時のレポート雛形
• assets/rewrite_prompt_ja.md / assets/rewrite_prompt_en.md — リライト指示プロンプト
• samples/ — 各文書種別（email, estimate, design）のBefore/Afterサンプル