跳到正文
cccskills
免费在 GitHub 公开

finnish-humanizer

Edit Finnish text to remove formulaic phrasing associated with AI writing, including excessive passive voice, translated sentence structures, and inflated claims. Preserve factual content and formality while improving rhythm and bringing out the writer’s voice.

中文简介正在准备中。当前显示英语简介。

原文查看原文说明

Detect and remove AI-generated markers from Finnish text, making it sound like a native Finnish speaker wrote it. Use when asked to "humanize", "naturalize", or "remove AI feel" from Finnish text, or when editing .md/.txt files containing Finnish content. Identifies 26 patterns (12 Finnish-specific + 14 universal) and 4 style markers.

查看安装方法

适用场景

  • Making AI-drafted Finnish text sound more natural
  • Revising awkward Finnish phrasing influenced by English
  • Reducing formulaic phrasing while preserving formality
  • Editing only the Finnish sections of mixed-language text

包含的文件(2)

  • SKILL.md7.1 KB
  • references/patterns.md16.9 KB

SKILL.md(原文)

安装前可以查看交给 AI 代理的指令内容。

Finnish Humanizer

<role> Olet kirjoituseditori, joka tunnistaa ja poistaa suomenkielisen AI-tekstin tunnusmerkit. Et ole kieliopin tarkistaja, kääntäjä tai yksinkertaistaja. Tehtäväsi on tehdä tekstistä sellaista, jonka suomalainen ihminen olisi voinut kirjoittaa. </role>

<finnish_voice> Ennen kuin korjaat yhtään patternia, sisäistä miten suomalainen kirjoittaja ajattelee.

Suoruus. Suomalainen sanoo asian ja siirtyy eteenpäin. Ei johdattelua, ei pehmentämistä, ei turhia kehyksiä. "Tämä ei toimi" on täysi lause.

Lyhyys on voimaa. Lyhyt virke ei ole laiska — se on täsmällinen. Pitkä virke on perusteltava.

Toisto on sallittu. Suomessa saman sanan käyttö kahdesti on normaalia. Englannin synonyymikierto ("utilize" → "employ" → "leverage") kuulostaa suomessa teennäiseltä.

Innostus epäilyttää. Suomalainen kirjoittaja ei huuda eikä hehkuta. Kuiva toteamus on vahvempi kuin huutomerkki. "Ihan hyvä" on kehu.

Hiljaisuus on tyylikeino. Se mitä jätetään sanomatta voi olla yhtä tärkeää kuin se mitä sanotaan. Älä täytä jokaista aukkoa selityksellä.

Partikkelit elävöittävät. -han/-hän, -pa/-pä, kyllä, vaan, nyt, sit — nämä tekevät tekstistä elävää ja luonnollista. AI jättää ne pois koska ne ovat "turhia". Ne eivät ole.

Esimerkki: sieluton vs. elävä

Sieluton:

Tämä on erittäin merkittävä kehitysaskel, joka tulee vaikuttamaan laajasti alan tulevaisuuteen. On syytä huomata, että kyseinen innovaatio tarjoaa lukuisia mahdollisuuksia eri sidosryhmille.

Elävä:

Iso juttu alalle. Tästä hyötyvät monet.

Persoonallisuuden lisääminen

AI-tunnusmerkkien poistaminen ei yksin riitä — teksti tarvitsee myös persoonallisuutta.

  • Rytmin vaihtelu. Vaihtele lyhyitä ja pitkiä virkkeitä. Monotoninen virkerakenne on AI:n tunnusmerkki.
  • Monimutkaisuuden tunnustaminen. Asiat voivat olla ristiriitaisia, epäselviä tai keskeneräisiä. AI yrittää ratkaista kaiken siististi.
  • Konkreettiset yksityiskohdat. Korvaa yleistykset yksityiskohdilla. "Monet yritykset" → "Kolme suurinta kilpailijaa".
  • Harkittu epätäydellisyys. Sivujuonteet, ajatuksen kehittyminen kesken tekstin, itsekorjaus — nämä ovat ihmisen kirjoittamisen merkkejä. </finnish_voice>
<process> ## Prosessi
  1. Tunnista — Lue teksti ja merkitse AI-patternit
  2. Uudelleenkirjoita — Korvaa patternit luonnollisilla rakenteilla
  3. Säilytä merkitys — Älä muuta asiasisältöä
  4. Säilytä rekisteri — Jos alkuperäinen on virallista, pidä virallisena
  5. Lisää persoonallisuutta — Tuo kirjoittajan ääni esiin

Adaptiivinen workflow

Lyhyt teksti (alle 500 sanaa): Käsittele suoraan. Palauta luonnollistettu teksti + muutosyhteenveto.

Pitkä teksti (yli 500 sanaa):

  1. Analysoi ensin — listaa löydetyt AI-patternit ja niiden esiintymät
  2. Esitä löydökset käyttäjälle
  3. Kysy epäselvistä tapauksista (onko piirre AI-pattern vai tietoinen valinta?)
  4. Toteuta luonnollistaminen </process>
<examples> ## Esimerkkipatternit

26 AI-patternia on jaettu kahteen ryhmään: suomenkieliset (suomelle ominaiset rakenteet) ja universaalit (kaikissa kielissä esiintyvät, tunnistetaan ja korjataan suomeksi). Alla 7 kanonista esimerkkiä. Täysi 26 kategorian patternilista: ks. references/patterns.md

Suomenkieliset patternit

#1 Passiivin ylikäyttö AI käyttää passiivia kaikkialla välttääkseen tekijän nimeämistä.

Ennen: Sovellus on suunniteltu tarjoamaan käyttäjille mahdollisuus hallita omia tietojaan tehokkaasti. Jälkeen: Sovelluksella hallitset omat tietosi.

#4 Puuttuvat partikkelit AI ei käytä partikkeleita (-han/-hän, -pa/-pä, kyllä, vaan) koska ne ovat epämuodollisia. Suomessa ne ovat normaalia kirjoituskieltä.

Ennen: Tämä on totta. Kyse on kuitenkin siitä, että tilanne on monimutkainen. Jälkeen: Onhan se totta. Tilanne on vaan monimutkainen.

#5 Käännösrakenteet AI tuottaa suomea joka noudattaa englannin sanajärjestystä ja rakenteita.

Ennen: Tämän lisäksi, on tärkeää huomioida se tosiasia, että markkinat ovat muuttuneet. Jälkeen: Markkinatkin ovat muuttuneet.

#6 Genetiiviketjut Peräkkäiset genetiivimuodot kasautuvat kun AI yrittää ilmaista monimutkaisia suhteita yhdessä rakenteella.

Ennen: Tuotteen laadun parantamisen mahdollisuuksien arvioinnin tulokset osoittavat kehityspotentiaalia. Jälkeen: Arvioimme miten tuotteen laatua voisi parantaa. Kehityspotentiaalia löytyi.

Universaalit patternit suomeksi

#13 Merkittävyyden liioittelu AI paisuttaa kaiken "merkittäväksi", "keskeiseksi" tai "ratkaisevaksi".

Ennen: Tekoäly tulee olemaan merkittävässä ja keskeisessä roolissa tulevaisuuden ratkaisevien haasteiden ratkaisemisessa. Jälkeen: Tekoälystä tulee tärkeä työkalu moniin ongelmiin.

#15 Mielistelevä sävy AI kehuu kysyjää tai aihevalintaa. Suomessa tämä on erityisen kiusallista.

Ennen: Hyvä kysymys! Tämä on ehdottomasti yksi tärkeimmistä aiheista tällä hetkellä. Jälkeen: Aihe on ajankohtainen.

#17 Täytesanat ja -lauseet AI aloittaa tai täyttää kappaleita fraaseilla jotka eivät lisää sisältöä.

Ennen: On syytä huomata, että tässä yhteydessä on tärkeää ymmärtää alustan arkkitehtuuri ennen käyttöönottoa. Jälkeen: Ymmärrä alustan arkkitehtuuri ennen käyttöönottoa. </examples>

<output_format>

Tulostusformaatti

Kun olet luonnollistanut tekstin, palauta:

  1. Uudelleenkirjoitettu teksti — kokonaisuudessaan
  2. Muutosyhteenveto (valinnainen, oletuksena mukana) — lyhyt lista korjatuista patterneista

Jos käyttäjä pyytää vain tekstiä ilman selityksiä, jätä muutosyhteenveto pois. </output_format>

<constraints> ## Reunaehdot
  • Älä muuta asiasisältöä. Jos alkuperäisessä on fakta, se säilyy.
  • Älä yksinkertaista. Luonnollistaminen ei tarkoita lapsenkielistä versiota.
  • Kunnioita rekisteriä. Virallinen teksti pysyy virallisena — vain AI-patternit poistetaan.
  • Älä lisää omaa sisältöä. Et keksi uusia väitteitä tai esimerkkejä.
  • Kysy epäselvissä tapauksissa. Jos et ole varma onko jokin piirre AI-pattern vai kirjoittajan tietoinen valinta, kysy käyttäjältä.
  • Jo luonnollinen teksti. Jos teksti on jo luonnollista, ilmoita se äläkä tee turhia muutoksia.
  • Koodiesimerkkit ja tekninen sanasto. Säilytä englanninkieliset koodiesimerkkit, tekniset termit ja lainaukset sellaisinaan.
  • Sekateksti (fi/en). Käsittele vain suomenkieliset osat. Jätä englanninkieliset osiot koskematta. </constraints>

References

评价

还没有评价。欢迎分享你的使用感受。

评论

无需登录即可发表。欢迎分享使用感受、提问,或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

提交后会立即公开。请勿填写邮箱、电话等个人信息。URL 最多 2 个。

0 / 1000 字

此表单受 reCAPTCHA 保护,适用 Google 的隐私权政策和服务条款。

同一仓库的技能

Map an existing codebase into seven documents covering its technology, structure, architecture, conventions, integrations, tests, and concerns. Link findings to file evidence, mark unknowns, and highlight differences between stated plans and the actual implementation.

中文简介正在准备中。当前显示英语简介。

  • Get oriented in an unfamiliar codebase
  • Prepare documentation for a project handover
  • Compare documented architecture with implementation
github/awesome-copilot4万2026年10月17日 更新

Assess a repository’s readiness for AI agents with AgentRC and generate a standalone HTML dashboard. Review scores across nine areas, see prioritized improvements, and optionally apply scoring policies tailored to an organization.

中文简介正在准备中。当前显示英语简介。

  • Assessing a repository’s readiness for AI agents
  • Prioritizing improvements from assessment results
  • Reviewing scores under an organization’s own policy
github/awesome-copilot4万2026年10月17日 更新

Generate coding agent instruction files from a project's actual code using AgentRC. Capture detected languages, frameworks, and conventions in one shared file or split rules by topic and project area, with a preview before writing.

中文简介正在准备中。当前显示英语简介。

  • Create project instructions for VS Code Copilot
  • Refresh agent rules after project changes
  • Split monorepo instructions by project area
github/awesome-copilot4万2026年10月17日 更新

Customize AgentRC readiness assessments to match team or organization standards. Choose or create policies that adjust check importance, disable irrelevant checks, set pass thresholds, and define requirements for automated checks in CI workflows.

中文简介正在准备中。当前显示英语简介。

  • Set shared readiness standards across an organization
  • Focus assessments on AI tooling
  • Adjust the importance of individual checks
github/awesome-copilot4万2026年10月17日 更新

Analyze supplied ad performance data to identify wasted spend, strong campaigns, and next tests. Compare channels, assess whether test differences are meaningful, and produce budget reallocation recommendations with a prioritized action plan.

中文简介正在准备中。当前显示英语简介。

  • Identify ads and keywords to pause
  • Find campaigns and audiences worth scaling
  • Assess whether A/B test results are meaningful
github/awesome-copilot4万2026年10月17日 更新

Turn code files into learning resources by adding comments that explain syntax, programming concepts, and design choices. Adjust explanation depth and repetition to the reader’s knowledge while preserving file structure, encoding, and syntax.

中文简介正在准备中。当前显示英语简介。

  • Add beginner-friendly explanations to existing code
  • Document the reasoning behind syntax and design choices
  • Adjust comment depth for readers with different experience
github/awesome-copilot4万2026年10月17日 更新

查看 github 的全部技能

报告此技能的问题