# humanizer-ru **Category:** 💻 Developer Tools **Repository:** https://github.com/ilyautov/humanizer-ru **Views:** 0 **Installs:** 0 **Upvotes:** 0 **Directory Page:** https://allmcps.com/mcp/humanizer-ru-2 ## Description Следы нейросети в русском тексте: балл чистоты 0-100, запреты и маркеры с позициями, факт-замок. ## Claude Desktop Quick Installation Heuristic fallback — verify the package name and runner against the repository README before running it. Uses `npx` (confidence: low): ```json "mcpServers": { "humanizer-ru": { "command": "npx", "args": ["-y","humanizer-ru-2"] } } ``` ## Documentation & README # humanizer-ru: редактура русского текста для AI-агентов > Убирает канцелярит и шаблонные обороты из русского текста. Скилл даёт агенту процедуру локальной редактуры: найти лишнее, исправить конкретные места, сверить смысл и голос с исходником. В комплекте сканер, CLI, MCP и расширение Chrome. 67 признаков в каталоге, 21 жёсткий запрет с жанровыми исключениями. > [English version](https://github.com/ilyautov/humanizer-ru/blob/HEAD/README.en.md) · [中文](https://github.com/ilyautov/humanizer-ru/blob/HEAD/README.zh.md) [![License: MIT](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE) [![Версия](https://img.shields.io/badge/версия-3.31.2-blueviolet)](https://github.com/ilyautov/humanizer-ru/blob/main/CHANGELOG.md) [![Звёзды](https://img.shields.io/github/stars/ilyautov/humanizer-ru?style=social)](https://github.com/ilyautov/humanizer-ru/stargazers) [![skills.sh](https://skills.sh/b/ilyautov/humanizer-ru)](https://skills.sh/ilyautov/humanizer-ru/humanizer-ru) [![npm](https://img.shields.io/npm/v/humanizer-ru?label=npm%20%C2%B7%20dsh)](https://www.npmjs.com/package/humanizer-ru) [![HOL](https://img.shields.io/endpoint?url=https%3A%2F%2Fhol.org%2Fapi%2Fregistry%2Fbadges%2Fplugin%3Fslug%3Dilya-utov%252Fhumanizer-ru%26metric%3Dstatus%26style%3Dflat)](https://hol.org/registry/plugins/ilya-utov%2Fhumanizer-ru)

humanizer-ru: меньше штампов, больше смысла. Редакторская мастерская AI Frontier

> **Было:** «Стоит отметить, что данный инструмент помогает редактору находить канцелярит. Результат нужно перечитать». > **Стало:** «Этот инструмент помогает редактору находить канцелярит. Результат нужно перечитать». > > Снята подводка и заменено одно слово. Новых фактов нет. [Подробнее о процедуре](https://github.com/ilyautov/humanizer-ru/blob/HEAD/skills/humanizer-ru/SKILL.md). **Проверка в браузере и редактура разделены.** Сайт подсвечивает обороты и считает балл; переписывание выполняет ваш агент со скиллом. Балл не определяет авторство и не подтверждает сохранение смысла. Факт-замок сравнивает извлечённые элементы, а связи между утверждениями требуют отдельной вычитки. 🧪 **Живое демо:** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/#audit). Вставьте свой текст, получите оценку чистоты 0-100 и подсветку найденных оборотов. В браузере работают экспортированные правила сканера. Морфология не измеряется: балл может быть до 8 выше Python-версии. **Быстрый старт**, одна команда для любого агента (Claude Code, Cursor, Codex, Copilot, Cline и ещё десятки): ``` npx skills add ilyautov/humanizer-ru ``` CLI найдёт установленных агентов и спросит, куда ставить. В Claude Code можно и плагином, тогда обновления приходят через `/plugin`: ``` /plugin marketplace add ilyautov/humanizer-ru /plugin install humanizer-ru@ilyautov-plugins ``` Claude.ai, DeepSeek Harness и раскатка на команду в [разделе «Установка»](#установка). 📖 **Документация и разборы:** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/): [работают ли AI-детекторы на русском](https://humanizer-ru.aifrontier.tech/ai-detektory-na-russkom.html), [67 признаков AI-текста](https://humanizer-ru.aifrontier.tech/52-priznaka-ai-teksta.html), [антиплагиат и нейросеть](https://humanizer-ru.aifrontier.tech/antiplagiat-i-neyroset.html). 🧰 **Остальные инструменты:** MCP-серверы к кабинетам Wildberries, Ozon, Яндекс Маркета и Авито, пять серверов к hh.ru, VK, Диадоку, СБИС и Честному знаку, 34 скилла для малого бизнеса, совет мыслителей с дословной проверкой цитат. Все одним списком: [ilyautov.github.io](https://ilyautov.github.io/). ## Зачем это нужно Русский текст требует внимания к канцеляриту, формальному регистру и оговоркам. В каталоге есть русские примеры, жанровые исключения и правила сохранения смысла. Часть стилистических признаков общая с [англоязычным humanizer](https://github.com/blader/humanizer). Сканер находит воспроизводимые совпадения с правилами. Агент оценивает контекст и правит текст. Автор перечитывает результат: ни список маркеров, ни высокий балл не гарантируют удачную редактуру. ## Что внутри **67 паттернов AI-генерации в 16 категориях:** - A. Контентные: пустые открытия, размытые авторитеты, формульные выводы - B. Языковые: канцелярит, кальки, «является», нагромождение причастий - C. Стилистические: длинные тире, навязчивые списки, болд - D. Коммуникативные: артефакты чатбота, заискивание, водянистость - E. Морфологические: падежные ошибки, деепричастия не к подлежащему - F. Тональные: эмоциональная стерильность (4 подтипа), нет иронии, нет метафор - G. Структурные: разорванные абзацы, narrative drift, галлюцинации - H. Человеческие мелочи: идеальная грамотность, вылизанная типографика - I. Паттерны убеждения: негативные параллелизмы, авторитетные трюизмы - J. Информационный ритм: равномерная плотность, гладкие переходы, macro-burstiness - K. Хеджирование и специфика: модальная неопределённость, translationese, нет идиом - L. Стилистические фингерпринты 2025-2026: рваная медитативность, контр-вопросы, эмодзи-декор, псевдо-терапия, пустой образ, самомаркировка честности - M. Формулы и артефакты 2026: неодушевлённый субъект, Title Case в заголовках, обрыв на полуслове, триада-отрицание - N. Дискурсный слой: явная мораль в финале, портретный ввод героя, эмоция только через тело, бесшовная причинность, линейная хронология, нет обращения к читателю. Признаки, которые переживают стилевую правку (StoryScope, COLM 2026) **21 жёстких банов**: конструкции с абсолютным запретом. От «В современном мире...» и «Стоит отметить, что...» до маркетинговых клише «Раскрыть потенциал», «Комплексный подход», «Открывает новые горизонты». **Локальная редактура, не переписывание.** Скилл размечает конкретные места (цитата, что мешает читателю, действие: оставить, срезать оболочку, сказать яснее, убрать дубль), снимает жёсткие запреты и маркеры по приоритету A-D и сверяет результат с исходником по утверждениям: кто что сделал, степень уверенности, условия, числа с единицами. Живость не дописывается: эмоции, частицы, образы и факты, которых нет в исходнике, в текст не идут. Парный прогон на 195 слепых оценках (сентябрь 2026, `eval/LOCAL_EDIT_CHECK.md`) показал, что квоты на «голос» дают чужую интонацию и постановочную риторику, а у локальной правки в этом прогоне было меньше смысловых замечаний. Это малая выборка и оценка агентами, не гарантия качества на любом тексте. **Калибровка под голос автора.** Если дать образцы своего письма, скилл выписывает ритм, лексику, пунктуацию и тон и держит замены в этих рамках. Это ограничение, а не разрешение дописывать в вашей манере. **Четыре режима работы:** - Редактура (по умолчанию): диагностика сканером, разметка, правка, сверка, отчёт «было N, стало M» - Аудит: только диагностика, текст не трогает - Точечная правка: работа с одной категорией - Свой черновик (молча, без просьбы): пока скилл установлен, агент прогоняет по таблице жёстких банов то, что пишет по-русски сам, до того как вы это увидите. Чужой текст молча не правится никогда: ваше сообщение, файл, цитата и чужой код идут только через режимы выше, и правку вы видите. «Не правь» выключает режим до конца разговора **Что ловят детекторы:** секция с числами из исследований 2025-2026. DivEye: вторые производные surprisal дают 39.4% вклада в детекцию. Perplexity gap 29.5 vs 15.2 (человек vs LLM). AINL-Eval 2025: лучший результат на тесте около 86% (52K русских текстов, 12 доменов). Все ссылки и цифры верифицированы по первоисточникам, см. [SOURCES.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/SOURCES.md). ## Проверить текст без установки На [главной странице сайта](https://humanizer-ru.aifrontier.tech/#audit) работает тот же сканер на JavaScript: вставьте текст, получите оценку чистоты от 0 до 100, подсветку найденных оборотов и команду установки для своей среды. Считается в браузере, текст никуда не отправляется. Правила экспортируются из `markers.py` скриптом `scripts/export_web_rules.py`, а паритет с Python проверяет `scripts/test_web_parity.py` в CI. Тот же сканер есть как [расширение Chrome](https://chromewebstore.google.com/detail/iaelpnagdohdahkcahippeadohpgobad): выделили текст на любой странице, в контекстном меню «Проверить на шаблонные обороты», и попап показывает балл и подсветку. Разрешений у него два, контекстное меню и локальное хранилище, доступа к сайтам и сети нет. Папка `extension/`, сборка `scripts/build_extension.py`. ## Установка Скилл разворачивается тремя путями: загрузкой в веб-интерфейс Claude.ai, централизованной раскаткой на команду или установкой в локальные агенты (Claude Code, Cowork, API). ### 1. Claude.ai (веб-интерфейс) 1. Скачайте готовый архив скилла: [humanizer-ru.zip](https://github.com/ilyautov/humanizer-ru/releases/latest/download/humanizer-ru.zip) 2. Откройте Claude.ai → **Settings** → **Capabilities** → **Skills**. 3. Нажмите **Upload skill** и выберите скачанный архив. > Не берите `archive/refs/heads/main.zip`: загрузчик ожидает папку скилла в корне архива, а в архиве репозитория она лежит внутри `humanizer-ru-main/skills/humanizer-ru/`. Если нужно собрать архив самому, архивируйте именно папку скилла: > > ```bash > git clone https://github.com/ilyautov/humanizer-ru.git > cd humanizer-ru/skills > zip -r ../../humanizer-ru.zip humanizer-ru -x '*/__pycache__/*' > ``` ### 2. Организации (Enterprise и Team) Администраторы Claude for Work раскатывают скилл централизованно через workspace skill library, и он становится доступен всей команде без индивидуальной загрузки. Загрузите ZIP в **Admin Console → Workspace Skills → Add skill**. ### 3. Claude Code, Cowork и API (локальные агенты) **Через плагин-маркетплейс** (рекомендуется): ``` /plugin marketplace add ilyautov/humanizer-ru /plugin install humanizer-ru@ilyautov-plugins ``` После установки плагин подгружает скилл автоматически при триггерах вроде «очеловечь», «убери канцелярит», «перепиши как человек». **Через skills.sh CLI** (универсальный путь для любого Claude-агента): ```bash npx skills add https://github.com/ilyautov/humanizer-ru/tree/main/skills/humanizer-ru ``` CLI кладёт `SKILL.md` в `~/.claude/skills/humanizer-ru/` и регистрирует скилл в индексе [skills.sh](https://skills.sh/ilyautov/humanizer-ru/humanizer-ru). Короткая форма тоже работает: `npx skills add ilyautov/humanizer-ru` находит скилл в репозитории и предлагает его к установке, а с флагом `--skill humanizer-ru` ставит без вопросов. **Через API (`/v1/messages` и аналоги):** передайте скилл параметром `container.skills`. Детали в документации вашего клиента. **Вручную** (если ничего из выше не подошло): ```bash git clone --depth 1 https://github.com/ilyautov/humanizer-ru /tmp/humanizer-ru mkdir -p ~/.claude/skills cp -r /tmp/humanizer-ru/skills/humanizer-ru ~/.claude/skills/ ``` Копируйте папку целиком, а не один SKILL.md: вместе со скиллом едет детерминированный сканер `scripts/scan.py` (машинная половина режима «Аудит»). Ему нужны пакеты `razdel` и `pymorphy3`. Без них скилл проводит аудит вручную и обязан сказать об этом; балла «Чистота: N/100» вы не увидите. Как поставить зависимости. На macOS с Python из Homebrew и на Debian/Ubuntu голый `pip install` падает с `externally-managed-environment` (PEP 668), поэтому любой из трёх способов: ```bash uvx ru-humanizer файл.txt # без установки, нужен uv pipx install ru-humanizer # команда ru-humanizer в PATH python3 -m venv ~/.humanizer-ru && ~/.humanizer-ru/bin/pip install razdel pymorphy3 ~/.humanizer-ru/bin/python ~/.claude/skills/humanizer-ru/scripts/scan.py файл.txt ``` Проверка, что сканер живой: `python3 ~/.claude/skills/humanizer-ru/scripts/scan.py --help` без строки `[ошибка]`. ### 4. Codex CLI (OpenAI) Codex использует тот же формат Agent Skills, отдельная версия не нужна: ```bash git clone --depth 1 https://github.com/ilyautov/humanizer-ru mkdir -p ~/.codex/skills cp -r humanizer-ru/skills/humanizer-ru ~/.codex/skills/ ``` Либо изнутри Codex через `skill-installer`: укажите путь `ilyautov/humanizer-ru/skills/humanizer-ru`. После установки перезапустите Codex; вызов: `$humanizer-ru` или автоматически по триггер-фразам («очеловечь», «убери канцелярит»). Проектная установка: та же папка в `.codex/skills/` внутри репозитория. ### Проверка установочного пакета Перед релизом соберите ZIP тем же скриптом, который использует CI, затем прогоните install-smoke по готовому архиву. Проверка копирует `skills/humanizer-ru` в чистую временную папку скиллов, запускает сканер из установленной копии и проверяет, что в ZIP нет `.DS_Store`, `__pycache__` и `*.pyc`: ```bash python3 scripts/build_release_zip.py --output dist/humanizer-ru.zip . python3 scripts/install_smoke.py . --zip dist/humanizer-ru.zip ``` Ожидаемый результат: ```text RESULT: PASS build-release-zip RESULT: PASS install-smoke ``` ### 5. Другие агенты (общий стандарт SKILL.md) Формат Agent Skills стал кросс-платформенным, поэтому humanizer-ru работает и за пределами упакованных стеков. Официально упакованы и проверены: Claude Code, Codex CLI, Cursor, Gemini CLI, DeepSeek Harness. Остальные агенты читают тот же `SKILL.md`, отдельная версия не нужна. | Как подключается | Агенты | Что делать | |---|---|---| | Читают `SKILL.md` нативно | GitHub Copilot, Cline, Roo Code, Kilo Code, Goose, OpenCode, OpenWork, Kimi Code CLI, OpenClaw, OpenHuman, Hermes | Скопировать папку `skills/humanizer-ru` в каталог скиллов агента (например `~/.hermes/skills/`, `~/.kimi/skills/`, `.agents/skills/`) | | Конвертация инсталлером | Windsurf, Trae, Junie | Поставить через их установщик скиллов, указав репозиторий `ilyautov/humanizer-ru` | | Ручная вставка | Zed, Aider, Continue.dev | Вставить тело `SKILL.md` в файл правил или инструкций агента | Универсальный путь для нативных: положите папку скилла в каталог, который агент сканирует (обычно `<корень проекта>/.agents/skills/` или `~/.config/agents/skills/`), и перезапустите агент. Триггеры активации те же, что в Claude. > У части этих агентов (OpenClaw, Kimi, Hermes) есть публичные каналы дистрибуции скиллов (реестр ClawHub, tap-репозитории). Листинг там даёт охват без отдельного кода: формат общий. ### 6. DeepSeek Harness (dsh) DeepSeek Harness читает тот же формат Agent Skills, и скилл ставится двумя способами. Бандлом из npm, одной командой в нужный профиль (`web`, `tui` или `headless`): ```bash dsh plugin --profile web add humanizer-ru ``` Тот же бандл прямо из GitHub, если нужна конкретная ветка или свежий main: `dsh plugin --profile web add github:ilyautov/humanizer-ru`. Бандл текстовый: `package.json` с полем `dsh.bundle` и `cordis.patch.yml`, который монтирует штатный провайдер `dsh-skill-filesystem` на папку `skills/` пакета. Исполняемого кода в бандле нет, сборка при установке не нужна. Проверить без запуска модели: `dsh --profile web --dump-config` покажет слой `# == humanizer-ru`. Удаление: `dsh plugin --profile web remove humanizer-ru`. Копией в пользовательский корень скиллов: ```bash cp -r humanizer-ru/skills/humanizer-ru ~/.agents/skills/ ``` dsh сканирует `~/.agents/skills` и `~/.dsh/skills` сам, перезапуск не нужен. Ключ `allowed-tools` из фронтматтера dsh не читает, а `references/` разрешает относительно папки скилла, так что каталог и журнал правок открываются как в Claude Code. ### 7. Сканер отдельно: pip, MCP-сервер и GitHub Action Сканер живёт и без скилла, пакетом [`ru-humanizer`](https://pypi.org/project/ru-humanizer/) на PyPI (имя `humanizer-ru` на PyPI занято). Это тот же `scan.py`, только командой: ```bash pip install ru-humanizer ru-humanizer статья.md --genre academic ru-humanizer чистовик.md --before исходник.md ``` Тот же пакет поднимает MCP-сервер с двумя инструментами: `scan_text` даёт балл, штрафы, запреты и маркеры с позициями, `compare_texts` считает «было и стало» и факт-замок между исходником и правкой. Подключается к Claude Desktop, Cursor и любому клиенту MCP; в Claude Code одной командой: ```bash claude mcp add humanizer-ru -- uvx ru-humanizer mcp ``` В CI сканер работает как GitHub Action: гейт на балл чистоты по Markdown и текстовым файлам, шаг падает ниже порога. ```yaml - uses: ilyautov/humanizer-ru@main with: files: "docs/**/*.md" genre: marketing min-score: 60 ``` Порядок разовой настройки публикации на PyPI и в реестре MCP описан в `PUBLISHING.md`. ## Использование Попросите Claude по-русски: ``` Очеловечь этот текст: [вставьте текст] Перепиши, звучит как робот: [вставьте текст] ``` Триггеры срабатывания: «очеловечь», «убери следы нейросети», «сделай живым», «звучит искусственно», «перепиши как человек», «убери канцелярит», «слишком формально». Режим аудита (только диагностика, без переписывания): ``` Проверь этот текст на AI-маркеры: [вставьте текст] ``` Точечная правка одной категории: ``` Убери канцелярит из текста: [вставьте текст] ``` При установке плагином в Claude Code доступны slash-команды: ``` /humanize <текст или путь к файлу> # полный рерайт /audit <текст или путь к файлу> # аудит без правки (сканер + разбор) ``` Сканер знает про жанр. По умолчанию он строгий, под маркетинг и блоги, а для других регистров снимает маркеры, которые там законны: ```bash python skills/humanizer-ru/scripts/scan.py статья.txt --genre academic # ещё legal, fiction, news python skills/humanizer-ru/scripts/scan.py стало.txt --before было.txt # чистота до/после + факт-замок ``` Зачем это нужно, показал прогон по внешнему размеченному корпусу AINL-Eval 2025 (35 158 русских научных аннотаций): в строгом режиме баны оставались в 35,9% человеческих текстов против 26,1-35,8% машинных, то есть на научном тексте каталог не различал автора вовсе. С жанровой поправкой ложные срабатывания на людях падают до 4,2%. Цифры и метод: [eval/AINL-CALIBRATION.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/eval/AINL-CALIBRATION.md). Третий корпус, [LLMTrace](https://huggingface.co/datasets/iitolstykh/LLMTrace_classification) (14 763 русских текста, 30 генераторов, впервые GigaChat и YandexGPT), подтвердил границы: на отзывах и историях длинное тире ставят 2-8% людей против 28-33% машин, а в энциклопедических статьях наоборот. Разбор: [eval/LLMTRACE-CALIBRATION.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/eval/LLMTRACE-CALIBRATION.md). ## До и после **Полное редактирование:** До: > В современном мире искусственный интеллект играет всё более важную роль в различных сферах деятельности. Стоит отметить, что данная технология является мощным инструментом для оптимизации рабочих процессов. После (факты автора): > За последний год я внедрил AI-инструменты в три проекта. Два ускорились вдвое. Третий развалился, потому что команда перестала проверять то, что выдаёт модель. AI работает, когда понимаешь его ограничения. Пять жёстких банов сработали в двух предложениях. Типичная картина. **Режим аудита на том же тексте выдаст:** ``` [A] Пустое открытие: "В современном мире..." [A] HARD BAN: "является мощным инструментом" [A] HARD BAN: "играет важную роль" [A] HARD BAN: "Стоит отметить, что..." [B] Канцелярит: "оптимизации рабочих процессов" [B] Раздувание: "всё более важную роль в различных сферах" ``` ## Работают ли AI-детекторы на русском языке? Коротко: плохо, и это придётся учитывать. GPTZero, Originality.ai, ZeroGPT и другие популярные детекторы AI-текста обучены в основном на английском. На русском они ненадёжны и ошибаются в обе стороны: - **Ложные срабатывания (false positives):** текст, написанный живым человеком, регулярно помечается как «сгенерировано нейросетью». Английские пороги perplexity для русского не откалиброваны, а богатая русская морфология сама задирает «непредсказуемость». - **Пропуски (false negatives):** аккуратный AI-текст проходит как человеческий. Даже лучший специализированный русский детектор (RuRoBERTa на бенчмарке AINL-Eval 2025) даёт около 86% точности: каждый седьмой вердикт мимо. И детекторы не обобщаются между доменами: обученный на научных текстах ошибается на блогах (verified, см. [SOURCES.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/SOURCES.md)). **Что это значит для редактуры.** Цель скилла: убрать канцелярит и штампы, сохранив содержание и голос. Он не предписывает заменять предсказуемые слова или искусственно чередовать длину предложений. Качество проверяется сравнением версий и отдельной вычиткой; балл сканера служит дополнительным сигналом. Мы прогоняем детекторы прямо в eval-харнесе по контролю «заведомо человек» (дословные отрывки статей Википедии, написанные людьми задолго до ChatGPT). В последнем прогоне локальный LLM-детектор пометил как ИИ **3 из 3** человеческих текстов (false positive rate 100%), поставив им ту же вероятность «это AI», что и настоящим AI-текстам. Различающая способность близка к нулю. Методика, корпус и сырые прогоны: [eval/RESULTS.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/eval/RESULTS.md), секция «FP-аудит детекторов». ## Часто ищут **Поможет ли скилл пройти AI-детектор?** Такой гарантии нет. Детекторы и их пороги меняются, а результат отдельного исследования не доказывает результат этого скилла на вашем тексте. humanizer-ru предназначен для редактуры, а не для подтверждения авторства. **Как убрать шаблонные обороты из текста ChatGPT?** Найдите места, которые мешают читателю, выберите жанр и примените локальную правку. Каталог описывает 67 признаков; автоматический сканер покрывает измеряемую часть, остальные требуют чтения в контексте. **Как сделать текст ChatGPT человеческим на русском?** Три шага: снять 21 жёстких банов и маркеры по приоритету, срезать оболочку вокруг утверждений вместо переписывания, сверить результат с исходником по фактам и степени уверенности. Живость не дописывается: то, чего нет в исходнике, в текст не идёт. **Что такое канцелярит и как его убрать?** Канцелярит: превращение глаголов в отглагольные существительные («осуществление внедрения» вместо «внедрили»). Главный маркер русских AI-текстов. Соотношение существительных к глаголам у AI 3:1, у людей 2:1. Скилл разворачивает номинализации обратно в глаголы. **Работает ли GPTZero на русском языке?** Ненадёжно. GPTZero обучен на английском и на русском даёт много ложных срабатываний: помечает живые человеческие тексты как ИИ, а аккуратный AI-текст пропускает. Подробнее в разделе «Работают ли AI-детекторы на русском». **Почему мой текст помечают как ИИ, хотя я писал его сам?** Частая беда на русском: детекторы, обученные на английском, принимают за «машинность» нормальные свойства русского текста (морфология, длинные слова, формальный регистр). Если текст реально ваш, это ложное срабатывание детектора, а не приговор. Скилл помогает убрать конкретные машинные маркеры (канцелярит, кальки, штампы), от которых текст звучит «нейросетево». **Какой AI-детектор лучший для русского?** Идеального нет. Из специализированных лучше показывают себя fine-tuned модели на базе RuRoBERTa (бенчмарк AINL-Eval 2025, ~86%), но и они проседают между доменами. Универсальные англоязычные (GPTZero, Originality, ZeroGPT) на русском особенно ненадёжны. Практический вывод: ориентируйтесь на реальное качество текста, а не на вердикт одного детектора. **Работает ли это с Claude Sonnet / Opus 4?** Да. Это инструкция-каталог для любой модели Claude. Чем больше контекст модели, тем глубже она применяет правила. На Opus результат заметно сильнее на длинных текстах. **Можно ли использовать без плагина?** Да. Скачайте SKILL.md и используйте как чек-лист для ручной правки или вставляйте в системный промпт любой LLM (ChatGPT, Gemini, YandexGPT, GigaChat). **А если мне нужно длинное тире (я редактор / формальная типографика)?** По умолчанию скилл вычищает все длинные тире «—»: это главный типографический маркер AI, и живой неформальный русский его почти не ставит (с телефона печатают дефис). Но если вам нужна правильная издательская типографика, прямо скажите об этом: «я профессиональный редактор, длинное тире оставляй». Скилл снимет запрет. Сам он это исключение не включает. Решаете вы. ## Чем отличается от английского humanizer | | humanizer-ru | blader/humanizer | |---|---|---| | Язык | Русский | Английский | | Паттернов | 67 | 32 | | Жёстких банов | 20 | - | | Аудит | Quad-pass | Single-pass | | Voice calibration | Да | Да | | Стилистические фингерпринты 2025-2026 | Да | Нет | | Морфология RuBERT-детекторов | Да | - | | Macro-burstiness структурных блоков | Да | Нет | Английский humanizer ловит универсальные AI-маркеры. Русские требуют отдельной модели: канцелярит, кальки с английского синтаксиса, частицы «же/ведь/вот», падежные согласования RuBERT-детекторов, морфологические ошибки длинных цепочек, плюс свежие фингерпринты Claude и GPT 2025-2026 («рваная медитативность», эмодзи-декор, псевдо-терапия), которые в англоязычных каталогах ещё не оформлены. ## Источники Скилл собран из четырёх независимых источников развития: - **Wikipedia: WikiProject AI Cleanup**: базовый каталог признаков AI-текста на русском - **15+ русскоязычных публикаций**: Habr, vc.ru, Gramota.ru, стилометрические исследования ВШЭ, Dialog Conference (RuATD-2022 и AINL-Eval 2025), TechInsider, Kokoc.com - **Верифицированные публикации (2024-2026)**: DivEye, PIFE, MASH, Antislop, AINL-Eval, RuATD, NeurIPS 2025 и др. Каждая ссылка и цифра проверена по arxiv и первоисточникам; неподтверждённые удалены. Полная таблица провенанса: [SOURCES.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/SOURCES.md). Changelog: [CHANGELOG.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/CHANGELOG.md). Метрики и eval-харнес: каталоги [`scripts/`](https://github.com/ilyautov/humanizer-ru/blob/HEAD/scripts/) и [`eval/`](https://github.com/ilyautov/humanizer-ru/blob/HEAD/eval/). ## Автор Илья Утов. Пишу про AI и работу с текстом в Telegram: [Under the Hood](https://t.me/gorilla_under_hood). ## Контрибьюторы - **Филипп Зарубин** ([@zarubinphil](https://github.com/zarubinphil)): категория N «Дискурсный слой», паттерны 59-64 по StoryScope (COLM 2026). Признаки, которые переживают стилевую правку. Плюс согласование падежа при счётчике в релизном гейте. - **iKonushok** ([@ikonushok](https://github.com/ikonushok)): install-smoke установочной поверхности и сборка релизного ZIP. Проверяется не папка в репозитории, а то, что реально доезжает до пользователя. Полный список, включая баг-репорты, которые изменили код: [CONTRIBUTORS.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/CONTRIBUTORS.md). Как попасть в него: [CONTRIBUTING.md](https://github.com/ilyautov/humanizer-ru/blob/HEAD/CONTRIBUTING.md). ## Лицензия MIT: используйте свободно, форкайте, дорабатывайте. Pull request с новыми паттернами приветствуются. --- **humanizer-ru** помогает очеловечить русский AI-текст: убрать следы нейросети, канцелярит и штампы, вернуть живой голос и сделать текст человечным. Это бесплатный open-source скилл для Claude (Claude Code, Cowork, API), а не онлайн-сервис «в один клик». Почему детекторы AI и проверка текста на нейросеть на русском ненадёжны (и при чём тут антиплагиат): в разделах выше, с реальными данными из нашего eval-харнеса, а не из обещаний. --- ## Кто это сделал [Илья Утов](https://github.com/ilyautov), лаборатория [AI Frontier](https://aifrontier.tech). Как эти инструменты устроены внутри, пишу в [Telegram](https://t.me/gorilla_under_hood) и [LinkedIn](https://www.linkedin.com/in/ilyautov). **Рядом стоят:** - [**marketplaces-mcp-ru**](https://github.com/ilyautov/marketplaces-mcp-ru): Wildberries, Ozon, Яндекс Маркет и Авито прямо из агента - [**small-business-ru**](https://github.com/ilyautov/small-business-ru): 34 скилла для малого бизнеса, считают налоги и проверяют контрагента по ИНН - [**consilium-principis**](https://github.com/ilyautov/consilium-principis): совет мыслителей, где каждая цитата сверяется дословно - [**hefest**](https://github.com/ilyautov/hefest): химическая безопасность завода, целиком офлайн - [**cordon**](https://github.com/ilyautov/cordon): детерминированный слой между недоверенным контентом и действиями агента Все проекты одним списком, разобранные по назначению: [ilyautov.github.io](https://ilyautov.github.io/). Исходники: [github.com/ilyautov](https://github.com/ilyautov). Пригодилось, поставьте звезду: по ней это находят другие.