Skip to content
Back to search

humanizer-ja

SkillWorks with Claude CodeGitHub

"AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。"

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked yesterday
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/gonta223--humanizer-ja/badge.svg)](/listings/gonta223--humanizer-ja)

HTML

<a href="/listings/gonta223--humanizer-ja"><img src="/api/listings/gonta223--humanizer-ja/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 272 lines
  1. ---
  2. name: humanizer-ja
  3. description: "AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。"
  4. version: "1.0.0"
  5. author: SuguruKun_ai
  6. license: MIT
  7. ---
  8. # Humanizer JA — AIくさい日本語を人間の文章に変える
  9. AI(Claude、ChatGPT、Gemini等)が生成した日本語テキストから「AIっぽさ」を除去し、人間が書いたように読める文章に書き換えるスキル。
  10. WikiProject AI Cleanupの知見をベースに、日本語特有のパターンを追加。英語版 [blader/humanizer](https://github.com/blader/humanizer) にインスパイアされたオリジナル実装。
  11. ---
  12. ## 使い方
  13. 1. このフォルダを `~/.claude/skills/humanizer-ja/` に配置
  14. 2. Claude Codeで文章を生成した後、「人間っぽくして」「humanize」等と指示
  15. ---
  16. ## ルール
  17. 以下の20パターンをチェックし、該当箇所を書き換える。
  18. **消すだけでなく、必ず「人間らしい表現」に置き換えること。**
  19. ---
  20. ## カテゴリ1: 語彙・表現(AI頻出語)
  21. ### 1. 意義の過剰強調
  22. AIは物事の重要性を盛りすぎる。
  23. **NG例:**
  24. 「この取り組みは、業界全体のDX推進において極めて重要な役割を果たしており、その意義は計り知れない。」
  25. **OK例:**
  26. 「この取り組みで、社内の申請処理が3日から4時間に縮まった。」
  27. **原則:** 「重要な」「極めて」「計り知れない」を消す → 具体的な数字・事実に置き換える。
  28. ### 2. 定型評価語
  29. 以下の語句が出てきたら、ほぼ確実にAI生成。すべて書き換え対象。
  30. | NGワード | 置き換え方 |
  31. |---------|-----------|
  32. | 浮き彫りにしており | 具体的に何が見えたか書く |
  33. | 今後の展開が注目されます | 削除するか、自分の予測を書く |
  34. | 多面的な / 包括的な / 画期的な | 何がどう多面的なのか具体化する |
  35. | 注目に値する | なぜ自分が注目したか1文で書く |
  36. | 〜と言えるでしょう | 断定するか、削除する |
  37. | 〜ではないでしょうか | 言い切る |
  38. | 重要な示唆を与えている | 何の示唆か具体的に書く |
  39. ### 3. カタカナ語の過剰使用
  40. AIは多言語データで学習しているため、日本語でもカタカナ外来語を多用する。
  41. **NG例:**
  42. 「ソリューションをレバレッジして、イノベーティブなアプローチでトランスフォーメーションを推進する。」
  43. **OK例:**
  44. 「既存の仕組みを活かして、新しいやり方で業務を変える。」
  45. **原則:** 和語で言えるなら和語を使う。カタカナが3語以上連続したら疑う。
  46. ### 4. 曖昧な出典
  47. **NG例:**
  48. 「業界の専門家によると」「調査結果が示すように」「多くの企業が指摘しているように」
  49. **OK例:**
  50. 「Ahrefsが90万ページを分析したデータでは」「Meta社のAIチームが2025年に発表した論文では」
  51. **原則:** 出典を出すなら具体的に。出せないなら「出典なし」と認めるか、自分の意見として書く。
  52. ---
  53. ## カテゴリ2: 構造・フォーマット
  54. ### 5. 太字+コロンの箇条書き
  55. Claude・ChatGPT共通の最大の特徴の1つ。人間はこの書式をほぼ使わない。
  56. **NG例:**
  57. - **速度:** 処理速度が3倍に向上
  58. - **安全性:** セキュリティ基準を満たす
  59. - **コスト:** 月額費用を40%削減
  60. **OK例:**
  61. - 処理速度が3倍になった
  62. - セキュリティ基準もクリアしてる
  63. - 月額費用は40%減
  64. **原則:** 「**ラベル:** 内容」の形式を見つけたら、ラベルを消して内容だけにする。
  65. ### 6. 三点セットの強制
  66. AIはあらゆるものを3つにまとめたがる。メリット3つ、ステップ3つ、ポイント3つ。
  67. **原則:** 本当に3つなら3つでいい。でも4つあるなら4つ書く。1つだけでもいい。「3つにまとめると」で始まる文を見たら疑う。
  68. ### 7. 全角ダッシュ(——)の乱用
  69. ChatGPTの最大の書式癖。日本語でもemダッシュで補足を挟む。
  70. **NG例:**
  71. 「Claude Code——Anthropicが開発したCLIツール——を使えば」
  72. **OK例:**
  73. 「Claude Code(AnthropicのCLIツール)を使えば」
  74. **原則:** 全角ダッシュ → カッコまたは読点に置き換える。
  75. ### 8. 見出しの過剰構造化
  76. AIは短い文章でもh2/h3で細かく区切りたがる。
  77. **原則:** 300字以下のセクションに小見出しは不要。読者が自然に読める流れを優先する。
  78. ---
  79. ## カテゴリ3: 文体・トーン
  80. ### 9. 説教くさい前置き
  81. **NG例:**
  82. 「ここで重要なのは〜という点です」「〜について理解しておく必要があります」「注意すべき点として」
  83. **OK例:**
  84. 前置きを消して、内容をそのまま書く。
  85. **原則:** 「important to note」の日本語版をすべて削除する。読者は大人なので、何が重要かは自分で判断できる。
  86. ### 10. 接続詞の多用
  87. **NG語:** 「一方で」「しかしながら」「加えて」「このように」「さらに」「とりわけ」
  88. 1つの文章に3回以上出てきたら多すぎる。半分は削除して、文の順序で論理を伝える。
  89. ### 11. 否定並列構文
  90. **NG例:**
  91. 「単なるツールではない。パラダイムシフトだ。」
  92. 「コストの問題ではない。文化の問題だ。」
  93. **原則:** 「〜ではない。〜だ。」が2回以上出てきたら、片方を別の構文に書き換える。
  94. ### 12. 追従的なトーン
  95. **NG例:**
  96. 「素晴らしいご質問ですね!」「非常に良い指摘です」「おっしゃる通り」
  97. **原則:** 読者に媚びない。褒めるなら具体的に何が良いか書く。
  98. ### 13. -ing的付け足し構文
  99. データや事実の後に、AIが勝手に意義を付け足すパターン。
  100. **NG例:**
  101. 「売上は前年比120%でした。これは同社の戦略が功を奏していることを示しており、今後の成長が期待されます。」
  102. **OK例:**
  103. 「売上は前年比120%でした。」(読者に解釈を委ねる)
  104. **原則:** データの後に「〜を示しており」「〜を物語っています」が続いたら、その文を丸ごと削除する。
  105. ---
  106. ## カテゴリ4: 日本語固有パターン
  107. ### 14. 敬語の均一化
  108. AIの敬語は全文均一で、緩急がない。人間は場面によって敬語レベルを変える。
  109. **原則:** ですます調の中に、体言止めや短い断定文を混ぜる。全部同じ語尾にしない。
  110. ### 15. 主語の過剰明示
  111. 日本語は主語を省略する言語。AIは英語の癖で主語を毎文入れる。
  112. **NG例:**
  113. 「このツールは高速です。このツールはセキュリティも強固です。このツールは無料で使えます。」
  114. **OK例:**
  115. 「高速で、セキュリティも強固。しかも無料。」
  116. ### 16. 「〜することができます」の多用
  117. **NG:** 「設定を変更することができます」
  118. **OK:** 「設定を変更できます」(さらに良い:「設定は変えられます」)
  119. **原則:** 「することができます」を見つけたらすべて短縮する。
  120. ### 17. 体温のない結論
  121. **NG例:**
  122. 「以上のことから、AIツールの活用は今後ますます重要になると考えられます。」
  123. **OK例:**
  124. 「正直、もうAIなしで仕事するのは無理だと思ってます。」
  125. **原則:** 結論には自分の体温を入れる。「考えられます」ではなく「思ってます」「感じてます」。
  126. ---
  127. ## カテゴリ5: セルフ監査
  128. ### 18. 冒頭チェック
  129. 以下のパターンで始まっていたら書き直す:
  130. - 「ここでは〜について解説します」
  131. - 「〜が注目を集めています」
  132. - 「近年、〜が急速に進展しており」
  133. **代わりに:** 具体的な数字、体験、場面から始める。
  134. ### 19. 結論チェック
  135. 以下のパターンで終わっていたら書き直す:
  136. - 「今後の展開が注目されます」
  137. - 「〜が期待されます」
  138. - 「〜と言えるでしょう」
  139. **代わりに:** 自分の意見、具体的な次のアクション、余韻のある短文で締める。
  140. ### 20. 二重チェック(最重要)
  141. 書き換えが終わったら、自分自身にこう問いかける:
  142. **「この文章を読んで、AIが書いたと思うか?」**
  143. もし「はい」なら、以下を確認:
  144. - 定型評価語が残っていないか
  145. - 太字+コロンの箇条書きが残っていないか
  146. - 全文が同じトーンで均一すぎないか
  147. - 具体的な体験や数字が入っているか
  148. - 結論に自分の声が入っているか
  149. 該当箇所を見つけたら、もう一度書き換える。
  150. ---
  151. ## 「声」を入れる
  152. パターンを消すだけでは、空っぽの文章になる。消した後に「人間の声」を入れる。
  153. **声の入れ方:**
  154. 1. **自分の体験を1つ入れる。** 「自分の場合は〜」「うちでは〜」「実際に試したら〜」
  155. 2. **意見を1つ入れる。** 「正直、これは微妙だと思ってます」「個人的にはこっちの方がいい」
  156. 3. **リズムを崩す。** 長い文の後に短い文。丁寧語の後に体言止め。均一さを壊す。
  157. 4. **不完全さを認める。** 「まだ試してない」「ここは自信ない」。完璧な文章はAIっぽい。
  158. ---
  159. ## クイックリファレンス(チェックリスト)
  160. 書き換え後、最低限これだけ確認:
  161. - [ ] 「浮き彫りにしており」「今後の展開が注目」が消えてるか
  162. - [ ] 「**ラベル:** 内容」形式の箇条書きがないか
  163. - [ ] 全角ダッシュ(——)がないか
  164. - [ ] 「〜と言えるでしょう」「〜ではないでしょうか」がないか
  165. - [ ] 「することができます」がないか
  166. - [ ] 冒頭と結論がテンプレ文で始まって/終わっていないか
  167. - [ ] 自分の体験or意見が最低1箇所入っているか
  168. - [ ] 読み返して「AIが書いた」と感じないか
README.md · README · 56 lines
  1. # Humanizer JA 🇯🇵
  2. AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。
  3. ## これは何?
  4. Claude、ChatGPT、Gemini等が生成した日本語テキストには、特有の「AIっぽさ」があります。「浮き彫りにしており」「今後の展開が注目されます」「**速度:** 高速化」——こういった表現は、人間はまず使いません。
  5. このスキルは、そういったAIパターンを20項目に分類し、Claude Codeが文章を生成する時点で自動的に回避するようにするものです。
  6. ## インストール
  7. ```bash
  8. # Claude Codeのスキルディレクトリにコピー
  9. cp -r humanizer-ja ~/.claude/skills/humanizer-ja
  10. ```
  11. ## 使い方
  12. Claude Codeで文章を生成した後:
  13. ```
  14. この文章を人間っぽくして
  15. ```
  16. または、文章生成時に最初から指定:
  17. ```
  18. humanizer-jaスキルを使って、〇〇について記事を書いて
  19. ```
  20. ## 何をチェックするか(20パターン)
  21. | カテゴリ | パターン |
  22. |---------|---------|
  23. | **語彙・表現** | 意義の過剰強調、定型評価語、カタカナ語の過剰使用、曖昧な出典 |
  24. | **構造・フォーマット** | 太字+コロン箇条書き、三点セット強制、全角ダッシュ乱用、見出しの過剰構造化 |
  25. | **文体・トーン** | 説教くさい前置き、接続詞の多用、否定並列構文、追従的トーン、-ing的付け足し |
  26. | **日本語固有** | 敬語の均一化、主語の過剰明示、「することができます」、体温のない結論 |
  27. | **セルフ監査** | 冒頭チェック、結論チェック、二重チェック |
  28. ## blader/humanizer との違い
  29. [blader/humanizer](https://github.com/blader/humanizer)(英語版、10,000+ stars)にインスパイアされていますが、以下が異なります:
  30. - **日本語特化**: 敬語の均一化、主語の過剰明示、「することができます」等の日本語固有パターンを追加
  31. - **実践寄り**: 学術的な分析より「今すぐ使えるチェックリスト」を重視
  32. - **声の入れ方**: パターン除去だけでなく「消した後に何を入れるか」まで具体的に指示
  33. ## ライセンス
  34. MIT
  35. ## Author
  36. [@SuguruKun_ai](https://x.com/SuguruKun_ai)

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.