humanizer-ru: очеловечить русский AI-текст для Claude Code, Cursor, Codex и других AI-агентов

Скилл для Claude. Убирает 58 признаков нейросети в русском тексте: канцелярит, кальки, фингерпринты ChatGPT и Claude. Метит в то, что меряют GPTZero, DivEye, RuBERT: поднимает perplexity и burstiness. 20 жёстких банов, quad-pass аудит, калибровка под голос автора, eval-харнес с метриками до/после.

English version

Было: «В современном мире данная технология является не просто инструментом, а стратегическим активом». Стало (факты автора): «Инструмент экономит команде сорок минут в день. Попробуйте теперь его у людей забрать».

Три жёстких бана в одном предложении. Полный разбор с режимом аудита ниже.

📖 Документация и разборы: humanizer-ru.aifrontier.tech: работают ли AI-детекторы на русском, 58 признаков AI-текста, антиплагиат и нейросеть.

Зачем это нужно

Английский humanizer для русского текста не работает. У русских AI-маркеров своя физика: канцелярит («осуществление внедрения»), кальки с английского синтаксиса («стоит отметить, что»), отсутствующие частицы («же», «ведь», «вот»), которыми живой русский дышит. С английскими паттернами это не пересекается вообще.

Кроме того, в 2025-2026 Claude и GPT-4/5 научились имитировать «глубокомысленность»: короткими рублёными предложениями («Точно. Отдельно. Рефлексивно.»), псевдо-сократическими вопросами («Зачем? Потому что.») и псевдо-терапевтическим регистром («ты не ошибаешься, что так чувствуешь»). Это новый слой маркеров, которого нет ни в одном другом humanizer.

Что внутри

58 паттернов AI-генерации в 13 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

20 жёстких банов: конструкции с абсолютным запретом. От «В современном мире...» и «Стоит отметить, что...» до маркетинговых клише «Раскрыть потенциал», «Комплексный подход», «Открывает новые горизонты».

Quad-pass аудит: четыре независимых прохода: Детектор (поиск маркеров), Человек с улицы (взгляд читателя), Кардиограмма (вариативность информационной плотности), Скелет (анализ первых строк пунктов списка на шаблонность).

Калибровка под голос автора. Если дать образцы своего письма, скилл анализирует ритм, лексику, любимые обороты, пунктуацию, тон и применяет ваш стиль вместо средне-нейтрального.

Три режима работы:

• Полное редактирование (по умолчанию): все 58 паттернов
• Аудит: только диагностика, текст не трогает
• Точечная правка: работа с одной категорией

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.

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
2. Откройте Claude.ai → Settings → Capabilities → Skills.
3. Нажмите Upload skill и выберите скачанный архив.

Не берите archive/refs/heads/main.zip: загрузчик ищет SKILL.md на верхнем уровне архива, а в архиве репозитория он лежит внутри humanizer-ru-main/skills/humanizer-ru/. Если нужно собрать архив самому, архивируйте именно папку скилла:

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):

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. Указывайте полный путь к папке скилла: короткая форма ilyautov/humanizer-ru смотрит в корень репозитория, где SKILL.md нет (убран в v3.14.2), и установка либо падает, либо тащит весь репозиторий.

Через API (/v1/messages и аналоги): передайте скилл параметром container.skills. Детали в документации вашего клиента.

Вручную (если ничего из выше не подошло):

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»; работает при наличии pip install razdel pymorphy3, без них скилл просто проводит аудит вручную).

4. Codex CLI (OpenAI)

Codex использует тот же формат Agent Skills, отдельная версия не нужна:

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.

Или клонированием:

git clone https://github.com/ilyautov/humanizer-ru.git ~/.claude/skills/humanizer-ru

5. Другие агенты (общий стандарт SKILL.md)

Формат Agent Skills стал кросс-платформенным, поэтому humanizer-ru работает и за пределами четырёх упакованных стеков выше. Официально упакованы и проверены: Claude Code, Codex CLI, Cursor, Gemini CLI. Остальные агенты читают тот же SKILL.md, отдельная версия не нужна.

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.

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:

python skills/humanizer-ru/scripts/scan.py статья.txt --genre academic  # ещё legal, fiction

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.

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:

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).

Что это значит для очеловечивания текста. Гнаться за «обходом детектора» на русском значит подгонять текст под ненадёжный и постоянно меняющийся индикатор. Поэтому humanizer-ru оптимизирует не обман детектора, а реальное качество текста: убирает канцелярит, кальки и штампы, возвращает авторский голос и живой ритм. Это измеримые свойства языка (метрики в eval/), которые не зависят от того, насколько плох конкретный детектор. Заодно растут perplexity и burstiness: то, что детекторы (как умеют) и пытаются мерить.

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, секция «FP-аудит детекторов».

Часто ищут

Как обойти GPTZero на русском? GPTZero измеряет perplexity и burstiness. Скилл поднимает оба показателя: контрастное вычитание (замена самого предсказуемого слова в каждом предложении) повышает perplexity, рваный ритм с короткими и длинными предложениями повышает burstiness. Адверсарный парафраз снижает true positive rate детекторов на 87.88% по NeurIPS 2025.

Как убрать признаки ChatGPT из текста? Главные сигналы: «не просто X, а Y» (80%+ AI-текстов), «стоит отметить», «является», длинное тире, отсутствие частиц «же/ведь/вот», равномерная информационная плотность. Скилл ловит и заменяет все 58 паттернов.

Как сделать текст ChatGPT человеческим на русском? Три шага: убрать 20 жёстких банов, пройти контрастным вычитанием (одна замена на предложение), добавить речевые привычки (частицы, иронию, личное мнение, метафоры). Калибровка под голос автора усиливает эффект.

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

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.

Changelog: CHANGELOG.md. Метрики и eval-харнес: каталоги scripts/ и eval/.

Автор

Илья Утов. Пишу про AI и работу с текстом в Telegram: Under the Hood.

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.