feat(skills): добавлен скилл ai-text-lint

- Зачем: - нужен инструмент для проверки текстов на типичные признаки AI-генерации перед публикацией. - Что: - создан SKILL.md с workflow линтера (диагностика без автоправок, контекстная severity). - создана база паттернов references/patterns.md (20 паттернов в 6 категориях: пунктуация, лексика, структура, тон, резюме, связки). - матрица severity по трём контекстам: article, message, resume. - Проверка: - вызвать /ai-text-lint на произвольном тексте.
2026-04-05 11:28:09 +03:00
1 parent 76e6b293c8
commit e11258b51d
@@ -0,0 +1,78 @@
+---
+name: ai-text-lint
+description: "Проверяет текст на признаки AI-генерации и выдаёт отчёт с конкретными находками. Используй этот скилл, когда пользователь просит проверить текст на AI-маркеры, \"почистить\" текст от признаков ИИ, проверить статью/письмо/резюме перед публикацией или отправкой, найти AI-паттерны, сделать текст более человечным, убрать следы ИИ. Также используй, когда пользователь упоминает: lint, линт, humanize, гуманизация, проверка стиля, AI-маркеры, признаки ИИ, ИИ-стиль. Скилл работает с русскими и английскими текстами."
+---
+
+# AI Text Lint
+
+Скилл для проверки текста на типичные признаки AI-генерации. Работает как линтер: анализирует текст, находит конкретные проблемы, выдаёт отчёт. Не переписывает текст автоматически — решение о правках остаётся за пользователем.
+
+## Принципы работы
+
+1. **Только диагностика.** Скилл выдаёт отчёт, а не переписанный текст. Пользователь сам решает, что исправлять.
+2. **Конкретика.** Каждая находка — точная цитата из текста + объяснение, почему это маркер + вариант замены или рекомендация.
+3. **Контекстуальность.** Не все паттерны одинаково критичны. Em dash в статье на Хабре — мелочь. Em dash в Slack-сообщении — красный флаг. Severity зависит от контекста.
+4. **Без паранойи.** Одиночное срабатывание — не приговор. Проблема в кластерах: три-четыре маркера в одном абзаце.
+
+## Workflow
+
+### Шаг 1: Определить контекст
+
+Спросить пользователя (если не очевидно из разговора), для чего текст:
+- **article** — статья, блог-пост, документация (Хабр, README, техническая проза)
+- **message** — переписка с коллегами (Slack, Telegram, email)
+- **resume** — резюме, сопроводительное письмо
+
+Контекст влияет на severity паттернов. Подробности — в `references/patterns.md`, раздел "Матрица severity".
+
+### Шаг 2: Прогнать текст
+
+Используя базу паттернов из `{baseDir}/references/patterns.md`, пройтись по тексту и для каждой находки зафиксировать:
+- Какой паттерн сработал (ID и название)
+- Точная цитата из текста (выделить проблемный фрагмент)
+- Severity в данном контексте (🔴 high / 🟡 medium / 🟢 low)
+- Почему это маркер (коротко, одно предложение)
+- Что можно сделать (конкретная рекомендация или вариант замены)
+
+### Шаг 3: Сформировать отчёт
+
+Формат отчёта:
+
+```
+## Результаты проверки
+
+**Контекст:** [article / message / resume]
+**Общая оценка:** [краткий вердикт — сколько находок, общее впечатление]
+
+### Находки
+
+1. 🔴 **[ID паттерна]: [Название]**
+   > [цитата из текста, проблемный фрагмент выделен **жирным**]
+   
+   Почему: [объяснение]
+   Рекомендация: [что сделать]
+
+2. 🟡 **[ID паттерна]: [Название]**
+   ...
+
+### Статистика
+- 🔴 High: N
+- 🟡 Medium: N
+- 🟢 Low: N
+
+### Общие рекомендации
+[2-3 предложения о том, на что обратить внимание в первую очередь]
+```
+
+### Шаг 4: Ответить на вопросы
+
+После отчёта пользователь может:
+- Попросить исправить конкретные находки (тогда помочь точечно)
+- Попросить перепроверить после правок
+- Не согласиться с находкой (объяснить, почему скилл её отметил, но принять решение пользователя)
+
+## Важно
+
+- **Не быть AI-детектором.** Скилл не определяет, написан ли текст AI. Он ищет стилистические паттерны, которые _ассоциируются_ с AI-генерацией. Человек тоже может так писать.
+- **Русский язык — приоритет.** База паттернов заточена под русскоязычный текст. Английские паттерны включены для смешанных текстов (технические статьи с англицизмами).
+- **Не трогать содержание.** Скилл проверяет стиль и форму, не фактическую корректность.
@@ -0,0 +1,456 @@
+# База паттернов AI Text Lint
+
+Каждый паттерн имеет:
+- **ID** — уникальный идентификатор
+- **Название** — краткое описание
+- **Описание** — что именно ищем и почему это маркер
+- **Примеры** — конкретные срабатывания (RU/EN)
+- **Severity** — по контексту: article / message / resume
+- **Рекомендация** — что делать при срабатывании
+
+Severity: 🔴 high (явный маркер, бросается в глаза), 🟡 medium (подозрительно в скоплении), 🟢 low (мелочь, но в сумме вносит вклад).
+
+---
+
+## Категория: Пунктуация и типографика
+
+### P01: Длинное тире (em dash) — главный маркер AI-текста на русском
+
+**Что:** Наличие символа `—` (U+2014, em dash) в любом тексте, который подразумевает ручной набор.
+**Почему:** Это один из самых надёжных и высокочастотных признаков AI-генерации. На стандартной клавиатуре (и PC, и Mac) символ em dash отсутствует как отдельная клавиша. Его набор требует специальных комбинаций (Alt+0151, Ctrl+Shift+U 2014 и т.д.), которые подавляющее большинство людей не знает и не использует. В реальной переписке и даже в статьях люди набирают:
+- знак минус с клавиатуры (`-`)
+- дефис (`-`)
+- иногда двойной дефис (`--`)
+- или вообще перестраивают предложение без тире
+
+AI-модели же подставляют типографически корректное `—` автоматически, потому что обучены на отредактированных текстах. Результат: каждое `—` в тексте, который якобы набран руками — красный флаг.
+
+**Исключения:** Текст, прошедший через редактор с автозаменой (Word, Google Docs, некоторые CMS) может содержать em dash, вставленный автозаменой из ` - ` (пробел-дефис-пробел). Но в мессенджерах (Telegram, Slack) и plain-text средах автозамены нет.
+
+**Примеры маркеров:**
+- «Проект идёт хорошо — осталось два спринта» (в чате — откуда тут em dash?)
+- «Это не баг — это фича» (в Telegram)
+- «ClickHouse — отличный выбор для аналитики» (в Slack)
+**Как выглядит реальный человеческий текст:**
+- «Проект идёт хорошо - осталось два спринта»
+- «Это не баг, это фича»
+- «ClickHouse отличный выбор для аналитики»
+
+**Рекомендация:** Заменить все `—` на `-` (минус/дефис) в переписке. В статьях и резюме — заменить бОльшую часть на `-`, запятые или скобки. Допустимо оставить 1-2 на длинный текст, если контекст предполагает редакторскую обработку.
+
+**Детекция:** Искать символ U+2014 в тексте. Каждое вхождение — отдельная находка.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🔴 high  |
+| resume   | 🔴 high  |
+
+### P02: Избыточная правильная пунктуация
+
+**Что:** Все запятые на местах, точки в конце каждого предложения, идеальные кавычки — в контексте, где люди так не пишут.
+**Почему:** В реальной переписке люди часто опускают точку в последнем предложении, пропускают запятые в длинных перечислениях, не ставят точку после "ок" или "спасибо".
+**Примеры маркеров:**
+- «Хорошо, я посмотрю это после обеда. Напишу, когда будет готово.» — слишком аккуратно для чата
+- Сравни с реальным: «Хорошо, посмотрю после обеда. Напишу когда будет готово»
+**Рекомендация:** В переписке — ослабить пунктуацию до естественного уровня. Убрать точку в конце последнего предложения. Допустить 1-2 "пропущенные" запятые в неформальном контексте.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟢 low   |
+| message  | 🟡 medium |
+| resume   | 🟢 low   |
+
+### P03: Em dash вместо скобок или запятых
+
+**Что:** Использование em dash для вводных конструкций, где человек поставил бы запятые или скобки.
+**Почему:** LLM-ы систематически предпочитают em dash для parenthetical clauses, создавая характерный "punchy" стиль.
+**Примеры маркеров:**
+- «ClickHouse — при правильной настройке — даёт отличную производительность»
+- Человек напишет: «ClickHouse (при правильной настройке) даёт отличную производительность»
+**Рекомендация:** Заменить на запятые или скобки. Одно-два тире в длинной статье — нормально. Три и больше — паттерн.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🔴 high  |
+| resume   | 🟡 medium |
+
+### P04: Эмодзи в заголовках и списках
+
+**Что:** Тематические эмодзи перед заголовками (## 🚀 Деплой), в пунктах списков (✅ Настроить CI, 📊 Метрики) или как "иллюстрации" к разделам.
+**Почему:** Фирменный стиль ChatGPT-генерированных README и документации. Человек использует эмодзи реактивно (в реакциях, в конце сообщения как эмоцию), а не "иллюстративно" — подбирая тематическую иконку к каждому пункту.
+**Примеры маркеров:**
+- `## 🚀 Быстрый старт`
+- `## 📦 Установка`
+- `- ✅ Поддержка кластеризации`
+- `- 📊 Мониторинг в реальном времени`
+**Как выглядит человеческий текст:**
+- `## Быстрый старт`
+- `- Поддержка кластеризации`
+**Рекомендация:** Убрать эмодзи из заголовков и списков. Оставить только если это осознанный стиль проекта (и то — подумать дважды).
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🟡 medium |
+| resume   | 🔴 high  |
+
+### L01: AI vocabulary (русский)
+
+**Что:** Слова и обороты, статистически чрезмерно используемые LLM в русском тексте.
+**Почему:** Эти слова не запрещены, но их плотность в AI-тексте в разы выше, чем в человеческом. Один — ничего. Три в одном абзаце — сигнал.
+
+**Список (tier 1 — самые частые):**
+- ключевой, комплексный, значительный, существенный
+- эффективно, целесообразно, в рамках, в контексте
+- является, представляет собой
+- обеспечивает, способствует, позволяет
+- данный (вместо "этот"), текущий (вместо "нынешний/сейчашний")
+- неотъемлемая часть, играет важную роль
+- оптимизация, масштабирование (вне технического контекста)
+
+**Список (tier 2 — подозрительные в скоплении):**
+- безусловно, несомненно, очевидно
+- вместе с тем, помимо этого, кроме того
+- стоит отметить, важно подчеркнуть, следует учитывать
+- широкий спектр, целый ряд, многообразие
+- актуальный, востребованный, перспективный
+
+**Рекомендация:** Заменить на простые синонимы. "Является ключевым" → "это важно для". "Обеспечивает эффективное" → "помогает" / "ускоряет". "В рамках проекта" → "в проекте". "Данный подход" → "этот подход" / вообще убрать.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🔴 high  |
+| resume   | 🔴 high  |
+
+### L02: AI vocabulary (английский)
+
+**Что:** Английские слова-маркеры в технических текстах со смешанным языком.
+**Список (tier 1):** delve, crucial, pivotal, foster, landscape, testament, enhance, intricate, tapestry, underscore, leverage, streamline, holistic, robust, seamless, comprehensive.
+**Список (tier 2):** navigate, harness, cutting-edge, groundbreaking, game-changer, empower, unlock, spearhead.
+**Рекомендация:** Заменить на конкретные термины. "Robust solution" → "отказоустойчивое решение" / "решение, прошедшее нагрузочное тестирование". "Leverage Kafka" → "использовать Kafka".
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟡 medium |
+| resume   | 🔴 high  |
+
+### L03: Inflated significance (раздувание важности)
+
+**Что:** Фразы, которые подчёркивают значимость темы общими словами без конкретики.
+**Почему:** LLM систематически "надувает" важность предмета, добавляя высокопарные оценки.
+**Примеры маркеров:**
+- «знаменует собой важный этап в развитии»
+- «является переломным моментом для отрасли»
+- «открывает новые горизонты»
+- «вносит значительный вклад»
+- «трудно переоценить значение»
+**Рекомендация:** Убрать целиком или заменить конкретным фактом. Вместо «знаменует важный этап» — что конкретно изменилось и для кого.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🟡 medium |
+| resume   | 🔴 high  |
+
+### L04: AI-зачины ("В современном мире...")
+
+**Что:** Вводные фразы вида «В современном мире», «В мире, где...», «В эпоху цифровой трансформации», «В условиях стремительного развития технологий».
+**Почему:** Классический AI-зачин для статей и эссе. Создаёт ложное ощущение масштаба. Человек, который разбирается в теме, начинает с сути, а не с философского отступления о состоянии мира.
+**Примеры маркеров:**
+- «В современном мире данные стали новой нефтью»
+- «В эпоху больших данных особенно важно...»
+- «В условиях растущей конкуренции компании вынуждены...»
+- «В мире, где каждая секунда на счету...»
+**Рекомендация:** Удалить первое предложение целиком. Начать со второго — почти всегда текст от этого только выигрывает.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🔴 high  |
+| resume   | 🟡 medium |
+
+### L05: Вводные приглашения ("Давайте разберёмся")
+
+**Что:** Фразы-приглашения перед основным контентом: «Давайте разберёмся», «Давайте рассмотрим», «Let's dive in», «Let's explore», «Рассмотрим подробнее».
+**Почему:** AI использует эти фразы как переход от введения к основному тексту. Человек на Хабре просто начинает объяснять, без церемоний.
+**Примеры маркеров:**
+- «Давайте разберёмся, как это работает»
+- «Рассмотрим основные преимущества подробнее»
+- «Let's dive into the details»
+**Рекомендация:** Убрать. Начать объяснение напрямую.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🔴 high  |
+| resume   | 🟢 low   |
+
+---
+
+## Категория: Структурные паттерны
+
+### S01: Negative parallelism ("не X, а Y")
+
+**Что:** Конструкция «Это не просто X — это Y», «It's not about X, it's about Y».
+**Почему:** Один из самых узнаваемых AI-паттернов. Создаёт ложный драматический контраст.
+**Примеры маркеров:**
+- «Это не просто инструмент — это философия разработки»
+- «Речь не только об автоматизации, но и о трансформации»
+- «Это не столько технология, сколько новый подход к мышлению»
+**Рекомендация:** Убрать контраст. Сказать прямо, что это такое, без ложной дихотомии.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🔴 high  |
+| resume   | 🔴 high  |
+
+### S02: Rule of three
+
+**Что:** Перечисление ровно трёх пунктов, особенно когда они идут через запятую с усилением.
+**Почему:** LLM-ы обучены на огромном объёме persuasive writing, где rule of three — стандартный приём. В AI-тексте это происходит слишком часто и слишком ритмично.
+**Примеры маркеров:**
+- «быстрый, надёжный и масштабируемый»
+- «простота, гибкость и производительность»
+- «анализировать, оптимизировать и внедрять»
+**Рекомендация:** Если перечисление реально содержит три пункта — ок. Если третий добавлен "для красоты" — убрать. Или сделать два, или четыре-пять.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟡 medium |
+| resume   | 🟡 medium |
+
+### S03: Compulsive summary (компульсивное подведение итогов)
+
+**Что:** "Таким образом", "Подводя итог", "В заключение", "В целом" — особенно когда текст короткий и итог не требуется.
+**Почему:** LLM рефлекторно подводит итог даже в двух абзацах. Человек в коротком тексте просто заканчивает.
+**Примеры маркеров:**
+- «Таким образом, ClickHouse отлично подходит для этой задачи.» (после двух предложений)
+- «В целом, данный подход показал свою эффективность.»
+**Рекомендация:** Убрать вводное слово. Если последнее предложение и без него звучит как итог — убрать его целиком.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🔴 high  |
+| resume   | 🟡 medium |
+
+### S04: Однородная длина абзацев/пунктов
+
+**Что:** Все абзацы примерно одной длины (3-4 предложения). Все bullet points одинаковой структуры и длины.
+**Почему:** Человеческий текст имеет вариативную ритмику. Короткий абзац после длинного — нормально. У AI — ровная "решётка".
+**Примеры маркеров:**
+- Пять bullet points, каждый ровно по два предложения
+- Четыре абзаца по 50-60 слов каждый
+**Рекомендация:** Варьировать длину осознанно. Добавить один короткий пункт (одно предложение) и один длинный.
+
+**Подсказка по детекции:** Посчитать слова в каждом пункте списка или абзаце. Если разброс длин менее 20% от среднего — это паттерн. Например, пять пунктов по 12, 11, 13, 12, 11 слов — подозрительно ровно.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟢 low   |
+| resume   | 🟡 medium |
+
+### S06: Balanced pros/cons ("Преимущества / Недостатки")
+
+**Что:** Структура с симметричными секциями плюсов и минусов, часто с одинаковым количеством пунктов в каждой.
+**Почему:** AI обожает "сбалансированную" подачу — 4 преимущества, 4 недостатка, аккуратно разложенные по полочкам. Человек обычно пишет асимметрично: «мне понравилось X и Y, но бесит Z» — в потоке текста, а не в табличке.
+**Примеры маркеров:**
+- Секция "Преимущества" с 4 пунктами, затем секция "Недостатки" с 4 пунктами
+- «С одной стороны... С другой стороны...» как организующая структура всего текста
+**Рекомендация:** Если сравнение нужно — сделать его асимметричным. Написать в потоке текста, а не раскладывать по секциям. Или честно сказать: «плюсов больше, минус один, но существенный».
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟢 low   |
+| resume   | 🟢 low   |
+
+### S05: Bullet points с жирным заголовком + расшифровка
+
+**Что:** Списки, где каждый пункт — **Жирное слово/фраза**: а потом то же самое другими словами.
+**Почему:** Фирменный стиль ChatGPT. На Хабре и в документации так не пишут.
+**Примеры маркеров:**
+- **Масштабируемость**: Система легко масштабируется горизонтально и вертикально.
+- **Отказоустойчивость**: Обеспечивается высокий уровень отказоустойчивости.
+**Рекомендация:** Либо убрать жирные "заголовки" и писать обычными пунктами, либо убрать расшифровку, если заголовок и так ясен.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🟡 medium |
+| resume   | 🟡 medium |
+
+---
+
+## Категория: Тональные паттерны
+
+### T01: Vague attribution (размытые ссылки на авторитет)
+
+**Что:** «Эксперты отмечают», «По мнению специалистов», «Согласно исследованиям», «Многие разработчики считают» — без указания, кто именно.
+**Почему:** AI не может сослаться на конкретный источник и подставляет weasel words.
+**Примеры маркеров:**
+- «Эксперты в области Big Data отмечают растущую популярность...»
+- «Согласно последним исследованиям, эффективность выросла на...»
+**Рекомендация:** Либо дать конкретную ссылку/имя, либо убрать апелляцию к авторитету. «Мы замерили — эффективность выросла» лучше, чем «эксперты отмечают».
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🟡 medium |
+| resume   | 🟡 medium |
+
+### T02: Superficial -ing / причастные оценки
+
+**Что:** Завершающие причастные обороты, которые добавляют поверхностную оценку: «...обеспечивая гибкость», «...повышая эффективность», «...демонстрируя зрелость подхода».
+**Почему:** LLM добавляет "хвостовые" оценочные обороты как рефлекс. Человек либо скажет это отдельным предложением, либо не скажет вообще.
+**Примеры маркеров:**
+- «Мы перешли на Airflow, значительно упростив оркестрацию.»
+- «Компания внедрила CI/CD, ускорив доставку фич в продакшен.»
+- «...reflecting the continued relevance of the framework.»
+**Рекомендация:** Убрать причастный оборот. Если мысль важна — вынести в отдельное предложение с конкретикой.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟡 medium |
+| resume   | 🔴 high  |
+
+### T03: Отсутствие личной позиции / стерильная нейтральность
+
+**Что:** Текст описывает предмет исключительно "со стороны", без мнения автора, личного опыта, субъективных оценок.
+**Почему:** AI по умолчанию стремится к нейтральности. Человек на Хабре скажет «мне этот подход не нравится, потому что...» или «мы обожглись на этом».
+**Примеры маркеров:**
+- «Данный подход имеет как преимущества, так и ограничения.» (без указания, какие конкретно и что автор думает)
+- «Существуют различные мнения по этому вопросу.»
+**Рекомендация:** Добавить конкретную позицию автора. Не обязательно резкую — но личную.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🔴 high  |
+| message  | 🟢 low   |
+| resume   | 🟢 low   |
+
+### T04: Вежливые обрамления
+
+**Что:** "Буду рад помочь", "Не стесняйтесь обращаться", "Надеюсь, это поможет", "Если возникнут вопросы..." — в конце каждого сообщения.
+**Почему:** Фирменный chatbot-стиль. В реальной переписке коллеги так не пишут (разве что в первом письме новому человеку).
+**Примеры маркеров:**
+- «Если нужна помощь — обращайся, буду рад помочь!»
+- «Надеюсь, информация окажется полезной.»
+**Рекомендация:** Убрать. В переписке с коллегами — просто закончить по делу.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟢 low   |
+| message  | 🔴 high  |
+| resume   | 🟡 medium |
+
+---
+
+## Категория: Паттерны, специфичные для резюме
+
+### R01: Абстрактные impact-фразы без цифр
+
+**Что:** «Значительно повысил эффективность», «Оптимизировал бизнес-процессы», «Внёс существенный вклад в развитие».
+**Почему:** AI не знает реальных цифр и подставляет generic impact-фразы. Рекрутер сразу видит отсутствие конкретики.
+**Примеры маркеров:**
+- «Существенно сократил время обработки данных»
+- «Повысил качество аналитических процессов»
+**Рекомендация:** Добавить цифры, названия систем, объёмы. «Сократил время ETL с 4 часов до 40 минут за счёт перевода на ClickHouse MergeTree».
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟢 low   |
+| resume   | 🔴 high  |
+
+### R02: Buzzword stacking
+
+**Что:** Нагромождение модных терминов без привязки к конкретной работе.
+**Почему:** AI генерирует "красиво звучащие" наборы компетенций, которые не привязаны к реальным проектам.
+**Примеры маркеров:**
+- «Кросс-функциональное взаимодействие, стратегическое планирование, непрерывное совершенствование»
+- «Agile-трансформация, цифровая зрелость, data-driven подход»
+**Рекомендация:** Каждый buzzword привязать к конкретному проекту или убрать. Не более одного buzzword на bullet point.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟢 low   |
+| resume   | 🔴 high  |
+
+### R03: Однородная структура bullet points в опыте
+
+**Что:** Каждый пункт начинается с глагола в прошедшем времени, одинаковой длины, одинаковой конструкции.
+**Почему:** AI генерирует "правильные" bullet points по шаблону. Реальное резюме, написанное человеком, имеет разную структуру пунктов.
+**Примеры маркеров:**
+- «Разработал систему мониторинга...»
+- «Реализовал интеграцию с...»
+- «Оптимизировал процесс...»
+- «Внедрил автоматизацию...»
+(все по 8-12 слов, все глагол + объект + контекст)
+**Рекомендация:** Варьировать структуру. Добавить пункт с результатом ("Скорость выросла в 3 раза"). Добавить пункт с контекстом ("Проект для Ростелеком, команда 5 человек"). Разная длина пунктов.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟢 low   |
+| message  | 🟢 low   |
+| resume   | 🔴 high  |
+
+---
+
+## Категория: Переходные слова и связки
+
+### C01: Избыточные conjunctive phrases
+
+**Что:** «Более того», «Кроме того», «Помимо этого», «Вместе с тем», «Moreover», «Furthermore», «Additionally» — слишком часто.
+**Почему:** AI использует формальные связки между каждым абзацем. Человек чаще начинает новый абзац без связки или использует неформальные переходы.
+**Примеры маркеров:**
+- Три абзаца подряд, начинающихся с «Кроме того», «Более того», «Помимо этого»
+**Рекомендация:** Убрать 2 из 3. Начать абзац с сути, без вводного оборота.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🔴 high  |
+| resume   | 🟡 medium |
+
+### C02: False range ("от X до Y")
+
+**Что:** «От небольших стартапов до крупных корпораций», «От технической экспертизы до креативного мышления», «From intimate gatherings to global movements».
+**Почему:** Конструкция подразумевает спектр, но на деле это просто две слабо связанные вещи, одетые в "красивую" рамку.
+**Примеры маркеров:**
+- «Опыт работы от MVP-проектов до enterprise-решений»
+- «Навыки от написания кода до управления командами»
+**Рекомендация:** Сказать прямо: «Работал и с MVP, и с enterprise-проектами» или перечислить конкретные проекты.
+
+| Контекст | Severity |
+|----------|----------|
+| article  | 🟡 medium |
+| message  | 🟡 medium |
+| resume   | 🔴 high  |
+
+---
+
+## Матрица severity (сводная)
+
+Ниже — быстрая справка для определения, какие паттерны критичны в каком контексте.
+
+### article (статьи, Хабр, документация)
+🔴 high: P04 (эмодзи в заголовках), L03 (inflated significance), L04 (AI-зачины), S01 (negative parallelism), S05 (bold bullet headers), T01 (vague attribution), T03 (стерильная нейтральность)
+🟡 medium: P01, P03, L01, L02, L05, S02, S03, S04, S06, T02, R01, C01, C02
+
+### message (переписка)
+🔴 high: P01 (длинное тире), L01 (AI vocabulary RU), L04 (AI-зачины), L05 (вводные приглашения), S01, S03 (compulsive summary), T04 (вежливые обрамления), C01 (conjunctive phrases)
+🟡 medium: P02, P03, P04, L03, S02, T01, T02, C02
+
+### resume (резюме)
+🔴 high: P01 (длинное тире), P04 (эмодзи), L01, L02, L03, S01, R01 (abstract impact), R02 (buzzword stacking), R03 (однородные bullets), T02 (причастные оценки), C02 (false range)
+🟡 medium: P03, L04, S02, S03, S04, T04, C01