ddadmin
e11258b51d
- 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.
5.7 KiB
5.7 KiB
name, description
| name | description |
|---|---|
| ai-text-lint | 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
- Только диагностика. Скилл выдаёт отчёт, а не переписанный текст. Пользователь сам решает, что исправлять.
- Конкретика. Каждая находка — точная цитата из текста + объяснение, почему это маркер + вариант замены или рекомендация.
- Контекстуальность. Не все паттерны одинаково критичны. Em dash в статье на Хабре — мелочь. Em dash в Slack-сообщении — красный флаг. Severity зависит от контекста.
- 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.