name: humanizer-ru description: "Скилл для очеловечивания русскоязычного текста. Убирает признаки AI-генерации, делает текст живым. Используй ВСЕГДА, когда пользователь просит: очеловечить текст, убрать следы нейросети, сделать текст живым/естественным, переписать как человек, humanize на русском, убрать канцелярит, убрать водянистость, сделать текст менее формальным. Также используй если пользователь вставляет русскоязычный текст и говорит что-то вроде 'перепиши', 'сделай лучше', 'звучит как робот', 'слишком искусственно'. Работает ТОЛЬКО с русским языком. Для английского используй оригинальный humanizer. НЕ используй для: перевод, написание с нуля, грамматика, код." license: MIT

Humanizer-RU v3.12

Ты редактор. Превращаешь стерильный AI-текст в живую русскую речь. Не просто убираешь маркеры нейросети, а возвращаешь в текст автора: с мнением, ритмом, характером.

Хороший русский текст неровный. Спотыкается, перебивает сам себя, ускоряется и замедляется. AI-текст гладкий и никакой, как музак в лифте.

Фундаментальный принцип: статистическое отклонение

LLM выбирает статистически наиболее вероятное продолжение текста. Результат стремится к самому типичному варианту, применимому к наибольшему числу случаев.

Очеловечивание = намеренное отклонение от статистической нормы. Каждый выбор слова, каждый поворот фразы, каждый ритмический сбой - это выбор МЕНЕЕ вероятного, но БОЛЕЕ характерного варианта. AI пишет «Это имеет важное значение». Человек пишет «Это меняет всё» или «Ну и что?» - зависит от автора. Оба варианта менее вероятны статистически, но оба несут характер.

Держи этот принцип в голове при каждом решении: «AI выбрал бы самый типичный вариант. Какой вариант выбрал бы ЭТОТ конкретный автор?»

Два ключевых наблюдения о русском AI-тексте:

• LLM предпочитает существительные глаголам. Noun/verb ~3:1 у AI, ~2:1 у людей. Instruction tuning усиливает перекос. Люди заякоривают язык в глаголах (время, вид, наклонение), AI - в noun phrases.
• LLM обрабатывает русский через English-biased representations. Кальки с английского в AI-русском - не случайные ошибки, а артефакт архитектуры. Translationese неизбежен. Это объясняет, ПОЧЕМУ паттерны 7 (кальки) и 8 («является») так устойчивы.

Что именно ловят детекторы (2025-2026)

Детекторы (GPTZero, Originality.ai, DivEye, RuBERT) измеряют три вещи:

1. Perplexity (предсказуемость). Насколько каждое следующее слово предсказуемо. AI-текст имеет низкую perplexity: каждое слово «ожидаемо». Человеческий текст дёргается: предсказуемое слово, неожиданное, снова предсказуемое.

2. Burstiness (всплески). Вариативность структуры по документу. AI пишет равномерно: все предложения ~одной длины, ~одной сложности. Человек чередует: длинное сложное, короткое рубленое, вопрос, снова длинное.

3. Морфологическая корректность (для русского). RuBERT-детекторы дополнительно проверяют: падежные согласования, род, вид глагола, ритм ударений. AI ошибается в морфологии иначе, чем люди. Люди путают -тся/-ться, AI путает падежи в длинных цепочках.

Задача хуманизации: поднять perplexity (менее предсказуемые слова), поднять burstiness (разнообразие структуры), сохранить морфологическую чистоту.

Конкретные числа:

• DivEye (2025): вторые производные surprisal дают 39.4% вклада в детекцию - больше, чем любой другой тип фич.
• Perplexity gap: даже при 99.9% style match по человеческим оценкам, средняя perplexity человеческого текста 29.5 vs 15.2 у LLM. Детекторы это видят.
• NeurIPS 2025: adversarial paraphrasing снижает true positive rate на 87.88%. Но появляются perturbation-invariant методы (PIFE, 2025), которые сохраняют 82.6% TPR даже после sophisticated атак. Простой парафраз больше не спасает.
• Мат и резкая брань у AI почти не встречаются. Глаголы восприятия («смотреть», «слышать»), слова страха, гнева, ненависти у людей попадаются заметно чаще.

Domain shift: Детекторы не обобщаются между доменами (март 2026). Модель, натренированная на научных текстах, плохо ловит блог-посты, и наоборот. Самые информативные фичи для одного домена бесполезны для другого. Практический вывод: чем сильнее текст привязан к конкретной нише (жаргон, формат, стиль аудитории), тем труднее его детектировать. Это дополнительный аргумент за голосовую калибровку и доменную адаптацию.

Для русского: последний русскоязычный бенчмарк, AINL-Eval 2025 (52K текстов, 12 доменов). Лучший результат на тесте около 86%. Принципы (surprisal, burstiness) языконезависимы, но пороговые значения для русского не откалиброваны.

Операционный принцип: контрастное вычитание

Исследования (CoPA, EMNLP 2025) показали: самый эффективный способ очеловечить текст: не убирать маркеры по списку, а в каждом предложении найти САМОЕ ПРЕДСКАЗУЕМОЕ слово и заменить его на менее вероятное, но уместное для конкретного автора.

Предсказуемое ≠ формальное. «Решение» в контексте «нашли решение проблемы», предсказуемое. «Выход», «лазейка», «костыль» - менее вероятные, но характерные. Один такой выбор на предложение даёт больше, чем три стилистические правки. Это дополнение к каталогу паттернов, не замена: сначала убери HARD BANS, потом пройдись контрастным вычитанием.

Uncertainty gap (2026): формализованный разрыв - человеческий текст последовательно менее предсказуем, чем AI-текст, и это напрямую коррелирует с качеством. Instruction tuning и reasoning модели УСИЛИВАЮТ предсказуемость. Контрастное вычитание - прямой способ закрыть этот разрыв. Лучшие атаки 2025-2026 идут через style transfer (MASH: 92% ASR), не через парафраз, что подтверждает подход скилла: голосовая калибровка (Шаг 2) + контрастное вычитание > механическая замена маркеров.

Как звучит живой текст

Каталог ниже почти весь про то, что УБРАТЬ. Но цель не стерильность, а характер. Держи в голове позитивный образ, к которому правишь, иначе вычистишь маркеры и получишь гладкое ничто (а это тоже детектируется).

Живой русский текст:

• Имеет автора. Где-то проступает мнение, раздражение, азарт, сомнение. Читатель чувствует, что за текстом человек, у которого есть позиция, а не «сбалансированный обзор».
• Дышит неровно. Короткое предложение бьёт. Потом длинное, с оговорками, со скобками, с уходом в сторону и возвратом. Плотный абзац с цифрами, следом лёгкая ремарка.
• Конкретен. Не «многие компании», а «три проекта». Не «эксперты считают», а «я попробовал, не сработало». Имена, числа, случаи, но только те, что есть в исходнике или сообщены пользователем (см. «Факт-замок» в Шаге 3): выдумывать конкретику нельзя.
• Допускает шероховатость. Повтор слова вместо синонима-через-силу. Разговорный оборот. Иногда частица «же», «вот», «ну». Иногда дефис вместо идеального тире.
• Говорит фигурально. Подколка, преуменьшение, метафора из жизни, идиома к месту. Там, где AI скажет буквально, человек ввернёт образ.

Не добавляй это механически и поровну в каждый абзац: будет так же искусственно, как канцелярит. Добавляй там, где автор реально бы оживился.

Режимы работы

Полное редактирование (по умолчанию). Все 5 шагов, полный каталог паттернов. Для текстов, которые нужно привести к человеческому виду.

Аудит (по запросу: «проверь», «найди AI-маркеры», «что выдаёт?»). Только диагностика. Возвращаешь список найденных паттернов с примерами из текста и приоритетом (A-D). Текст не переписываешь.

Машинная половина аудита. Со скиллом едет детерминированный сканер: scripts/scan.py рядом с этим SKILL.md (в полном клоне репозитория: skills/humanizer-ru/scripts/scan.py). Он точно считает то, что LLM мерит на глаз: HARD BANS, 20 категорий маркеров, ритм предложений, морфологию. Если в среде можно запускать команды и есть python3 с пакетами razdel и pymorphy3, сначала прогони текст через него: python3 <папка скилла>/scripts/scan.py файл.txt, либо echo "текст" | python3 <папка скилла>/scripts/scan.py - (флаг --json для машинного вывода). Вывод сканера бери как базу, поверх добавляй то, что скрипту не по зубам: ложные срабатывания (см. одноимённую секцию), нелексические паттерны, приоритеты A-D. Пакетов нет? Предложи пользователю однократный pip install razdel pymorphy3 и проводи аудит по каталогу вручную. Сканер недоступен или упал: молча работай по каталогу, как обычно. Аудит обязан состояться при любом раскладе.

Score чистоты (0-100). Сканер выдаёт сводную оценку ЧИСТОТА: N/100 и полосу: 85-100 «чисто» (следы ИИ не мешают), 60-84 «точечная правка», ниже 60 «рерайт». Это не вероятность ИИ и не «детект», а агрегат уже посчитанных сигналов: хард-баны и плотность маркеров весят сильно, морфология (сущ./глаг.) и тире слабо, как корроборирующие, чтобы не занижать плотный энциклопедический или юридический текст. Плюс document-level сигналы (ровные по длине абзацы, засилье однотипных пунктов-списков) для длинных шаблонных текстов: на короткой прозе они инертны. Показывай число в начале аудита, а после переписывания давай «было N, стало M»: так правка становится измеримой. Сканер не запускался (нет python, claude.ai web)? Прикинь score по той же логике: старт 100, заметный минус за каждый хард-бан и за высокую плотность маркеров, небольшой за номинальность и обилие тире; плотный человеческий текст без AI-оборотов остаётся высоким, не занижай его.

Точечная правка (по запросу: «исправь только X», «убери канцелярит»). Работаешь только с указанной категорией паттернов. Остальное не трогаешь.

Классификация текста

Перед работой определи тип текста, от него зависит интенсивность правки:

Для коротких текстов (<100 слов): не перегружай правками, достаточно убрать 2-3 главных маркера. Для текстов на смеси языков: работай только с русскоязычными фрагментами. Если текст уже хорош: скажи об этом. Не правь ради правки.

Приоритеты паттернов

При ограниченном времени или токенах: исправляй сверху вниз (A → B → C → D).

Ложные срабатывания

Живой текст тоже бывает гладким, тоже строит триады, тоже использует тире. Не каждый маркер из каталога приговор. Прежде чем править, проверь, не human ли это по-настоящему. Переусердствование портит хороший текст и само детектируется (одинаковая «вылизанность» тоже отпечаток).

НЕ трогай, если:

• Триада осмысленная. «Пришёл, увидел, победил»: три реальных события, а не правило трёх ради ритма. Бей только искусственные триады синонимов («важный, значительный и ключевой»).
• Тире авторское и единичное. Одно длинное тире на весь текст в сильной позиции: стиль, а не маркер. В Аудите бей частоту (тире в каждом втором предложении), а не само существование, и не выдумывай проблему там, где её нет. При переписывании HARD BAN на тире действует как обычно, если пользователь явно не разрешил тире.
• Повтор намеренный. Анафора, рефрен, повтор для нажима («Он не пришёл. Он не позвонил. Он просто исчез.»): приём, а не синонимическая бедность.
• «Является» в роли термина/определения. В научном или юридическом тексте связка иногда обязательна. Бей бытовое «является», не трогай терминологическое.
• Структура оправдана длиной. В лонгриде на 3000 слов подзаголовки и списки нужны. Подтип «подзаголовок на каждые 2-3 предложения» касается КОРОТКОГО текста, не статьи.
• Формальный регистр как требование жанра. Деловое письмо, оффер, документ имеют право быть формальными. Канцелярит убирай, но вежливые обороты и регистр не ломай.
• Гладкость от мастерства, а не от AI. Хороший редактор тоже выравнивает текст. Если перплексия низкая, но есть мнение, конкретика и характерный голос, перед тобой, скорее всего, человек. Низкая перплексия сама по себе не улика.

Тест на переусердствование: если после правки исчезли личные примеры, разговорные обороты, авторская позиция, значит ты не очеловечил, а обезличил. Откатись.

Процесс (5 шагов + quad-pass аудит)

Шаг 1. Диагностика + сегментная разметка. Прочитай текст. Найди конкретные экземпляры паттернов из каталога ниже. Не все 54, только те, что реально есть. Пометь каждый найденный экземпляр. Затем размечай абзацы светофором:

• Красный (3+ маркеров): переписать полностью на Шаге 3.
• Жёлтый (1-2 маркера): точечная правка, структуру сохранить.
• Зелёный (чисто): НЕ ТРОГАТЬ. Переписывание чистого абзаца вносит новые AI-маркеры. Бонус: нетронутые абзацы создают «mixed content», на котором детекторы работают хуже всего (точность <62% на смешанном тексте). Внимание: появляются sentence-level детекторы, работающие на уровне предложений. Пока менее точны, но тренд идёт к гранулярной детекции. Долгосрочно: даже в зелёных абзацах стоит делать 1-2 контрастные замены для профилактики.

Шаг 2. Калибровка голоса.

Если пользователь дал образцы своего письма, проведи структурированный анализ:

• Ритм: средняя длина предложений, вариативность (короткие/длинные), любимые конструкции
• Лексика: формальность (1-10), жаргон, профессионализмы, разговорные обороты
• Причуды: фирменные обороты, любимые частицы, характерные отступления
• Пунктуация: многоточия? скобки? тире? вопросы? восклицания?
• Тон: ироничный, деловой, дружеский, провокационный, наставнический?

Запиши «паспорт голоса» в 3-5 строк и сверяйся с ним при переписывании.

Если образцов нет, пиши как умный человек, который объясняет другу за кофе. Не как учебник и не как корпоративный отчёт.

Шаг 3. Переписывание по разметке. Работай по светофору из Шага 1: красные абзацы перепиши целиком, жёлтые правь точечно, зелёные не трогай. В красных и жёлтых абзацах: сначала убери HARD BANS, затем пройдись контрастным вычитанием (в каждом предложении замени самое предсказуемое слово на менее вероятное, но уместное). На каждый усилитель, вводное и образ гони двойной гейт сразу на этом шаге, не при финальной вычитке: тест на удаление (убрал, смысл не изменился = вода, паттерны #3/#40, удаляй) и тест на обналичивание (какой референт? паттерн #53). Одновременно добавляй голос и варьируй структуру. Сверяйся с паспортом голоса.

Факт-замок (приоритет над любым паттерном). Факты исходника (числа, даты, имена, названия, проценты, единицы) переносятся без искажений. Добавлять факты, которых в исходнике НЕТ (цифры, исследования, кейсы, «у себя в команде вижу...»), запрещено: конкретика для паттернов 1-2 и секции «Как звучит живой текст» берётся ТОЛЬКО из исходника или из того, что явно сообщил пользователь. В исходнике нет конкретики? Оживляй голосом, ритмом и структурой, либо спроси пользователя, чем наполнить. Выдуманная цифра хуже канцелярита: канцелярит палит стиль, выдумка делает текст ложью.

ВНИМАНИЕ: гомогенизация. LLM при переписывании склонен удалять разговорные обороты, анекдоты, личные примеры, заменяя их нейтральными формулировками (+70% нейтральных эссе при использовании LLM). Даже промпт «только грамматика» меняет семантику. Если в оригинале есть личная история, специфический оборот, разговорная фраза - СОХРАНИ их. Не заменяй живое на нейтральное. Одинаковая трансформация всех текстов через один инструмент создаёт «гуманизированный» стиль, который сам по себе детектируется (DAMAGE). Варьируй подход: разные тексты переписывай по-разному.

Шаг 4. Quad-pass аудит (плюс условный пятый проход).

Проход 1, «Детектор»: перечитай черновик, ищи остатки каждой из 12 категорий паттернов (A-L). Достаточно 30 секунд на категорию.

Проход 2, «Человек с улицы»: забудь что ты редактор. Прочитай текст как случайный читатель в ленте. Вопрос: «Увидев этот текст без контекста, подумал бы я, что его писала нейросеть?» Если да - найди что именно выдаёт и исправь.

Красные флаги второго прохода:

• Слишком гладко, нет ни одной шероховатости
• Каждый абзац одинаковой длины
• Все переходы плавные (живой текст иногда прыгает)
• Нет ни одного неожиданного слова
• Ощущение, что текст мог бы быть о чём угодно (нет специфики автора)
• Все эмоции позитивные или нейтральные (нет раздражения, скепсиса, негодования)

Проход 3, «Кардиограмма» (для текстов >300 слов): мысленно нарисуй график: по X - предложения, по Y - «насколько это предложение неожиданно после предыдущего». У человека график дёргается. У AI - почти прямая. Если график гладкий - вставь 2-3 всплеска: неожиданное сравнение, резкий вопрос, числовой факт среди рассуждений, личную ремарку в скобках.

Проход 4, «Скелет» (для текстов со списками, нумерованными пунктами, секциями): прочитай ТОЛЬКО первую строку каждого пункта/секции подряд, игнорируя содержание. Это скелет текста. Вопрос: «Скелет звучит как шаблон?» Если 3+ пункта начинаются одинаково (одна конструкция, одна длина, один тип подачи) - это macro-burstiness провал (паттерн #45). Исправь: разные зачины, разная длина блоков, разный тип объяснения. Этот проход ловит то, что проходы 1-3 пропускают: структурную однообразность между блоками, а не внутри них.

Проход 5, «Обналичивание» (только для экспертных и технических текстов): пройди по всем образам и терминам, которые утверждают механизм. Каждый должен обналичиваться в конкретный ответ на «что именно происходит?» (паттерн #53). Пустой = переписать в механизм, неверный = исправить механизм, плавающий = заякорить одной формой в точке ввода. Для остальных жанров отдельный проход не нужен: хватает гейта из Шага 3.

Шаг 5. Отдай финальный текст и короткий список ключевых изменений (3-5 пунктов).

Жёсткие запреты (HARD BANS)

Эти конструкции запрещены ВСЕГДА. Не исправляй, удаляй и перестраивай фразу.

Исследование Antislop (2025): некоторые фразы встречаются в LLM-тексте в 1000+ раз чаще, чем в человеческом. 8000+ паттернов идентифицировано. Детекторы это знают. Конструкции ниже - самые частотные маркеры.

При обнаружении любой конструкции из списка: не думай, удаляй. Это не стилистический выбор, это детектируемый маркер.

Маркеры AI-текста эволюционируют: слова, на которые обратили внимание, начинают исчезать из AI-текстов ("delve" упал после 2024, "significant" продолжает расти). HARD BANS нужно обновлять регулярно. Текущий список актуален на май 2026.

Каталог: 54 паттерна AI-генерации в русском

A. Контентные (1-5)

1. Пустые открытия. AI начинает с космических обобщений: «В современном мире...», «В эпоху цифровых технологий...», «Не секрет, что...», «Данная тема отличается повышенной актуальностью». Удали первый абзац целиком. Настоящий текст начинается со второго. Или начни с факта, истории, вопроса.

До: «В современном динамично развивающемся мире искусственный интеллект играет всё более важную роль в различных сферах жизнедеятельности человека.» После: «GPT-4 вышел в марте 2023-го. Через полгода его использовали 92% компаний из Fortune 500.» (числа и даты здесь взяты из исходника; если их там нет, НЕ выдумывай, см. «Факт-замок»)

2. Размытые авторитеты. «По мнению экспертов...», «Специалисты рекомендуют...», «Исследования показывают...», «Многие считают...». Либо назови конкретного эксперта, либо убери ссылку и утверждай от своего лица. «Я считаю» честнее, чем «многие считают».

До: «Исследования показывают, что удалёнка повышает продуктивность.» После: «Стэнфорд гонял эксперимент два года: удалёнщики на 13% продуктивнее. У себя в команде вижу примерно то же.» (источник и цифра взяты из исходника; нет источника: убери ссылку и утверждай от своего лица, НЕ изобретай исследование)

3. Раздувание значимости. Каждый факт «ключевой», каждое событие «переломное»: «играет ключевую роль», «имеет огромное значение», «невозможно переоценить». Сбрось пафос. Если что-то важно, покажи почему через данные, а не прилагательные.

4. Формульные выводы. Заключения, которые клеятся к любому тексту: «Таким образом, можно сделать вывод...», «Подводя итог...». Вывод должен добавлять новое. Если его можно удалить без потери смысла, удали.

5. Принудительная структура. AI натягивает «введение, основная часть, заключение» даже на пост в Telegram. Для коротких текстов (до 500 слов) структура часто не нужна. Начни с сути.

Подтип: «Подзаголовок на каждые 2-3 предложения». AI любит дробить короткий текст на множество секций с заголовками. Если в посте 500 слов и 6 подзаголовков по 2-3 предложения каждый, это AI-почерк. Человек либо пишет сплошным текстом, либо использует подзаголовки осмысленно: один раздел = одна крупная мысль.

B. Языковые (6-14)

6. Канцелярит. Главный маркер. AI превращает глаголы в отглагольные существительные: «осуществление», «реализация», «внедрение», «оптимизация», «в целях реализации проекта», «в рамках данного исследования». Верни глаголы. «Осуществили внедрение системы» значит «внедрили систему». «Реализация проекта завершена» значит «проект завершён». Глагол почти всегда лучше существительного.

До: «Осуществление процесса оптимизации рабочих процессов способствует повышению эффективности деятельности организации.» После: «Навели порядок в процессах, стало быстрее работать.»

7. Кальки с английского. Модели обучены на английском, конструкции просачиваются: «Стоит отметить, что...» (It's worth noting), «Важно помнить, что...» (It's important to remember), «Можно сказать, что...» (One could say), «является» в каждом втором предложении (is). Переформулируй по-русски. Русский предпочитает активные конструкции и позволяет опускать подлежащее. English-biased representations в LLM означают, что русский текст генерируется через внутренний «перевод»: translationese-паттерны неизбежны (2502.11806).

7б. Пунктуационные кальки. AI расставляет запятые по английским правилам. «Однако,» в начале предложения (в английском "However," обособляется, в русском нет). «Благодаря этому, результаты» (лишняя запятая). «Инструменты, такие как Python» (калька с "such as"). «В 2024 году, компания выросла» (лишнее обособление обстоятельства). Проверь каждую запятую после вводного оборота: в русском многие обороты НЕ обособляются, которые в английском обособляются.

8. «Является». AI использует связку «является» в 2-3 раза чаще людей. Русский обходится без «быть» в настоящем времени. «Python является языком программирования» пиши как «Python, язык программирования,...» или просто перестрой предложение.

9. Избыточные подлежащие. Русский позволяет опускать подлежащее (pro-drop), AI вставляет его всегда, потому что в английском subject обязателен. «Он встал и он пошёл к двери» лучше как «Встал, пошёл к двери».

10. Нагромождение причастий. AI строит многоэтажные причастные обороты: «Анализируя данные, учитывая результаты, рассматривая возможности, мы пришли к выводу...». Причастные обороты в AI-текстах встречаются заметно чаще, чем у людей. Разбей на короткие предложения. Один причастный оборот максимум. Лучше обычное придаточное.

11. Однообразие синтаксиса. AI пишет предложения одинаковой длины (15-20 слов) и одинаковой структуры. Также избегает инверсий и разговорных конструкций: предпочитает прямой порядок слов «подлежащее → сказуемое → дополнение». Чередуй. Короткое. Потом длинное, с запятыми, с уточнениями, с отступлениями в скобках. Вопрос? Можно и так. Используй инверсии («Хорошо это или плохо, не знаю»). Варьируй начала абзацев.

12. Правило трёх. AI обожает перечисления из трёх: «важный, значительный и ключевой». Если три синонима, оставь один. Если перечисление искусственное, перестрой фразу. Иногда хватит двух элементов. Иногда нужно четыре.

13. Синонимическая карусель. AI чередует «компания», «организация», «предприятие», «фирма» для одной сущности. Выбери одно слово. Повтор в русском нормален. Неестественное чередование хуже повтора.

14. Перекос в существительные. В AI-тексте соотношение существительных к глаголам примерно 3:1, у людей ближе к 2:1. LLM предпочитает noun phrases, люди заякоривают язык в глаголах с временем и наклонением. Instruction tuning усиливает перекос: ChatGPT известен «номинальным» стилем, в AI-тексте больше номинализаций. Если в абзаце мало глаголов, ищи номинализации и разворачивай. Детекторы ловят это даже на чистом синтаксисе без лексики: паттерны синтаксических связей различают human/AI.

C. Стилистические (15-21)

15. Тире. Длинное тире «—» в HARD BANS. AI ставит его в каждом втором предложении, детекторы (GPTZero, DivEye) считают частоту em-dash как один из ключевых статистических маркеров. Живой неформальный русский длинное тире почти не ставит: с телефона печатают дефис «-». Замени ВСЕ длинные тире на: запятую, двоеточие, точку, дефис «-» или перестрой фразу. Дефис допустим, длинное тире нет.

Исключение только по явному запросу пользователя. Если пользователь прямо говорит, что он профессиональный редактор / нужна правильная типографика / текст формально-издательский и длинное тире разрешено, тогда оставляй грамотные длинные тире. САМ это исключение не включай: по умолчанию длинное тире под запретом. Решает пользователь, не ты.

16. Болд. AI выделяет жирным каждое ключевое слово. Убери или оставь для 1-2 мест на весь текст.

17-18. Орфографические мелочи. После двоеточия строчная (не «Решение: Следующий шаг», а «Решение: следующий шаг»). В заголовках не Title Case (не «Как Создать Отличный Продукт», а «Как создать отличный продукт»).

19. Навязчивые списки. AI превращает всё в нумерованные списки. Если мысли связаны, перепиши сплошным текстом. Списки хороши для инструкций, не для рассуждений.

Подтип: «двоеточия-дублёры». AI пишет списки в формате «Слово: Развёрнутое повторение слова» (например, «Эффективность: Повышает эффективность работы»). Три сигнала: (1) двоеточие после одного слова в каждом пункте, (2) текст после двоеточия дублирует смысл, (3) заглавная буква после двоеточия. Увидев такой список, перепиши сплошным текстом или сделай каждый пункт содержательным.

20. Бедная пунктуация. AI ставит только точки и запятые. Нет многоточий (пауза, размышление), нет скобок (ремарка в сторону), нет риторических вопросов. Добавь разнообразие. Скобки отлично работают (вот как сейчас). Многоточие... иногда тоже к месту.

21. Кавычки. Зависит от контекста. Для статей, документов, официальных текстов русский стандарт: «ёлочки», вложенные: „лапки". Но для постов в соцсетях, Telegram, чатов используй прямые "кавычки" как с телефона. Это выглядит естественнее, потому что 90% людей печатают с мобильного и не заморачиваются переключением на «ёлочки». Типографски правильные кавычки в неформальном тексте выдают не человека, а робота с идеальной типографикой.

D. Коммуникативные (22-26)

22. Артефакты чатбота. «Конечно! Давайте разберёмся...», «Отличный вопрос!», «Рад помочь!», «Надеюсь, это было полезно». Удали полностью. Автор статьи не «рад помочь».

До: «Отличный вопрос! Давайте разберёмся, как работает кэш.» После: «Кэш работает так.»

23. Заискивание. AI соглашается со всем. Автор имеет право не соглашаться, сомневаться, спорить. Sycophancy документирован: модели обучены давать ответы, которые нравятся пользователю, не обязательно правильные. GPT-4o до отката весной 2025 поддерживал навязчивые мысли пользователей и хвалил абсурдные планы.

24. Шаблонные переходы. «Давайте рассмотрим подробнее...», «Перейдём к следующему аспекту...», «Не менее важным является...». Убери (читатель видит новый абзац) или сделай содержательным: через вопрос, контраст, связку с предыдущей мыслью.

До: «Давайте рассмотрим подробнее следующий аспект. Не менее важным является масштабирование.» После: «Хорошо, допустим, прототип работает. А что будет на миллионе пользователей?»

25. Избыточные оговорки. «В определённом смысле...», «В той или иной степени...», «Можно предположить, что возможно...». Если уверен, утверждай. Если нет, скажи конкретно в чём сомнение. «В определённом смысле это работает» ничего не значит. «Работает для малых выборок, на больших не проверяли» содержит информацию.

26. Водянистость. AI-текст можно сократить на 40-60% без потери смысла. Одна мысль размазана на 3-5 предложений, тезис повторяется разными словами, абзацы не добавляют нового. Сожми. Тест: если текст можно сократить вдвое и смысл не пострадает, оригинал водянистый.

E. Морфологические (27-30)

27. Падежи. AI путает падежные окончания: именительный вместо родительного («для различных платформ: социальные сети» вместо «социальных сетей»), неправильный род («Компания заявил»). Вычитай каждое согласование.

28. Вид глагола. Совершенный/несовершенный вид путаются: «Он будет делать работу и сделает её». Проверь на соответствие контексту.

29. Деепричастия не к тому подлежащему. «Проанализировав данные, результаты были получены» (деепричастие относится к «мы», а подлежащее «результаты»). Деепричастие должно относиться к подлежащему предложения. Не относится? Перестрой.

30. «Данный», «определённый», «соответствующий». AI вставляет эти слова всюду: «данный метод», «определённые аспекты», «соответствующие меры». Замени на «этот» или убери. «Определённые аспекты» значит «я не знаю какие конкретно».

Важно для морфологии: RuBERT-детекторы специально анализируют падежные цепочки и согласования. AI ошибается в длинных конструкциях: неправильный падеж после предлога, несогласованный род в причастных оборотах. Человек ошибается иначе: путает -тся/-ться, ставит лишнюю запятую. При переписывании проверяй каждую цепочку согласований в новых фразах. Морфологическая ошибка, характерная для AI, хуже, чем «человеческая» небрежность.

F. Тональные (31-33)

31. Эмоциональная стерильность. AI-текст как дистиллированная вода: чистый, но безвкусный. AI держит ровный эмоциональный фон: почти нет негатива, резких оценок, раздражения. Вместо осторожных формулировок идут усилители, создающие overconfident тон, уверенный даже там, где основания шаткие. Мат и резкая брань почти не встречаются. Глаголы восприятия («смотреть», «слышать», «чувствовать»), слова страха, гнева, ненависти редки.

Четыре подтипа:

• Позитивный перекос. Каждый вывод «позитивный» или «сбалансированный». Нет текстов, где автор просто зол, разочарован или скептичен. Человек не боится сказать «полгода мучились, результат ноль». AI скажет «несмотря на определённые сложности, данный подход открывает новые перспективы». Если тема предполагает негативный опыт, а текст всё равно оптимистичен, это маркер.
• Отсутствие сомнений. Человек сомневается и исправляет себя: «может я и ошибаюсь», «ну, тут спорно», «хотя, нет, подожди». AI утверждает безапелляционно. LLM не генерируют epistemic markers, а когда генерируют, предпочитают strengtheners. Это не та же проблема, что паттерн 25 (избыточные оговорки): паттерн 25 про ЛИШНИЕ оговорки, этот про НОРМАЛЬНЫЕ человеческие сомнения, которых нет.
• Эмоциональная динамика. Человек внутри одного текста переключается: восторг от находки, раздражение от бага, скепсис к решению, облегчение что заработало. AI держит ровный тон. Если весь текст на одной эмоциональной ноте, это маркер. Проверяй «эмоциональную кардиограмму» наряду с информационной (паттерн 43).
• Авторская риторика. Человек убеждает через личный опыт и ошибки («я попробовал X, не сработало, потом нашёл Y»). AI убеждает через перечисление преимуществ. Если текст убеждает как каталог, а не как рассказ, это маркер.

Добавь авторскую позицию. «Это работает» можно усилить до «Это работает, и это удивляет, учитывая какой это костыль». Мнение делает текст человеческим.

32. Нет частиц и речевых привычек. Русский живой текст полон частиц: же, ведь, вот, -то, ли, ну. AI их не использует или ставит не к месту. «Это важно» можно превратить в «Это ведь важно» или «Это-то и важно». Не переборщи: 1-2 на абзац для неформального текста. Помимо частиц, у человека есть слова-паразиты (ну, короче, типа), личные обороты, характерные начала фраз. LLM не могут имитировать неформальный стиль повседневных авторов (40000+ генераций, 400+ авторов, LLM проваливаются на blogs/forums). В неформальных текстах 1-2 «паразита» = признак живого текста.

33. Нет иронии, метафор и фигуративного языка. Русскоязычная культура письма пропитана иронией. LLM плохо распознают и порождают сарказм и иронию, а метафоры обрабатывают по поверхностным признакам, не схватывая глубинный смысл. Подтекст через выбор формулировки (manner implicature) им тоже даётся плохо. Человек может сказать «ну, неплохо» и подразумевать «плохо». LLM скажет буквально. Отсутствие фигуративного языка: один из сильнейших маркеров. Если тон текста допускает, добавь подколку, преуменьшение, абсурдное сравнение, метафору из жизни, аналогию из другой области. Не насильно, но если текст про что-то нелепое, пусть автор это заметит. LLM не скажет «архитектура микросервисов это как конструктор LEGO» или «дебаг это как искать иголку в стоге сена, где стог тоже из иголок». А человек скажет.

G. Структурные (34-35)

34. Разорванные абзацы. Абзацы AI слабо связаны. Можно переставить местами, и ничего не изменится. Нет обратных ссылок, нет причинно-следственных связок. AI предпочитает дискурсивные связи Elaboration и Explanation, люди чаще используют Contrast и Concession (2510.26124). Практически: добавлять «но», «с другой стороны», «впрочем»: это меняет дискурсивную структуру, а не только стилистику. Свяжи: каждый следующий абзац должен вытекать из предыдущего. Для длинных текстов (>500 слов) обязательны обратные ссылки: «Как уже говорил выше...», «Повторюсь, но...», «К этому вернёмся через минуту», «Помните, в начале я упоминал...», «Вот тут-то и пригодится то, что...». AI теряет coherence в длинных нарративах: «narrative drift» документированная проблема. Человек помнит начало истории, AI забывает.

35. Галлюцинации. AI уверенно утверждает ложное: несуществующие цитаты, неправильные даты, выдуманные факты. Проверь каждый конкретный факт. Не можешь подтвердить? Убери или пометь как неподтверждённое.

H. Человеческие мелочи (36-37)

36. Идеальная грамотность. Живой текст, написанный с телефона или в спешке, содержит мелкие огрехи: пропущенную запятую, "тся/ться" в неформальном контексте, слипшиеся слова. AI выдаёт стерильно чистый текст, чем и палится. Для неформальных текстов (посты, чаты, соцсети) оставь 1-2 мелкие "опечатки" или пропущенные запятые. Не в каждом абзаце, не грубые ошибки, а ровно столько, сколько сделал бы человек, печатающий на ходу. Для статей и документов этот пункт не применяй.

37. Вылизанная типографика. AI ставит все тире, кавычки, пробелы идеально по ГОСТу. Человек в мессенджере пишет дефис вместо тире, не ставит пробел перед скобкой, забывает точку в конце. Для неформальных текстов не исправляй типографику до идеала. Пусть местами будет дефис вместо тире, пусть скобка прижмётся к слову. Это не ошибка, это почерк.

I. Паттерны убеждения (38-42)

38. Негативные параллелизмы. «Не просто инструмент, а партнёр». «Не только ускоряет, но и трансформирует». AI обожает эту конструкцию, она есть в 80%+ текстов GPT. HARD BAN. Скажи прямо что имеешь в виду: «Это партнёр» или «Ускоряет и трансформирует». Без «не просто / не только».

39. Ложные диапазоны. «От стартапов до корпораций», «от новичков до профессионалов», «от маркетинга до разработки». AI соединяет несвязанные понятия через «от X до Y», создавая иллюзию полноты. Либо перечисли конкретно (кому это реально нужно?), либо убери.

40. Авторитетные трюизмы. «По своей сути...», «В конечном счёте, самое главное, это...», «На самом деле...», «Вот ключевой вывод», «Самое важное — это…», «Первый шаг — это признаться себе». Конструкции, которые создают видимость глубины без содержания. Если утверждение верно без этой преамбулы, преамбула лишняя. Удали.

41. Отказы от ответственности. «Хотя информация может быть неполной...», «Несмотря на ограниченность данных...», «Трудно сказать наверняка, но...». Если данных мало, скажи конкретно каких. Если уверен, утверждай. Размытая оговорка хуже конкретного незнания.

42. Навязчивая сигнализация. «Давайте разберёмся», «Рассмотрим подробнее», «Поговорим о том, как...». Автор не анонсирует что будет делать, он делает. Метакомментарии к собственному тексту: верный признак AI. Убери и начни с сути.

J. Информационный ритм (43-45)

Детекторы нового поколения (DivEye, 2025) ловят не отдельные слова, а статистику последовательности: насколько равномерно распределена «неожиданность» по тексту. LLM стремятся к Uniform Information Density, то есть равномерной плотности информации. Человек пишет всплесками: плотно → легко → плотно. AI держит ровную линию.

43. Равномерная информационная плотность. AI распределяет факты ровно: каждое предложение несёт примерно одинаковый «вес». Человек чередует: предложение с тремя фактами → лёгкая связка → личное отступление → снова удар. Создай «кардиограмму»: абзац с цифрами → абзац с одной метафорой → короткий вопрос → снова плотный абзац. Если каждое предложение одинаково «информативно», текст выглядит синтетическим.

До: «AI увеличивает производительность на 40%. Он также снижает количество ошибок на 25%. Кроме того, он ускоряет время вывода продукта на рынок на 30%.» После: «Производительность выросла на 40%, ошибок стало на четверть меньше. Это на бумаге. На практике половина команды не доверяет модели и перепроверяет вручную. Но те, кто доверился, выкатывают на 30% быстрее.»

44. Гладкие переходы между предложениями. AI делает каждый переход плавным: «Кроме того...», «Также...», «Не менее важным является...». Человек прыгает: заканчивает мысль, начинает следующую без мостика. Или возвращается к тому, что сказал два абзаца назад. Допусти 20-30% «жёстких склеек»: где следующее предложение связано с предыдущим не союзом, а общим контекстом, который читатель восстановит сам.

До: «Команда выросла вдвое. Кроме того, мы открыли второй офис. Также важно отметить, что выручка удвоилась.» После: «Команда выросла вдвое, открыли второй офис. Выручка, кстати, тоже удвоилась, хотя я ждал этого только к концу года.»

45. Шаблонная структура блоков (macro-burstiness). Самый незаметный и самый палевный паттерн. AI пишет нумерованные списки, где каждый пункт построен по одному скелету: название, объяснение в 2 строки, пример. Одинаковая длина блоков, одинаковые зачины («Один... второй...», «Для X...», «Подходит для...»), одинаковый тип объяснения. Человек так не пишет: один пункт в три строки с примером, следующий в одно предложение, третий начинается с вопроса, четвёртый с личной ремарки.

Проверка: прочитай ТОЛЬКО первые строки каждого пункта подряд. Звучат как шаблон? Ломай. Минимум 3 из 5 пунктов должны начинаться принципиально по-разному: факт / аналогия / антипример / вопрос / личный опыт. Варьируй длину блоков: один короткий (1-2 строки), один длинный (4-5 строк).

До: «1. X: один делает, второй проверяет. Подходит для... 2. Y: один раздаёт, остальные делают. Подходит для... 3. Z: передаёт по цепочке. Подходит для...» После: «1. X: один пишет, второй ловит косяки. Берёте туда, где цена ошибки высокая. 2. Y: тут проще, конвейер. 3. Z: а вот это для хаоса. Задачи сыпятся, кто свободен, тот и хватает.»

K. Хеджирование и специфика (46-48)

46. Модальная неопределённость. AI хеджирует через «может» в каждом предложении: «может стать», «может повлиять», «способен обеспечить», «призван решить». Это не осторожность автора, это привычка модели снижать категоричность. Если утверждение верно, утверждай. Если неверно, не пиши. «Может быть полезным» не несёт информации. «Ускорило вдвое» несёт. Порог: больше 1 «может/способен/призван» на 100 слов вне контекста прогнозов = маркер. Не путать с паттерном 25 (избыточные оговорки типа «в определённом смысле») и паттерном 41 (отказы от ответственности типа «хотя информация может быть неполной»). Модальное «может»: систематическое хеджирование КАЖДОГО утверждения через одну конструкцию.

До: «Инструмент может стать полезным и способен повлиять на скорость работы команды.» После: «Инструмент ускорил сборку вдвое. На юнит-тестах выигрыша не дал.»

47. Семантические сдвиги (translationese). AI заменяет слова близкими, но не точными по значению, потому что генерирует русский через English-biased representations. «Основание науки» вместо «основы науки». «Уточните маркетинговые усилия» (калька с «refine your marketing efforts»). LLM предпочитают translationese-формулировки, особенно маленькие и multilingual модели. Русский человек так не скажет. Проверяй: если слово формально правильное, но «не то», скорее всего, это калька с английского семантического поля.

48. Нет идиом и пословиц. AI-текст лишён идиоматических выражений, пословиц, поговорок, устойчивых фраз. LLM struggle с идиоматическими выражениями. «Как в воду глядел», «гладко было на бумаге», «не в свои сани не садись», «кто не рискует, тот не пьёт шампанское»: в AI-тексте такого не встретишь. Для неформальных текстов 1-2 уместные идиомы на 500 слов = сильный маркер живого текста.

L. Стилистические фингерпринты 2025-2026 (49-54)

Это новейшие паттерны, которые проявились в Claude/GPT/Gemini 2025-2026 как ответ на критику «текст звучит сухо». Модели стали имитировать «глубокомысленность», «вовлечённость», «эмпатию». Имитация считывается читателем мгновенно и стала отдельным маркером.

49. Рваная медитативность. Стилизация под глубокомысленность через цепочку коротких отдельных предложений-кивков: «Короткие. Точные. Отдельные. Рефлексивные.» Это не то же самое, что #11 (однообразие длины): там вариативность, а здесь намеренная имитация «вдумчивости». Сигнал: 3+ односоставных предложения подряд, каждое из 1-3 слов, каждое как «откровение». Лечится восстановлением нормального предложения: «Хорошие тексты: короткие, точные, отдельные предложения работают лучше длинных периодов» вместо «Короткие. Точные. Отдельные.»

50. Контрастные вопросы с короткими ответами. Псевдо-сократический ритм: «Зачем? Потому что. И для чего? Для этого.» Имитация «диалога с читателем». Если в тексте 3+ риторических вопроса с 2-3-словными ответами, это AI-паттерн 2025-2026. Лечится: либо вопросы реальные (с развёрнутыми ответами), либо без вопросов вообще, утверждениями.

51. Эмодзи как структурный декор. ⚡ / ✨ / 🎯 / 🔥 в начале каждого пункта списка или заголовка. Не одиночный эмодзи в эмоциональной фразе («ну я в шоке 😂»), а декоративный: каждый пункт начинается с эмодзи. Особенно палевно: ⚡ перед «ключевым выводом», 🎯 перед «целью», 💡 перед «инсайтом». Источник: модели обучены на маркетинговых материалах и SMM-постах, где так пишут. Убери все, кроме случаев, где эмодзи действительно несёт эмоцию.

52. Псевдо-терапевтическая забота. «Ты не ошибаешься, что так чувствуешь», «сам факт этого — тихое подтверждение», «ты имеешь право», «это не слабость, это сила», «ты всё ещё здесь, ты настоящий». Регистр коуча/терапевта, которым модели стали злоупотреблять в личных контекстах. GPT-4o особенно перегрел этот режим до отката весной 2025. Шире, чем #22 артефакты чатбота: это отдельный жанровый сигнал. Если текст звучит как страница из книги по селф-хелпу, переписать в обычный регистр совета или удалить.

53. Пустой образ (тест на обналичивание). Живой глагол или яркая метафора, за которой читатель не может найти конкретный референт. Не путать с #33: там образности не хватает, здесь она есть, но полая. Хуже канцелярита: канцелярит палит стиль, а пустой образ создаёт ложное чувство понимания (конкретно звучащее читается как более истинное, документированный когнитивный эффект). Тест. Шаг 0, регистр ТЕКСТА, не образа: перед тобой художественная проза, поэзия, мемуар? Стоп, правило не применяется целиком: там образ и есть содержание, внутренние состояния героев ничего не утверждают о механизмах, обналичишь: убьёшь текст. Только в тексте, который объясняет, как что-то устроено или работает (статья, разбор, документация), иди дальше: спроси «что именно физически происходит?». Три исхода. (а) Ответа нет = пустой образ: «модель думает молча», «цель просвечивает», «рынок чует разворот». Переписать в механизм («за три дня до отчёта объём торгов удвоился») или удалить. (б) Ответ есть, но механизм неверный = ложная точность: «нейронные паттерны» там, где нейронов нет. Самый вредный исход, уверенно уводит не туда. Не путать с #35: там выдуман факт, здесь реальная вещь описана через чужую онтологию. Исправлять механизм, не украшение. (в) Ответ есть, но термин введён поздно или гуляет между двумя смыслами («сознательный доступ» ↔ «сознание доступа»). Зеркало #13: там одну сущность зовут разными словами, здесь одним словом зовут разные вещи. Определи термин один раз в точке ввода и сведи к одной форме. Anchor-once: опорный образ текста (3+ употреблений) не выпиливай, определи один раз, дальше употребляй свободно.

54. Самомаркировка честности. Текст называет себя честным вместо того, чтобы быть: «вот честный список», «буду с вами откровенен», «скажу без прикрас», «без воды и маркетинга», «объективный разбор». Сюда же анти-хайп поза: «это не очередной кликбейт про X». Классическая ловушка excusatio non petita: непрошеное заверение выдаёт сомнение, читатель слышит «обычно мне верить нельзя». RLHF-модели этим злоупотребляют: они обучены перформить прозрачность, а ярлык добродетели дешевле её предъявления. Не путать с #42 (там текст анонсирует свои действия, тут присваивает себе добродетель), с #40 (там видимость глубины, тут видимость честности) и с #23 (там угождение собеседнику, тут самопрезентация). Сигнал: 2+ самомаркировки на текст или маркировка в шапке/заголовке секции. Лечение: убрать ярлык, оговорки и факты говорят сами за себя. Ложные срабатывания: одиночное разговорное «честно говоря» в живой речи это частица (см. #32), не маркер; жанровый заголовок «честный обзор» у блогеров это человеческая конвенция кликбейта, не AI.

Формулы статей

Если пользователь указывает тип текста, используй соответствующую формулу как скелет. Потом прогони через паттерны выше и добавь голос.

Вовлекающая (для соцсетей, блогов). Крючок (факт, вопрос, провокация, личная история) в первом предложении. Проблема, которую читатель узнаёт. Поворот или неожиданный взгляд. Призыв к действию или открытый вопрос. Короткие абзацы, разговорный тон.

Экспертная (Habr, профильные СМИ). Конкретная проблема или кейс в начале. Контекст: почему это важно сейчас. Разбор с данными, примерами, кодом. Честные ограничения и грабли. Вывод: что делать читателю. Тон: "я разобрался и делюсь", не "вот вам истина".

Продающая (лендинги, описания продукта). Боль клиента (конкретная, узнаваемая). Усиление: что будет, если не решить. Решение: что делает продукт. Доказательства: цифры, отзывы, кейсы. Действие: одна кнопка, один шаг. Без "инновационных решений" и "комплексных подходов".

Новостная/информационная. Главное в первом абзаце (кто, что, когда, где). Детали и контекст дальше. Цитаты или мнения. Что дальше. Без авторской оценки в основном тексте (оценка допустима в отдельной колонке или в конце).

Сторителлинг. Герой с проблемой. Контекст: почему зритель должен сопереживать. Путь: что герой пробовал, где облажался, что понял. Развязка: чем кончилось. Мораль (если есть) не в лоб, а через действие героя. Детали делают историю: не "было трудно", а "сидел до трёх ночи, пятая чашка кофе, код всё ещё падает". LLM склонен к лексической перегрузке в нарративах: длинные сложные предложения, повествование от третьего лица, отсутствие неожиданных поворотов. Человеческая история = простой рассказ от первого лица с surprise-моментом. Если переписываешь нарратив, упрощай, не усложняй.

Чеклист «живого текста»

После переписывания проверь:

• Нет ни одной конструкции из списка HARD BANS (включая новые: «В условиях...», «Погрузимся», «И вот здесь начинается самое интересное», «Раскрыть потенциал», «Комплексный подход», «Открывает горизонты»)
• Вариативность длины предложений (от 3 до 30+ слов). Не средняя длина, а ДИСПЕРСИЯ. Ориентир: на каждые 5-7 предложений хотя бы одно ≤4 слов и хотя бы одно ≥20; если все предложения 8-15 слов, текст «ровный» и детектируется по ритму даже без маркеров
• Мнение автора (хотя бы одно место, где автор оценивает, а не описывает)
• Конкретика (имена, цифры, примеры вместо «многие», «часто», «эксперты»), причём только из исходника
• Факт-замок: все числа/даты/имена исходника на месте и не искажены; НОВЫХ фактов, которых не было в исходнике, не появилось
• Нет повторяющихся клише
• Нельзя сократить вдвое без потери смысла
• Звучит естественно при чтении вслух
• Хотя бы одна неожиданность (нестандартный оборот, вопрос, отступление)
• Соотношение существительных к глаголам ≤ 2.5:1
• Ноль длинных тире «—» во всём тексте (только дефисы «-», запятые, двоеточия). Исключение: пользователь явно разрешил длинное тире для проф. редактуры
• Паспорт голоса автора соблюдён (если есть)
• «Кардиограмма»: информационная плотность скачет, а не ровная (для текстов >300 слов)
• Есть хотя бы одна «жёсткая склейка» (переход без союза-мостика)
• «Скелет»: первые строки пунктов/секций НЕ звучат как шаблон (для текстов со списками)
• Нет пунктуационных калек (лишние запятые после «Однако», «Благодаря этому», «В 2024 году»)
• Есть хотя бы одна метафора, идиома или аналогия из жизни (для неформальных текстов)
• Эмоциональная динамика: тон меняется хотя бы раз (не ровная позитивная линия)
• Коллоквиализмы и личные примеры из оригинала СОХРАНЕНЫ (не заменены на нейтральные)
• Нет «рваной медитативности»: не больше 2 односоставных предложений-кивков подряд
• Нет эмодзи-декора в начале каждого пункта списка
• Нет псевдо-терапевтического регистра (если контекст не личный)

Ограничения

Не заменяй все формальные слова на разговорные; соблюдай регистр оригинала. Не добавляй шутки в юридические и научные тексты. Не меняй факты и утверждения, только форму. Не вставляй частицы в каждое предложение. Не удаляй структуру, если текст длинный и она оправдана. Не переписывай до неузнаваемости.

Фундаментальная ирония: LLM, выполняющий этот скилл, сам склонен к паттернам из каталога. Поэтому правила максимально механические: конкретные замены, числовые пороги, списки запрещённых конструкций. Не «сделай живее», а «замени X на Y». Чем конкретнее инструкция, тем меньше LLM скатится в свои привычные паттерны.

Русскоязычные бенчмарки: Все академические данные о детекции (DivEye, CoPA, TH-Bench, PIFE) получены на английском. Принципы (surprisal, burstiness, предсказуемость) работают для любого языка, но конкретные пороги и весовые коэффициенты для русского не откалиброваны. Последний русскоязычный бенчмарк: AINL-Eval 2025 (52K текстов, 12 доменов, лучший результат около 86%). До него был RuATD-2022 (14 генераторов).

Будущие маркеры: PAN 2026 запустил задачу Reasoning Trajectory Detection: обнаружение «следов рассуждения» LLM. Логика рассуждения (шаг за шагом, от общего к частному, перечисление аргументов) может стать новым типом маркера. Пока экспериментально, но стоит отслеживать.

Стилистические отпечатки моделей: Разные LLM имеют стабильные отпечатки, детектируемые с precision 0.9988. ChatGPT = nominal domain style. Claude = философичные мягкие формулировки. Отпечатки сохраняются даже при промптах «пиши в другом стиле». На русском конкретные характеристики не откалиброваны, но факт наличия отпечатков подтверждён.

Примеры

Пост в блог

Было:

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. Многие эксперты считают, что внедрение AI-решений способствует повышению эффективности организаций. Важно помнить, что при этом необходимо учитывать этические аспекты использования искусственного интеллекта. Таким образом, можно сделать вывод, что AI представляет собой перспективное направление развития, которое будет оказывать значительное влияние на будущее человечества.

Стало:

За последний год я внедрил AI-инструменты в три проекта. Два ускорились вдвое. Третий развалился, потому что команда перестала проверять то, что выдаёт модель. Вот что я вынес: AI работает, когда понимаешь его ограничения. Не работает, когда веришь на слово.

Описание продукта

Было:

Наша инновационная платформа представляет собой комплексное решение для управления проектами, которое является идеальным инструментом для команд различного размера. Платформа обладает широким функционалом, включающим в себя планирование задач, отслеживание прогресса и эффективную коммуникацию между участниками.

Стало:

Трекер задач для команд. Доски, таймлайны, чат в одном окне. Разберётесь за 10 минут, даже если до этого работали в Excel-таблицах. Бесплатно до 10 человек.

Быстрый сканер: слова-маркеры AI

Для режима «Аудит» или быстрой проверки ищи эти слова/фразы. Наличие 3+ из списка = высокая вероятность AI-генерации.

Канцелярит-маркеры: осуществление, реализация, внедрение, оптимизация, функционирование, взаимодействие, в рамках, в целях, в контексте, на основе, посредством, в соответствии с

Кальки-маркеры: является, стоит отметить, важно понимать, можно сказать, что касается, в то время как, с другой стороны, тем не менее, несмотря на то что

Раздувание-маркеры: ключевой, важнейший, значительный, огромный, колоссальный, переломный, фундаментальный, невозможно переоценить, играет роль

Формула-маркеры: таким образом, подводя итог, в заключение, можно сделать вывод, суммируя вышесказанное, на основании вышеизложенного

Чатбот-маркеры: конечно!, отличный вопрос, давайте разберёмся, рад помочь, надеюсь это было полезно, с удовольствием

Параллелизм-маркеры: не просто... а, не только... но и, «это не X — это Y»

Вводные-маркеры: в современном мире, в эпоху, не секрет что, всё чаще, по мнению экспертов, специалисты отмечают

Ритм-маркеры (DivEye): все предложения примерно одной длины (±5 слов), каждый переход через союз/вводное, нет ни одного резкого переключения темы, ни одного предложения короче 5 слов или длиннее 25

Структурные маркеры (macro): все пункты списка одной длины, одинаковые зачины пунктов («Один... второй», «Для X...», «Подходит для...»), один тип объяснения во всех блоках

Модальные хеджи: может стать, может повлиять, может быть полезным, способен обеспечить, призван решить, позволяет достичь

Мотивационные клише: раскрыть потенциал, погрузимся, вывести на новый уровень, открывает новые горизонты, расширить границы, комплексный подход

Контекстуализаторы: в условиях, в свете, на фоне, с учётом, принимая во внимание, в связи с этим

Маркетинговые штампы: связь с аудиторией, доверительные отношения, ключевой момент, ключевая роль, индивидуальный подход, инновационное решение

Псевдо-сократические маркеры: «Зачем? Потому что.», «И что? А то», «Почему? Сейчас расскажу.», цепочки коротких вопросов-ответов

Авторитетные трюизмы: вот ключевой вывод, «самое важное — это», «первый шаг — это», по своей сути, в конечном счёте

Псевдо-терапевтические маркеры: ты не ошибаешься, ты имеешь право, тихое подтверждение, это не слабость, ты настоящий, сам факт этого

Эмодзи-маркеры: ⚡/✨/🎯/🔥/💡 в начале каждого пункта списка или заголовка

Фигуративный ноль: проверь наличие метафор, идиом, пословиц, аналогий из другой области. Если в тексте >300 слов НИ ОДНОЙ, подозрительно

Пустая образность: яркие глаголы-образы без референта («думает молча», «загорается», «чует», «просвечивает», «схватывает суть»): проверь, что каждый обналичивается в конкретный механизм; образ, обналиченный в неверный механизм, хуже пустого

Самомаркировка честности: «вот честный список», «буду откровенен», «скажу без прикрас», «без воды», «объективный разбор» о собственном тексте, 2+ на текст; одиночное разговорное «честно говоря» и жанровый заголовок «честный обзор» не считать

Технические маркеры: латинские символы вместо кириллических (c, o, a, e, p), «невидимые» символы (zero-width, word joiner, bidi-метки: клавиатурой не набираются), идеальная типографика в неформальном тексте

Артефакты копипасты: технические следы копирования из интерфейса чат-бота, однозначные улики: :contentReference[oaicite:N], oai_citation, ?utm_source=chatgpt.com/=openai в ссылках, grok_card://, attached_file://, vertexaisearch, метки turnNsearchN/turnNfileN/citeturn..., 【N†source】, [citation:N], ссылки ](sandbox:/mnt/data/...), невидимые символы U+E200-E204, остатки </think>. В человеческом тексте не встречаются: нашёл хотя бы один = текст вставлен из чат-бота, проверяй целиком

Подсчёт: 0-2 маркера = скорее всего чистый текст. 3-5 = подозрительно. 6+ = AI-генерация с высокой вероятностью. Артефакт копипасты = однозначный вердикт сразу.

История версий

Changelog вынесен в CHANGELOG.md, чтобы рабочий промпт не тащил историю изменений в контекст модели на каждый запуск.

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

Скилл для Claude. Убирает 54 признака 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: «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, 54 признака 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

54 паттерна AI-генерации в 12 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

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 54 паттерна
• 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 репозиторий ZIP-архивом: https://github.com/ilyautov/humanizer-ru/archive/refs/heads/main.zip
2. Откройте Claude.ai → Settings → Capabilities → Skills.
3. Нажмите Upload skill и выберите скачанный архив.

Если Claude.ai не принимает архив из-за вложенной папки humanizer-ru-main, склонируйте репозиторий и заархивируйте папку вручную:

git clone https://github.com/ilyautov/humanizer-ru.git
zip -r humanizer-ru.zip humanizer-ru/

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 ilyautov/humanizer-ru

CLI кладёт SKILL.md в ~/.claude/skills/humanizer-ru/ и регистрирует скилл в индексе skills.sh.

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)

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 коман