| name | korean-humanize |
| description | AI(ChatGPT·Claude·Gemini 등)가 쓴 한국어 텍스트의 "AI 티"를 정밀하게 제거해 사람이 쓴 글처럼 윤문하는 한국어 특화 스킬입니다. 번역투(~를 통해/~에 있어서/이중 피동), 영어 인용 과다, 기계적 병렬(첫째·둘째·셋째), AI 특유 관용구(결론적으로/시사하는 바가 크다/혁신적인), 피동태 남용, 문두 접속사 남발, 형식명사 과다, 이모지·불릿·볼드 남용 등 10대 카테고리 × 40+ 패턴을 S1/S2/S3 심각도로 탐지·윤문하고, 의미는 한 글자도 건드리지 않습니다(고유명사·수치·날짜·인용 100% 보존, 변경률 30% 초과 시 경고·50% 초과 시 강제 중단).
다음과 같은 요청 시 반드시 이 스킬을 사용하세요:
- "AI 티 없애줘", "GPT 문체 제거해줘", "ChatGPT 티 제거"
- "사람이 쓴 것처럼 윤문해줘", "AI 같은 글 자연스럽게"
- "한글 AI 윤문", "AI 글 사람처럼", "AI 글 티 안 나게"
- "번역투 제거", "영어 인용 많은 글 윤문"
- "휴머나이저", "humanize Korean", "AI detector bypass 한글"
- 후속 작업: "특정 카테고리만 다시", "이 문단만", "2차 윤문", "강도 조정", "장르 바꿔서"
적용 대상 — 모든 한국어 텍스트 산출물(블로그·뉴스레터·카피·사업계획서·제안서·보고서·이메일·랜딩 카피·칼럼·리포트). ai-slop-reviewer가 1차 일반 후처리를 마친 뒤 2차 한국어 정밀 윤문으로 호출하는 것을 권장합니다.
적용 제외 — 단순 맞춤법·오탈자 교정(직접 처리), 번역(번역 스킬), 내용 추가·삭제 동반 재작성(별도 집필 스킬), 코드·JSON·CSV·차트·표.
한국 번역학계 8유형 번역투 계보를 통합한 10대 카테고리 분류 + 신규 패턴 A-16/A-18/A-19/E-7 + post-editese 14메트릭 기반 한국어 정밀 윤문 스킬입니다.
|
| version | 1.1.1 |
Humanize Korean: 한국어 AI 티 제거 (Fast 모드)
본 스킬은 epoko77-ai/im-not-ai (MIT)의 AI 문체 분류 체계에서 출발해 한국 번역학계 계보와 post-editese 메트릭으로 확장한 것입니다. 어트리뷰션은 저장소 루트 NOTICE §1.8에 기록되어 있습니다.
개요
이 스킬은 한국어 텍스트에서 AI가 쓴 흔적을 수술적으로 제거합니다. 내용은 한 글자도 건드리지 않고 문체·리듬·표현만 자연스러운 한국어로 되돌립니다. 영어권 humanizer(QuillBot·Hix·Undetectable AI)가 약한 한국어 고유 패턴 — 번역투, 영어 인용 과다, 결말 공식, hedging, 형식명사 — 을 정량 메트릭과 SSOT 분류 체계로 처리합니다.
4대 철칙 (위반 시 즉시 롤백)
- 의미 불변 — 사실·주장·수치·고유명사·직접 인용은 100% 원문 보존. (카피 모드에서는 "의미 불변" = 사실 앵커 + 핵심 약속/혜택의 의미 보존; 표현·문장 구조는 재작성 허용)
- 근거 기반 — 탐지된 span에만 수술적 수정. 탐지 없는 구간은 건드리지 않음
- 장르 유지 — 칼럼을 문학으로, 리포트를 에세이로 옮기지 않음. (카피/슬라이드는 장르 규칙 적용: 명사구 허용 경계·정보성 vs 호소성 구분)
- 과윤문 금지 — 산문 모드 변경률 30% 초과 시 경고, 50% 초과 시 강제 중단. 카피 모드는 변경률 가드 대신 사실 앵커 보존 가드 적용 (수치·날짜·가격·고유명사·법적 표기 100% + 핵심 약속/혜택 보존)
Phase 0: 컨텍스트 확인
작업 시작 시 가장 먼저 다음 한 줄을 출력합니다.
korean-humanize — fast 모드 / run_id: {YYYY-MM-DD-NNN}
run_id 결정
- 모든 경로는 cwd 기준.
_workspace/{YYYY-MM-DD-NNN}/에 산출물 누적
- 기존 시퀀스 확인은
Glob 도구로:
Glob(pattern="_workspace/YYYY-MM-DD-*/01_input.txt") → 결과에서 폴더명 추출 후 NNN 최댓값 + 1- 당일 폴더가 없으면 NNN = 001
- 디렉토리 자체는 Glob으로 매칭 안 됨 — 반드시
01_input.txt 표지 파일을 매칭
- 8,000자 초과 입력은 처리는 가능하지만 정밀 검증이 필요할 수 있음 → summary.md에 "정밀 모드(strict-pipeline-spec) 권장" 한 줄 표기
옵션 (인자 끝에 자연어로)
장르: 칼럼|리포트|블로그|공적|카피|슬라이드 — 장르 명시(생략 시 첫 300자로 자동 추정)모드: 산문|카피 — 과윤문 가드 모드 선택(생략 시 장르에서 자동 추론: 칼럼/리포트/블로그/공적→산문, 카피/헤드라인/CTA/랜딩/슬라이드→카피)강도: 보수|기본|적극 — 윤문 강도(기본값: 기본)최소심각도: S1|S2|S3 — 탐지 임계값(기본값: S2)
Phase 1: 입력 저장
- cwd 기준
_workspace/{run_id}/ 디렉토리 생성
- 입력 텍스트를 **
01_input.txt**에 그대로 저장 (한 글자도 변형하지 않음)
- 첫 300자로 장르 자동 추정 (사용자 명시 시 우선)
- 칼럼: 1인칭 의견·논평·결말 공식
- 리포트: 객관적 서술·수치·인용
- 블로그: 캐주얼·친근체·이모지 허용
- 공적: 격식체·공문체
Phase 2: 사전 메트릭 측정
정량 베이스라인을 먼저 잡습니다. references/metrics.py를 호출:
python3 "${CLAUDE_PLUGIN_ROOT}/skills/korean-humanize/references/metrics.py" \
--input "_workspace/{run_id}/01_input.txt" \
--genre {칼럼|리포트|블로그|공적} \
--output "_workspace/{run_id}/00_metrics.json"
산출물 00_metrics.json에는 다음 8개 메트릭이 포함됩니다(원본 metrics.py v1.6 명세):
comma_inclusion_rate: 연결어미 뒤 쉼표 비율(C-11 신호, 4.84배 분리도)comma_usage_rate: 전체 쉼표 포함률(C-12, 2.32배)ending_comma_rate: 쉼표 분절의 종결어미 분포(E-5 측정용)comma_segment_length: 쉼표 분절 평균 길이(E-5, 1.97배)conclusion_pivot_count: 결산 어휘 빈도(D-1 "결론적으로/따라서/이를 통해" 4종, 임계 3+)safe_balance_count: 안전 균형 lexicon(G-3 "양쪽 모두/신중하게" 등)hanja_nominalizer_density: 한자어 명사화 -성/-적/-화 밀도(F-4, 임계 12+)lexical_diversity: 어휘 다양성 지수(중문·복문 구조 다양성)
(옵션) post-editese 분석 레이어 — references/metrics_v2.py: 번역투 14개 정량 신호(simplification·normalisation·interference 3축, T1~T8)를 추가로 측정하려면 metrics_v2.py를 호출합니다. metrics.py를 import해 v1.6 출력의 상위집합을 반환하므로(v2_metrics·v2_interference_index 키 추가) 기존 Phase 흐름과 호환됩니다. 이 레이어는 선택적 분석용으로, Fast 파이프라인의 1차 baseline은 여전히 metrics.py입니다. baseline은 placeholder(baseline_v2.json, 모든 셀 _placeholder: true — calibration 전이므로 z-score는 참고용).
python3 "${CLAUDE_PLUGIN_ROOT}/skills/korean-humanize/references/metrics_v2.py" \
--input "_workspace/{run_id}/01_input.txt" \
--genre {essay|news|blog|qa|dialogue} \
--output "_workspace/{run_id}/00_metrics_v2.json"
표준 라이브러리만 사용하므로 별도 의존 설치는 없습니다(Python 3.13+ 권장).
(선택) post-editese 분석 레이어 — references/metrics_v2.py: v1.6 metrics.py의 8개 메트릭에 더하여 카피 장르 번역투 탐지 신호(A-20/A-21/A-22/A-24/I-7/A-25 계열)를 정량으로 측정하려면 metrics_v2.py를 호출합니다. metrics.py를 import하므로 v1.6 출력의 상위집합(v2_copy_metrics 키 추가)을 반환합니다. 이 레이어는 선택적 분석용으로, Fast 파이프라인의 1차 baseline은 여전히 metrics.py입니다(결과 merge 자동, 정량 임계는 후속 회차 보강 대기).
Phase 3: 인라인 탐지·윤문·자체검증
핵심 단계. 이 단계에서 다음을 한 번에 수행합니다.
3-1. 룰북 로드
다음 두 파일을 메모리로 로드:
references/quick-rules.md — S1·S2 핵심 패턴 + 자체검증 6항(슬림 룰북)references/ai-tell-taxonomy.md — 10대 카테고리 × 40+ 서브 패턴 SSOT(필요 시 참조)
00_metrics.json의 정량 신호를 우선순위로 활용합니다(예: stdev<8이면 E-1 우선, -성/-적/-화 12+이면 F-4 우선).
3-2. Do-NOT 리스트 (탐지·윤문 모두 제외)
- 고유명사·제품명·모델명·기관명
- 수치·날짜·단위
- 큰따옴표 안 직접 인용
- 법률 조문, 수학·화학·통계 표기
- 영어 약어(LLM·GPU·MCP·API 등 업계 표준)
3-3. 카테고리별 처방 적용 우선순위
S1 (결정적 — 무조건 제거):
- A-1/A-2/A-3 번역투(~를 통해/~에 대해/~에 있어서)
- A-7/A-8 가지고 있다 / 이중 피동
- A-20/A-21 카피·IT 장르 번역투(굴러가다/굴리다 직역 · 추상명사 종결→동사 종결) — v2.2, 카피·헤드라인·CTA·렌딩문 한정
- C-5 이모지 남발(칼럼·리포트 한정)
- C-10 콜론 부제 헤딩 반복
- C-11 연결어미 뒤 쉼표
- D-1~D-6 결산 피벗·시사하는 바·본질적으로·hype 어휘·의인화 추상 주어·결말 공식
- H-1/H-3 문두 접속사 5+회 / 메타 진입 3+회
- I-1 ~인 것이다/한 것이다 결말
- J-2 따옴표 강조 5+회
S2 (강함 — 1-2회 허용, 3+ 시 제거):
- A-4/A-5/A-6/A-9/A-10/A-11/A-15
- A-22/A-23 카피 장르 번역투(대행·협업 동사 직역 · 직역 은유·비유) — v2.2
- I-7 비즈니스 카피 공식 표현(당사는/저희는 + ~합니다/입니다/드립니다) — v2.3, 비즈니스·CS·이메일 한정
- B-1/B-2 영어 인용 과다
- C-7/C-8/C-9 구조 패턴
- D-7 변환 공식 X에서 Y로
- E-1 리듬 균일성
- F-4/F-5 한자어 -성/-적/-화 밀도
- G-1/G-2/G-3 hedging
- H-4 즉 남발
- I-2/I-3/I-4 형식명사
- J-1/J-3 헤딩 강조 / 불릿 리스트
자세한 처방 레시피는 references/rewriting-playbook.md 참조.
3-3b. 슬라이드/카피 장르 프로파일 (구조적 슬롭 S1 패턴 3종 + v2.6 신규)
슬라이드 헤드라인·마케팅 카피·CTA는 다른 장르(칼럼·리포트·블로그·공적)와는 다른 규칙이 적용됩니다. 슬라이드/카피 장르 프로파일은 완전한 명사구 제목(예: "2026년 Q1 사업 보고")은 허용하면서, 아래 3가지 구조적 AI 슬롭 패턴(M-1~M-3)은 금지합니다. 이 3종은 단어 사전이 아닌 문장 구조 수준에서 탐지되며, 단독 1회 등장으로 AI 저자가 확인되므로 **S1(결정적, 무조건 제거)**입니다. v2.6부터 taxonomy.md §M에 정식 등재.
| # | 패턴 ID | 탐지 신호 | [나쁜 예] | 수정 |
|---|
| 1 | M-1 대시 대비 헤드라인 | 대시(—)로 문장을 분할하는 "X — Y" 구조 | [나쁜 예] "복붙에서 위임으로 — 목표만 주면" | 대시 제거, 한 문장 통합 또는 두 문장 분리 |
| 2 | M-2 조사·체언 종결 조각문 | 조사(~은/에/로)나 체언(명사형)으로 끝나는 조각문 | [나쁜 예] "성공의 열쇠" (서술어 없음) | 서술어 포함 완전문으로 재작성 |
| 3 | M-3 "A에서 B로" 전환 공식 | "X에서 Y로" 도입부 상투 | [나쁜 예] "엑셀에서 노션으로, 바뀐 것" | 전환 공식 제거, 구체 사례·근거로 시작 |
M 카테고리 명사구 허용 경계: 완결형 명사구 제목("2026년 Q1 사업 보고", "AI 코워커으로 여는 업무의 미래") 허용 vs 조각문("성공의 열쇠", 조사·체언 종결) 금지. taxonomy.md §M 경계 사례 4건 참조.
v2.2 카피·IT 장르 번역투 (A-20~A-23) + v2.6 확장: 워크플로우·자동화·시스템 주제 카피·헤드라인·CTA·렌딩문에서 빈도 높은 4종(A-20A-23) + v2.6 신규 8종 스토리텔링(L-1L-8) + 3종 슬라이드 구조(M-1M-3). A-20·A-21·M-1M-3은 S1(무조건 제거), A-22·A-23·L 패턴은 S2. 상세 탐지는 references/ai-tell-taxonomy.md A-20~A-25 + L + M, 치환은 references/rewriting-playbook.md 해당 섹션. v2.3 I-7: 비즈니스 카피 공식 표현 [S2]. 비유·과장·의인화 탐지 시 K-1(구체 사실)·K-2(절제·곡언) 양성 처방으로 대체 — 한국인 정서 카피의 핵심.
3-4. 윤문 실행 (Edit 도구)
탐지된 span별로 Edit 도구로 수술적 치환. 탐지되지 않은 구간은 절대 수정하지 않습니다.
- 격식체 입력 → 격식체 출력 (register 보존)
- 평어체 입력 → 평어체 출력
- 변경 누적분이 30% 초과 시 경고 메시지를 summary 후보에 기록, 50% 초과 시 즉시 중단·전체 롤백
3-5. 자체검증 6항 점검 (윤문 직후 5초 내)
윤문 직후 다음을 자가 점검합니다. 한 항목이라도 위반이면 해당 edit 롤백:
- 고유명사·수치·날짜·인용 100% 보존 — 원문 대비 한 글자도 다르지 않은가
- 변경률 — 30% 이하인가
- 장르 이탈 없음 — 칼럼이 에세이·문학으로 변하지 않았는가
- register 보존 — 원문 격식체면 결과도 격식체
- 잔존 S1 패턴 0건 — D-1~D-7, A-8, C-5, C-10, C-11, H-1, I-1, J-2가 남아있지 않은가
- 인공 표현 자제 — 원문에 없던 비유·수사·문학적 표현을 임의 추가하지 않았는가
위반 시: edit 롤백 → 다시 윤문 → 재점검. 자체 루프 최대 1회. 여전히 미해결이면 결과를 출력하되 summary.md에 "자가검증 미통과 항목 N건"을 표기합니다.
Phase 4: 사후 메트릭 + 산출물 작성
4-1. 사후 메트릭
python3 "${CLAUDE_PLUGIN_ROOT}/skills/korean-humanize/references/metrics.py" \
--input "_workspace/{run_id}/final.md" \
--genre {장르} \
--output "_workspace/{run_id}/06_metrics_after.json"
before/after 비교로 카테고리별 개선율(%)을 계산합니다.
4-2. final.md 작성
_workspace/{run_id}/final.md에 윤문본 + HTML 주석 블록(메트릭·탐지 before/after·자체검증 6항·등급·주요 변경 하이라이트)을 작성합니다. HTML 주석이라 마크다운 뷰어·웹 게시·복사 시 본문에만 노출됩니다.
{윤문본 본문}
<!-- HUMANIZE-SUMMARY
모드: fast / run_id: {run_id}
변경률: X%
등급: A|B|C|D
자체검증: N/6 통과
카테고리 탐지 (before → after):
A 번역투: 12 → 1
D AI 관용구: 5 → 0
...
-->
4-3. summary.md 작성
_workspace/{run_id}/summary.md에 메트릭 표·자체검증 결과·등급·하이라이트 요약을 정리합니다.
Phase 5: 등급 판정
산문 모드 등급 (칼럼·리포트·블로그·공적)
| 등급 | 조건 |
|---|
| A | S1 잔존 0, S2 잔존 ≤2, 변경률 10-25%, 자체검증 6/6 |
| B | S1 잔존 0, S2 잔존 ≤4, 자체검증 5/6 이상 |
| C | S1 잔존 1-2 또는 자체검증 ≤4 — 사용자에게 정밀 검증 권고 |
| D | S1 잔존 3+ 또는 변경률 50% 초과 — 작업 중단 권고 |
카피 모드 등급 (헤드라인·CTA·랜딩·슬라이드·스토리)
| 등급 | 조건 |
|---|
| A | S1 잔존 0 (M-1~M-3·L-1/L-3/L-4 문구 S1 포함), 사실 앵커 손실 0, 자체검증 통과 |
| B | S1 잔존 0, 사실 앵커 손실 0~1건 (보수적), 자체검증 5/6 이상 |
| C | S1 잔존 1, 또는 자체검증 ≤4 — 사용자 정밀 검증 권고 |
| D | S1 잔존 2+, 또는 사실 앵커 손실 2+ — 작업 중단 권고 |
Phase 6: 사용자에게 결과 반환
다음 4개를 사용자에게 전달:
- 한 줄 상태:
완료. 변경률 X% / 등급 Y / 자체검증 N/6 통과
- 윤문본 본문: 마크다운 블록 형태로
- summary.md 핵심 표: 메트릭 + 카테고리 탐지 + 자체검증
- 등급 B 이하 시 안내: "더 정밀한 검증이 필요하면
references/strict-pipeline-spec.md의 정밀 모드 설계 노트를 참조해 별도 워크플로로 실행하시기 바랍니다."
부분 재실행 / 후속 명령
| 사용자 신호 | 처리 |
|---|
| "특정 카테고리만 다시" | 해당 카테고리 finding만 Phase 3 재실행, 기존 run_id 재사용 |
| "이 문단만" | 해당 문단만 입력으로 새 run_id 생성 |
| "2차 윤문" | 기존 run_id의 final.md를 새 입력으로 Phase 1부터 재실행 |
| "윤문 강도 조정" | 최소심각도 옵션 변경 후 Phase 2부터 재실행 |
| "장르 바꿔서" | genre_hint 변경 후 Phase 2부터 재실행 |
ai-slop-reviewer와의 관계
이 스킬은 moai-coworker:ai-slop-reviewer의 2차 한국어 정밀 윤문 단계로 설계되었습니다. 권장 체인:
한국어 텍스트 산출물(블로그·뉴스레터·카피 등)
↓
moai-coworker:ai-slop-reviewer ── 1차 일반 AI 슬롭 후처리(영어 표현 정리, 일반 패턴)
↓
moai-writer:korean-humanize ── 2차 한국어 정밀 윤문(40+ 패턴 SSOT, 등급)
↓
최종 산출물
ai-slop-reviewer만으로 충분한 경우(영어 비중 높은 텍스트, 캐주얼 블로그)는 korean-humanize을 생략해도 됩니다.
주의 사항
- 의미 불변이 최상위 불문율 — 위반 즉시 롤백
- 수치·고유명사·직접 인용은 탐지·윤문 대상 아님 — Do-NOT 리스트 엄수
- 장르 이탈 금지 — 칼럼이 에세이로, 에세이가 문학으로 옮겨가지 않음
- register 보존 — AI 티는 문법·수사이지 격식 자체가 아님
- 변경률 30% 초과 → 경고, 50% 초과 → 강제 중단·전체 롤백
- 자동 로드 금지 — 프로젝트 CLAUDE.md 등 다른 파일을 자동 파싱해 옵션 추론하지 않음
참고 자료
이 스킬은 한 콜에서 탐지·윤문·자체검증을 끝내는 단일 콜 Fast 모드로 동작합니다. 분류 체계(references/ai-tell-taxonomy.md)·룰북(quick-rules.md·rewriting-playbook.md)·정량 메트릭(metrics.py·baseline.json)·번역학 학술 근거(scholarship.md)를 SSOT로 두고, 다중 패스 정밀 검증은 references/strict-pipeline-spec.md의 설계 노트로 향후 확장을 정리했습니다.
