humanizer-ru

name

humanizer-ru

description

Возвращает автору голос в русскоязычных текстах от LLM. Чистит канцелярит, штампы, цепочки родительного, «является», кальки с английского, преувеличения, типографические маркеры; ведёт голосовой паспорт автора в `.humanizer/voice.json`, поддерживает жанровые пресеты (Habr/Telegram/email и др.) и режим аудита. Применять, когда пользователь просит «сделать текст человечнее», «убрать AI-стиль», «переписать по-человечески», или использует команду /humanizer-ru.

Humanizer-RU

Скилл для редактирования русскоязычных LLM-текстов. Подход редакторский, не противодетекторный: цель — вернуть автору голос, а не «обмануть классификатор».

В традиции Норы Галь, инфостиля и Розенталя. Опирается на классику русского редактирования, не на arms race с детекторами LLM.

Что внутри

Скилл устроен как три слоя:

1. Фразовый слой — каталог из 50+ правил в 9 тематических группах: контентные паттерны, языковые, стилевые, типография, коммуникация, морфология (падежи, виды, согласования), расширенная идиоматика (4 класса калек), филлеры, идеальная грамотность как маркер.
2. Документный слой — структурная диагностика: listicle-сигнатура, плотность тире, разброс длин предложений, доля AI-цитат, плотность точки с запятой и одиночных двоеточий, голосовая консистентность с паспортом.
3. Голосовой паспорт — мета-уровень: сохраняемый артефакт .humanizer/voice.json с предпочтениями автора, эволюционирующий между сессиями.

Дополнительные механизмы:

• Светофорная разметка абзацев (🟢 не трогать / 🟡 точечно / 🔴 переписать) на основе паспорта.
• Принцип жеста — каждое предложение должно содержать авторский выбор слова, конкретику или неожиданный поворот.
• Динамические приоритеты по жанровому пресету (always/context/ignore вместо статических A/B/C/D).
• Доменные whitelist'ы (ИТ / финансы / медицина) — чтобы не заменять профильные термины на «упрощённые».

Это отличие от поверхностного перифразирования: скилл не «делает текст менее предсказуемым», а возвращает в него конкретного автора.

См. dictionaries/ для расширенных словарей и whitelist'ов, examples/ для регрессионных примеров.

Команды и режимы

/humanizer-ru                          базовый прогон по последнему паспорту или дефолтам
/humanizer-ru --sample                 калибровка по образцу автора (приложить 2-3 абзаца)
/humanizer-ru --interview              калибровка через короткое интервью (если образца нет)
/humanizer-ru --preset=<имя>           использовать жанровый пресет (habr / telegram / email / vc / linkedin / docs)
/humanizer-ru --audit                  только диагностика, без правок
/humanizer-ru --rough                  опт-ин на намеренные микро-неровности (для соцсетей)
/humanizer-ru --reflect <финал>        обновить паспорт по финальной версии (post-hoc feedback)
/humanizer-ru --add-sample             добавить образец в существующий паспорт

Флаги комбинируются: --preset=habr --sample = калибровка по образцу + дефолты Habr поверх.

Слой 3 — Голосовой паспорт

Зачем это вообще

LLM по умолчанию пишет «усреднённого человека». Voice passport фиксирует конкретного автора, и каждая правка сверяется не с абстрактной нормой, а с тем, как пишет этот автор.

Паспорт хранится в .humanizer/voice.json в рабочей директории пользователя. Если файла нет — скилл предлагает калибровку. Если есть — использует и при необходимости эволюционирует.

Схема .humanizer/voice.json

{
  "version": 1,
  "created": "2026-04-27",
  "updated": "2026-04-27",
  "usage_count": 0,
  "calibration_mode": "sample",

  "address": "ты",
  "formality": 6,

  "typography": {
    "dash": "–",
    "dash_padding": "spaces",
    "quotes": "«ёлочки»",
    "yo_letter": "consistent",
    "nbsp": "minimal"
  },

  "rhythm": {
    "sentence_length_avg": 15,
    "sentence_length_min": 3,
    "sentence_length_max": 35,
    "sentence_variance": "high",
    "paragraph_length_avg": 4
  },

  "voice_features": {
    "irony": "occasional",
    "person": "first",
    "rhetorical_questions": true,
    "personal_anecdotes": true,
    "hedging": "minimal"
  },

  "preferred_phrases": ["по-человечески", "в общем"],
  "banned_phrases": ["являются", "в современном мире"],

  "channel_default": "habr",

  "context_exceptions": [],

  "history": [
    {
      "date": "2026-04-27",
      "session_id": "s1",
      "event": "calibrated_from_sample",
      "details": "initial calibration from 2-paragraph sample"
    }
  ]
}

Поля паспорта

Поле	Значения	Что значит
address	ты, Вы, depends_on_channel	Обращение к читателю
formality	1-10	Уровень формальности (1 = чат с другом, 10 = официальный документ)
typography.dash	—, –, -	Тип тире
typography.dash_padding	spaces, none, mixed	Пробелы вокруг тире
typography.quotes	«ёлочки», „лапки", "прямые", mixed	Тип кавычек
typography.yo_letter	consistent, never, ad_hoc	Использование Ё
typography.nbsp	strict, minimal, none	Неразрывные пробелы
rhythm.sentence_length_avg	число	Средняя длина в словах
rhythm.sentence_variance	high, medium, low	Разброс длин (важно для burstiness)
voice_features.irony	frequent, occasional, none	Допустима ли ирония
voice_features.person	first, we, impersonal	Голос: я / мы / безличный
voice_features.hedging	minimal, moderate, heavy	Степень оговорок
preferred_phrases	список	Любимые обороты автора (сохранять)
banned_phrases	список	Запрещённые обороты (никогда не выдавать)
channel_default	имя пресета	Жанровый пресет по умолчанию
context_exceptions	список	Правила, которые не применять в указанных контекстах
history	список событий	Журнал изменений паспорта

Уровни калибровки

Уровень 1 — Образец автора (идеал)

Автор предоставляет 2-3 абзаца своего письма. Скилл анализирует образец по конкретному алгоритму и заполняет полный паспорт. calibration_mode: "sample".

Алгоритм извлечения voice features из образца

Обращение (address). Сканировать местоимения и формы глаголов:

• «ты, тебя, тебе, тобой» → ты
• «вы, вам, вас, вами» (с большой буквы) → Вы
• безличные конструкции преобладают, местоимений нет → impersonal
• неоднозначно → depends_on_channel

Формальность (formality, 1-10). Базовая = 5, корректировать:

• слэнг или явно неформальная лексика («норм», «короче», «вообще») → −2
• сокращения, аббревиатуры в неформальной форме → −1
• разговорные обороты → −2
• канцелярит («осуществление», «реализация», «в рамках») → +3
• юридические/научные термины → +2
• безличные конструкции преобладают → +1
• результат clamp в [1, 10]

Тире (typography.dash). Подсчитать em-dash (—), en-dash (–), дефис (-) в роли тире (с пробелами):

• em-dash > 2× en-dash → "—"
• en-dash > 2× em-dash → "–"
• только дефисы (-) с пробелами → "-"
• смешение → доминирующий тип, остальное в history как «непоследовательно»

Пробелы вокруг тире (typography.dash_padding). Если в 80%+ случаях есть пробелы — "spaces". Если их нет — "none". Иначе — "mixed".

Кавычки (typography.quotes). Подсчитать «ёлочки», „лапки", "прямые". Доминирующий тип идёт в паспорт. Если мало вхождений (<3) — оставить дефолт пресета.

Ё (typography.yo_letter). Подсчитать слова с Ё и слова, в которых должна быть Ё, но стоит Е (использовать словарь основных Ё-слов: ёж, всё, ещё, плёнка, мёд, ёлка, пчёл, нашёл, и т.д.):

• 80%+ слов с правильной Ё → consistent
• 0-5% → never
• 5-80% → ad_hoc

Неразрывные пробелы (typography.nbsp). Проверить на наличие U+00A0 перед %, °, км, шт, инициалами:

• 80%+ соответствие → strict
• 20-80% → minimal
• <20% → none

Ритм (rhythm.*). Разбить на предложения по [.!?], посчитать длины в словах:

• sentence_length_avg — среднее
• sentence_length_min — минимум
• sentence_length_max — максимум
• sentence_variance: σ ≥ 6 → high, 4-6 → medium, <4 → low
• paragraph_length_avg — среднее число предложений в абзаце

Голосовые черты (voice_features.*):

• irony: маркеры иронии (вопросы с восклицанием, контрапункты, само-преуменьшения, «ну», «конечно же», «серьёзно?») → подсчитать долю; >5% предложений → frequent, 1-5% → occasional, <1% → none
• person: преобладают «я» → first, «мы» → we, безличные → impersonal
• rhetorical_questions: есть ли вопросительные знаки в утвердительных контекстах → true/false
• hedging: доля слов «может быть», «возможно», «вероятно», «наверное», «скорее всего» → >5% → heavy, 1-5% → moderate, <1% → minimal
• personal_anecdotes: есть ли в тексте first-person narrative с конкретикой («у меня было», «помню как») → true/false

Идиолект (preferred_phrases). Найти повторяющиеся 2-3-словные обороты с частотой ≥2 в образце, исключая стоп-слова. Записать топ 3-5.

Стоп-слова автора (banned_phrases). На этапе калибровки оставить пустым или попросить автора. Заполняется через inline feedback в последующих сессиях.

Уровень 2 — Bootstrap-интервью

Если образца нет, скилл задаёт 5-7 вопросов одним сообщением и ждёт ответа:

Чтобы настроить скилл под тебя, ответь коротко на эти вопросы:

1. Обращение к читателю: «ты», «Вы», или зависит от канала?
2. Формальность по шкале 1-10 (1 = пишу как другу в мессенджере, 10 = официальный документ)?
3. Тире: длинное (—), короткое (–) или дефис (-)? Если не уверен — короткое.
4. Ирония: часто, иногда или никогда?
5. Канал публикации в большинстве случаев: Habr / vc.ru / Telegram / LinkedIn / email / документация?
6. Любимые обороты, которые ты вставляешь часто (если есть)?
7. Слова-табу — что точно не должно появляться в твоём тексте?

Из ответов собирается минимальный паспорт. calibration_mode: "interview".

Алгоритм обработки ответов

Q1 → address:

• «ты» → address: "ты", базовая formality: 4
• «Вы» → address: "Вы", базовая formality: 6
• «зависит» → address: "depends_on_channel", базовая formality: 5

Q2 → formality: перезаписывает базовую из Q1 (используется ответ автора, если он явный).

Q3 → typography.dash: прямое присвоение. Если «не уверен» — определить из канала (Q5): docs/email → –, остальное → – тоже (безопасный дефолт).

Q4 → voice_features.irony:

• «часто» → frequent, доп. formality: -1 (ирония обычно снижает формальность)
• «иногда» → occasional
• «никогда» → none, доп. formality: +1

Q5 → channel_default: записать пресет. Заполнить дефолты пресета поверх ответов Q1-Q4 для полей, которые автор не указал явно (типография, NBSP и т.д.).

Q6 → preferred_phrases: парсить ответ, разделить по запятым/точкам, добавить в список. Если автор написал «нет» — оставить пустым.

Q7 → banned_phrases: аналогично Q6.

Поля rhythm.* заполняются дефолтами выбранного канала (без образца их не определить точно). После 2-3 сессий с inline feedback или одного --add-sample они уточнятся.

Уровень 3 — Genre preset как fallback

Если автор спешит и не хочет ни образца, ни вопросов:

/humanizer-ru --preset=habr
[текст]

Скилл использует дефолтный голос канала (см. раздел «Жанровые пресеты»). Это честный baseline, не личный голос. Скилл явно говорит автору: «Персонализации нет, применён только пресет канала. Для лучшего результата — --sample или --interview».

calibration_mode: "preset_only". Паспорт всё равно создаётся, но с пометкой о том, что это fallback.

Иерархия применения

При работе скилл объединяет источники в порядке убывания приоритета:

1. context_exceptions из паспорта (явные исключения автора)
2. preferred_phrases / banned_phrases из паспорта
3. Активный паспорт (calibrated)
4. Жанровый пресет (channel_default или явный --preset)
5. Дефолты скилла (для полей, которые не заданы)

Если паспорт говорит «короткое тире», а пресет «никакого тире вообще» — побеждает паспорт.

Auto-evolve: как паспорт растёт между сессиями

Паспорт не статичен. Три механизма обновления работают параллельно.

Механизм 1 — Sample-driven (новые образцы)

Команда /humanizer-ru --add-sample. Скилл извлекает фичи из нового образца и усредняет с существующим паспортом:

• Числовые поля (длины предложений, формальность) — взвешенное среднее с прошлым (вес нового образца = 1, существующего = usage_count).
• Категориальные поля (тире, кавычки, обращение) — обновляются, если новый образец уверенно показывает другое значение (≥80% случаев в новом тексте).
• Списки preferred_phrases — пополняются новыми идиолектами автора.

Запись в history: {"event": "sample_added", "details": "..."}.

Механизм 2 — Inline feedback (во время прогона)

Во время диалога автор может откатить предложенную правку или сказать «оставь как было». Скилл:

1. Фиксирует событие в history: {"event": "user_reverted", "details": "rule 2.3 в контексте научной статьи"}.
2. Если одно и то же правило отвергнуто 2+ раза в разных сессиях, скилл автоматически:
   • Добавляет правило в context_exceptions с указанием контекста.
   • При следующем прогоне применяет правило мягче или не применяет вовсе в этом контексте.
3. Single rejection = только запись, без изменения активного поведения. Защита от шума.

Механизм 3 — Post-hoc reflection

Команда /humanizer-ru --reflect <финальная_версия>. Скилл:

1. Читает снапшот предыдущего рерайта из .humanizer/sessions/<последний_id>.md.
2. Сравнивает с финальной версией, переданной автором (текст, который реально опубликован).
3. Различия = что автор откатил/доправил после прогона.
4. По правилу 2+ обновляет паспорт: повторные откаты идут в context_exceptions и/или меняют активные поля.

Запись в history: {"event": "reflection", "session_compared": "<id>", "delta": "..."}.

Снапшоты сессий

После каждого рерайта скилл создаёт .humanizer/sessions/<YYYY-MM-DD>-<slug>.md с:

• Исходным текстом
• Применённым snapshot паспорта
• Финальным рерайтом

Это нужно для механизма 3 (reflect) и как журнал работы для пользователя.

Жанровые пресеты

Пресет = контекст публикации, а не «формула статьи». Пресет описывает ожидания канала: что допустимо, что недопустимо, какая формальность.

habr

Технический, экспертный, среднеформальный канал.

address: ты
formality: 6
dash: –   # короткое
quotes: «ёлочки»
yo_letter: consistent
allow_listicle: false   # AI-маркер на Habr с активной модерацией НЛО
allow_micro_imperfections: false
allow_emoji: false

telegram

Разговорный, неформальный, авторский канал.

address: ты
formality: 3
dash: -   # дефис допустим
quotes: "прямые"
yo_letter: ad_hoc
allow_listicle: true
allow_micro_imperfections: true   # рекомендуются
allow_emoji: minimal

email

Деловая или полу-деловая переписка.

address: Вы
formality: 7
dash: –
quotes: «ёлочки»
yo_letter: consistent
allow_listicle: true   # уместно для перечислений
allow_micro_imperfections: false
allow_emoji: false

vc

Бизнес-экспертный контент. Похож на habr, но мягче по модерации.

address: ты
formality: 5
dash: –
quotes: «ёлочки»
yo_letter: consistent
allow_listicle: true
allow_micro_imperfections: false
allow_emoji: false

linkedin

Полу-деловой нетворкинговый контент на русском.

address: Вы
formality: 6
dash: –
quotes: «ёлочки»
yo_letter: consistent
allow_listicle: true
allow_micro_imperfections: false
allow_emoji: minimal

docs

Техническая или продуктовая документация.

address: impersonal   # безличные конструкции
formality: 8
dash: —   # длинное допустимо в документации
quotes: «ёлочки»
yo_letter: consistent
allow_listicle: true   # норма
allow_micro_imperfections: false
allow_emoji: false

Динамические приоритеты по пресету

Вместо статических priorities A/B/C/D, у нас приоритет правила определяется жанровым пресетом. Каждый пресет указывает три набора:

• always — правила, которые применяются всегда в этом пресете (критические для канала)
• context — применяются с оговорками: если контекст это требует
• ignore — правило не применяется в этом канале (его срабатывание — false positive для жанра)

Это даёт точечный контроль: одно и то же правило может быть always для Habr и ignore для Telegram.

Приоритеты по пресетам

habr:

always:
  - 1.1 (штампы эпохи)
  - 1.7 (общие выводы)
  - 2.3 (является)
  - 2.11 (отрицательные параллелизмы)
  - 4.1 (длинное тире)
  - 4.6 (точка с запятой)
  - 4.7 (одиночные двоеточия)
  - 5.1 (чатботные артефакты)
  - 6.* (морфология вся)
context:
  - 2.14 (преувеличения) — сохранить, если есть подтверждающий факт
  - 3.4 (списки) — допустимы 1-2 на статью, не больше
ignore:
  - 4.5 (NBSP) — не критично для онлайн-формата Habr

telegram:

always:
  - 5.1 (чатботные артефакты)
  - 1.1 (штампы эпохи)
  - 4.6 (точка с запятой)
  - 4.7 (одиночные двоеточия)
context:
  - 4.1 (тире) — допустимы дефисы
  - 3.2 (эмодзи) — допустимы дозированно
  - 6.1 (паразитные обороты) — частично допустимы для разговорного
ignore:
  - 4.5 (NBSP) — не нужно для мессенджера
  - 3.1 (перегруз жирного) — bold в Telegram это акцент

email:

always:
  - 5.1 (чатботные артефакты — кроме завершающих формул вежливости)
  - 1.1 (штампы эпохи)
  - 2.3 (является)
  - 2.4 (данный/указанный) — кроме формальных писем
  - 4.6 (точка с запятой) — заменять, кроме формальных перечислений
context:
  - 2.15 (Вы по умолчанию) — обычно сохранять
  - 3.4 (списки) — уместны для перечислений в email
  - 4.5 (NBSP) — желательны для деловой переписки
  - 4.7 (одиночные двоеточия) — допустимы в смысле «вот что нужно сделать:»
ignore: []

vc:

always:
  - 1.1 (штампы эпохи)
  - 2.3 (является)
  - 2.11 (отрицательные параллелизмы)
  - 4.1 (длинное тире)
  - 4.6 (точка с запятой)
  - 4.7 (одиночные двоеточия)
  - 5.1 (чатботные артефакты)
context:
  - 3.4 (списки) — допустимы 2-3 на статью
  - 2.14 (преувеличения) — мягче, чем для Habr
ignore:
  - 4.5 (NBSP)

linkedin:

always:
  - 5.1 (чатботные артефакты)
  - 1.1 (штампы эпохи)
  - 2.3 (является)
  - 4.6 (точка с запятой)
  - 4.7 (одиночные двоеточия)
context:
  - 2.15 (Вы по умолчанию) — обычно сохранять
  - 3.2 (эмодзи) — допустимы дозированно (1-2 поста)
  - 3.4 (списки) — норма для LinkedIn
ignore:
  - 4.5 (NBSP)

docs:

always:
  - 5.1 (чатботные артефакты)
  - 1.1 (штампы эпохи)
  - 6.* (морфология) — критична
  - 4.5 (NBSP) — желательны
context:
  - 2.15 (Вы) — заменять на безличное, если возможно
  - 2.4 (данный/указанный) — допустимо в документации
  - 3.4 (списки) — норма
  - 4.1 (тире) — длинное допустимо
  - 4.6 (точка с запятой) — допустима в формальных перечислениях
  - 4.7 (одиночные двоеточия) — часто вводят определения, не править
ignore:
  - 1.3 (промо-язык) — в документации обычно не встречается, но если есть — править
  - 3.2 (эмодзи)

Если пресета не указали

Скилл применяет ВСЕ правила в режиме always — самый консервативный (это защита от ложных пропусков). Это эквивалентно «строгому режиму».

Custom presets

Пользователь может определить свой пресет в .humanizer/presets/<имя>.yaml. Скилл при загрузке проверит:

1. Сначала .humanizer/presets/<имя>.yaml в проекте
2. Затем встроенные пресеты в SKILL.md
3. Если не найдено — fallback на habr с предупреждением

Кастомный пресет наследует от встроенного через ключ extends: <base> и переопределяет нужные поля.

---

Слой 2 — Структурная диагностика (audit-режим)

Фразовая чистка не лечит документ-уровневые AI-маркеры. Этот слой их детектирует и сообщает автору (а не правит автоматически — это требует переписывания целыми кусками с пониманием контекста).

Когда запускается

• Всегда при --audit (только диагностика, без правок).
• В рамках основного прогона как предварительный этап — скилл сообщает автору, какие структурные правки понадобятся, и спрашивает, идти ли вперёд.

Сигнатуры AI-формы

S1. Listicle-сигнатура

Что считаем: N последовательных секций (заголовок + содержимое) одинаковой структуры.

Порог: 4+ параллельных секций → AI-маркер высокого уровня. 6+ → критический.

Как считать: заголовки уровня ## или ### с одинаковым шаблоном (например, «N. Существительное» × 6 раз) + параллельная внутренняя структура (тезис → таблица → объяснение).

Сообщение автору: «Найдено 10 параллельных секций уровня ##. Это структурный AI-маркер. Рекомендация: разбавить нарративом, объединить часть, изменить форму нескольких заголовков на вопросы или истории».

S2. Плотность тире

Что считаем: количество тире (любого типа) на 1000 знаков.

Норма для онлайна: ≤ 3 тире / 1000 знаков. Перегруз: 4-6. Критический: 7+.

Как считать:

em_dash_count = text.count("—")
en_dash_count = text.count("–")
total = em_dash_count + en_dash_count
density = total / (len(text) / 1000)

Сообщение: «Тире: 84 шт. на 25000 знаков (3.4 / 1000). Это пунктуационный фон, не акцент. Рекомендация: ≤30 тире, остальные заменить на запятые/точки/двоеточия».

S3. Доля AI-цитат в теле

Что считаем: для текстов, разбирающих AI-паттерны, левая колонка таблиц «было/стало» и блочные цитаты с примерами AI-стиля считаются как AI-текст внутри документа.

Порог: ≤ 5% объёма — норма. 5-15% — заметно. 15%+ — критический риск бана классификатором.

Как считать: проценту суммы длин <блок-AI-цитата> относительно длины тела статьи.

Сообщение: «AI-цитаты в теле: 32% объёма. Классификатор не различает контекст и считает их как сгенерированную прозу. Рекомендация: вынести в инлайн короткими цитатами вместо таблиц».

S4. Burstiness — разброс длин предложений

Что считаем: стандартное отклонение длин предложений по тексту.

Норма: σ ≥ 6 слов. Низкая burstiness: σ < 4 (AI-маркер).

Как считать: разбить текст на предложения, посчитать длины в словах, найти стандартное отклонение.

Сообщение: «Длины предложений: avg 16, σ 3.1. Текст ровный по ритму, что характерно для AI. Рекомендация: добавить короткие предложения (3-5 слов) и длинные (25+) вперемежку».

S5. Burstiness — разброс длин абзацев

Что считаем: стандартное отклонение количества предложений в абзаце.

Норма: диапазон от 1 до 6+ предложений в абзацах присутствует. Маркер: все абзацы 3-5 предложений.

Сообщение: «Все абзацы 3-5 предложений. Добавь однострочные абзацы и длинные (6+) для ритма».

S6. Параллельные начала абзацев

Что считаем: N абзацев подряд, начинающихся одной частью речи или схожей конструкцией («AI обожает...», «AI вставляет...», «AI пишет...»).

Порог: 3+ абзацев подряд с однотипным началом — маркер.

S7. Точка с запятой и одиночные двоеточия

Что считаем:

1. Плотность точки с запятой: число ; на 1000 знаков. См. правило 4.6.
2. Доля одиночных двоеточий: двоеточия, после которых НЕ следует перечисление из 2+ элементов или прямая речь / цитата. См. правило 4.7.

Как считать одиночные двоеточия:

для каждого ":" в тексте:
  посмотреть текст после ":"
  если следует:
    - перечисление через запятые из 2+ элементов → list
    - прямая речь в кавычках → quote
    - блок-список (markdown) после переноса → list
    - заголовок (структурный элемент) → heading
  иначе → solo
ratio = solo / (solo + list + quote)

Пороги:

Метрика	Норма	Предупреждение	Критично
; на 1000 знаков	0 (для онлайн-пресетов)	0.3-1.0	>1.0
Доля одиночных :	<20%	20-40%	>40%

Сообщение автору:

«Точка с запятой: 7 шт. на 5000 знаков (1.4 / 1000). В русском онлайн-тексте это редкий знак — рассмотри замену на точку, тире или запятую (правило 4.6). Двоеточий: 12, из них 8 без перечисления (66%) — рассмотри замену на точку или короткое тире (правило 4.7).»

Исключения: в пресете docs пороги мягче (точка с запятой может быть уместна в формальных перечислениях; двоеточия часто вводят определения). Для email в формальных контекстах двоеточия в смысле «вот что нужно сделать:» допустимы.

Метрики голосовой консистентности

Если есть активный паспорт, дополнительно:

V1. Соответствие типографике паспорта

Какой % употреблений тире/кавычек/Ё в тексте совпадает с паспортом?

V2. Соответствие ритма

Средние длины предложений в тексте vs rhythm.sentence_length_avg паспорта. Допустимое отклонение: ±20%.

V3. Использование preferred_phrases / banned_phrases

Сколько любимых оборотов автора встречается в тексте? Сколько запрещённых попало в финал?

Чек-лист структурных правок

Когда диагностика показывает проблемы, скилл выдаёт автору:

## Структурный аудит

| Метрика | Значение | Норма | Статус |
|---|---|---|---|
| Параллельных секций | 10 | ≤3 | КРИТИЧНО |
| Тире / 1000 знаков | 3.4 | ≤3 | ПЕРЕГРУЗ |
| AI-цитаты в теле | 32% | ≤5% | КРИТИЧНО |
| Burstiness предложений (σ) | 3.1 | ≥6 | НИЗКАЯ |
| Burstiness абзацев | равномерная | разнородная | МАРКЕР |
| Точка с запятой / 1000 | 1.4 | 0 | ПЕРЕГРУЗ |
| Одиночные двоеточия | 66% | <20% | КРИТИЧНО |

### Рекомендации

1. Сломать listicle: половину секций превратить в нарративные блоки, заголовки разнотипные.
2. Сократить блоки AI-цитат до инлайн-формы.
3. Тире — заменить большую часть на запятые/точки.
4. Добавить короткие предложения (3-5 слов) и длинные (25+).
5. Разнообразить длины абзацев: однострочные перемежать с длинными.
6. Точку с запятой заменить на точку, тире или запятую (правило 4.6).
7. Одиночные двоеточия (без перечисления после) заменить на точку или короткое тире (правило 4.7).

---

Слой 1 — Каталог фразовых паттернов

Эти правила работают на уровне отдельных фраз. Применяются при основном прогоне после калибровки.

1. Контентные паттерны

1.1. Штампы «современной эпохи»

AI любит открывать абзац обобщениями про время и технологии.

Было	Стало
«В современном мире, где технологии не стоят на месте...»	Начать с конкретного факта
«В эпоху цифровизации каждая компания сталкивается с...»	«70% компаний внедряют X»
«В условиях быстро меняющегося мира...»	Убрать
«Мир не стоит на месте»	Убрать

1.2. Раздувание значимости

Придание рутинным вещам эпического веса.

Было	Стало
«Играет ключевую роль в...»	«Используется для...»
«Является неотъемлемой частью...»	«Часть ...»
«Краеугольный камень / золотой стандарт»	Конкретный факт
«Знаменует собой важный этап в эволюции...»	Убрать, заменить фактом

1.3. Промо-язык

Экскурсоводческий пафос.

Было	Стало
«Уютно расположенный в живописном регионе»	«Находится в регионе X»
«Величественный», «захватывающий», «потрясающий»	Факты без эпитетов
«Впечатляющая коллекция / богатая история»	Конкретные числа/события

1.4. Поверхностный анализ через «-ание/-ение»

Цепочки абстрактных существительных, которые звучат умно, но ничего не говорят.

Было	Стало
«Подчёркивая значимость, отражая важность, демонстрируя потенциал...»	Убрать или заменить конкретикой
«Осуществляет оптимизацию процессов взаимодействия»	«Ускоряет общение»

1.5. Ложные масштабы и «от X до Y»

Искусственное расширение темы.

Было	Стало
«От стартапов до корпораций, от разработчиков до маркетологов...»	Перечислить то, что реально релевантно
«Затрагивает всё — от экономики до культуры»	Назвать конкретные области

1.6. Формулаические «вызовы»

Было	Стало
«Несмотря на вызовы, экосистема продолжает процветать»	Назвать конкретные проблемы и реакцию
«Перед нами стоят непростые задачи»	Перечислить задачи

1.7. Общие выводы

Было	Стало
«Будущее обещает быть светлым»	Конкретные планы
«Время покажет»	Убрать или назвать срок
«Возможности безграничны»	Перечислить реальные возможности

2. Языковые паттерны

2.1. Канцелярит и номинализация

AI-русский превращает глаголы в существительные, раздувая фразу.

Было	Стало
«Осуществление проверки документов»	«Проверка документов» / «Проверить документы»
«Принятие решения о запуске»	«Решили запустить»
«Обеспечение возможности доступа»	«Позволяет получить доступ»
«Производит оценку ситуации»	«Оценивает ситуацию»
«Выполняет функцию защиты»	«Защищает»

2.2. Цепочки родительного падежа

Три и более существительных подряд в родительном.

Было	Стало
«Улучшение качества обслуживания клиентов компании»	«Клиенты стали довольнее»
«Процесс оптимизации системы мониторинга производительности»	«Ускорили мониторинг»
«Анализ эффективности стратегии развития продукта»	«Проверили, как растёт продукт»

2.3. «Является» — слово-паразит

Почти всегда можно убрать или заменить на «это» / тире / прямую связку.

Было	Стало
«Данный подход является эффективным»	«Этот подход эффективен»
«Это является важным фактором»	«Это важно»
«Продукт является решением проблемы»	«Продукт решает проблему»

2.4. «Данный / указанный / вышеупомянутый»

Канцеляризмы из юридических текстов, неуместные в нормальной речи.

Было	Стало
«В рамках данного проекта»	«В этом проекте»
«Указанные выше пункты»	«Эти пункты»
«Вышеупомянутая задача»	«Эта задача»

2.5. Пассивные конструкции без нужды

Было	Стало
«Решение было принято»	«Приняли решение»
«Работа была проделана»	«Сделали работу»
«Результаты были получены»	«Получили результаты»

Исключение: пассив уместен, когда субъект неважен или неизвестен.

2.6. Избыточные придаточные с «который»

Было	Стало
«Система, которая обеспечивает мониторинг, который позволяет отслеживать...»	«Система мониторит X и отслеживает Y»
«Функция, которая используется для того, чтобы...»	«Функция для...»

2.7. AI-словарь на русском

Слова-маркеры, которые AI вставляет автоматически:

Вводные: действительно, безусловно, более того, кроме того, таким образом, следует отметить, стоит подчеркнуть, важно понимать, необходимо отметить, хочется подчеркнуть

Связки: в свою очередь, с одной стороны / с другой стороны (без нужды), в этой связи, в данном контексте

Закрытия: в заключение, подводя итог, в свете вышесказанного, как мы видим

Действие: убирать целиком или заменять на прямое утверждение.

2.8. Ложные кальки с английского

Прямые переводы AI-штампов, которые в русском не звучат:

Калька	По-русски
«В конце дня» (at the end of the day)	«В итоге»
«На одной странице» (on the same page)	«Одинаково понимаем»
«Давайте нырнём / погрузимся» (let's dive in)	«Разберёмся»
«Это меняет игру» (game-changer)	Назвать, что именно меняется
«В сердце X» (at the heart of X)	«В основе X»
«Прикоснуться к будущему»	Убрать
«Думать за пределами коробки» (outside the box)	«Нестандартно подойти»
«На следующем уровне» (next-level)	Конкретно, чем лучше

2.9. Правило трёх

Искусственное перечисление через три элемента с нарастанием.

Было	Стало
«Быстро, надёжно и удобно»	Назвать реально важное
«Инновации, вдохновение и возможности»	Убрать или заменить конкретикой
«Вдохновляет, мотивирует и трансформирует»	Конкретный результат

Правило: если перечисление из ровно трёх элементов, где элементы абстрактные — скорее всего AI. Менять на 2 или 4 пункта с конкретикой, либо один глагол.

2.10. Синоним-цикл

AI боится повторить слово и гонит синонимы даже там, где повтор лучше.

Было	Стало
«Продукт... решение... сервис... инструмент...» (про одну и ту же вещь)	Повторить одно слово
«Клиент... пользователь... заказчик... покупатель...»	Выбрать одно подходящее слово и держаться его

2.11. Отрицательные параллелизмы

Калька с «It's not just X, it's Y». В AI-русском стала эпидемией.

Было	Стало
«Это не просто инструмент, это философия»	«Это новый подход к работе» или «Это инструмент, который меняет X»
«Не просто продукт — образ жизни»	Убрать, назвать что продукт делает
«Не продукт, а платформа»	Сказать, что платформа даёт

2.12. Избыточные вводные

Было	Стало
«Необходимо отметить, что...»	Убрать, сказать сразу
«Стоит обратить внимание на то, что...»	Убрать
«Следует иметь в виду, что...»	Убрать
«Хочется подчеркнуть, что...»	Убрать

2.13. Избыточное хеджирование

Было	Стало
«Потенциально может возможно повлиять»	«Может повлиять» или «Повлияет»
«В некоторой степени в определённом смысле»	Одно слово или убрать
«Как бы» (паразит)	Убрать

2.14. Преувеличения и превосходные степени

AI на русском обожает масштаб без оснований.

Слова-триггеры: революционный, уникальный, беспрецедентный, потрясающий, впечатляющий, кардинально, высококлассный, первоклассный, непревзойдённый, передовой, инновационный

Действие: использовать только если есть факт, подтверждающий превосходство. Иначе удалить.

2.15. Вежливая дистанция «Вы» по умолчанию

AI по умолчанию переходит на уважительное «Вы» даже в casual-контексте блога или Telegram-канала.

Действие: определить тон из паспорта или пресета. По умолчанию (если ничего не указано) — «ты» для блогов и соцсетей, «Вы» для email/документации.

3. Стилевые паттерны

3.1. Перегруз жирного

Было	Стало
«Мы предлагаем OKR, KPI и BMC для вашей команды»	«Мы предлагаем OKR, KPI и BMC для вашей команды»

Жирным выделять только то, что реально важно для скана — один-два элемента на абзац максимум.

3.2. Эмодзи в заголовках и списках

🚀 💡 ✅ 🎯 — удалить, если пресет не разрешает (см. allow_emoji в пресете).

3.3. Инлайн-заголовки «Термин: описание»

Было	Стало
«Скорость: продукт работает быстро.»	Нормальный текст без подменяющих двоеточий

3.4. Маркированные списки без причины

AI превращает в списки то, что лучше читается прозой.

Правило: список уместен, если есть ≥3 параллельных пункта одной структуры. Два пункта — проза. Пункты разной длины/типа — проза.

В пресетах с allow_listicle: false (например, habr) дополнительно: подряд более 3 списков на странице — AI-маркер.

3.5. Фрагментарные заголовки

Было	Стало
## Производительность Скорость важна.	Убрать заголовок или развернуть раздел

Заголовок должен вводить секцию, а не дублировать единственную фразу.

4. Русская типографика

4.1. Тире: длинное / короткое / дефис

Главный маркер AI: длинное тире — с пробелами в онлайн-контенте. Живые авторы в этих форматах почти всегда ставят короткое тире – или просто дефис -. Длинное — уместно только в отредактированной печати — книгах, журналах, академических статьях.

Правило применения:

1. Если есть паспорт — копировать стиль автора точно.
2. Если есть пресет — использовать дефолт пресета (см. таблицу выше).
3. Если ничего не известно — предполагать онлайн-контент и ставить короткое тире –. Это безопаснее, чем навязать длинное там, где оно чужеродно.

Автоматическая замена: при переписывании AI-текста для онлайн-формата все — с пробелами меняются на – (или другие знаки) в соответствии с пресетом или паспортом.

4.2. Перегруз тире (независимо от типа)

Было	Стало
«Код — чистый, тесты — зелёные, деплой — успешный, команда — довольна»	«Код чистый, тесты зелёные, деплой прошёл, команда довольна»

Два и более тире в одном предложении почти всегда заменяются на запятые/точки. См. также метрику S2 в audit-режиме (плотность тире).

4.3. Кавычки

• Книжно-редакторский стиль: «ёлочки» снаружи, „лапки" внутри
• Онлайн: часто «ёлочки» или прямые "..."
• AI-маркер: смешение типов или прямые "..." в тексте, где автор обычно ставит «ёлочки»

Правило: определить тип из паспорта/пресета, применять последовательно.

4.4. Буква Ё

• Если в паспорте yo_letter: consistent — ставить везде.
• Если never — не ставить.
• Если ad_hoc — оставить как у автора.
• Смешение в тексте без указания в паспорте — AI-маркер непоследовательности.

4.5. Неразрывные пробелы

Перед %, °, единицами измерения, в инициалах (А. С. Пушкин) — желательны для типографически строгих контекстов (docs, email), не критичны для онлайна.

4.6. Точка с запятой (;)

Сильный AI-маркер в обычном онлайн-тексте. Точка с запятой в русском используется редко: преимущественно в академических текстах, юридических документах и сложных перечислениях. В блогах, статьях, постах, мессенджерах — почти не встречается.

AI на русском использует точку с запятой по английскому образцу: для соединения двух самостоятельных, но связанных по смыслу предложений. В русском такие случаи решаются по-другому: точкой, тире, запятой с союзом, или отдельным предложением.

Было (AI)	Стало (живой)
«Это работает; но не всегда»	«Это работает. Но не всегда»
«Решение простое; код сразу заработает»	«Решение простое — код сразу заработает»
«Мы оптимизировали запросы; добавили индексы; внедрили кэш»	«Мы оптимизировали запросы, добавили индексы, внедрили кэш»
«Опасность не очевидна; последствия серьёзные»	«Опасность не очевидна. Последствия серьёзные»

Правило: в большинстве пресетов (habr, telegram, vc, linkedin, email) — заменять ; на точку, тире или запятую в зависимости от смысла связки. Исключение — docs (документация) и юридические тексты, где точка с запятой может быть уместна в формальных перечислениях.

Где точка с запятой допустима:

• Сложные академические перечисления, где элементы сами содержат запятые
• Юридические тексты и официальные документы
• Когда автор её явно использует в образце (паспорт preferred_phrases или образец)

4.7. Двоеточие (:) без последующего перечисления

Двоеточие в русском вводит, как правило, перечисление, прямую речь или чёткое объяснение. AI расставляет его в значении «потому что» или «то есть» в каждой третьей фразе — это калька с английской пунктуации.

Здоровое использование:

Употребление	Пример
Перед перечислением (список из ≥2 пунктов)	«Команда состоит из трёх человек: дизайнер, разработчик, продакт»
Перед прямой речью или цитатой	«Он сказал: «Так не работает»»
После обобщающего слова	«Все понимают одно: дедлайн ближе»

AI-перегруз (двоеточие без явного перечисления):

Было (AI)	Стало (живой)
«Решение простое: всё работает»	«Решение простое. Всё работает» или «Решение простое — всё работает»
«Главное условие: соблюдать порядок»	«Главное условие — соблюдать порядок»
«Это полезный инструмент: он экономит время»	«Это полезный инструмент. Экономит время»
«Метод эффективен: работает в 90% случаев»	«Метод эффективен — работает в 90% случаев»

Правило: если после двоеточия идёт одна независимая фраза без явного перечисления — заменить на точку или короткое тире. Если идёт 2+ элемента списка или прямая речь — оставить.

Метрика для audit (см. Слой 2, S7): считать долю двоеточий, после которых не следует перечисление из 2+ элементов. >40% «одиночных» двоеточий — AI-маркер.

5. Коммуникационные паттерны

5.1. Чатботные артефакты

Было	Стало
«Надеюсь, это помогло!»	Убрать
«Если остались вопросы — спрашивайте!»	Убрать (если не письмо клиенту)
«Рад помочь!»	Убрать
«Отличный вопрос!»	Убрать

5.2. Сикофантия

Было	Стало
«Вы абсолютно правы!»	«Да» / ответ по существу
«Прекрасное замечание!»	Убрать
«Великолепно сформулировано!»	Убрать

5.3. Дисклеймеры про cutoff и ограничения

Было	Стало
«Хотя информация по данной теме ограничена...»	Найти информацию или убрать
«В рамках доступных мне данных...»	Убрать

5.4. Приглашения продолжить

Было	Стало
«Дайте знать, если нужно развернуть какую-то часть»	Убрать (кроме переписки)
«Готов ответить на дополнительные вопросы»	Убрать

6. Морфологические маркеры

Морфологические ошибки — отдельный класс маркеров, на который статистические классификаторы смотрят дополнительно к лексическим. AI ошибается в морфологии иначе, чем люди: люди путают «-тся/-ться», AI чаще путает падежи в длинных цепочках, нарушает согласование рода в составных подлежащих, использует деепричастия не к тому подлежащему.

6.1. Падежные несогласования

Было	Стало
«для различных платформ: социальные сети»	«для различных платформ: социальных сетей»
«в результате анализ данных»	«в результате анализа данных»
«при помощи новый инструмент»	«при помощи нового инструмента»

Действие: проверять каждое предложное сочетание и каждое родительное определение на падеж.

6.2. Несогласованные деепричастия

Деепричастный оборот должен относиться к подлежащему главного предложения. AI это правило путает.

Было	Стало
«Проанализировав данные, результаты были получены»	«Проанализировав данные, мы получили результаты»
«Просмотрев документ, ошибка стала очевидна»	«При просмотре документа ошибка стала очевидна»

6.3. Род глагола и прилагательного при составных подлежащих

Было	Стало
«Компания заявил»	«Компания заявила»
«Команда разработала и внедрил»	«Команда разработала и внедрила»

6.4. Вид глагола (совершенный/несовершенный)

Было	Стало
«Он будет делать работу и сделает её»	«Он сделает работу» или «он делает работу»
«Постоянно проанализировал ситуацию»	«Постоянно анализировал»

6.5. Избыточные подлежащие (pro-drop русского)

Русский позволяет опускать подлежащее. AI вставляет его всегда — реликт английского обучающего корпуса.

Было	Стало
«Он встал и он пошёл к двери»	«Встал, пошёл к двери»
«Я думаю, что я прав»	«Думаю, прав»
«Они сделали то, что они хотели»	«Они сделали то, что хотели»

7. Расширенная идиоматика: типизация калек

Раздел 2.8 покрывал базовые кальки. Здесь расширенный каталог с типологией — AI на русском воспроизводит четыре класса английских конструкций.

7.1. Маркетинговый перевод-стиль

Английские слоганы, переведённые буквально.

Калька	Источник	По-русски
«Это меняет игру»	game-changer	Назвать, что меняется
«На следующем уровне»	next-level	Лучше в чём-то конкретном
«За пределами коробки»	outside the box	Нестандартно
«Делает разницу»	makes a difference	Имеет значение / влияет
«Двигаемся вперёд»	moving forward	В дальнейшем / далее
«Конец дня»	end of the day	В итоге
«Прикоснуться к будущему»	touch the future	Убрать
«Изменить правила игры»	change the game	Конкретное изменение

7.2. Академический английский

Кальки из научного и экспертного дискурса.

Калька	Источник	По-русски
«Стоит отметить, что»	It's worth noting	Просто сказать
«Важно понимать, что»	It's important to understand	Убрать
«Можно сказать, что»	One could say	Убрать или утверждать
«По мнению экспертов»	Experts say	Назвать конкретного эксперта
«Данное исследование показывает»	This study shows	«Исследование показывает»
«В контексте этого»	In this context	По теме / здесь
«Было бы справедливо сказать»	It would be fair to say	Убрать

7.3. Корпоративный английский

Бизнес-фразеология, переведённая с инглиша.

Калька	Источник	По-русски
«На одной странице»	on the same page	Одинаково понимаем
«Бесшовный опыт»	seamless experience	Удобный / без сбоев
«Решение из коробки»	out of the box	Готовое решение
«Развернуть стратегию»	roll out strategy	Запустить / внедрить
«Поднять флаг»	raise a flag	Обратить внимание / предупредить
«Иметь смысл»	makes sense	Логично
«Двинуть иголку»	move the needle	Реально повлиять

7.4. Метафорические кальки

Английские метафоры, в русском звучат странно.

Калька	Источник	По-русски
«В сердце системы»	at the heart of	В основе
«Двусторонний меч»	double-edged sword	У этого две стороны
«Низко висящий фрукт»	low-hanging fruit	Простое / очевидное
«Бросить камень»	throw a stone	Упрекнуть
«Открыть банку червей»	open a can of worms	Затронуть болезненную тему

Действие: при подозрении на кальку — найти английский оригинал. Если калька буквальная, заменить на русский эквивалент или конкретное выражение.

См. также dictionaries/calques.md для расширенного каталога с контекстами употребления.

8. Филлеры и вода

8.1. Паразитные обороты

Было	Стало
«В рамках чего-либо»	Убрать или заменить простым предлогом
«Посредством»	«С помощью» / «Через»
«В целях»	«Чтобы»
«На сегодняшний день»	«Сейчас»
«На текущий момент времени»	«Сейчас»
«В первую очередь»	«Сначала» / убрать

8.2. Двойные наречия

Было	Стало
«Весьма значительно»	«Значительно»
«Крайне важно»	«Важно»
«Совершенно очевидно»	«Очевидно»

9. Идеальная грамотность как AI-маркер

В неформальных контекстах идеальная грамотность сама становится сигналом машинной генерации. Живой человек, печатающий с телефона в Telegram-канале или в личном блоге, не выверяет каждую запятую и не ставит длинное тире через alt-комбинацию — он пишет дефис, иногда роняет пробел перед скобкой, иногда забывает запятую перед причастным оборотом.

LLM этого не делает. Текст AI на русском всегда:

• Идеально пунктуирован
• С правильным длинным тире там, где даже грамотные люди ставят дефис
• С пробелами по ГОСТу
• Без «тся/ться» путаницы
• Без забытых запятых даже в длинных предложениях

Эта стерильность сама по себе диагностична — особенно в каналах, где аудитория ожидает живого голоса.

9.1. Идеальная пунктуация в неформальном контексте

В Telegram-каналах, личных блогах, ответах на Stack Overflow, комментариях, коротких заметках — реальные авторы регулярно пропускают:

• Запятые перед длинными причастными оборотами
• Запятые в сложных предложениях с «который» / «что» в потоке
• Точки в концах коротких реплик («Ок», «Да», «Понял»)

Было (AI-чисто)	Стало (живой)
«Сделал, как ты сказал. Спасибо.»	«Сделал как ты сказал. Спасибо»
«Я думал, что это сработает, но ничего не вышло.»	«Я думал что это сработает но ничего не вышло»
«Это, конечно, странно.»	«Это конечно странно»

9.2. Идеальная типографика в онлайн-контенте

Длинное тире (—), правильные «ёлочки», неразрывные пробелы перед %, корректные … — всё это есть у AI и редко у живого автора в мессенджере или соцсети.

Было (AI-чисто)	Стало (живой)
«Решил — и сделал.»	«Решил - и сделал»
«Согласен на 100 % с тобой.»	«Согласен на 100% с тобой»
«Подожди…»	«Подожди..»
«Сказал «привет»»	«Сказал "привет"»

9.3. Отсутствие «тся/ться» путаницы и опечаток

Разговорные тексты живых людей содержат хоть какие-то микро-огрехи: смешанная «-тся/-ться» в спешке, иногда пропущенный мягкий знак, опечатка в коротком слове. AI всегда чисто. Сильный AI-маркер для casual-формата.

Применение раздела 9

Этот раздел работает только в комбинации с пресетом или флагом, потому что он описывает паттерн «идеального текста как маркера», но не предписывает скиллу автоматически портить чужой текст.

• Без флага --rough скилл диагностирует излишнюю чистоту в неформальных контекстах и сообщает автору в audit-отчёте: «Для канала X (Telegram) текст слишком вылизан, рассмотрите 1-2 микро-неровности».
• С флагом --rough или при пресете с allow_micro_imperfections: true (по умолчанию это telegram) скилл активно реализует механику этого раздела — см. секцию «Намеренные неровности».

Чего скилл НЕ делает

• Никогда не вносит грубые орфографические ошибки.
• Никогда не путает падежи или согласования (это меняет смысл).
• Никогда не меняет имена, термины, числа, технические термины.
• Никогда не вносит более 2-3 микро-неровностей на текст в 5000 знаков.
• Никогда не применяет раздел 9 к пресетам habr / vc / email / linkedin / docs.

В пресетах, где идеальная грамотность ожидается аудиторией (статьи, документация, деловая переписка), правила раздела 9 выключены через allow_micro_imperfections: false в пресете.

---

Намеренные неровности (--rough)

В неформальных контекстах (Telegram-канал, личный блог, соцсети) идеальная грамотность сама становится AI-маркером. Живой человек в мессенджере опускает запятые, ставит дефис вместо тире, иногда забывает пробел перед скобкой. Это естественное «человеческое разрешение».

Как это работает

По умолчанию выключено. Скилл не вносит огрехи в чужой текст без явного запроса.

Включается одним из способов:

1. Флаг --rough в команде.
2. Поле в пресете allow_micro_imperfections: true (по умолчанию это есть только в telegram).
3. Параметр в паспорте voice_features.imperfections: "allowed".

Что делает скилл при --rough

Сохраняет имеющиеся огрехи:

• Если автор в исходнике пропустил запятую — оставляет.
• Если автор поставил дефис вместо тире — не меняет на тире.
• Если есть «тся/ться» в casual-контексте — не правит.

Может вносить неровности (1-2 на текст, не больше):

• Пропустить одну запятую перед причастным оборотом в неформальном предложении.
• Не поставить пробел перед скобкой в одном месте.
• Использовать дефис вместо тире в одном месте, где автор колебался бы.

Никогда не вносит:

• Грубые орфографические ошибки.
• Опечатки в именах, терминах, числах.
• Неверные падежи или согласования.
• Огрехи, меняющие смысл.

В каких пресетах это уместно

Пресет	Рекомендация
telegram	Да, явно (поднимает burstiness и снижает «AI-чистоту»)
habr	Нет (модерация и техническая аудитория ждёт грамотности)
vc	Только если автор сам так пишет в образце
email	Нет
linkedin	Нет
docs	Категорически нет

---

Процесс работы (7 шагов)

Шаг 1 — Контекст

Скилл определяет:

1. Есть ли .humanizer/voice.json в рабочей директории? Если да — читаем паспорт.
2. Передан ли явный --preset=<имя>? Если да — поверх паспорта применяем пресет.
3. Если ни паспорта, ни пресета — спрашиваем у пользователя или применяем дефолты habr.
4. Передан ли образец для калибровки? Если да — переходим к Шагу 2.

Шаг 2 — Калибровка (если нужна)

В зависимости от уровня:

• Уровень 1 (sample): анализируем образец, заполняем/обновляем паспорт.
• Уровень 2 (interview): задаём 5-7 вопросов, собираем минимальный паспорт.
• Уровень 3 (preset only): используем дефолты пресета, отмечаем calibration_mode: "preset_only".

Сохраняем .humanizer/voice.json.

Шаг 3 — Структурный аудит (Слой 2)

Прогоняем диагностику S1-S7. Если есть критические маркеры — сообщаем автору и спрашиваем:

Структурный аудит выявил:
- 10 параллельных секций (критично)
- AI-цитаты 32% объёма (критично)
- Низкая burstiness (σ 3.1)

Эти маркеры скилл сам не правит — нужно структурное переписывание.
Хочешь:
[1] Получить только текстовые правки (Слой 1) и потом самому работать со структурой
[2] Получить чек-лист структурных правок и применить их вручную
[3] Продолжить без учёта структуры

При --audit — выдаём диагностику и останавливаемся.

Шаг 4 — Светофорная разметка абзацев

Перед фразовым прогоном размечаем абзацы по присутствию голоса автора (это наша рамка, в отличие от детекторо-центричной у конкурента):

• 🟢 Зелёный — голос автора слышен, AI-маркеров нет или мало (0-1 паттерн на абзац). НЕ ТРОГАТЬ. Переписывание чистого абзаца внесёт новые маркеры. Бонус: зелёные абзацы создают «mixed content», на котором классификаторы работают хуже.
• 🟡 Жёлтый — голос частично присутствует, но AI-маркеры заглушают (1-2 голосовых элемента + 2-3 паттерна). Точечная правка маркеров с сохранением голосовых элементов.
• 🔴 Красный — голос отсутствует, AI-стандарт без личных меток (0 голосовых элементов + 3+ паттернов). Полностью переписать в Шаге 5 + 6.

Как размечать

Для каждого абзаца проверить:

1. Voice features из паспорта. Считать вхождения:
   • Идиолект из preferred_phrases: 1+ вхождение → +1 voice point
   • Голосовые маркеры (ирония, риторические вопросы, личные обороты, конкретные имена/цифры) → +1 каждый
   • Авторские отступления и комментарии → +1
2. Layer 1 паттерны из 38 правил → подсчитать вхождения
3. Структурные маркеры в абзаце (parallelism, listicle entry, цепочки) → +1 каждый

Решение:

• voice_points ≥ 2 и patterns ≤ 1 → 🟢
• voice_points 1-2 и patterns 2-3 → 🟡
• voice_points 0 и patterns ≥ 3 → 🔴

В режиме --audit светофор выдаётся как часть отчёта — без правок.

Шаг 5 — Фразовый прогон (Слой 1)

Применяем правила к 🟡 и 🔴 абзацам. 🟢 не трогаем.

Порядок применения определяется активным пресетом (см. «Динамические приоритеты по пресету»):

1. Сначала always-правила пресета — обязательная очистка.
2. Потом context-правила — с оговорками.
3. ignore-правила пропускаем.

Внутри каждой группы порядок:

1. Чатботные артефакты (5.1-5.4) — убираем сразу.
2. Штампы и пустые открытия (1.1-1.7).
3. Канцелярит, «является», «данный» (2.1-2.4).
4. Кальки, преувеличения, правило трёх (2.8-2.14, 7.* для расширенной идиоматики).
5. Морфология (6.* — падежи, деепричастия, виды, pro-drop).
6. Стилевые и типографические правки (3-4) — по паспорту/пресету.
7. Филлеры (8) — последняя зачистка.

После каждого прохода сверяемся с preferred_phrases / banned_phrases паспорта.

Шаг 6 — Принцип жеста

После фразового прогона на 🔴 и 🟡 абзацах: пройти ещё раз и в каждом предложении обеспечить хотя бы один из трёх элементов:

1. Авторский выбор слова — там, где AI выбрал бы статистически вероятное, автор выбирает менее вероятное, но характерное. «Решение» → «лазейка», «костыль», «выход». «Эффективный» → «работающий», «годный», «не бесит».
2. Конкретика — точное имя, цифра, факт, дата, название инструмента. Не «многие компании», а «семь команд из десяти». Не «недавно», а «в марте».
3. Неожиданный поворот — оборот, который сбивает ритм AI-предсказуемости. Шутка, самокритика, контр-пример, скобка с реминисценцией.

Если предложение не содержит ни одного жеста — оно «никакое», AI-нейтральное. Кандидат на удаление или переписывание.

Это наш аналог контрастного вычитания, но через characterization (характер автора), а не через статистику. AI-предложение нейтрально по характеру; человеческое несёт следы конкретного автора.

Применение по светофору

• 🟢 абзац — жесты уже есть, не трогать.
• 🟡 абзац — проверить, что после фразовых правок жесты не пропали; усилить, если нужно.
• 🔴 абзац — после фразовой чистки активно добавлять жесты, опираясь на паспорт автора (его регистр, идиолект, типичные приёмы).

Если автор есть в паспорте, выбирать жесты в его регистре. Если паспорта нет — использовать дефолты пресета.

Шаг 7 — Финальная проверка и сохранение

Чек-лист:

• Нет ли «является» больше одного раза?
• Нет ли штампов «современной эпохи»?
• Нет ли цепочек из 3+ существительных в родительном?
• Нет ли отрицательных параллелизмов «не просто X, это Y»?
• Нет ли правила трёх с абстрактными элементами?
• Нет ли «данный / указанный / вышеупомянутый»?
• Нет ли AI-словаря (безусловно, действительно, стоит отметить...)?
• Нет ли перегруза тире в одном предложении?
• Нет ли точки с запятой в онлайн-тексте (правило 4.6)?
• Нет ли одиночных двоеточий без перечисления (правило 4.7)?
• Нет ли преувеличений без факта?
• Нет ли калек с английского?
• Нет ли чатботных артефактов?
• Соответствует ли тон паспорту/пресету?
• Соответствует ли типографика паспорту/пресету?
• Не появилось ли запрещённых оборотов из banned_phrases?
• Сохранены ли любимые обороты автора (preferred_phrases), если они были в исходнике?

Если есть нарушения — третий проход, точечный.

После прогона:

1. Сохраняем снапшот в .humanizer/sessions/<YYYY-MM-DD>-<slug>.md.
2. Увеличиваем usage_count в паспорте.
3. Обновляем updated дату.

Что не трогать

Не трогать:

• Прямую речь и цитаты (даже если там AI-стиль — это чужой голос)
• Технические термины и профессиональный жаргон в контексте
• Кодовые блоки, JSON, команды
• Юридические формулировки, если это договор/политика
• Фрагменты в context_exceptions паспорта

Когда нарушить правило можно:

• Паспорт явно использует этот паттерн (его стиль)
• Это цитата или ирония
• Без этого теряется смысл (редкий случай)

---

Полный пример

Контекст: канал — Habr, паспорт — --preset=habr, образца нет.

До:

В современном мире, где технологии не стоят на месте, AI-ассистенты являются неотъемлемой частью процесса разработки, знаменуя собой важный этап в эволюции индустрии. Данные инструменты — расположенные на пересечении исследований и практики — кардинально трансформируют подходы инженеров, подчёркивая их ключевую роль в современных workflow.

В своей основе ценность предложения очевидна: осуществление оптимизации процессов, улучшение качества взаимодействия, обеспечение согласованности команды. Это не просто автокомплит — это раскрытие творческого потенциала в масштабе, гарантирующее, что организации могут оставаться гибкими, предоставляя при этом бесшовный, интуитивно понятный и мощный опыт пользователям.

• 💡 Скорость: Генерация кода значительно быстрее.
• 🚀 Качество: Качество вывода было улучшено.
• ✅ Внедрение: Использование продолжает расти.

Несмотря на вызовы, характерные для развивающихся технологий, экосистема продолжает процветать. В заключение, будущее обещает быть светлым. Надеюсь, это было полезно!

Структурный аудит:

Метрика	Значение	Норма Habr	Статус
Listicle с эмодзи	3 пункта	0	МАРКЕР
Длинных тире	2	0	МАРКЕР
Чатботное закрытие	1 («Надеюсь, помогло!»)	0	КРИТИЧНО
AI-словарь	8+ вхождений	мало	ПЕРЕГРУЗ

После (пресет habr, тон «ты», короткое тире):

AI-ассистенты помогают в рутине: шаблонный код, конфиги, тесты-заготовки. Хорошо работают там, где ты всё равно не хотел бы писать руками.

Опасность в том, как уверенно выглядят подсказки. Я принимал код, который компилировался и проходил линтер, а через неделю замечал – он мимо задачи, потому что я перестал читать.

Если относиться к этому как к автокомплиту и читать каждую строку – инструмент полезный. Если использовать, чтобы не думать – получишь баги быстрее.

Страховка только одна: тесты. Без них ты судишь по ощущениям.

---

Что скилл НЕ делает

Честное позиционирование (см. README): скилл работает на уровне фраз и документной структуры. Он не гарантирует прохождение статистических детекторов LLM-текста (GPTZero, Originality.ai, Хабровский НЛО и подобные классификаторы — детали реализации публично не задокументированы).

Если задача — пройти классификатор:

1. Запусти --audit — получи диагностику структурных маркеров.
2. Применяй чек-лист структурных правок руками (поломать listicle, инлайн вместо блоков AI-цитат, разнообразить ритм).
3. Только после этого делай фразовый прогон.

Скилл — это пара дополнительных глаз. Не серебряная пуля.

---

Источники

• blader/humanizer — оригинальный английский скилл (MIT)
• Wikipedia: Signs of AI writing — методологическая основа

Дополнительное чтение

Для самостоятельного изучения русской стилистики:

• Нора Галь. «Слово живое и мёртвое» — про канцелярит и кальки с иностранных языков
• Максим Ильяхов, Людмила Сарычева. «Пиши, сокращай» — школа инфостиля
• Дитмар Розенталь. Справочник по правописанию и стилистике — нормативная типография

Авторы перечисленных книг не связаны с проектом humanizer-ru и не участвовали в его создании. Ссылки приведены исключительно в образовательных целях.

История версий

• 0.2.0 — трёхслойная архитектура: голосовой паспорт .humanizer/voice.json, audit-режим (структурная диагностика), жанровые пресеты (habr/telegram/email/vc/linkedin/docs), три уровня калибровки (sample/interview/preset) с явным алгоритмом извлечения voice features, auto-evolve механизмы (sample-driven / inline-feedback / post-hoc-reflection), опт-ин на намеренные неровности (--rough). Добавлены морфологический раздел (раздел 6: падежи, деепричастия, виды, pro-drop) и расширенная идиоматика (раздел 7: маркетинговый/академический/корпоративный/метафорический английский). Светофорная разметка абзацев и принцип жеста как часть процесса. Динамические приоритеты по пресету (always/context/ignore). Custom presets через .humanizer/presets/<имя>.yaml. Сохранены все 38 фразовых правил из v0.1, добавлено 12+ новых.
• 0.1.0 — черновик, 38 паттернов, адаптация blader/humanizer под русский.