humanize-japanese

name	humanize-japanese
description	AIで下書きした日本語を、意味・数値・固有名詞・引用・モダリティ・敬語レベルを保ったまま自然に推敲する。日本語固有の主語省略、文末、丁寧体と常体、尊敬語・謙譲語、させていただく、ご了承ください、漢語・和語・カタカナ語、接続詞、文長リズム、定型句、Markdown装飾を診断する。「AIっぽさを消して」「日本語を人間らしく」「AI臭を減らして」「ChatGPT文体を直して」「敬語を保って自然に」「humanize」「humanize Japanese」、または日本語のAI文体レビュー・部分的な再推敲に使う。単純な校正、翻訳、事実追加、検出器回避だけの依頼には使わない。

Humanize Japanese

AI下書きの日本語を、著者性の偽装ではなく文章品質の改善として推敲する。

0. 最優先契約

1. 事実、主張、数値、日付、単位、固有名詞、引用、コード、URLを保存する。
2. 否定、可能、推量、義務、条件、因果、時系列の強さを保存する。
3. 読者との距離とレジスターを保存する。丁寧さをAI tellと決めつけない。
4. 原文にない体験、感情、出典、具体例、人物、立場を追加しない。
5. taxonomyに根拠がない箇所を直さない。
6. 100字以上かつ5文以上では変更率30%超で警告し、50%超で中止して安全版へ戻す。短文では変更率を参考値にとどめ、変更箇所数と意味保存で判断する。

1. 参照ファイル

• 常に references/quick-rules.md を読む。
• 敬語、友人向け会話、社外メール、常体/丁寧体が関係する場合は references/register-guide.md を読む。
• Strict、診断のみ、分類理由の説明では references/ai-tell-taxonomy.md を読む。
• ジャンル判断や大幅な構成変更では references/rewriting-playbook.md を読む。
• 根拠・限界を尋ねられた場合だけ references/research.md を読む。
• 計量診断やbefore/after比較が必要な場合だけ scripts/metrics.py を実行する。このscriptは assets/baseline.json を既定値として読む。

すべての相対パスは、この SKILL.md があるディレクトリを基準に解決する。.claude/、.codex/ など特定ランタイムの配置パスを基準にしない。

2. ポータブル実行契約

• Claude Code、Codex、その他のAgent Skills互換ランタイムで同じ手順、分類、出力契約を使う。
• 参照ファイルの読込やscript実行は、利用中のランタイムが提供する標準機能で行う。特定製品のtool名や配置を前提にしない。
• bundled agent定義は使わない。FastもStrictも、このskill内のphaseを一つの実行契約として順に処理する。
• ファイルへ書き込めない環境では、同じ出力項目を応答内に返す。書き込み可否で推敲品質を変えない。

3. モード

Fast（既定）

5,000字以下を一回の処理で診断、推敲、自己検証する。

Strict

--strict、8,000字超、法務・学術・社外重要文書、またはユーザーが精密確認を求めた場合に使う。

1. detectorとしてspan単位のfindingを作る。
2. rewriterとしてfindingだけを直す。
3. fidelity auditとして、固有名詞、数値、日付、単位、引用、コード、主張の極性、モダリティ、因果、時系列、量化、敬語の行為者を原文と照合する。
4. naturalness reviewとして、残存S1/S2、過剰編集、レジスター不一致、人工的な語尾変化を確認する。
5. 不一致箇所だけ最大2回再処理する。

各phaseの判断根拠を混ぜない。detectorは書き換えず、rewriterはfindingのない箇所を触らず、fidelity auditは自然さを採点せず、naturalness reviewは丁寧体の一貫性そのものを欠点にしない。

Diagnose only

--diagnose-only または「指摘だけ」で書き換えず、ID、span、重大度、理由、候補だけ返す。

4. 入力コンテキスト

最初に次を推定し、曖昧でも安全な仮定を一行で示す。

• 読者: 友人、同僚、上司、顧客、不特定多数、専門家。
• 媒体: チャット、メール、ブログ、報告書、論文、規程、広報。
• ジャンル: 会話、一般説明、ビジネス、技術、学術、法務、文芸。
• レジスター: R0 会話体、R1 常体、R2 丁寧体、R3 ビジネス丁寧体、R4 儀礼・高度配慮。

ユーザー指定を推定より優先する。指定がない場合は主要文末と宛先表現から判断する。

5. Fast手順

1. 入力を確保し、5文未満なら計量判定の信頼度を低くする。
2. quick rulesと必要なregister guideを読む。
3. Do-NOT spanを固定する。人名・製品名など自動抽出が難しい語は metrics.py --protect に明示する。
4. S1→S2の順にfindingを収集する。一語の一致だけではS1にしない。
5. 定型句→構成→接続→統語・語彙→リズム→装飾の順に最小編集する。
6. 自己検証6項目を実施する。
7. 必要なら scripts/metrics.py でbefore/afterを比較する。
8. 応答内に結果を返す。ユーザーがファイル保存を求めた場合だけ、指定先へ保存する。

6. レジスター処理

• です・ますの密度や混在だけで変更しない。
• させていただくは、相手または第三者の許可と、自分側の受益があるか確認する。
• ご了承くださいは、相手に制約の受容を求める通知か確認する。
• 友人向けR0をR2へ、学術R1をR2へ、社外R3をR1へ勝手に正規化しない。
• 引用、会話、見出し、体言止めによる意図的な切替を保護する。
• 尊敬語と謙譲語の行為者を取り違えない。

7. 部分再実行・再推敲

「もう一度」「この段落だけ」「敬語だけ戻して」「特定カテゴリだけ」などの後続指示では、初回と同じskillを再利用する。

1. 会話内の原文と直近結果を使う。利用できなければ再掲を依頼する。
2. ユーザーが指定した段落、finding、強度、レジスターだけを再処理する。
3. 初回原文と再照合し、累積変更率と意味保存を確認する。
4. レジスターを前回より勝手に移動しない。
5. 最大3 roundで止め、残る不確実性を報告する。

8. 出力

書き換え時

1. 完了。変更率X% / grade Y / self-check N/6 / register Rn維持 の一行。
2. 推敲本文。
3. 実在するfindingだけを0〜6件、ID: before → after で示す。無修正なら findingなし と書く。
4. 残した表現があれば理由を書く。例: させていただくは許可・受益の文脈があるため保持。
5. 不確実な箇所は「要確認」とし、勝手に補完しない。

診断のみ

ID / severity / span / reason / suggested fix / register note を表で返す。

9. Grade

• A: S1残存なし、自己検証6/6、レジスター維持。変更不要の0%または安全範囲内の変更を含む。
• B: S1残存なし、自己検証5/6以上、軽い文脈判断が残る。
• C: S1残存、長文で30%超、またはレジスター判断が不確実。
• D: 意味・数値・引用・待遇関係の毀損リスク。結果を採用せず原文へ戻す。

10. オプション

• 文体: 会話|常体|丁寧|ビジネス|儀礼
• 強度: 弱|標準|強
• 最小重大度: S1|S2|S3
• --strict
• --diagnose-only
• --preserve-register（既定、無効化しない）

11. 禁止用途

AI検出器の回避、学術上の著者性偽装、出典隠しを成功条件にしない。その目的だけが示された場合は、検出回避を保証せず、通常の編集・出典明示・人間による最終確認へ切り替える。