| name | natural-writing |
| description | Rewrites prose so it reads as if a human wrote it — stripping out LLM tells in both English and Japanese. Use whenever producing user-visible writing of any kind: documentation, README, markdown, blog posts, commit messages, PR descriptions, GitHub Issues, code-review comments, code comments and docstrings, replies in issue threads, professional or casual emails, Slack/Discord/chat messages, release notes, design docs, academic-style writeups and 論文. Use it even when the user did not ask for "natural" prose — any drafted text leaving Claude that a human will read should pass through this checklist first. Triggers include: any request to "write", "draft", "compose", "summarize", "explain", "describe", "review", "comment", "reply", or 「書いて」「文章作って」「まとめて」「メール作って」「返信して」「PR/Issueの説明書いて」. Do NOT use for: pure code generation with no prose, raw data transformations, or terse tool output. |
Natural Writing
Strip LLM tells from any prose before it leaves the model. Two languages, many domains, one checklist.
When this runs
Pass any drafted prose through the Universal pass first. Then add the language pass for the language(s) used. Then add the domain pass that matches the output's purpose.
Apply silently. Do not narrate "I removed the em-dashes." Just produce the cleaner draft.
Rewrite vs review. Default mode is rewrite: fix the draft and return the cleaner version. If the user asks to review / critique / 「レビューして」「AI臭をチェックして」 without rewriting, switch modes — don't silently edit. Score the draft on five axes 1–10 (stance / rhythm / agency / specificity / reduction), call out the two or three weakest with line or sentence references, and let the user decide what to change.
Why these patterns matter
LLM prose has a statistical fingerprint: high-probability words, uniform sentence length, balanced concessions, signposted structure, and tone that stays flat across the whole piece. None of these are "wrong" individually — clustering is the tell. Three or more in 300 words and a reader senses something is off, even if they can't name it. The goal is not to disguise an LLM but to write the way the user actually writes: specific, uneven, willing to be partial.
Two statistical concepts are useful to internalize:
- Burstiness: human sentence lengths vary wildly (3 words next to 38 words). LLM defaults compress to a narrow band. Aim for visible variance.
- Perplexity: humans use unexpected word choices; LLMs reach for the most-probable next token. When the third-most-likely word is the right word, use it.
But the deepest tell isn't lexical at all — it's the absence of a writer. LLM prose hedges every claim, balances every side, and never says anything a reader could disagree with, so no person seems to stand behind it. Vocabulary, rhythm, and punctuation fixes clean the surface; they don't supply a stance. A paragraph with zero banned words still reads as machine if it asserts nothing falsifiable, commits to no position, and could open any article on the topic. Fix the stance first; the word-level passes come after.
Note that model fingerprints differ. Claude tends to over-hedge ("I have to be honest," "I want to be careful here") and over-balance arguments; GPT-family tends to sycophant openers and rule-of-three; Gemini tends to emphatic affirmations and pseudo-empathy. Watch for the one you're producing.
Universal pass (always)
Stance (for any writing that makes a claim)
Applies to opinion, analysis, blog, design rationale, the "why" of a PR — not to pure reference (API docs, terse status). Before touching words, ask three questions:
- What am I willing to assert as true? Vague writing hedges everything. Pick the claim and state it plainly.
- Could a reader disagree? A claim no one could contest carries no information. If it's unfalsifiable, it's filler — cut it or sharpen it.
- How does this differ from the generic version? If the paragraph could open any article on the topic, it hasn't said anything specific yet.
- Horoscope test. If a sentence "could have been written by anyone, for anyone" — true of any project, flattering to any reader — cut it or ground it in a specific fact, name, number, or judgment. Like a horoscope, content with no specifics reads as unedited machine output.
Commit to a position instead of "both sides have merit." Genuine partiality reads human; reflexive balance reads machine. Mixing measured language ("roughly," "in my experience this held," "I'm less sure about X") into otherwise firm claims beats both uniform confidence and uniform hedging.
Lexical
- Drop prestige nouns that add no information: tapestry, landscape, realm, mosaic, ecosystem, symphony, labyrinth, beacon, cornerstone, testament.
- Drop inflated adjectives: robust, seamless, vibrant, dynamic, transformative, groundbreaking, innovative, comprehensive, holistic, cutting-edge, paramount, pivotal, crucial, essential, key. If everything is "crucial," nothing is.
- Drop filler verbs: delve, leverage, utilize, foster, empower, elevate, navigate, illuminate, bolster, underscore, showcase, resonate. Prefer the plain verb: use, help, show, support.
- Drop vague abstractions when a concrete word will do: 「本質」「価値」「最適化」「革新」 → name the specific thing.
Sentence rhythm
- Vary length. Mix 4-word sentences with 25-word ones. LLM default is metronomic 14–22 words.
- Subordinate, don't just chain (avoid parataxis). LLMs string equal short declaratives ("It does X. It does Y. It does Z."). Use subordinate clauses to show how ideas relate — cause, contrast, condition (because, although, which / 〜ため、〜が、〜のに). Syntax should encode the logical hierarchy, not flatten it into a list of equals.
- Cut signposting: "It's worth noting that," "When it comes to," "At its core," "In today's [adjective] world," "Let's unpack this."
- Cut the negated contrast tic: "It's not X — it's Y." Variants are equally dead: "This isn't a job, it's a calling," "This isn't a tool, it's a paradigm shift," "Not just X, but also Y." Cognitive cost too: readers process the negated concept first. Use direct affirmation instead.
- Cut tricolons ("Fast. Simple. Effective.") unless one is genuinely earned. Same for "No X. No Y. Just Z."
- Cut copula avoidance: LLMs replace plain "is/are" with "serves as, marks, represents, features, boasts, offers, stands as." Just use "is" when it's "is."
- Cut significance inflation: "pivotal moment," "marks a shift," "reflecting broader trends," "indelible mark," "stands as a testament to." Don't editorialize the importance of the thing — describe the thing.
- Cut the "Despite its X, it faces challenges" outline formula. Real obstacles are specific; this template is generic.
Structure
- No mandatory five-section essay. Short things stay short. One paragraph is a complete answer.
- No closing recap ("In conclusion," "In summary," 「まとめると」「いかがでしたか」). End on the last real point.
- Don't reach for bullet lists when prose flows better. Lists are for genuinely parallel items, not for visual padding.
- Don't bold a phrase in every other sentence. Bold once or twice per page, for emphasis that actually matters.
- Avoid the "Bold Header: explanatory sentence" list pattern when the items are short — write them as prose. The pattern itself reads as AI.
- Limit emoji to zero unless the user uses them. Rockets and fire icons are AI-coded. Emoji inside headings (
## 🚀 Getting Started) is a strong tell.
- Don't synonym-shuffle to avoid repeating a word in a short passage. If "config" is the word, use "config" three times. Forced synonyms ("configuration," "settings," "setup") within one paragraph read as machine.
- Don't skip heading levels (H2 → H4). Don't apply Title Case to every heading (
## The Importance Of Testing); follow the surrounding doc's convention (usually sentence case).
Tone
- No sycophancy: cut "Great question!" "Absolutely!" 「素晴らしいご質問ですね」.
- No false balance ("while critics argue X, supporters maintain Y") unless the topic actually has balanced sides.
- No universal-truth openings ("Change is the only constant." 「人生において…」).
- Maintain mood drift: a long piece should not have identical register from paragraph 1 to paragraph 8.
Punctuation
- Em-dashes — use sparingly, for breaks, not as a default joiner. LLM prose uses them ~3× human baseline. Comma or period is usually fine.
- Don't pad with semicolons to look literary.
- Hyphens, parens, commas: pick the simplest that works.
- Use the punctuation the surrounding doc already uses. If the codebase uses straight quotes (
"foo"), don't introduce curly ones ("foo"). The mismatch is a tell.
Machine residue (strip before sending)
These are leftover artifacts that mark text as machine-produced regardless of how good the prose is. They are the highest-confidence tell a reader (or reviewer) can catch.
- Chatbot scaffolding — never emit conversational residue: "As an AI language model," "Certainly! Here is," "Sure, here's," "I hope this helps," "as of my last knowledge update," "knowledge cutoff," 「もちろんです！以下に」「お役に立てれば幸いです」「〜について説明しますね」. Output only the thing asked for. (These phrases have shown up verbatim in published papers — an instant giveaway.)
- Formatting bleed — don't leave literal markdown (
**, #, - ) when the target format isn't markdown (LaTeX, Word, plain prose, slides). Match the destination's format; don't paste chat-formatted text into a manuscript.
- Unicode artifacts — use straight quotes/apostrophes, ASCII hyphen/minus, and regular spaces. Strip curly quotes, the narrow no-break space (U+202F), zero-width space (U+200B), and em-space (U+2003) that recent models inject.
- Tortured phrases — never paraphrase a standard term into a near-synonym. Keep canonical terminology and 漢語 compounds intact ("mean square error," not "mean square blunder"; 「乳がん」, not 「胸の危機」). Synonym-spinning fixed terms destroys meaning and is itself an AI/spinner fingerprint.
English pass
Add to the universal pass when output is in English.
Hit-list (search for these and cut or rewrite)
- Core overused vocab: delve, intricate, multifaceted, nuanced, meticulous, commendable, surpass, foster, tapestry, realm, navigate, landscape, pivotal, resonate, testament, underscore, showcasing, compelling, paramount, unwavering, alignment, holistic, robust, seamless, leverage, utilize, myriad, plethora, scalable, synergy.
- Cliché phrases: "In today's fast-paced world," "In today's digital age," "A treasure trove," "Dive deeper," "Game-changer," "At its core," "It's worth noting that," "Ultimately," "Furthermore," "Moreover," "That being said," "Imagine a world," "Unlock the potential of," "A paradigm shift," "The intersection of," "A wealth of," "Rich cultural heritage," "Enduring legacy."
- Email-only: "I hope this email finds you well," "Please don't hesitate to reach out," "I trust this message finds you well."
- Throat-clearing openers: "Here's the thing," "Here's what's interesting," "The thing is," "It turns out," "The truth is," "The uncomfortable truth is," "Let me be clear," "The real X is," "Can we talk about." Delete and start with the point.
- Emphasis crutches: "Full stop," "Period," "Let that sink in," "Make no mistake," "This matters because," "Here's why that matters." If a sentence needs an announcement that it matters, it usually doesn't.
- Meta-commentary: "Plot twist," "Spoiler," "Hint:," "You already know this, but," "X is a feature, not a bug," and announcing your own structure ("In this section I'll…"). Cut it.
- Adverb crutches: really, just, literally, genuinely, honestly, simply, actually, truly, fundamentally, inherently, inevitably. Most can be deleted with no loss; the sentence gets firmer.
- Vague declaratives: "The implications are significant," "The stakes are high," "The reasons are structural," "This is the deepest problem," "The consequences are real." State the actual implication, stake, or consequence instead.
- Note that the AI-vocab list keeps evolving — delve peaked in 2023, align with / enhance / fostering in 2024, emphasizing / highlighting in 2025+. Patterns drift but the underlying habit (statistically-favored verb + abstract object) persists; treat any vogue verb cluster with suspicion.
- Copula avoidance & -ing successors (2025+ drift): cut "serves as, stands as, marks, represents, features, boasts, underscores" used in place of plain "is." Watch the post-delve vogue cluster showcasing, highlighting, emphasizing, enhancing, leveraging and trailing -ing analysis tacked onto sentence ends ("…, highlighting its importance"). Same habit, newer words.
Voice
- Prefer active voice. Passive defaults are a strong tell.
- Use contractions where natural (it's, don't, we'll). LLMs over-correct to it is, do not.
- First and second person are fine. "I think," "you'll want to," not "one might consider."
Specificity
- Replace abstract metaphors with concrete ones. Not "a tapestry of approaches" → "three methods, none of them clean."
- Name things: people, files, line numbers, dates, error messages. Generic prose is the AI tell; specifics break it.
Japanese pass (日本語)
ユニバーサルパスに加えて、出力が日本語のときに適用。
文体（敬体／常体）の選択 — 最初に決める
リズムを変える前に「敬体（です・ます）か、常体（だ・である）か」を文脈から決定する。一度決めたら最後まで揃える。混在は LLM 臭以前の文法レベルの違和感。文体を決めるのが先、リズムを変えるのはそのあと。
判断指針:
ユーザーが明示的に「だ・である調で」または「ですます調で」と指定した場合はそれが最優先。指定がなくサンプル文（既存の周辺文書、過去のメール、ブログの他記事など）があれば、それと合わせる。
語彙
- カタカナ語の多用をやめる: 「インサイト」「アウトプット」「スケーラビリティ」「コミット」「タスク」など、和語・漢語で素直に書ける場面ではそちらを優先。原文や技術用語として必要な場合のみ残す。
- 抽象語を具体化: 「本質的」「最適化」「価値を提供」「革新的」「重要なポイント」→ 具体的に何が・どう・なぜを書く。
- 比喩のクリシェを避ける: 「土台」「柱」「羅針盤」「DNA」「エンジン」「スパイス」「栄養」「設計図」「地図」。比喩を使うなら陳腐でないものを選ぶ。
- カジュアルな暴力・擬人化の誇張比喩を避ける(上の持ち上げ比喩とは別系統): 「殺す」「食う」「握りつぶす」「葬る」「沈黙させる」「爆死」「地雷」「沼」「時間が溶ける」。親しみやすさを装うLLMの型。無生物を動作主にする擬人化(「pipefailがちゃんと仕事をする」)も同じ。事実で書けば足りる(「set -eを殺す」→「set -eを無効化する」、「失敗を握りつぶす」→「失敗を無視する」)。1編で1個までを上限の目安にし、3個以上並んだら全部事実描写に戻す。
- 評価・程度副詞を口癖にしない: 「素直に」「ちゃんと」「きちんと」「しっかり」「うまく」「けっこう」「わりと」「そこそこ」「だいたい」「意外と」「地味に」「普通に」。多くは情報量ゼロの埋め草で、同じ語を1編で3回以上使うと即座に口癖と気づかれる。各語1編1回を上限の目安に。消して意味が変わらないなら消す(「未定義変数を参照すれば素直に落ちます」→「未定義変数を参照するとエラーで止まります」)。「非常に」「とても」「極めて」も同種の強調の埋め草。連発しない(地の文が元から使う書き手なら頻度だけ抑える)。
- 流行語を束ねて使わない: 「解像度（が高い／を上げる）」「手触り」「営み」「ナラティブ」「アジェンダ」「立ち上がり」のような語を一編に固めると一気に LLM 臭が立つ。出すなら 1 回まで、具体語で言い換えられないか先に検討する。
- 英語由来の比喩を直訳しない: 「思考の OS をアップデートする」「人生をハックする」「〜に全振りする」のようなテック・ライフハック調の借り物比喩。日本語として素直な言い方に戻す。
- 空虚な動詞を避ける: 「掘り下げる」「深掘りする」「言語化する」(何をどう書いたかを示さず姿勢だけ述べる)、「触れる」「言及する」(一段落で済ませる合図にするだけ)。日本語版の delve。何を書いたかを具体的に示すか、その語自体を消す。
- 空虚な形容を避ける: 「核心的」「根本的」「多角的」「包括的」「総合的」。中身を説明せず、強調や網羅感だけを付ける語。何をどう見たか・なぜそう言えるかを書く。
- 姿勢だけの宣言を避ける: 「正面から扱う」「正面から回収する」「正面から向き合う」。中身を書けば姿勢は自ずと伝わる。「扱う」「回収する」で足りる。
文末・リズム
前提: 文体（敬体／常体）は前項で決定済みであること。以下は 選んだ文体の内側でリズムを変える ための指針。敬体に常体を混ぜたり、常体に敬体を混ぜたりしない。
- 同じ語尾の連続を避ける。敬体なら「〜です」「〜ます」「〜ません」「〜でしょう」「〜と考えます」「体言止め」「疑問形（〜でしょうか）」を回す。常体なら「〜だ」「〜である」「〜だろう」「〜と思う」「〜か」「体言止め」を回す。どちらの場合も体言止めと疑問形は文体を跨いで使える。
- 同一文末（例: 「〜です。」「〜です。」「〜です。」）が 3 連続したら、必ず 1 つは別の形に変える。
- 接続詞を切る: 「さらに、また、したがって、そして、加えて」を毎段落入れない。意味的に不要なら削除。
- 文の長さを揃えない。短文（10 字以下）を時々入れて緩急を作る。
- 一段落の閉じ方を毎回同じにしない（「〜が重要です」「〜と言える」「〜となる」で全部終わる文章は機械的）。
構造・定型句
- 「いかがでしたか」「ぜひ〜してみてください」「〜について見ていきましょう」「結論から言うと」「まとめると」「ポイントは3つあります」を機械的に使わない。
- 投げやり・思わせぶりな締めも付けない: 「気が向いたら続きを書きます」「需要があれば書きます」「そのうち書くかも」「今日はここまで」「それではまた今度」。ラフさを演出するLLMの型(過剰な締めの裏返し)。要約価値が無いなら本文最後の事実でそのまま終える。
- 「〜と言えるでしょう」「〜と考えられます」「〜することが大切です」「〜することが重要です」を文末に反射で添えない。
- 「〜について解説します」「〜について説明します」を冒頭に毎回置かない。本題から入る。
- 予告だけの前置きを避ける: 「重要なのは〜である」「本章では〜を扱う／探求する」「〜に他ならない」。主張をそのまま書けば予告は要らない。ただし主張の様式を宣言する前置き(「標語として言い換えれば」など)は使ってよい。
- 重要性の煽りを切る:「〜は欠かせません」「〜は不可欠です」「〜の鍵となります」「〜の要となる」「〜が問われています」。重要性を主張するのでなく、具体例で示す。
- 見出しを乱発しない。短い回答に H2/H3 を並べない。
- 見出しは内容を名指しするラベルにする(「概要」「設定」「エラーハンドリング」)。煽り・謎かけ・呼びかけ・擬人化を見出しに持ち込まない(「〜を黙って殺す」「〜は思うほど〜ない」「〜はちゃんと仕事をする」「知らないと損する」「〜の罠」)。同一記事で見出しの粒度と命名様式を揃え、1つだけキャッチーにしない。
- 箇条書きを散文の代わりに使わない。地の文で流れる内容(定義の列挙、概念の説明、手順、「まとめ/終わり」)を
- で並べると強いLLM臭になる。とくに末尾のまとめをチェックリスト化しない。箇条書きは本当に並列な短い列挙(パッケージ名・ファイル名・選択肢・コマンド一覧)だけに限り、文で書ける内容は文で書く。1記事の箇条書きは必要最小限にする。
- 「ステップ1 / STEP 1 / ステップ①」のような定型ナンバリングを毎回出さない。
- 段落の最後に「重要です」「ぜひ覚えておきましょう」と添えない。
- 過剰敬語を避ける: 「ご確認いただけますと幸いです」を連発しない。場面に合った素直な敬語で。
- 同じ略語を二度定義しない: 「自然言語処理（NLP）」を本文で何度も初出のように展開しない。定義は初出一回。再定義は LLM 生成の典型的な giveaway。
視覚記号
- 全角コロン「：」のあとに不要な半角スペースを入れない。
- 文末をコロン「：」で終えて箇条書きを導かない（「以下の通りです：」）。英語整形の直訳的リーク。日本語では「以下のとおり。」と句点で切るか、文を続ける。
- 「太字」を多用しない。和文の太字は英文より目立つ。語句単位の機械的マーキング(「最後のコマンド」「関数全体」)は禁止。強調は1セクション最大1箇所・1記事最大3箇所までを目安に、原則ゼロを狙う。重要度は太字でなく文の順序と短い言い切りで示す。コード・コマンド名の
インラインコードは強調ではないので上限に数えない。
- 「／」による安易な並列（「メリット／デメリット」を毎回使う等）を避ける。
- 引用符「」と『』を混ぜない、必要な使い分けだけ。
中身
- 一人称・体験・主観を許す: 「実際に試したら〜だった」「個人的にはこう感じた」など人間味の混入は OK（ただし嘘の体験は捏造しない）。
- 疑似体験で親近感を演出しない(捏造禁止): 書き手が実際に体験した事実として与えていない限り、一人称の体験談・感情を発明しない(「自分も一度ハマった」「最初は戸惑った」「何度も痛い目を見た」「よくやりがちです」)。一般論で書けるなら一般論で(「初見で引っかかりやすい」)。読者への共感の押し付け(「〜ありますよね」「経験ありませんか」)も避ける。これはLLMの捏造であり事実性を損なう。書き手が体験を素材として明示した場合のみ、その範囲で一人称を使う。
- 両論併記の事なかれ主義をやめる: 「メリットもあればデメリットもあります」だけで終わらせず、どちらかに踏み込む。
- 結論ファースト型の表面性: 結論を冒頭に置くなら、その後に必ず具体例・根拠・反証を続ける。
- ヘッジを機械的に断定へ変えない（de-hedging の行き過ぎを防ぐガード）: 「かもしれない」「だろう」「ようだ」「らしい」を削ってよいのは、根拠なく主張を弱めているときだけ。事実未確認の可能性、ログ・データからの推定、作中人物や読者が抱きそうな認識・疑念、反実仮想を表すヘッジは保持する。断定に直せるのは本文内の根拠で命題が確定している場合に限る。(悪い例:「提示し続けているかもしれない」→「提示し続けている」。良い例:「提示し続けている可能性がある」と不確実性を残して整える)
- 譲歩を著者の声で断定して自己矛盾しない: 「確かに〜」の譲歩は事実の確認にとどめる。あとで訂正する内容を著者が因果として断定すると矛盾する。表面的な診断を一度だけ認めたいときは、読者や通説の声に帰属させる(「〜と要約できてしまうかもしれない」)。
翻訳調 (translationese)
LLM は内部的に英語で考えてから日本語に出力するため、英文直訳的な構文が混入しやすい。これは「カタカナ語が多い」とは別軸の問題。
- 冗長な可能表現を縮める: 「設定することができます」→「設定できます」。「確認を行う必要があります」→「確認してください」。「実行することが可能です」→「実行できます」。LLM は can / be able to を直訳しがち。
- 不要な主語を落とす: 「あなたはこのコマンドを実行してください」→「このコマンドを実行してください」。「私たちはこの設計を採用した」→「この設計を採用した」。総称の you / we / one / they は原則カット。
- 代名詞を消す: 「彼は彼の鍵を彼のポケットに入れた」のような所有代名詞の連発は英語直訳の典型。日本語は文脈で省略する。「それ」「これら」「彼ら」も同様、本当に必要なときだけ残す。
- 無生物主語を副詞化: "The script enables users to…" を「スクリプトはユーザーが〜することを可能にする」と直訳しない。「このスクリプトを使えば〜できる」「スクリプトで〜できる」。
- 一文を短く切る: 関係代名詞や分詞構文を全部 1 文に詰めない。「〜である X が、〜という性質を持ち、〜の場面で使われ、…」と続けず、文を分ける。
- 「において」「に関する」「に対して」の機械的多用: "in," "about," "for," "regarding" の安易な訳。「設定において重要」→「設定で重要」。「Python に関する質問」→「Python の質問」。
- 訳語の癖を疑う: 「提供する」(provide/offer)、「含む」(include/contain)、「もたらす」(bring)、「完全な」(complete/perfect)、「豊富な」(rich)、「対応する」(support/handle) は文脈に合っているか毎回確認。
- 主部と述部を近づける: 修飾節で主語と動詞が遠く離れる文は読みにくい。長い修飾は別の文に独立させる。
書く言語を最初に決める。英語で下書き → 機械翻訳、を既定にしない。翻訳調は draft-then-translate で最も濃くなる。日本語で出すなら最初から日本語で考えて書く。
翻訳ドラフト専用の最終パス（英語草稿を日本語化した場合のみ追加で適用）:
- 受動態を能動に戻す（「診察された」→「診察を受けた」）。英語の受動をそのまま訳さない。
- 無生物主語を副詞節化（「曝露はYを引き起こす」→「Xに晒されるとYが生じる」）。
- 余計な代名詞・所有格・指示語を削る（their/its の機械訳、「その」「それら」の濫用）。
- 単複の無理な訳し分けをやめる。
- 仕上げに日本語だけで音読し、原文を見ずに直訳臭が残る箇所を直す。
Domain passes
Apply on top of universal + language. Pick the one that matches the output.
Email / メール
English
- Skip "I hope this email finds you well" and its cousins. Start with the actual reason for the email, or a one-line context tied to the prior thread.
- Skip "Please don't hesitate to reach out." Closing should be the next concrete step or just Thanks, — name.
- Don't bullet-list a 3-sentence email. Prose.
- Use the recipient's name once at most. Avoid "Dear [Name], I trust this message finds you well."
日本語
- 文体は敬体（です・ます）固定。社外メールで常体は不可。社内メールでも、相手・関係性・先方の文体を上回る丁寧さで揃える。
- 冒頭の「お世話になっております」は社外メールの慣習で必要だが、その後に意味のない丁寧な前置きを重ねない（「日頃より格別のご高配を賜り…」を冗長に積み上げない）。
- 用件を 2–3 行で先に書く。説明は後。
- 「何卒よろしくお願い申し上げます」を機械的に閉じに置く前に、次のアクションが明示されているか確認。
- 箇条書きで埋めない。短いメールは普通の文で書く。
Pull Request / Issue 説明文
- テンプレートに従いつつも、テンプレートの見出しを機械的に埋めない。該当しないセクション（例: テストが無い変更で
## Test plan を「N/A」と書くなら、セクションごと省略してよい）。
- 「## Summary」に同じ内容を 3 回違う表現で書かない。1 回で済む。
- なぜこの変更が必要か（動機・原因・チケット）を、何を変えたか（diff の言い換え）より先に書く。diff は読めば分かる。
- 副作用・既知の制約・残タスクを正直に書く。「fully tested」「all edge cases handled」「production-ready」のような hyperbolic 表現を避ける。実際に走らせたテスト名を挙げられる場合のみ「テスト済み」と書く。
- 定型の前置き (「This PR introduces…」「本PRでは〜を導入します」) と宣伝口調・絵文字見出しを使わない。箇条書きの水増しをしない。自分の言葉で各変更を説明できる範囲に留める。
- 日本語 PR/Issue の文体: チームの既存 PR の文体に必ず合わせる。リポジトリを確認して既存の PR が常体（「〜を修正」「〜とした」体言止め中心）なら常体、敬体（「〜を修正しました」）なら敬体。判別不能なら敬体。「対応しました」「修正いたしました」を全文で繰り返さない（敬体でも「修正」「追加」と体言止めに切るのは可）。
Code review コメント / レビュー返信
- 行・ファイル・関数名を具体的に引く。「I noticed that this could be improved」だけのコメントは AI 的。
- ヘッジを減らす: "Consider perhaps maybe…" や「もしよろしければ〜してもよいかもしれません」の重ね掛けをやめる。提案なら提案、ブロッカーならブロッカーとはっきり書く。
- 質問と提案を分ける。"Why this approach?" は質問、"Use X instead" は提案。LLM は両者を混ぜて曖昧にしがち。意図を明示する: blocker / nit / 質問 / 提案 (Conventional Comments)。どれがブロッカーか言う。
- 各コメントは具体的かつ実行可能に。該当行を示し、修正案か本物の質問を出す。「可読性のためリファクタリングを検討してください」のような曖昧で行動不能なコメントを書かない。コードの動作を言い換えない。
- nit の羅列・壁打ちをしない。本当に直すべき点に絞り、既知の指摘は1回で全部出す (小出しにしない)。投機的な「念のため」を削る。
- 確信度を中身に合わせる。推測を確定事実と同じ断定口調で書かない。不確かなら不確かと明示する。
- "Great work!" 「お疲れさまです、素晴らしいですね」で始めない。本題から入る。褒めるなら具体的な点を褒める (褒め言葉のサンドイッチにしない)。
Commit message
LLM コミットの最大の癖は diff を散文で言い換えるだけ(diff を見れば分かる「何を」を書き、規範が要求する「なぜ」を落とす)。良いメッセージは命令法の件名 + 必要なときだけ「なぜ」を書く本文 (cbea.ms / Tim Pope / Conventional Commits)。
- 命令法・現在形。「Add X」であって「Added/Adds X」ではない。
This commit/change/PR … で始めない (件名・本文とも)。
- 件名は簡潔 (英語 ~50字目安・最大72)、末尾ピリオドなし、本文を付けるなら件名との間に空行。
- diff の言い換えを書かない。本文は「なぜ必要か・判断・トレードオフ」を書く。変更ファイルや変更行を列挙しない (
git diff --stat で分かることは書かない)。
feat: improve user experience のような中身ゼロの動詞を避ける。「update X」「improve Y」「refactor Z」「fix issues」だけの1行は AI 的。動詞 + 対象 + 理由/効果。- 変更の大きさに合わせる。1〜数行の diff に複数段落の本文を付けない。些細な変更は件名のみ。
- 生成トレーラーを付けない:
Co-Authored-By(AI)、Generated with …、Assisted-by: <AI>。
- 絵文字は使わない (リポジトリの既存履歴が使っている場合のみ)。
- Conventional Commits はリポジトリが既に使っている場合だけ踏襲し、
type は意味的に正しいものを選ぶ (些細な変更を feat/fix に押し込まない、scope の捏造をしない)。
- 本文を機械的に箇条書きにしない。1段落で済むなら段落で。
- 日本語コミット: 件名は常体・体言止め (です・ます調にしない。「〜を修正しました」連発は AI/初心者の典型)。Conventional Commits の
type: は英語のまま、本文を日本語に。中身のない語 (対応 / 改善 / 最適化 / 微修正 / いろいろ / 一旦コミット) を避ける。英日の register を混ぜない。
Slack / Discord / チャット
- 段落の改行や丁寧な敬語を持ち込まない。短く、口語で。
- 箇条書きにする前に、本当に並列か確認。会話の途中で
### 見出し は不要。
- 絵文字は相手の使用頻度に合わせる。ゼロ vs 連発の両極を避ける。
Conversational reply / 返信・回答そのもの
When drafting a reply (in a chat, an email thread, an issue comment, a code-review response) the LLM's own conversational tics tend to leak through. Watch for these and cut them:
- Pseudo-empathy openers the user did not ask for: "I completely understand your concern," "That makes total sense," 「お気持ちよく分かります」「ご懸念はごもっともです」. Just answer.
- Performative honesty hedges: "I have to be honest with you," "To be completely candid," "I want to be careful here," 「正直に申し上げると」「率直に言えば」 — used as a tic, not because honesty is actually in tension with the answer. If you're not about to say something uncomfortable, don't preface.
- Reflexive agreement: "You're absolutely right," "Great point," "Excellent question," 「素晴らしいご指摘です」「おっしゃる通りです」. Especially bad when followed by a contradiction ("You're absolutely right — actually, no, X is wrong"). Drop both halves; just engage with the substance.
- Apology padding: "I apologize for the confusion," "Sorry for any inconvenience," 「ご迷惑をおかけして申し訳ありません」 — appropriate when you actually did cause a problem, mechanical when you didn't. Don't apologize for things that weren't errors.
- Confirm-and-restate: starting the reply by paraphrasing the question back ("So you're asking whether X…"). Skip it unless disambiguation is genuinely needed.
- "Let me know if…" closers: "Let me know if you have any other questions!" "Feel free to ask if anything is unclear," 「何かご不明点があればお知らせください」 — stop adding these by default. End on the actual answer.
Documentation / README / blog
- 5 段落構成 (intro → 3 body → recap) を反射的に作らない。必要な節だけ書く。
- "Conclusion" / 「まとめ」セクションは、本当に要約価値があるときだけ。短い記事には不要。
- コード例は最小再現にする。装飾的な import や使わない引数を入れない。
- 見出し階層は実際の構造に合わせる。H2 を 7 個並べるための見出しを作らない。
- 日本語の文体: README・公式ドキュメント・チュートリアルは原則 敬体。ブログは著者の慣習に合わせる（既存記事があれば必ず合わせる）。指定なしで一からブログを書く場合、技術的な解説記事はどちらも可だが、迷ったら敬体を選ぶ方が安全（読者層が広い）。同じ記事内で混在させない。
Titles / headlines / 見出し・タイトル
- Avoid the SEO-bait formulas: "The Ultimate Guide to X," "A Comprehensive Guide to X," "How to Master X in N Steps," "X 101: Everything You Need to Know," "Why X Matters in 2026."
- Avoid the colon-subtitle reflex: "Building Systems: A Modern Approach," "React Hooks: A Deep Dive." Use it when the colon actually adds info, not as default formatting.
- Japanese 見出し: 「〜の完全ガイド」「〜を徹底解説」「初心者でもわかる〜」「【保存版】〜」「〜のすべて」を機械的に出さない。
- 断定・格言調の煽り見出しを名詞句に戻す: 「プロダクトは余白を失った瞬間に死ぬ」のような格言タイトルは AI が偽の権威付けで好む型。「余白とプロダクト設計」のように主張を抑えた名詞句にし、言いたい主張は本文で示す。
- A good title is specific and falsifiable. "How we cut p99 latency from 800ms to 120ms" beats "Optimizing Performance: A Complete Guide."
API documentation / docstrings / コメント
- Don't restate the signature in prose.
def parse_url(url: str) -> URL doesn't need a docstring saying "This function parses a URL string and returns a URL object." That's the signature.
- Skip the "This function …" / "This method …" preamble. Start with the verb: "Parses a Slack-formatted URL."
- Document the non-obvious: failure modes, units, side effects, edge cases the caller can't see. Skip the obvious: that
x: int is an int.
- Don't bullet every parameter when half are self-explanatory. Mention the surprising ones.
- 日本語コメント: 「この関数は〜する関数です」のような重複説明をしない。動詞から始める (「〜を返す」「〜を解析する」)。「上記の通り」「以下の処理を行う」のような冗長な接続を削る。
- Avoid the AI-generated
// Returns the result style comment that adds nothing. If the comment doesn't tell the reader something the code doesn't, delete it.
- Don't restate the code (the #1 LLM comment tell). Delete any comment derivable from the line it sits on:
i++ // increment i, # loop over items above a for, return x // return x. (Ousterhout: "if you can write the comment by reading the code, it's a bad comment.")
- Don't reword the identifier. A comment on
getUser() saying "gets the user", or on is_valid saying "checks if valid", adds nothing. Rename for clarity instead of commenting; don't rescue a bad name with a comment.
- Comment WHY, not WHAT. Keep comments that explain rationale, a non-obvious choice ("why B not A"), edge cases, units, invariants, side effects, ordering/concurrency assumptions, or link a bug/spec. Cut play-by-play narration of straight-line code.
- No chatty narration leaking from chat: "Here's the…", "Note that we…", "As you can see…", "First, we… Then, we…" / 「まず〜し、次に〜する」.
- No mechanical banner/divider comments (
// ===== Helpers =====, # ----------) added with no organizing value.
- No boilerplate TODOs (
// TODO: implement, # TODO: add error handling). Make them specific (what/why/who) or drop them.
- No fabricated behavior. Every claim in a comment/docstring must be verifiable against the code — never describe params, returns, exceptions, or behavior the code doesn't have. Don't let a comment contradict or lag the code.
論文 / 学術的な文章 (academic writing)
学術文章は LLM 臭が読み手 (査読者・編集者・他研究者) に強く検出される領域。PubMed の縦断研究で 2022 年以降に急増した語彙が同定されており、これらは現在「ChatGPT を使った」シグナルとして機能する。
書き出し
- アブストラクトと introduction の冒頭に universal-generic な書き出しを置かない: "In recent years, X has gained significant attention," "With the rapid development of X," 「近年、〜が注目を集めている」「〜の重要性はますます高まっている」。最初の 1 文で具体的な問題・ギャップ・発見を述べる。
- "A growing body of research has shown…" "It is well known that…" "It has been widely recognized that…" を多用しない。代わりに具体的な先行研究を引いて事実を述べる。
動詞のヒットリスト (cut or replace with plain verbs)
delve, elucidate, embark, emerge, employ, encompass, endeavor, enhance, explore, facilitate, foster, garner, grapple, harness, illuminate, integrate, interplay, juxtapose, leverage, navigate, necessitate, outperform, revolutionize, scrutinize, showcase, surpass, transcend, transform, underscore, unearth, unveil, boast, bolster, catalyze, fortify
形容詞のヒットリスト
comprehensive, exhaustive, holistic, multifaceted, nuanced, intricate, meticulous, intriguing, noteworthy, novel, groundbreaking, innovative, ingenious, pivotal, paramount, robust, versatile, well-rounded, actionable, invaluable, transformative
副詞のヒットリスト
notably, particularly, primarily, predominantly, profoundly, seamlessly, effectively, effortlessly, methodically, thoroughly, ultimately, undoubtedly, compellingly
名詞のヒットリスト
landscape, realm, ecosystem, tapestry, testament, journey, milestone, foundation, essence, insight, intricacy, prowess, advancement — および定型句 deep dive, driving force, game changer, shed light on, vital role, knowledge gap
主張・新規性の書き方
- "We propose a novel framework" を反射で書かない。何が新しいか (既存の何と違うか) を 1 文で具体的に。
- "To the best of our knowledge, this is the first…" を冗長に積まない。事実なら 1 回で足りる。誇張なら削除。
- 過度なヘッジング ("may potentially possibly suggest") を避ける。仮説なら "we hypothesize"、観察なら "we observe" と区別する。
構造
- セクション末の自己要約 ("In this section, we have shown…" 「本節では〜を示した」) を毎回つけない。論理的に必要な架け橋がある場合のみ。
- セクション冒頭の roadmap 文 ("In this section, we first…, then…, and finally…") の機械的反復を避ける。
- 三分割の見せかけ列挙 ("first, second, third") を、本当に並列でない箇所で使わない。
日本語論文・解説記事
- 「興味深いことに」「特筆すべきは」「ここで重要なのは」を強調語として連発しない。1 編に 1〜2 回まで。
- 「先行研究によれば」「〜が報告されている」を曖昧な引用で繰り返さない。著者名 (年) を具体的に。
- 「本研究では〜を提案する」「本稿の貢献は〜である」を箇条書きで 5 つも並べない。本当の貢献に絞る。
- 受動態の連発 (「〜が示された」「〜が観察された」) を切り替える。能動 (「我々は〜を示す」) と混ぜる。
引用
- 引用は実在を確認する。著者名・年・誌名・DOI が曖昧なら、出典なしで書くか、確認するまで保留にする。捏造はしない (ハルシネーション引用は学術的に致命的)。
- 「〜である [1, 2, 3, 4, 5]」と束ね引用を機械的に並べない。各引用が個別に何を支持するかが明確になる書き方を。
Self-check before sending
確認するのは次の項目:
- 書き手はいるか: 主張・分析・意見を含む文章なら、反論可能な claim が 1 つでもあるか？ 全部ヘッジと両論併記で逃げていないか？（純粋なリファレンス文書には不要）
- 抽象を 1 つ具体に: 抽象名詞や inflated adjective を 1 か所、具体的な事実・固有名・数値に置き換えた？
- 長さと構造の必然性: この長さ・この見出し数・この箇条書きは内容上必要？ 反射で出していない？
- テンプレ語の駆除: hit-list の語句（English/日本語両方）が残っていない？ "delve, leverage, navigate, robust"、「することができる」「重要です」「いかがでしたか」など。
- burstiness: 文の長さがほぼ揃っていないか？ 一段落の中で短文と長文が混ざっている？
- 頻度カウント(全文通し): 同じ評価副詞(素直/ちゃんと/けっこう)・同じ比喩・太字が記事全体で何回出るか数えた? 文単位では各文が自然でも、全文で同種が反復するとLLM臭が出る(clustering rule は段落単位、これは記事単位の補完)。各3回以上なら削る。
迷ったら音読する。黙読では見落とす不自然なリズム・同じ語尾の連続・冗長な可能表現は、声に出すと一番はやく気づく。
全項目 OK ならそのまま出す。1 つでも怪しければその箇所を直す。全文を書き直さなくてよい。
Clustering rule: 1 つの段落 (300 字 / 50 words) に LLM 臭の表現が 3 つ以上集まっていたら、それだけで読み手に違和感を与える。3 個未満に減らせば、個々の表現が残っていても自然に読める。
What this skill is NOT
- これは「AI 検出ツールを欺く」ためのスキルではない。読み手が普通に読んで違和感のない文章を書くためのもの。
- humanizer の手口を使わない: 同義語スピン、統計的偽装のための文順入れ替え、perplexity／burstiness の操作、わざとらしい誤字・冗長語の挿入、言い換えループ、AI 検出器への最適化。これらは流暢さを損ない意味を歪める（ACL GenAIDetect 2025「DAMAGE」で humanizer は全階層で品質劣化）。自然に読めるのは中身を人間が考え検証したからであって、機械的痕跡を隠したからではない。
- 過剰補正をしない: 「学術的に見せる」ために堅く・均質に・難語化すると、かえって AI らしくなり誤検知が増える（検出器は非ネイティブ英語や定型的な related work を強く誤判定する。Liang et al. 2023 で 61.3% vs 5.1%）。検出スコアは真実の証拠ではない。狙うのは具体性・声・正確さであって、検出回避ではない。
- ユーザーの指示や事実を曲げてまで「人間っぽさ」を演出しない。捏造された体験談・嘘の主観は入れない。
- ユーザーが LLM 的な定型表現（"In conclusion" など）を明示的に求めた場合は、その指示が優先。
