NanoSkill
Kirim skill Anda

Keterampilan Agen Humanizer Teks AI

olehblader22Kbintang GitHubGitHub

Tulis ulang teks yang dihasilkan AI menjadi prosa alami dan terdengar manusiawi dengan menghilangkan pola robotik dan membuat tulisan Anda terasa lebih autentik, jelas, dan menarik.

humanisasiPemindaian keamanan lulus
Pratinjau hasil

Demo lengkap

Lihat perbandingan teks yang dihasilkan AI dan yang dihumanisasi tentang Strategi Pemasaran yang dihasilkan oleh Keterampilan Agen ini.

Mulai

Jalankan tugas pertama Anda

  1. AI-Text-Humanizer-step-1
    01

    Langkah 1:Instal

    Tambahkan keterampilan ke agen Anda.

  2. AI-Text-Humanizer-step-2
    02

    Langkah 2:Tempelkan teks yang dihasilkan AI

    Berikan konten yang ingin Anda buat terdengar lebih alami.

  3. AI-Text-Humanizer-step-3
    03

    Langkah 3:Tinjau Hasil

    Bandingkan teks asli dengan penulisan ulang yang terdengar lebih manusiawi.

Perintah instalasi

$ npx skills add https://github.com/blader/humanizer

Tentang

Keterampilan Humanizer Teks AI memberdayakan pengguna untuk mengubah konten yang dihasilkan AI menjadi prosa yang terbaca seolah ditulis oleh manusia. Dengan mengidentifikasi dan menulis ulang 30 pola berbeda yang umum ditemukan dalam tulisan AI secara cermat, keterampilan ini memastikan konten Anda autentik, menarik, dan bebas dari tanda-tanda khas kepenulisan mesin. Ini adalah alat penting bagi siapa pun yang ingin menjaga suara alami dan terhubung lebih efektif dengan audiens mereka.

Dengan memanfaatkan wawasan dari panduan komprehensif Wikipedia 'Tanda-tanda tulisan AI', humanizer ini menangani masalah mulai dari frasa generik dan struktur berulang hingga bahasa promosi dan artefak chatbot. Fitur kalibrasi suara yang unik memungkinkan keterampilan ini mempelajari dan mengadopsi gaya penulisan pribadi Anda, memastikan bahwa keluaran yang dihumanisasi tidak hanya terdengar alami tetapi juga selaras sempurna dengan nada dan ekspresi unik Anda. Pendekatan yang dipersonalisasi ini membedakannya dari penulis ulang teks generik.

Di luar sekadar pengubahan frasa sederhana, keterampilan ini menggunakan sistem penulisan ulang dua tahap, termasuk audit akhir untuk menangkap setiap AI-isme halus yang mungkin lolos pada tahap awal. Proses ketat ini menjamin tingkat penyempurnaan yang tinggi, menjadikan teks yang dihumanisasi hampir tidak dapat dibedakan dari konten yang ditulis manusia. Baik Anda sedang menyusun artikel, salinan pemasaran, atau karya kreatif, Humanizer Teks AI membantu Anda menyampaikan pesan yang halus, autentik, dan berdampak.

Fitur utama

Apa yang membuatnya kuat

  • Mendeteksi 30 Pola Penulisan AI

    Mengidentifikasi dan menulis ulang teks berdasarkan 30 pola penulisan AI yang berbeda, termasuk konten, bahasa, gaya, komunikasi, pengisi, dan hedging.

  • Kalibrasi Suara

    Menganalisis sampel tulisan pribadi Anda untuk mencocokkan gaya unik Anda, memastikan hasil yang dihumanisasi mencerminkan suara autentik Anda alih-alih prosa generik.

  • Analisis Berbasis Wikipedia

    Memanfaatkan wawasan dari panduan 'Tanda-tanda Tulisan AI' Wikipedia, sumber daya komprehensif yang berasal dari pengamatan ribuan teks buatan AI.

  • Sistem Penulisan Ulang Dua Langkah

    Mencakup audit akhir 'jelas-jelas buatan AI' dan penulisan ulang kedua untuk menangkap jejak AI yang tersisa yang terlewat pada draf awal, memastikan hasil yang benar-benar dihumanisasi.

  • Contoh Sebelum/Sesudah

    Menyediakan contoh jelas sebelum dan sesudah untuk setiap pola yang terdeteksi, menggambarkan bagaimana frasa buatan AI diubah menjadi bahasa yang lebih alami.

Use case

Kapan menggunakannya

  • Menyempurnakan Draf Buatan AI

    Gunakan skill humanize AI text untuk memoles konten yang awalnya dibuat oleh AI, menjadikannya tidak dapat dibedakan dari tulisan manusia untuk blog, artikel, atau laporan.

  • Menjaga Suara Merek

    Kalibrasi skill dengan sampel tulisan Anda sendiri untuk memastikan semua konten berbantuan AI selaras sempurna dengan suara merek dan panduan gaya yang telah Anda tetapkan.

  • Meningkatkan Keterbacaan Konten

    Terapkan humanizer untuk meningkatkan aliran dan kealamian teks apa pun, menghilangkan frasa robotik dan meningkatkan keterbacaan keseluruhan bagi audiens Anda.

SKILL.md

Pemanusia

Sebuah keterampilan untuk Kode Claude dan KodeTerbuka yang menghilangkan tanda-tanda tulisan hasil AI dari teks, membuatnya terdengar lebih alami dan manusiawi.

Instalasi

Kode Claude

Clone langsung ke direktori keterampilan Kode Claude:

mkdir -p ~/.claude/skills
git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer

Atau salin file keterampilan secara manual jika Anda sudah memiliki repo ini ter-clone:

mkdir -p ~/.claude/skills/humanizer
cp SKILL.md ~/.claude/skills/humanizer/

KodeTerbuka

Clone langsung ke direktori keterampilan KodeTerbuka:

mkdir -p ~/.config/opencode/skills
git clone https://github.com/blader/humanizer.git ~/.config/opencode/skills/humanizer

Atau salin file keterampilan secara manual jika Anda sudah memiliki repo ini ter-clone:

mkdir -p ~/.config/opencode/skills/humanizer
cp SKILL.md ~/.config/opencode/skills/humanizer/

Catatan: KodeTerbuka juga memindai ~/.claude/skills/ untuk kompatibilitas, jadi jika Anda menggunakan kedua alat, satu clone ke ~/.claude/skills/humanizer/ sudah cukup.

Penggunaan

Kode Claude

/humanizer

[tempel teks Anda di sini]

KodeTerbuka

/humanizer

[tempel teks Anda di sini]

Atau minta model untuk memanusiakan teks langsung di salah satu alat:

Tolong manusiaikan teks ini: [teks Anda]

Kalibrasi Suara

Untuk mencocokkan gaya penulisan pribadi Anda, berikan sampel tulisan Anda sendiri:

/humanizer

Ini sampel tulisan saya untuk pencocokan suara:
[tempel 2-3 paragraf tulisan Anda sendiri]

Sekarang manusiaikan teks ini:
[tempel teks AI untuk dimanusiakan]

Keterampilan ini akan menganalisis ritme kalimat, pilihan kata, dan keunikan Anda, lalu menerapkannya pada hasil tulis ulang alih-alih menghasilkan keluaran generik yang "bersih".

Gambaran Umum

Berdasarkan panduan Wikipedia "Tanda-tanda tulisan AI", yang dikelola oleh WikiProject AI Cleanup. Panduan komprehensif ini berasal dari pengamatan ribuan contoh teks hasil AI.

Keterampilan ini juga menyertakan audit akhir "jelas dibuat AI" dan penulisan ulang kedua, untuk menangkap sisa-sisa AI-isme pada draf pertama.

Wawasan Kunci dari Wikipedia

"LLM menggunakan algoritma statistik untuk menebak apa yang seharusnya muncul berikutnya. Hasilnya cenderung menuju hasil yang paling mungkin secara statistik yang berlaku untuk berbagai kasus."

30 Pola yang Terdeteksi (dengan Contoh Sebelum/Sesudah)

Pola Konten

#PolaSebelumSesudah
1Inflasi signifikansi"menandai momen penting dalam evolusi...""didirikan pada 1989 untuk mengumpulkan statistik regional"
2Penyebutan nama untuk ketenaran"dikutip di NYT, BBC, FT, dan The Hindu""Dalam wawancara NYT 2024, dia berpendapat..."
3Analisis -ing superfisial"melambangkan... mencerminkan... menampilkan..."Hapus atau kembangkan dengan sumber aktual
4Bahasa promosional"terletak di wilayah yang menakjubkan""adalah sebuah kota di wilayah Gonder"
5Atribusi samar"Para ahli percaya ini memainkan peran penting""menurut survei 2019 oleh..."
6Tantangan formula"Meskipun ada tantangan... terus berkembang"Fakta spesifik tentang tantangan sebenarnya

Pola Bahasa

#PolaSebelumSesudah
7Kosakata AI"Sebenarnya... selain itu... bukti... lanskap... menampilkan""juga... tetap umum"
8Penghindaran kopula"berfungsi sebagai... menampilkan... memiliki""adalah... memiliki"
9Paralelisme negatif / negasi beruntun"Ini bukan hanya X, ini Y", "..., tanpa menebak"Nyatakan langsung pokoknya
10Aturan tiga"inovasi, inspirasi, dan wawasan"Gunakan jumlah item yang alami
11Siklus sinonim"protagonis... tokoh utama... figur sentral... pahlawan""protagonis" (ulangi bila paling jelas)
12Rentang palsu"dari Big Bang hingga materi gelap"Daftar topik secara langsung
13Suara pasif / fragmen tanpa subjek"File konfigurasi tidak diperlukan"Sebutkan pelaku jika membantu kejelasan

Pola Gaya

#PolaSebelumSesudah
14Em/en dash"institusi—bukan rakyatnya—namun ini terus berlanjut—"Hilangkan: gunakan titik, koma, titik dua, atau tanda kurung
15Penggunaan huruf tebal berlebihan"OKR, KPI, BMC""OKR, KPI, BMC"
16Daftar ber-heading inline"Kinerja: Kinerja meningkat"Ubah menjadi prosa
17Heading Kapitalisasi Judul"Negosiasi Strategis Dan Kemitraan""Negosiasi strategis dan kemitraan"
18Emoji"🚀 Fase Peluncuran: 💡 Wawasan Kunci:"Hapus emoji
19Tanda kutip keritingmengatakan “proyek itu”mengatakan “proyek itu”
26Pasangan kata dengan tanda hubung“lintas-fungsi, didorong-data, berhadapan-klien”Hapus tanda hubung pada pasangan kata umum
27Trope otoritas persuasif"Pada intinya, yang penting adalah..."Nyatakan langsung pokoknya
28Pengumuman petunjuk"Mari kita mulai", "Inilah yang perlu Anda ketahui"Mulai dengan konten
29Header terfragmentasi"## Kinerja" + "Kecepatan penting."Biarkan judul yang bekerja
30Tulisan berlabuh diff"Fungsi ini ditambahkan untuk menggantikan..."Jelaskan apa yang dilakukannya, bukan apa yang berubah

Pola Komunikasi

#PolaSebelumSesudah
20Artefak chatbot"Semoga ini membantu! Beri tahu saya jika..."Hapus seluruhnya
21Pelepasan tanggung jawab batasan"Meskipun rincian terbatas pada sumber yang tersedia..."Cari sumber atau hapus
22Nada menjilat"Pertanyaan bagus! Anda benar sekali!"Tanggapi langsung

Pengisi dan Peragu-raguan

#PolaSebelumSesudah
23Frasa pengisi"Dalam rangka", "Karena fakta bahwa""Untuk", "Karena"
24Peragu-raguan berlebihan"mungkin berpotensi mungkin""mungkin"
25Kesimpulan generik"Masa depan terlihat cerah"Rencana atau fakta spesifik

Contoh Lengkap

Sebelum (terdengar AI):

Pertanyaan bagus! Ini esai tentang topik ini. Semoga ini membantu!

Koding berbantuan AI berfungsi sebagai bukti abadi potensi transformatif model bahasa besar, menandai momen penting dalam evolusi pengembangan perangkat lunak. Dalam lanskap teknologi yang berkembang pesat saat ini, alat terobosan ini—yang terletak di persimpangan penelitian dan praktik—sedang membentuk kembali cara insinyur merancang, mengulangi, dan menghasilkan, menggarisbawahi peran vital mereka dalam alur kerja modern.

Pada intinya, proposisi nilainya jelas: menyederhanakan proses, meningkatkan kolaborasi, dan mendorong keselarasan. Ini bukan hanya tentang penyelesaian otomatis; ini tentang membuka kreativitas dalam skala besar, memastikan bahwa organisasi dapat tetap gesit sambil memberikan pengalaman yang mulus, intuitif, dan kuat kepada pengguna. Alat ini berfungsi sebagai katalis. Asisten berfungsi sebagai mitra. Sistem berdiri sebagai fondasi inovasi.

Para pengamat industri mencatat bahwa adopsi telah meningkat dari eksperimen penghobi menjadi peluncuran di seluruh perusahaan, dari pengembang tunggal menjadi tim lintas fungsi. Teknologi ini telah ditampilkan di The New York Times, Wired, dan The Verge. Selain itu, kemampuan untuk menghasilkan dokumentasi, pengujian, dan refaktor menunjukkan bagaimana AI dapat berkontribusi pada hasil yang lebih baik, menyoroti hubungan rumit antara otomatisasi dan penilaian manusia.

  • 💡 Kecepatan: Generasi kode secara signifikan lebih cepat, mengurangi friksi dan memberdayakan pengembang.
  • 🚀 Kualitas: Kualitas keluaran telah ditingkatkan melalui pelatihan yang lebih baik, berkontribusi pada standar yang lebih tinggi.
  • Adopsi: Penggunaan terus tumbuh, mencerminkan tren industri yang lebih luas.

Meskipun rincian spesifik terbatas berdasarkan informasi yang tersedia, mungkin dapat dikatakan bahwa alat-alat ini mungkin memiliki beberapa efek positif. Terlepas dari tantangan yang khas dari teknologi baru—termasuk halusinasi, bias, dan akuntabilitas—ekosistem terus berkembang. Untuk mewujudkan potensi ini sepenuhnya, tim harus menyelaraskan dengan praktik terbaik.

Kesimpulannya, masa depan terlihat cerah. Saat-saat menarik terbentang di depan saat kita melanjutkan perjalanan menuju keunggulan ini. Beri tahu saya jika Anda ingin saya memperluas bagian mana pun!

Sesudah (Dimanusiakan):

Asisten koding AI dapat mempercepat bagian pekerjaan yang membosankan. Mereka hebat dalam boilerplate: file konfigurasi dan kode lem kecil yang tidak ingin Anda tulis. Mereka juga dapat membantu Anda membuat sketsa pengujian, tetapi Anda tetap harus membacanya.

Bagian berbahaya adalah betapa percaya dirinya saran-saran itu terlihat. Saya pernah menerima kode yang berhasil dikompilasi dan lulus lint, kemudian menemukan bahwa kode tersebut meleset karena saya berhenti memperhatikan.

Jika Anda memperlakukannya seperti penyelesaian otomatis dan meninjau setiap baris, itu berguna. Jika Anda menggunakannya untuk menghindari berpikir, itu akan membantu Anda mengirimkan bug lebih cepat.

Satu-satunya penahan sebenarnya adalah pengujian. Tanpa itu, Anda sebagian besar menilai berdasarkan perasaan.

Referensi

  • Wikipedia: Tanda-tanda tulisan AI - Sumber utama
  • WikiProject AI Cleanup - Organisasi yang memelihara

Riwayat Versi

  • 2.7.0 - Menambahkan pola #30 (tulisan berlabuh diff); membuat em/en dash menjadi pemotongan keras alih-alih "berlebihan"; memperluas #21 untuk mencakup pengisian celah spekulatif ("menjaga profil rendah"). Total 30 pola.
  • 2.6.0 - Pembersihan: menggabungkan bagian alur kerja yang terduplikasi, membatasi panduan kepribadian hanya pada konten yang membutuhkan suara, menghapus subbagian sidik jari model, dan meringkas contoh kerja. Tidak ada perubahan pada 29 pola.
  • 2.5.1 - Menambahkan aturan suara pasif / fragmen tanpa subjek, menaikkan total menjadi 29 pola
  • 2.5.0 - Menambahkan pola untuk pembingkaian persuasif, petunjuk, dan header terfragmentasi; memperluas paralelisme negatif untuk mencakup negasi beruntun; memperketat kata-kata seputar penggunaan em dash berlebihan; memperbaiki kata-kata frontmatter untuk menggunakan "frasa pengisi"
  • 2.4.0 - Menambahkan kalibrasi suara: cocokkan gaya penulisan pribadi pengguna dari sampel
  • 2.3.0 - Menambahkan pola #25: penggunaan berlebihan pasangan kata dengan tanda hubung
  • 2.2.0 - Menambahkan audit akhir "jelas dibuat AI" + prompt penulisan ulang kedua
  • 2.1.1 - Memperbaiki contoh pola #18 (tanda kutip keriting vs lurus)
  • 2.1.0 - Menambahkan contoh sebelum/sesudah untuk semua 24 pola
  • 2.0.0 - Penulisan ulang lengkap berdasarkan konten artikel Wikipedia mentah
  • 1.0.0 - Rilis awal

Lisensi

MIT

FAQ