/humanizer-ja
AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。
$ npx -y skills add gonta223/humanizer-ja --skill humanizer-ja --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/humanizer-ja
Context preview
The summary Claude sees to decide when to auto-load this skill.
AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。
SKILL.md
humanizer-ja.SKILL.mdname: humanizer-ja
description: "AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。"
version: "1.0.0"
author: SuguruKun_ai
license: MIT
Humanizer JA — AIくさい日本語を人間の文章に変える
AI（Claude、ChatGPT、Gemini等）が生成した日本語テキストから「AIっぽさ」を除去し、人間が書いたように読める文章に書き換えるスキル。
WikiProject AI Cleanupの知見をベースに、日本語特有のパターンを追加。英語版 [blader/humanizer](https://github.com/blader/humanizer) にインスパイアされたオリジナル実装。
---
使い方
1. このフォルダを `~/.claude/skills/humanizer-ja/` に配置 2. Claude Codeで文章を生成した後、「人間っぽくして」「humanize」等と指示
---
ルール
以下の20パターンをチェックし、該当箇所を書き換える。 **消すだけでなく、必ず「人間らしい表現」に置き換えること。**
---
カテゴリ1: 語彙・表現（AI頻出語）
1. 意義の過剰強調
AIは物事の重要性を盛りすぎる。
**NG例:** 「この取り組みは、業界全体のDX推進において極めて重要な役割を果たしており、その意義は計り知れない。」
**OK例:** 「この取り組みで、社内の申請処理が3日から4時間に縮まった。」
**原則:** 「重要な」「極めて」「計り知れない」を消す → 具体的な数字・事実に置き換える。
2. 定型評価語
以下の語句が出てきたら、ほぼ確実にAI生成。すべて書き換え対象。
| NGワード | 置き換え方 | |---------|-----------| | 浮き彫りにしており | 具体的に何が見えたか書く | | 今後の展開が注目されます | 削除するか、自分の予測を書く | | 多面的な / 包括的な / 画期的な | 何がどう多面的なのか具体化する | | 注目に値する | なぜ自分が注目したか1文で書く | | 〜と言えるでしょう | 断定するか、削除する | | 〜ではないでしょうか | 言い切る | | 重要な示唆を与えている | 何の示唆か具体的に書く |
3. カタカナ語の過剰使用
AIは多言語データで学習しているため、日本語でもカタカナ外来語を多用する。
**NG例:** 「ソリューションをレバレッジして、イノベーティブなアプローチでトランスフォーメーションを推進する。」
**OK例:** 「既存の仕組みを活かして、新しいやり方で業務を変える。」
**原則:** 和語で言えるなら和語を使う。カタカナが3語以上連続したら疑う。
4. 曖昧な出典
**NG例:** 「業界の専門家によると」「調査結果が示すように」「多くの企業が指摘しているように」
**OK例:** 「Ahrefsが90万ページを分析したデータでは」「Meta社のAIチームが2025年に発表した論文では」
**原則:** 出典を出すなら具体的に。出せないなら「出典なし」と認めるか、自分の意見として書く。
---
カテゴリ2: 構造・フォーマット
5. 太字+コロンの箇条書き
Claude・ChatGPT共通の最大の特徴の1つ。人間はこの書式をほぼ使わない。
**NG例:**
- **速度:** 処理速度が3倍に向上
- **安全性:** セキュリティ基準を満たす
- **コスト:** 月額費用を40%削減
**OK例:**
- 処理速度が3倍になった
- セキュリティ基準もクリアしてる
- 月額費用は40%減
**原則:** 「**ラベル:** 内容」の形式を見つけたら、ラベルを消して内容だけにする。
6. 三点セットの強制
AIはあらゆるものを3つにまとめたがる。メリット3つ、ステップ3つ、ポイント3つ。
**原則:** 本当に3つなら3つでいい。でも4つあるなら4つ書く。1つだけでもいい。「3つにまとめると」で始まる文を見たら疑う。
7. 全角ダッシュ（——）の乱用
ChatGPTの最大の書式癖。日本語でもemダッシュで補足を挟む。
**NG例:** 「Claude Code——Anthropicが開発したCLIツール——を使えば」
**OK例:** 「Claude Code（AnthropicのCLIツール）を使えば」
**原則:** 全角ダッシュ → カッコまたは読点に置き換える。
8. 見出しの過剰構造化
AIは短い文章でもh2/h3で細かく区切りたがる。
**原則:** 300字以下のセクションに小見出しは不要。読者が自然に読める流れを優先する。
---
カテゴリ3: 文体・トーン
9. 説教くさい前置き
**NG例:** 「ここで重要なのは〜という点です」「〜について理解しておく必要があります」「注意すべき点として」
**OK例:** 前置きを消して、内容をそのまま書く。
**原則:** 「important to note」の日本語版をすべて削除する。読者は大人なので、何が重要かは自分で判断できる。
10. 接続詞の多用
**NG語:** 「一方で」「しかしながら」「加えて」「このように」「さらに」「とりわけ」
1つの文章に3回以上出てきたら多すぎる。半分は削除して、文の順序で論理を伝える。
11. 否定並列構文
**NG例:** 「単なるツールではない。パラダイムシフトだ。」 「コストの問題ではない。文化の問題だ。」
**原則:** 「〜ではない。〜だ。」が2回以上出てきたら、片方を別の構文に書き換える。
12. 追従的なトーン
**NG例:** 「素晴らしいご質問ですね！」「非常に良い指摘です」「おっしゃる通り」
**原則:** 読者に媚びない。褒めるなら具体的に何が良いか書く。
13. -ing的付け足し構文
データや事実の後に、AIが勝手に意義を付け足すパターン。
**NG例:** 「売上は前年比120%でした。これは同社の戦略が功を奏していることを示しており、今後の成長が期待されます。」
**OK例:** 「売上は前年比120%でした。」（読者に解釈を委ねる）
**原則:** データの後に「〜を示しており」「〜を物語っています」が続いたら、その文を丸ごと削除する。
---
カテゴリ4: 日本語固有パターン
14. 敬語の均一化
AIの敬語は全文均一で、緩急がない。人間は場面によって敬語レベルを変える。
**原則:** ですます調の中に、体言止めや短い断定文を混ぜる。全部同じ語尾にしない。
15. 主語の過剰明示
日本語は主語を省略する言語。AIは英語の癖で主語を毎文入れる。
**NG例:** 「このツールは高速です。このツールはセキュリティも強固です。このツールは無料で使えます。」
**OK例:** 「高速で、セキュリティも強固。しかも無料。」
16. 「〜することができます」の多用
**NG:** 「設定を変更することができます」 **OK:** 「設定を変更できます」（さらに良い：「設定は変えられます」）
**原則:** 「することができます」を見つけたらすべて短縮する。
17. 体温のない結論
**NG例:** 「以上のことから、AIツールの活用は今後ますます重要になると考えられます。」
**OK例:** 「正直、もうAIなしで仕事するのは無理だと思ってます。」
**原則:** 結論には自分の体温を入れる。「考えられます」ではなく「思ってます」「感じてます」。
---
カテゴリ5: セルフ監査
18. 冒頭チェック
以下のパターンで始まっていたら書き直す:
- 「ここでは〜について解説します」
- 「〜が注目を集めています」
- 「近年、〜が急速に進展しており」
**代わりに:** 具体的な数字、体験、場面から始める。
19. 結論チェック
以下のパターンで終わっていたら書き直す:
- 「今後の展開が注目されます」
- 「〜が期待されます」
- 「〜と言えるでしょう」
**代わりに:** 自分の意見、具体的な次のアクション、余韻のある短文で締める。
20. 二重チェック（最重要）
書き換えが終わったら、自分自身にこう問いかける:
**「この文章を読んで、AIが書いたと思うか？」**
もし「はい」なら、以下を確認:
- 定型評価語が残っていないか
- 太字+コロンの箇条書きが残っていないか
- 全文が同じトーンで均一すぎないか
- 具体的な体験や数字が入っているか
- 結論に自分の声が入っているか
該当箇所を見つけたら、もう一度書き換える。
---
「声」を入れる
パターンを消すだけでは、空っぽの文章になる。消した後に「人間の声」を入れる。
**声の入れ方:**
1. **自分の体験を1つ入れる。** 「自分の場合は〜」「うちでは〜」「実際に試したら〜」 2. **意見を1つ入れる。** 「正直、これは微妙だと思ってます」「個人的にはこっちの方がいい」 3. **リズムを崩す。** 長い文の後に短い文。丁寧語の後に体言止め。均一さを壊す。 4. **不完全さを認める。** 「まだ試してない」「ここは自信ない」。完璧な文章はAIっぽい。
---
クイックリファレンス（チェックリスト）
書き換え後、最低限これだけ確認:
- [ ] 「浮き彫りにしており」「今後の展開が注目」が消えてるか
- [ ] 「**ラベル:** 内容」形式の箇条書きがないか
- [ ] 全角ダッシュ（——）がないか
- [ ] 「〜と言えるでしょう」「〜ではないでしょうか」がないか
- [ ] 「することができます」がないか
- [ ] 冒頭と結論がテンプレ文で始まって/終わっていないか
- [ ] 自分の体験or意見が最低1箇所入っているか
- [ ] 読み返して「AIが書いた」と感じないか
Read more
name: humanizer-ja description: "AIくさい日本語を、人間が書いた文章に変換するClaude Codeスキル。" version: "1.0.0" author: SuguruKun_ai license: MIT
Humanizer JA — AIくさい日本語を人間の文章に変える
AI（Claude、ChatGPT、Gemini等）が生成した日本語テキストから「AIっぽさ」を除去し、人間が書いたように読める文章に書き換えるスキル。
WikiProject AI Cleanupの知見をベースに、日本語特有のパターンを追加。英語版 [blader/humanizer](https://github.com/blader/humanizer) にインスパイアされたオリジナル実装。
---
使い方
1. このフォルダを `~/.claude/skills/humanizer-ja/` に配置 2. Claude Codeで文章を生成した後、「人間っぽくして」「humanize」等と指示
---
ルール
以下の20パターンをチェックし、該当箇所を書き換える。 **消すだけでなく、必ず「人間らしい表現」に置き換えること。**
---
カテゴリ1: 語彙・表現（AI頻出語）
1. 意義の過剰強調
AIは物事の重要性を盛りすぎる。
**NG例:** 「この取り組みは、業界全体のDX推進において極めて重要な役割を果たしており、その意義は計り知れない。」
**OK例:** 「この取り組みで、社内の申請処理が3日から4時間に縮まった。」
**原則:** 「重要な」「極めて」「計り知れない」を消す → 具体的な数字・事実に置き換える。
2. 定型評価語
以下の語句が出てきたら、ほぼ確実にAI生成。すべて書き換え対象。
| NGワード | 置き換え方 | |---------|-----------| | 浮き彫りにしており | 具体的に何が見えたか書く | | 今後の展開が注目されます | 削除するか、自分の予測を書く | | 多面的な / 包括的な / 画期的な | 何がどう多面的なのか具体化する | | 注目に値する | なぜ自分が注目したか1文で書く | | 〜と言えるでしょう | 断定するか、削除する | | 〜ではないでしょうか | 言い切る | | 重要な示唆を与えている | 何の示唆か具体的に書く |
3. カタカナ語の過剰使用
AIは多言語データで学習しているため、日本語でもカタカナ外来語を多用する。
**NG例:** 「ソリューションをレバレッジして、イノベーティブなアプローチでトランスフォーメーションを推進する。」
**OK例:** 「既存の仕組みを活かして、新しいやり方で業務を変える。」
**原則:** 和語で言えるなら和語を使う。カタカナが3語以上連続したら疑う。
4. 曖昧な出典
**NG例:** 「業界の専門家によると」「調査結果が示すように」「多くの企業が指摘しているように」
**OK例:** 「Ahrefsが90万ページを分析したデータでは」「Meta社のAIチームが2025年に発表した論文では」
**原則:** 出典を出すなら具体的に。出せないなら「出典なし」と認めるか、自分の意見として書く。
---
カテゴリ2: 構造・フォーマット
5. 太字+コロンの箇条書き
Claude・ChatGPT共通の最大の特徴の1つ。人間はこの書式をほぼ使わない。
**NG例:**
- **速度:** 処理速度が3倍に向上
- **安全性:** セキュリティ基準を満たす
- **コスト:** 月額費用を40%削減
**OK例:**
- 処理速度が3倍になった
- セキュリティ基準もクリアしてる
- 月額費用は40%減
**原則:** 「**ラベル:** 内容」の形式を見つけたら、ラベルを消して内容だけにする。
6. 三点セットの強制
AIはあらゆるものを3つにまとめたがる。メリット3つ、ステップ3つ、ポイント3つ。
**原則:** 本当に3つなら3つでいい。でも4つあるなら4つ書く。1つだけでもいい。「3つにまとめると」で始まる文を見たら疑う。
7. 全角ダッシュ（——）の乱用
ChatGPTの最大の書式癖。日本語でもemダッシュで補足を挟む。
**NG例:** 「Claude Code——Anthropicが開発したCLIツール——を使えば」
**OK例:** 「Claude Code（AnthropicのCLIツール）を使えば」
**原則:** 全角ダッシュ → カッコまたは読点に置き換える。
8. 見出しの過剰構造化
AIは短い文章でもh2/h3で細かく区切りたがる。
**原則:** 300字以下のセクションに小見出しは不要。読者が自然に読める流れを優先する。
---
カテゴリ3: 文体・トーン
9. 説教くさい前置き
**NG例:** 「ここで重要なのは〜という点です」「〜について理解しておく必要があります」「注意すべき点として」
**OK例:** 前置きを消して、内容をそのまま書く。
**原則:** 「important to note」の日本語版をすべて削除する。読者は大人なので、何が重要かは自分で判断できる。
10. 接続詞の多用
**NG語:** 「一方で」「しかしながら」「加えて」「このように」「さらに」「とりわけ」
1つの文章に3回以上出てきたら多すぎる。半分は削除して、文の順序で論理を伝える。
11. 否定並列構文
**NG例:** 「単なるツールではない。パラダイムシフトだ。」 「コストの問題ではない。文化の問題だ。」
**原則:** 「〜ではない。〜だ。」が2回以上出てきたら、片方を別の構文に書き換える。
12. 追従的なトーン
**NG例:** 「素晴らしいご質問ですね！」「非常に良い指摘です」「おっしゃる通り」
**原則:** 読者に媚びない。褒めるなら具体的に何が良いか書く。
13. -ing的付け足し構文
データや事実の後に、AIが勝手に意義を付け足すパターン。
**NG例:** 「売上は前年比120%でした。これは同社の戦略が功を奏していることを示しており、今後の成長が期待されます。」
**OK例:** 「売上は前年比120%でした。」（読者に解釈を委ねる）
**原則:** データの後に「〜を示しており」「〜を物語っています」が続いたら、その文を丸ごと削除する。
---
カテゴリ4: 日本語固有パターン
14. 敬語の均一化
AIの敬語は全文均一で、緩急がない。人間は場面によって敬語レベルを変える。
**原則:** ですます調の中に、体言止めや短い断定文を混ぜる。全部同じ語尾にしない。
15. 主語の過剰明示
日本語は主語を省略する言語。AIは英語の癖で主語を毎文入れる。
**NG例:** 「このツールは高速です。このツールはセキュリティも強固です。このツールは無料で使えます。」
**OK例:** 「高速で、セキュリティも強固。しかも無料。」
16. 「〜することができます」の多用
**NG:** 「設定を変更することができます」 **OK:** 「設定を変更できます」（さらに良い：「設定は変えられます」）
**原則:** 「することができます」を見つけたらすべて短縮する。
17. 体温のない結論
**NG例:** 「以上のことから、AIツールの活用は今後ますます重要になると考えられます。」
**OK例:** 「正直、もうAIなしで仕事するのは無理だと思ってます。」
**原則:** 結論には自分の体温を入れる。「考えられます」ではなく「思ってます」「感じてます」。
---
カテゴリ5: セルフ監査
18. 冒頭チェック
以下のパターンで始まっていたら書き直す:
- 「ここでは〜について解説します」
- 「〜が注目を集めています」
- 「近年、〜が急速に進展しており」
**代わりに:** 具体的な数字、体験、場面から始める。
19. 結論チェック
以下のパターンで終わっていたら書き直す:
- 「今後の展開が注目されます」
- 「〜が期待されます」
- 「〜と言えるでしょう」
**代わりに:** 自分の意見、具体的な次のアクション、余韻のある短文で締める。
20. 二重チェック（最重要）
書き換えが終わったら、自分自身にこう問いかける:
**「この文章を読んで、AIが書いたと思うか？」**
もし「はい」なら、以下を確認:
- 定型評価語が残っていないか
- 太字+コロンの箇条書きが残っていないか
- 全文が同じトーンで均一すぎないか
- 具体的な体験や数字が入っているか
- 結論に自分の声が入っているか
該当箇所を見つけたら、もう一度書き換える。
---
「声」を入れる
パターンを消すだけでは、空っぽの文章になる。消した後に「人間の声」を入れる。
**声の入れ方:**
1. **自分の体験を1つ入れる。** 「自分の場合は〜」「うちでは〜」「実際に試したら〜」 2. **意見を1つ入れる。** 「正直、これは微妙だと思ってます」「個人的にはこっちの方がいい」 3. **リズムを崩す。** 長い文の後に短い文。丁寧語の後に体言止め。均一さを壊す。 4. **不完全さを認める。** 「まだ試してない」「ここは自信ない」。完璧な文章はAIっぽい。
---
クイックリファレンス（チェックリスト）
書き換え後、最低限これだけ確認:
- [ ] 「浮き彫りにしており」「今後の展開が注目」が消えてるか
- [ ] 「**ラベル:** 内容」形式の箇条書きがないか
- [ ] 全角ダッシュ（——）がないか
- [ ] 「〜と言えるでしょう」「〜ではないでしょうか」がないか
- [ ] 「することができます」がないか
- [ ] 冒頭と結論がテンプレ文で始まって/終わっていないか
- [ ] 自分の体験or意見が最低1箇所入っているか
- [ ] 読み返して「AIが書いた」と感じないか