Humanizer Skill for Claude

Run detect.py on a .txt or .md draft to find AI-writing patterns and get an AI probability score.

Use transform.py to humanize the draft, then run compare.py to check the before/after improvement.

• Sie haben KI-generierte Inhalte (aus ChatGPT, Claude, GPT-4 usw.), die vor der Veröffentlichung oder Einreichung natürlich klingen sollen.
• Sie möchten ein systematisches, musterbasiertes Audit eines Dokuments durchführen, um spezifische KI-Marker vor der manuellen Bearbeitung zu identifizieren.
• Sie benötigen Stapelverarbeitung – das Scannen oder Transformieren von Dutzenden von .txt- oder .md-Dateien in einem einzigen Durchlauf.
• Sie möchten Verbesserungen quantitativ mit Vorher/Nachher-KI-Wahrscheinlichkeitswerten verfolgen.

• Sie benötigen ein Echtzeit-Browser- oder In-Editor-Rewrite-Tool — dies ist ein CLI-basierter, Datei-ein / Datei-aus-Workflow.
• Der Text enthält stark technische oder fachspezifische Inhalte, bei denen automatisierte Phrasenerersetzungen Ungenauigkeiten einführen können; eine manuelle Überprüfung wird für KI-Vokabular und Hinweise auf Werbesprache weiterhin empfohlen.

Das Skript detect.py prüft auf Muster über vier Schweregrade hinweg: Kritisch (Zitierfehler, Chatbot-Artefakte), Hohes Signal (KI-typisches Vokabular wie delve oder tapestry, Bedeutungsübertreibungen), Mittleres Signal (Füllphrasen, vage Quellenangaben) und Stilsignal (typografische Anführungszeichen, übermäßiger Gedankenstriche-Einsatz). Jedes Problem wird mit einer Gesamt-KI-Wahrscheinlichkeitsbewertung von Niedrig, Mittel, Hoch oder Sehr Hoch ausgegeben.

transform.py wendet automatische Korrekturen für die zuverlässigsten Musterkategorien an – es entfernt Markdown-Formatierungen, eliminiert einleitende und abschließende Chatbot-Sätze, ersetzt Konstruktionen zur Vermeidung von Kopulaverben durch einfache Entsprechungen (ist/hat) und vereinfacht Füllphrasen. Ein optionaler aggressiver Modus (-a) vereinfacht zusätzlich -ing-Konstruktionen und reduziert den übermäßigen Einsatz von Gedankenstrichen.

compare.py führt die Erkennung sowohl auf der Original- als auch auf der transformierten Version nebeneinander aus, sodass Sie die Score-Verbesserung überprüfen können, bevor Sie das Ergebnis speichern. Optional wird die bereinigte Version in einem angegebenen Ausgabe-Datei im selben Befehl gespeichert.

Alle markierten Begriffe und Ersetzungsregeln befinden sich in scripts/patterns.json. Sie können Einträge für KI-Vokabular, Anpreisungsphrasen, Werbesprache, Füllwort-Ersetzungen und Chatbot-Artefakte hinzufügen oder entfernen, ohne Python-Code zu ändern.

Die Skripte akzeptieren stdin und unterstützen Shell-Schleifen, wodurch es einfach ist, ganze Verzeichnisse mit .txt- oder .md-Dateien in einem einzigen Befehl zu scannen oder zu transformieren. Der JSON-Ausgabemodus (-j) in detect.py ermöglicht weitergehende Skripterstellung und Automatisierung.

Führe detect.py auf einem Entwurf aus, um Chatbot-Artefakte, Zitierfehler und aufgeblähte Formulierungen aufzudecken, die Plagiat- oder KI-Detektoren wie Turnitin oder GPTZero kennzeichnen würden. Verwende transform.py, um die offensichtlichsten Marker automatisch zu korrigieren, und folge anschließend den markierten manuellen Überprüfungspunkten für Vokabular und Ton.

Redakteure können mit einer Shell-Schleife einen Ordner mit KI-erstellten Blogbeiträgen stapelweise scannen, um dateiweise KI-Wahrscheinlichkeitswerte zu erhalten. Jede Datei mit einer Bewertung von Mittel oder höher durchläuft transform.py vor der manuellen Überprüfung, wodurch der Bearbeitungsaufwand bei den mechanischsten Mustern reduziert wird.

Von LLMs generierte Marketing-Entwürfe enthalten häufig werbliche Füllwörter (lebendig, bahnbrechend, eingebettet) und strukturelle Klischees. Die Funktion Humanize AI text erkennt und entfernt diese automatisch und liefert so einen saubereren Ausgangspunkt für einen menschlichen Texter.

KI-generierte technische Dokumentationen enthalten häufig Markdown-Artefakte, Chatbot-Abschlussfloskeln und Anführungszeichen-Signaturen. transform.py entfernt diese Formatierungsprobleme gesammelt aus .md-Dateien und gewährleistet so eine einheitliche Nur-Text- oder hausinternen Stilvorlage entsprechende Ausgabe.