Claude Code skill that rewrites AI-ish Japanese into natural, publication-ready Japanese.
SaferSkills independently audited humanizer-ja (Agent Skill) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.
Findings & checks · 0 flagged
Every scanned point with the score it earned and what moved between them.
First recorded scan — no prior version to compare against.
The primary manifest — the file an agent reads to learn what this artifact does.
AIが生成した日本語テキストから「AI臭」を除去し、人が書いたと感じる自然な文章に書き直す。
LLMは大量の文章から「次に来やすい言葉」を選び続けて文章を生成する。学習データにはマニュアル、FAQ、規程、研修資料、一般向け解説が多い。その平均的な型を最短で出すため、テンプレ色が濃くなる。加えて「有害なことを言わない」という安全制御の副作用で、全方位に配慮した毒にも薬にもならない文章になる。さらに英語がLLMの基盤であるため、Markdown記法や箇条書き多用など英語圏のドキュメント文化が骨組みに残り、文法は正しい日本語なのにリズムや記号の使い方だけが洋風になる。
Markdown記法の消し忘れや英語圏の書式が日本語にそのまま混入するパターン。
| # | パターン | Before | After |
|---|---|---|---|
| 1 | アスタリスク太字が残ったまま | 持続可能な成長を実現する | 持続可能な成長を実現する |
| 2 | emダッシュで言い換え | 多角的な視点—すなわち、マクロとミクロ | 多角的な視点、つまりマクロとミクロ |
| 3 | カギ括弧で言葉を切り出しすぎ | 「真のイノベーション」とは「再構築」である | イノベーションの本質は再構築にある |
| 4 | カギ括弧の中に二重カギ括弧 | 「真のイノベーションとは『破壊』ではなく」 | イノベーションは破壊ではなく |
| 5 | コロンの後に半角スペース | 重要な要素： テクノロジーと人間性 | 重要な要素はテクノロジーと人間性だ |
| 6 | 丸括弧で補足しすぎ | プロセス（流れ）を通じて | 流れを通じて |
| 7 | 丸括弧内で責任回避 | 可能です（ただし状況によります） | 可能だが、条件はある |
| 8 | スラッシュで概念を並列 | 戦略的優先事項／アクションプラン | 戦略的優先事項やアクションプラン |
同じ構文・語尾・温度が繰り返され、文章にメリハリがないパターン。
| # | パターン | Before | After |
|---|---|---|---|
| 9 | 同じ語尾が続く | 〜です。〜です。〜です。〜でしょう。 | 語尾を混ぜる（だ、である、体言止め、疑問形） |
| 10 | 接続詞が多い | さらに、また、したがって、そのため、結果として | 順接の接続詞は削っても伝わる。最小限に |
| 11 | 文章の温度が一定 | 非常に重要です。次に説明します。最後に補足します。 | 大事なところは力を込め、軽い話はさらっと |
| 12 | 段落の終わりが毎回きれいに閉じる | 以上がポイントです。次に進みましょう。 | 余韻を残す。閉じ方を変える |
| 13 | not A but B構文ばかり | これは〜ではありません。〜です。 | 1回なら違和感ないが、連発を避ける |
丁寧な受け止め、前置き宣言、構造の二重説明でくどくなるパターン。
| # | パターン | Before | After |
|---|---|---|---|
| 14 | 前置きが長い | ご質問ありがとうございます。業務効率化は非常に重要なテーマです。以下では… | いきなり本文から始める |
| 15 | 結論から言うとで始めるが結論が薄い | 結論から言うと、状況に応じて最適な方法は異なります。 | 具体的な結論を述べるか、前置きを削る |
| 16 | 構造を本文で何度も宣言する | 以下の3つの観点から説明します。それぞれ順に見ていきましょう。 | 見出しで分かることを本文で繰り返さない |
| 17 | ステップ/STEP/Step | ステップ1：目的を明確化します。 | 番号や見出しで十分。ステップという語は不要 |
| 18 | 締めの定型句 | 参考になれば幸いです。まずは小さく始めましょう。 | 内容に即した一文で淡く締めるか、何も付けない |
賛否を避け、全方位に配慮した結果、何も言っていない文章になるパターン。
| # | パターン | Before | After |
|---|---|---|---|
| 19 | 保険が多い（逃げ道の常設） | 一概には言えませんが、一般的には有効だと考えられます。 | 有効だ。（必要なら条件を具体的に述べる） |
| 20 | 中立を装いすぎ | メリットもあればデメリットもあります。賛否が分かれるテーマです。 | どちらが大きいか、自分のスタンスを示す |
| 21 | 否定が弱い | あまり推奨されません。注意が必要です。 | やめたほうがいい。（言い切る） |
| 22 | ケースバイケース逃げ | 場合によります。価値観によります。 | 条件を具体的に分岐させるか、主張を選ぶ |
具体の絵が浮かばない言葉だけで文章を押し切ろうとするパターン。
| # | パターン | Before | After |
|---|---|---|---|
| 23 | 抽象語だけで押し切る | 本質を押さえ、最適化し、価値を最大化する | 何がどうなるかを動詞中心の具体的表現で書く |
| 24 | 評価語が強いのに根拠がない | 非常に有効です。大きなメリットがあります。 | 根拠を添えるか、評価語を下げる |
| 25 | 同義語の言い換え連打 | 重要・大切・欠かせない | 1回で言い切る |
| 26 | AIボキャブラリー | さらに、また、加えて、包括的、革新的、シームレス | 平易な日本語に置き換えるか削除 |
AIが頻繁に使い回す比喩表現。
| # | パターン | AIが好む比喩 | 対処 |
|---|---|---|---|
| 27 | 道具系比喩 | 地図、羅針盤（コンパス）、設計書、仕様書 | 比喩を削って直接的に説明する |
| 28 | 身体系比喩 | 土台、柱、栄養、筋トレ（筋肉）、DNA | 同上 |
| 29 | 機械系比喩 | 車の両輪、潤滑油、エンジン | 同上 |
| 30 | 料理系比喩 | スパイス、レシピ | 同上 |
ユーザーから元テキストを受け取る。
6カテゴリ・30パターンに照らして、元テキストのAI臭を診断する。
各パターンについて該当箇所を特定し、深刻度（高・中・低）を判定し、修正方針を決定する。
診断結果に基づき、全文をリライトする。
リライトの原則:
ユーザーが --report や「レポートも」と指定した場合、リライト結果の後に診断レポートを添える。
レポート形式: 検出パターン数、深刻度の内訳、カテゴリごとの検出件数と具体的な該当箇所・修正内容、AI臭スコア（0-100、低いほど人間らしい）を出力する。
AIにリライトさせた後、さらに人間が手を入れるべきポイント。
スタンスを取る。メリットとデメリットのどちらが大きいのか、A案からC案のうちイチオシはどれか、賛成なのか反対なのか。思い切って言い切ると、賛否を生む文章になる。
AIがファクトとデータを分析してくれるなら、人間がやるべきなのは主観と一次情報をたっぷり盛り込むこと。偏った考えや尖った価値観を遠慮せずに入れる。
話が行ったり来たりしている、やや矛盾している、粒度が違う、あってもなくてもいい雑談が含まれている。そのくらい崩れた文章のほうが人間らしさが滲み出る。結論に行きつくまでの葛藤や感情をダラダラと語ると、AIっぽさは消える。
~30 seconds. Free. No account. Every finding cites a rule and a line of evidence.