기원: 10시간 넘게 10개의 "탈 AI 냄새" 스킬을 테스트하다
먼저 [Human Talk.skill] 의 오픈소스 주소는 다음과 같습니다: https://github.com/Pluviobyte/rnskill
최근 중국 커뮤니티에서는 다양한 "탈 AI 냄새" 스킬과 오픈소스 프로젝트가 큰 인기를 끌고 있습니다. GitHub에서 humanizer, shuorenhua, stop-slop, qu-ai-wei, De-AI-writing 등을 검색하면 수십 개를 찾을 수 있습니다.
제 요구는 매우 구체적입니다. AI 관련 기술 문서를 작성할 때 초안이 마치 제가 직접 쓴 것처럼 읽히길 바라며, 템플릿 느낌과 "AI 냄새"가 덜 나길 원합니다. 그래서 찾을 수 있는 모든 프로젝트를 로컬에 클론하고, 동일한 짧은 초안을 AI 네이티브 주제로 사용하여 비교 테스트를 진행했습니다.
열 개의 프로젝트를 테스트한 후 첫 번째 발견은 이것이었습니다: 이들은 전혀 같은 유형의 탈 AI 스킬이 아니었습니다. 또다시 클릭베잇 블로거들에게 속은 것입니다.
중국어 기술 초안에 바로 사용할 수 있는 세 가지
shuorenhua, Humanizer-zh, De-AI-writing.
shuorenhua는 장면과 레지스터에 대한 인식이 가장 섬세합니다. 먼저 텍스트가 기술 리뷰인지, 의견 글인지, 문서인지 판단한 후 무엇을 바꾸고 무엇을 유지할지 결정합니다. 수정 후에는 용어와 판단이 일반적으로 유지되고, 템플릿 껍질과 빈 요약은 제거됩니다.
Humanizer-zh는 규칙 범위가 가장 넓어 24가지 유형의 AI 작성 흔적에 대한 처리를 제공합니다. 1차 정리에는 적합하지만, 가끔 초안을 편집자가 다듬은 일반적인 보도자료처럼 만들어 개인의 목소리를 약화시킵니다.
De-AI-writing은 변경이 가장 가볍습니다. 원래 구조를 보존하는 데 우선순위를 두고, 지시어, 강의식 톤, 문단 끝 요약만 제거합니다. 원본 초안에 비교적 만족하고 큰 변경이 방향을 잃을까 걱정될 때 적합합니다.
규칙 추출에 적합한 두 가지
stop-slop과 원본 영어 버전의 humanizer.
stop-slop의 규칙은 짧고, 강력하며, 직접적입니다. 예를 들어 이진 대비 문장("XX는 A가 아니라 B다"), 삼중 병렬 구조, 격언 스타일의 문단 끝, 과도한 설명을 대상으로 삭제합니다. 중국어에 직접 적용하기에는 다소 딱딱하지만, "금지 목록"으로 분해하면 탁월합니다.
원본 영어 humanizer는 가장 체계적이며, AI 흔적을 콘텐츠 패턴, 문법, 스타일, 커뮤니케이션 패턴의 네 가지 주요 유형으로 분류합니다. 중국어 적응은 수동으로 해야 하지만, 상위 참고 자료로서 가치가 매우 높습니다.
장기적인 글쓰기 안정성을 위한 두 가지
writing-agent는 완전한 글쓰기 파이프라인입니다. 주제 선정, 증거 수집, 입장 확인부터 교정, 탈취 제거, 내보내기까지 전체 과정을 다룹니다. 로컬에서 워크플로우 검증과 15개의 단위 테스트를 실행했으며 모두 통과했습니다. 전체 과정은 모델과 API 구성이 필요하며, 향후 장기적인 공식 계정 글쓰기 연구에 적합합니다.
nuwa-skill은 스타일 증류에 중점을 둡니다. 실제 글 5~7개를 입력하여 글쓰기 특성을 추출하고 개인화된 스킬을 생성해야 합니다. 단일 문단으로 테스트하는 것은 큰 의미가 없습니다.
"중국어 기술 문서 탈 AI 냄새"와 거리가 먼 세 가지
chatgpt-comparison-detection은 HC3 데이터셋 및 탐지 연구를 위한 저장소입니다. 내장된 중국어 명령어 목록을 사용하여 샘플 텍스트를 실행했으며, 하나의 고빈도 ChatGPT 단어인 "so"가 적중했습니다. 탐지 연구용 도구이지 수정 도구가 아닙니다.
ai-flavor-remover는 스킬 구조 없이 독립 실행형 프롬프트로, 추론 모델에 바로 던져서 시험해 볼 수 있습니다.
taste-skill은 프론트엔드 미적 스킬로, 인터페이스 디자인을 관리하며 텍스트와는 관련이 없습니다.
나중에 발견한 것
가장 유용한 결과물은 특정 스킬의 최종 초안이 아니라, 다양한 스킬에서 추출한 구체적인 규칙이었습니다.
shuorenhua는 장면 전환 문제를 깨닫게 해주었습니다. Fable-5 리뷰를 작성하는 것과 AI 네이티브 의견 글을 작성하는 것은 유지해야 할 것이 다릅니다. 리뷰에서는 가격, 속도, 모델 비교 같은 하드 데이터를 건드릴 수 없고, 의견 글에서는 개인 판단과 경험적 세부 사항을 매끄럽게 다듬어서는 안 됩니다.
stop-slop은 제 초안에 "XX는 A가 아니라 B다"라는 문장 구조가 얼마나 자주 등장하는지 깨닫게 해주었습니다. 한 번 인지하면 참기 어려워집니다. 유사한 문제로는 빈 요약 결말, 세 부분 병렬 구조, "다시 말해" 같은 전환어 채우기가 있습니다.
Humanizer-zh의 이진 대비 탐지와 De-AI-writing의 충실도 전략도 개별적으로 추출하여 사용할 수 있습니다. 전자는 문장 구조 문제를 식별하는 데 도움이 되고, 후자는 과도한 편집이 용어와 판단을 흩뜨리는 것을 방지합니다.
결국 어떻게 사용하는가
하나의 "가장 강력한" 스킬을 설치하지 않고, 대신 이 프로젝트들에서 나만의 체크리스트를 작성했습니다. 기술 문서를 작성한 후에는 다음을 확인합니다:
초안에 실제 테스트 경험과 제 판단이 포함되어 있습니까? 이것이 없으면 문서는 누구나 쓸 수 있는 일반적인 매뉴얼이 되어 버리고, 독자는 특정 테스트에서 나온 것임을 알 수 없습니다.
이진 대비 껍질, 빈 요약, 삼중 병렬 구조, 격언 결말이 있습니까? 발견 즉시 삭제하십시오.
용어와 모델 이름이 흩어졌습니까? Fable-5가 "이 모델"로 바뀌거나 Claude Opus가 "이 제품"으로 바뀌었다면 과도한 편집입니다.
문장 길이가 너무 균일합니까? 모든 문장의 길이가 거의 같으면 마치 균일하게 다듬은 것처럼 매우 평평하게 읽힙니다.
이러한 규칙은 어떤 단일 스킬보다 효과적입니다. 모든 사람의 글쓰기 스타일은 다르며, "AI 냄새"의 원천도 다양합니다. 규칙을 분해하고 직접 조합하는 것이 일반 스킬을 직접 적용하는 것보다 더 잘 작동합니다.
마지막으로, 가장 잘 맞는 모델—Opus 4.6
테스트 중 GPT 시리즈가 가장 성능이 나빴으며, 특히 Codex에서 사용할 때 스킬 규칙을 자주 놓쳤습니다. DeepSeek V4 Pro는 더 나은 성능을 보였습니다. Opus 4.8은 아마도 GPT의 스타일을 증류했으며 역시 성능이 좋지 않았습니다. 가장 좋은 성능을 보인 모델은 Opus 4.6이었습니다.
위 글은 Human Talk Skill을 사용하여 제작되었으며 오픈소스로 제공됩니다: https://github.com/Pluviobyte/rnskill
저를 팔로우해 주세요 @Pluvio9yte. 다음 호에서는 이 스킬의 상세 사용법을 설명하겠습니다.
다음 호 미리보기: "7일 만에 팔로워 1,000명: 영상 제작을 AI 생산 라인으로 분해한 방법"
