본문으로 건너뛰기
에이전트 Skills 전체 목록

Humanize KR (im-not-ai)

  • 추천0
  • GitHub 별6.6K
  • 문서라이선스MIT

ChatGPT·Claude 등이 쓴 한글 글의 AI 티(번역투·관용구·기계적 리듬)를 사실은 그대로 두고 자연스러운 한국어로 윤문하는 스킬

원본:epoko77-ai/im-not-ai

요약

ChatGPT·Claude 등이 쓴 한글 글의 AI 티(번역투·관용구·기계적 리듬)를 사실은 그대로 두고 자연스러운 한국어로 윤문하는 스킬

설명

Humanize KR — 한글 AI 티 제거기

AI(ChatGPT · Claude · Gemini 등)가 쓴 한글 글을 사실 · 주장 · 수치는 바꾸지 않고 문체 · 리듬 · 표현만 자연스러운 한국어로 되돌리는 CLI 스킬입니다.

번역투, 과도한 영어 인용, 기계적 병렬("첫째 · 둘째 · 셋째"), "결론적으로 / 시사하는 바가 크다" 같은 AI 특유 관용구, 피동태 남용, 문두 접속사 남발, 이모지·불릿 남용 등 10대 카테고리 × 85 서브 패턴을 심각도(S1/S2/S3)로 분류해 스팬 단위로 탐지한 뒤 윤문합니다.

💡 어휘 레이어(v2.4~). 문장 구조뿐 아니라 읽다가 걸리는 낱말도 다룹니다. "이 시장을 세 가지 렌즈로 보면", "변화는 세 개의 축으로 정리된다", "대안을 쥔 구매자"처럼 영어를 옮기다 생긴 낱말 115개를 블라인드 평가로 골라 문맥에 따라 고칩니다(일괄 치환이 아닙니다). 실사용 문단에서 이런 표현이 남는 비율이 **94% → 34%**로 줄었습니다.

지원 환경

Claude Code, GitHub Copilot CLI, OpenAI Codex CLI, Gemini CLI를 지원합니다. 설치법은 위의 「설치」 탭을 보세요.

  • Claude Code: /humanize-korean
  • Codex: $humanize-korean
  • Gemini CLI: /humanize-korean 또는 /humanize
  • Copilot: "humanize-korean 스킬로 이 글의 AI 티를 없애줘"처럼 요청

왜 한글 특화인가

영어권 humanizer(QuillBot · Hix · Undetectable AI)는 한국어에 약합니다. 한글 AI 글의 티는 대부분 영어 번역투에서 나옵니다.

  • "AI 기술을 통해 효율을 높일 수 있다" → "AI로 효율을 높일 수 있다"
  • "이에 있어서 중요한 점은" → "여기서 중요한 건"
  • "~에 의해 생성된" → "~가 만든"
  • "결론적으로, 이는 시사하는 바가 크다" → (삭제)

이 도구는 그 한글 고유 패턴을 한곳에 정리해 두고, 글의 상태에 맞는 세 경로(light 1콜 / standard 2콜 / heavy 3+콜) 중 하나로 윤문합니다. 잘 쓴 글일수록 콜 수가 줄어 빠르고 싸게 끝납니다.

4대 철칙

  1. 의미 불변 — 사실 · 주장 · 수치 · 고유명사 · 직접 인용은 100% 원문 보존.
  2. 근거 기반 — 탐지된 구간에만 수술적으로 수정합니다. 탐지가 없는 구간은 건드리지 않습니다.
  3. 장르 유지 — 칼럼을 문학으로, 리포트를 에세이로 옮기지 않습니다.
  4. 과윤문 금지 — 변경률 30% 초과 시 경고, 50% 초과 시 강제 중단.

동작 방식 (route_hint 3경로)

입력을 전처리 스크립트(prepare_monolith_input.py)가 먼저 정량 채점하고, 그 점수로 **route_hint(light · standard · heavy)**를 결정적으로 정합니다. 글의 상태가 경로를 정하고, 경로가 LLM 호출 횟수를 정합니다. 비용 절감은 모델 교체가 아니라 호출 수 축소에서 나옵니다(모델 선택은 사용자 몫).

경로LLM 호출 수언제파이프라인
light1잘 쓴 글 — 어휘 티가 거의 없음진단·finalize 생략, 보수적인 강도로 단일 윤문. 손댈 게 거의 없으면 "이미 좋습니다"로 조기 종료
standard2보통의 AI 초안 — 어휘·구조 티가 섞임진단 1회 + 겨냥 윤문 1회. 1만 자급도 청킹 없이 단일 윤문
heavy3 이상중증 AI 슬롭이 밀집했거나 초장문(15,000자 초과)이거나 검증 증적이 필요할 때진단 → 윤문(청크가 2개 이상일 때만 병렬) → finalize
  • 사용자 명시가 route_hint를 덮어씁니다: --strict·"정밀 모드"는 heavy 고정, "가볍게"는 light 고정.
  • 단일 호출 우선: 청킹은 heavy 전용입니다. 1만 자 글을 청킹 7콜로 돌리면 610K 토큰이 들었지만 단일 호출은 134K(4.5배 절감, 품질 동등)였습니다.
  • 모든 경로의 결과는 verify_gates.py가 문자 변경률·진단 목표 달성·대구 전멸 여부·수치 보존으로 결정적으로 검증합니다.

에이전트 구성

에이전트경로역할
humanize-monolith전 경로 공용단일 호출 윤문(탐지·윤문·자체검증 일괄)
humanize-diagnosticianstandard · heavy글 전체의 지배 패턴 3~6개를 진단하고 처방
humanize-finalizerheavy원문과 직접 대조해 의미 보존 15항 + 자연성을 판정하고 국소 보정
korean-ai-tell-taxonomist별도 명령분류 체계 관리, 새 패턴 심사

AI 티 분류 체계 (요약)

ID대분류대표 서브 패턴
A번역투"~를 통해", "~에 대해", "~에 있어서", 이중 피동 "~되어진다", "가지고 있다", "그/그녀" 강박적 사용, "~에서의" 이중 조사
B영어 인용·용어 과다과도한 괄호 병기, 번역 가능한 영어를 그대로 씀
C구조적 AI 패턴기계적 "첫째/둘째/셋째", 과도한 불릿·헤딩·이모지, 연결어미 뒤 쉼표
DAI 특유 관용구"결론적으로", "시사하는 바가 크다", "주목할 만하다", "혁신적인"
E리듬 균일성문장 길이 편차가 낮음, 같은 종결어미 반복, 경어법 일관성 손실
F수식·중복"매우", "정말", 동의어 이중 수식, "~적/~성/~화" 남발
G완곡 표현 남용"~할 수 있을 것으로 보인다" 같은 다중 완곡
H접속사 남발문두 "또한/따라서/즉/나아가" 연속
I형식명사 과다"것이다", "점", "수", "바", "~할 필요가 있다"
J시각 장식 남용과도한 볼드, "따옴표", 대시(—) 남발

전체 85개 서브 패턴과 처방은 ai-tell-taxonomy.md, rewriting-playbook.md에 있습니다.

심각도와 품질 등급

심각도

  • S1 결정적: 한 번만 나와도 강한 AI 신호입니다. 윤문할 때 우선 제거합니다. 다만 단일 패턴·단일 지표만으로 AI 작성 여부를 판정하지는 않습니다.
  • S2 강함: 1~2회는 허용하고, 3회 이상 반복되면 제거합니다.
  • S3 약함: 다른 패턴과 겹칠 때만 문제로 봅니다.

품질 등급(윤문 후)

  • A: S1 0건, S2 2건 이하, 점수 개선 70% 이상
  • B: S1 0건, S2 4건 이하, 개선 50% 이상
  • C: S1 1~2건 또는 과윤문 신호 2개 → 2차 윤문
  • D: S1 3건 이상 또는 심각한 과윤문 → 사람이 검토

사용법

1. 자연어 한 문장 (가장 쉬움)

평소 말투 그대로 요청하면 됩니다.

이 AI 글 자연스럽게 윤문해줘:

[ChatGPT / Claude / Gemini 초안 여기에 붙여넣기]

"AI 티 없애줘", "GPT 문체 제거해줘", "사람이 쓴 것처럼 윤문해줘", "번역투 제거", "한글 AI 윤문" 같은 표현이면 스킬이 자동으로 켜집니다.

2. 슬래시 커맨드

/humanize [윤문할 텍스트 또는 파일 경로]

옵션은 인자 끝에 자연어로 적을 수 있습니다: 장르: 칼럼, 강도: 적극, 최소심각도: S1. 결과가 마음에 안 들면 /humanize-redo "번역투만 다시"처럼 다시 실행합니다. 진입점 스킬은 humanize · humanize-scan · humanize-redo입니다.

전체 윤문을 돌릴 만한 글인지 먼저 보고 싶다면 /humanize-scan을 쓰세요. 워크스페이스·진단·게이트 없이 대화 안에서 끝나고, 모델·과업이 바뀌어도 살아남은 AI 티 6개(대구 · 장문 결핍 · 연결어미 쉼표 · 당위 · 종결 편중 · 추상 체인)를 실제로 고쳐 본 전후 수치와 표본 문장을 돌려줍니다. 손볼 곳이 많으면 /humanize를 권합니다.

3. Codex CLI

$humanize-korean을 사용해 이 글의 AI 티를 없애줘.

[윤문할 한글 텍스트]

진단 → 윤문 → finalize 전체 경로를 강제하려면 다음처럼 요청합니다.

$humanize-korean을 사용해 이 글을 --strict 정밀 모드로 윤문해줘.

[윤문할 한글 텍스트]

산출물은 Codex를 시작한 디렉터리의 _workspace/{실행날짜-번호}/에 저장됩니다.

4. 결과 확인

산출물은 _workspace/{실행날짜-번호}/에 쌓입니다.

파일내용
01_input.txt원문 그대로
00_metrics.json · 01_input_with_metrics.txt정량 사전 점수와 route_hint, 점수 블록을 원문 앞에 붙인 입력
02_diagnosis.md(standard · heavy) 지배 패턴 진단: 분류 ID · 근거 · 처방 · 장르/격식
final.md윤문본 + 본문 끝의 주석 블록(메트릭 · 카테고리별 탐지 전후 · 자체검증 6항 · 등급 · 주요 변경). HTML 주석이라 뷰어·웹 게시·복사 때는 본문만 보입니다

heavy 경로에는 chunk_manifest.json, 청크별 점수·윤문 결과, 재조립본(03_reassembled.md), 보정 전 백업(final_pre_finalize.md), finalize 결과(09_finalize.json)가 더해집니다.

5. 결과가 마음에 안 들면

그대로 말하면 됩니다.

  • "이 문단만 다시 윤문해줘"
  • "번역투만 더 손봐줘" (또는 "관용구만 다시")
  • "윤문 강도 낮춰줘"
  • "원문 톤을 더 살려줘"
  • "2차 윤문해줘"

런타임 호환성

런타임LightStandardHeavy청킹구조 게이트후속 재실행
Claude Code✅✅✅✅✅✅
GitHub Copilot CLI✅———자체검증제한적
Codex✅✅✅✅✅✅
Gemini CLI✅———자체검증제한적

탐지·윤문에서 제외하는 것 (Do-NOT)

  • 수치 · 단위 · 날짜
  • 고유명사 · 인명 · 제품명 · 모델명
  • 큰따옴표 안의 직접 인용
  • 법률 · 규정 조문
  • 학술 개념어(불가피한 경우)

commit-ko — 커밋 메시지 자연화 (선택 설치)

같은 저장소에 들어 있지만 humanize-korean과는 별개의 스킬입니다. AI가 제안한 한글 커밋 메시지 1~2줄의 사무적·번역투 어휘("~을 수행함", "~을 진행함")만 걷어내고, 진단·청킹 없이 한 번의 호출로 끝납니다.

커밋 메시지 자연스럽게: fix(auth): 로그인 실패 시 재시도 로직을 수행함

→ fix(auth): 로그인 실패 시 재시도 로직 추가 (type/scope 접두사, 이슈 번호, 파일·함수명은 그대로 둡니다)

기본 설치 범위 밖이라 ./install.sh --extras로 따로 설치해야 합니다.

커뮤니티 포트

공식 지원 런타임은 Claude Code · GitHub Copilot CLI · Codex · Gemini CLI 네 가지입니다. 그 밖의 런타임은 커뮤니티 포트로 안내합니다.

포트런타임제작
Squirbie/im-not-ai-codexCodex Desktop 어댑터@Squirbie
im-not-ai-ocxopencode Web UI커뮤니티

최근 변경 (2026-11)

  • v2.4.6: 「짚고 간다」「본질적으로」「~하는 편이 좋습니다」를 어휘 사전에 추가했습니다. 어휘 사전은 115개입니다.
  • v2.4.5: 「기둥」「층위」를 덜 쓰도록 했습니다. 사람 글에서 10만 자당 0.47번 나오는 「기둥」이 Claude 계열 글에서는 7.95번 나왔습니다.
  • v2.4.4: 윤문이 한 문장을 둘로 나눈 경우, 어휘 복원이 한쪽만 되돌려 같은 말이 두 번 남던 문제를 고쳤습니다.
  • v2.4.3: 사람 글의 정당한 용법("항해", "무늬", "지형" 등)까지 잡던 어휘 점검을 줄였습니다. 사람 글 85.7만 자에서 잘못 짚은 건수가 171건에서 113건으로 줄었습니다.
  • v2.4.1: 따옴표 안의 인용 예문은 어휘 점검에서 제외합니다.
  • v2.4: 어휘 레이어를 도입했습니다. 낱말 148개를 블라인드로 평가해 바꿈 우선 59개, 조건부 52개를 골랐고, 윤문이 새로 만든 낱말은 문장째 되돌립니다. 끄려면 HUMANIZE_LEXICAL=0을 설정합니다.
python3 scripts/lexical_layer.py hints --input 글.txt --genre report

외부 검증에 대한 대응

데이터 품질 기업 Pebblous가 이 프로젝트의 공개 코드를 분해 리뷰했습니다. 인용 변조·수치 누락 포착과 과윤문 차단이 정상 동작함을 확인해 준 한편, 2020년 사람 에세이가 위험도 최고로 오판된 반례를 제시했습니다. 재현해 보니 사람 글 532편 중 285편(53.6%)이 high로 오판되던 구조적 결함이었고, 쉼표 계열 기여 상한, 독립 계열 2개 이상 동시 발화 요건, 칼럼·리포트 장르 기준 추가로 사람 글 오판을 0편으로 줄였습니다.

더 알아보기

저장소 README에는 위에서 다루지 않은 버전별 발행 노트(v1.5~v2.3)와 학술 근거 정리가 이어집니다. 중요한 자료는 다음과 같습니다.

라이선스

MIT

저장소: epoko77-ai/im-not-ai

평점

–평가 0개 기준
5점
0
4점
0
3점
0
2점
0
1점
0