humanizer-ru MCP Server

humanizer-ru: редактура русского текста для AI-агентов

Убирает канцелярит и шаблонные обороты из русского текста. Скилл даёт агенту процедуру локальной редактуры: найти лишнее, исправить конкретные места, сверить смысл и голос с исходником. В комплекте сканер, CLI, MCP и расширение Chrome. 67 признаков в каталоге, 21 жёсткий запрет с жанровыми исключениями.

English version · 中文

<p align="center"> <a href="https://humanizer-ru.aifrontier.tech/"> <img src="assets/readme-banner.jpg" alt="humanizer-ru: меньше штампов, больше смысла. Редакторская мастерская AI Frontier" width="720"> </a> </p>

Было: «Стоит отметить, что данный инструмент помогает редактору находить канцелярит. Результат нужно перечитать». Стало: «Этот инструмент помогает редактору находить канцелярит. Результат нужно перечитать».

Снята подводка и заменено одно слово. Новых фактов нет. Подробнее о процедуре.

Проверка в браузере и редактура разделены. Сайт подсвечивает обороты и считает балл; переписывание выполняет ваш агент со скиллом. Балл не определяет авторство и не подтверждает сохранение смысла. Факт-замок сравнивает извлечённые элементы, а связи между утверждениями требуют отдельной вычитки.

🧪 Живое демо: humanizer-ru.aifrontier.tech. Вставьте свой текст, получите оценку чистоты 0-100 и подсветку найденных оборотов. В браузере работают экспортированные правила сканера. Морфология не измеряется: балл может быть до 8 выше Python-версии.

Быстрый старт, одна команда для любого агента (Claude Code, Cursor, Codex, Copilot, Cline и ещё десятки):

npx skills add ilyautov/humanizer-ru

CLI найдёт установленных агентов и спросит, куда ставить. В Claude Code можно и плагином, тогда обновления приходят через /plugin:

/plugin marketplace add ilyautov/humanizer-ru
/plugin install humanizer-ru@ilyautov-plugins

Claude.ai, DeepSeek Harness и раскатка на команду в разделе «Установка».

📖 Документация и разборы: humanizer-ru.aifrontier.tech: работают ли AI-детекторы на русском, 67 признаков AI-текста, антиплагиат и нейросеть.

🧰 Остальные инструменты: MCP-серверы к кабинетам Wildberries, Ozon, Яндекс Маркета и Авито, пять серверов к hh.ru, VK, Диадоку, СБИС и Честному знаку, 34 скилла для малого бизнеса, совет мыслителей с дословной проверкой цитат. Все одним списком: ilyautov.github.io.

Зачем это нужно

Русский текст требует внимания к канцеляриту, формальному регистру и оговоркам. В каталоге есть русские примеры, жанровые исключения и правила сохранения смысла. Часть стилистических признаков общая с англоязычным humanizer.

Сканер находит воспроизводимые совпадения с правилами. Агент оценивает контекст и правит текст. Автор перечитывает результат: ни список маркеров, ни высокий балл не гарантируют удачную редактуру.

Что внутри

67 паттернов AI-генерации в 16 категориях:

• A. Контентные: пустые открытия, размытые авторитеты, формульные выводы
• B. Языковые: канцелярит, кальки, «является», нагромождение причастий
• C. Стилистические: длинные тире, навязчивые списки, болд
• D. Коммуникативные: артефакты чатбота, заискивание, водянистость
• E. Морфологические: падежные ошибки, деепричастия не к подлежащему
• F. Тональные: эмоциональная стерильность (4 подтипа), нет иронии, нет метафор
• G. Структурные: разорванные абзацы, narrative drift, галлюцинации
• H. Человеческие мелочи: идеальная грамотность, вылизанная типографика
• I. Паттерны убеждения: негативные параллелизмы, авторитетные трюизмы
• J. Информационный ритм: равномерная плотность, гладкие переходы, macro-burstiness
• K. Хеджирование и специфика: модальная неопределённость, translationese, нет идиом
• L. Стилистические фингерпринты 2025-2026: рваная медитативность, контр-вопросы, эмодзи-декор, псевдо-терапия, пустой образ, самомаркировка честности
• M. Формулы и артефакты 2026: неодушевлённый субъект, Title Case в заголовках, обрыв на полуслове, триада-отрицание
• N. Дискурсный слой: явная мораль в финале, портретный ввод героя, эмоция только через тело, бесшовная причинность, линейная хронология, нет обращения к читателю. Признаки, которые переживают стилевую правку (StoryScope, COLM 2026)

21 жёстких банов: конструкции с абсолютным запретом. От «В современном мире...» и «Стоит отметить, что...» до маркетинговых клише «Раскрыть потенциал», «Комплексный подход», «Открывает новые горизонты».

Локальная редактура, не переписывание. Скилл размечает конкретные места (цитата, что мешает читателю, действие: оставить, срезать оболочку, сказать яснее, убрать дубль), снимает жёсткие запреты и маркеры по приоритету A-D и сверяет результат с исходником по утверждениям: кто что сделал, степень уверенности, условия, числа с единицами. Живость не дописывается: эмоции, частицы, образы и факты, которых нет в исходнике, в текст не идут. Парный прогон на 195 слепых оценках (сентябрь 2026, eval/LOCAL_EDIT_CHECK.md) показал, что квоты на «голос» дают чужую интонацию и постановочную риторику, а у локальной правки в этом прогоне было меньше смысловых замечаний. Это малая выборка и оценка агентами, не гарантия качества на любом тексте.

Калибровка под голос автора. Если дать образцы своего письма, скилл выписывает ритм, лексику, пунктуацию и тон и держит замены в этих рамках. Это ограничение, а не разрешение дописывать в вашей манере.

Четыре режима работы:

• Редактура (по умолчанию): диагностика сканером, разметка, правка, сверка, отчёт «было N, стало M»
• Аудит: только диагностика, текст не трогает
• Точечная правка: работа с одной категорией
• Свой черновик (молча, без просьбы): пока скилл установлен, агент прогоняет по таблице жёстких банов то, что пишет по-русски сам, до того как вы это увидите. Чужой текст молча не правится никогда: ваше сообщение, файл, цитата и чужой код идут только через режимы выше, и правку вы видите. «Не правь» выключает режим до конца разговора

Что ловят детекторы: секция с числами из исследований 2025-2026. DivEye: вторые производные surprisal дают 39.4% вклада в детекцию. Perplexity gap 29.5 vs 15.2 (человек vs LLM). AINL-Eval 2025: лучший результат на тесте около 86% (52K русских текстов, 12 доменов). Все ссылки и цифры верифицированы по первоисточникам, см. SOURCES.md.

Проверить текст без установки

На главной странице сайта работает тот же сканер на JavaScript: вставьте текст, получите оценку чистоты от 0 до 100, подсветку найденных оборотов и команду установки для своей среды. Считается в браузере, текст никуда не отправляется. Правила экспортируются из markers.py скриптом scripts/export_web_rules.py, а паритет с Python проверяет scripts/test_web_parity.py в CI.

Тот же сканер есть как расширение Chrome: выделили текст на любой странице, в контекстном меню «Проверить на шаблонные обороты», и попап показывает балл и подсветку. Разрешений у него два, контекстное меню и локальное хранилище, доступа к сайтам и сети нет. Папка extension/, сборка scripts/build_extension.py.

Установка

Скилл разворачивается тремя путями: загрузкой в веб-интерфейс Claude.ai, централизованной раскаткой на команду или установкой в локальные агенты (Claude Code, Cowork, API).

1. Claude.ai (веб-интерфейс)

1. Скачайте готовый архив скилла: humanizer-ru.zip
2. Откройте Claude.ai → Settings → Capabilities → Skills.
3. Нажмите Upload skill и выберите скачанный архив.

Не берите archive/refs/heads/main.zip: загрузчик ожидает папку скилла в корне архива, а в архиве репозитория она лежит внутри humanizer-ru-main/skills/humanizer-ru/. Если нужно собрать архив самому, архивируйте именно папку скилла:

git clone https://github.com/ilyautov/humanizer-ru.git
cd humanizer-ru/skills
zip -r ../../humanizer-ru.zip humanizer-ru -x '*/__pycache__/*'

2. Организации (Enterprise и Team)

Администраторы Claude for Work раскатывают скилл централизованно через workspace skill library, и он становится доступен всей команде без индивидуальной загрузки. Загрузите ZIP в Admin Console → Workspace Skills → Add skill.

3. Claude Code, Cowork и API (локальные агенты)

Через плагин-маркетплейс (рекомендуется):

/plugin marketplace add ilyautov/humanizer-ru
/plugin install humanizer-ru@ilyautov-plugins

После установки плагин подгружает скилл автоматически при триггерах вроде «очеловечь», «убери канцелярит», «перепиши как человек».

Через skills.sh CLI (универсальный путь для любого Claude-агента):

npx skills add https://github.com/ilyautov/humanizer-ru/tree/main/skills/humanizer-ru

CLI кладёт SKILL.md в ~/.claude/skills/humanizer-ru/ и регистрирует скилл в индексе skills.sh. Короткая форма тоже работает: npx skills add ilyautov/humanizer-ru находит скилл в репозитории и предлагает его к установке, а с флагом --skill humanizer-ru ставит без вопросов.

Через API (/v1/messages и аналоги): передайте скилл параметром container.skills. Детали в документации вашего клиента.

Вручную (если ничего из выше не подошло):

git clone --depth 1 https://github.com/ilyautov/humanizer-ru /tmp/humanizer-ru
mkdir -p ~/.claude/skills
cp -r /tmp/humanizer-ru/skills/humanizer-ru ~/.claude/skills/

Копируйте папку целиком, а не один SKILL.md: вместе со скиллом едет детерминированный сканер scripts/scan.py (машинная половина режима «Аудит»). Ему нужны пакеты razdel и pymorphy3. Без них скилл проводит аудит вручную и обязан сказать об этом; балла «Чистота: N/100» вы не увидите.

Как поставить зависимости. На macOS с Python из Homebrew и на Debian/Ubuntu голый pip install падает с externally-managed-environment (PEP 668), поэтому любой из трёх способов:

uvx ru-humanizer файл.txt                       # без установки, нужен uv
pipx install ru-humanizer                       # команда ru-humanizer в PATH
python3 -m venv ~/.humanizer-ru && ~/.humanizer-ru/bin/pip install razdel pymorphy3
~/.humanizer-ru/bin/python ~/.claude/skills/humanizer-ru/scripts/scan.py файл.txt

Проверка, что сканер живой: python3 ~/.claude/skills/humanizer-ru/scripts/scan.py --help без строки [ошибка].

4. Codex CLI (OpenAI)

Codex использует тот же формат Agent Skills, отдельная версия не нужна:

git clone --depth 1 https://github.com/ilyautov/humanizer-ru
mkdir -p ~/.codex/skills
cp -r humanizer-ru/skills/humanizer-ru ~/.codex/skills/

Либо изнутри Codex через skill-installer: укажите путь ilyautov/humanizer-ru/skills/humanizer-ru. После установки перезапустите Codex; вызов: $humanizer-ru или автоматически по триггер-фразам («очеловечь», «убери канцелярит»). Проектная установка: та же папка в .codex/skills/ внутри репозитория.

Проверка установочного пакета

Перед релизом соберите ZIP тем же скриптом, который использует CI, затем прогоните install-smoke по готовому архиву. Проверка копирует skills/humanizer-ru в чистую временную папку скиллов, запускает сканер из установленной копии и проверяет, что в ZIP нет .DS_Store, __pycache__ и *.pyc:

python3 scripts/build_release_zip.py --output dist/humanizer-ru.zip .
python3 scripts/install_smoke.py . --zip dist/humanizer-ru.zip

Ожидаемый результат:

RESULT: PASS build-release-zip
RESULT: PASS install-smoke

5. Другие агенты (общий стандарт SKILL.md)

Формат Agent Skills стал кросс-платформенным, поэтому humanizer-ru работает и за пределами упакованных стеков. Официально упакованы и проверены: Claude Code, Codex CLI, Cursor, Gemini CLI, DeepSeek Harness. Остальные агенты читают тот же SKILL.md, отдельная версия не нужна.

Как подключается	Агенты	Что делать
Читают SKILL.md нативно	GitHub Copilot, Cline, Roo Code, Kilo Code, Goose, OpenCode, OpenWork, Kimi Code CLI, OpenClaw, OpenHuman, Hermes	Скопировать папку skills/humanizer-ru в каталог скиллов агента (например ~/.hermes/skills/, ~/.kimi/skills/, .agents/skills/)
Конвертация инсталлером	Windsurf, Trae, Junie	Поставить через их установщик скиллов, указав репозиторий ilyautov/humanizer-ru
Ручная вставка	Zed, Aider, Continue.dev	Вставить тело SKILL.md в файл правил или инструкций агента

Универсальный путь для нативных: положите папку скилла в каталог, который агент сканирует (обычно <корень проекта>/.agents/skills/ или ~/.config/agents/skills/), и перезапустите агент. Триггеры активации те же, что в Claude.

У части этих агентов (OpenClaw, Kimi, Hermes) есть публичные каналы дистрибуции скиллов (реестр ClawHub, tap-репозитории). Листинг там даёт охват без отдельного кода: формат общий.

6. DeepSeek Harness (dsh)

DeepSeek Harness читает тот же формат Agent Skills, и скилл ставится двумя способами.

Бандлом из npm, одной командой в нужный профиль (web, tui или headless):

dsh plugin --profile web add humanizer-ru

Тот же бандл прямо из GitHub, если нужна конкретная ветка или свежий main: dsh plugin --profile web add github:ilyautov/humanizer-ru.

Бандл текстовый: package.json с полем dsh.bundle и cordis.patch.yml, который монтирует штатный провайдер dsh-skill-filesystem на папку skills/ пакета. Исполняемого кода в бандле нет, сборка при установке не нужна. Проверить без запуска модели: dsh --profile web --dump-config покажет слой # == humanizer-ru. Удаление: dsh plugin --profile web remove humanizer-ru.

Копией в пользовательский корень скиллов:

cp -r humanizer-ru/skills/humanizer-ru ~/.agents/skills/

dsh сканирует ~/.agents/skills и ~/.dsh/skills сам, перезапуск не нужен. Ключ allowed-tools из фронтматтера dsh не читает, а references/ разрешает относительно папки скилла, так что каталог и журнал правок открываются как в Claude Code.

7. Сканер отдельно: pip, MCP-сервер и GitHub Action

Сканер живёт и без скилла, пакетом ru-humanizer на PyPI (имя humanizer-ru на PyPI занято). Это тот же scan.py, только командой:

pip install ru-humanizer
ru-humanizer статья.md --genre academic
ru-humanizer чистовик.md --before исходник.md

Тот же пакет поднимает MCP-сервер с двумя инструментами: scan_text даёт балл, штрафы, запреты и маркеры с позициями, compare_texts считает «было и стало» и факт-замок между исходником и правкой. Подключается к Claude Desktop, Cursor и любому клиенту MCP; в Claude Code одной командой:

claude mcp add humanizer-ru -- uvx ru-humanizer mcp

В CI сканер работает как GitHub Action: гейт на балл чистоты по Markdown и текстовым файлам, шаг падает ниже порога.

- uses: ilyautov/humanizer-ru@main
  with:
    files: "docs/**/*.md"
    genre: marketing
    min-score: 60

Порядок разовой настройки публикации на PyPI и в реестре MCP описан в PUBLISHING.md.

Использование

Попросите Claude по-русски:

Очеловечь этот текст: [вставьте текст]
Перепиши, звучит как робот: [вставьте текст]

Триггеры срабатывания: «очеловечь», «убери следы нейросети», «сделай живым», «звучит искусственно», «перепиши как человек», «убери канцелярит», «слишком формально».

Режим аудита (только диагностика, без переписывания):

Проверь этот текст на AI-маркеры: [вставьте текст]

Точечная правка одной категории:

Убери канцелярит из текста: [вставьте текст]

При установке плагином в Claude Code доступны slash-команды:

/humanize <текст или путь к файлу>   # полный рерайт
/audit <текст или путь к файлу>      # аудит без правки (сканер + разбор)

Сканер знает про жанр. По умолчанию он строгий, под маркетинг и блоги, а для других регистров снимает маркеры, которые там законны:

python skills/humanizer-ru/scripts/scan.py статья.txt --genre academic  # ещё legal, fiction, news
python skills/humanizer-ru/scripts/scan.py стало.txt --before было.txt  # чистота до/после + факт-замок

Зачем это нужно, показал прогон по внешнему размеченному корпусу AINL-Eval 2025 (35 158 русских научных аннотаций): в строгом режиме баны оставались в 35,9% человеческих текстов против 26,1-35,8% машинных, то есть на научном тексте каталог не различал автора вовсе. С жанровой поправкой ложные срабатывания на людях падают до 4,2%. Цифры и метод: eval/AINL-CALIBRATION.md. Третий корпус, LLMTrace (14 763 русских текста, 30 генераторов, впервые GigaChat и YandexGPT), подтвердил границы: на отзывах и историях длинное тире ставят 2-8% людей против 28-33% машин, а в энциклопедических статьях наоборот. Разбор: eval/LLMTRACE-CALIBRATION.md.

До и после

Полное редактирование:

До:

В современном мире искусственный интеллект играет всё более важную роль в различных сферах деятельности. Стоит отметить, что данная технология является мощным инструментом для оптимизации рабочих процессов.

После (факты автора):

За последний год я внедрил AI-инструменты в три проекта. Два ускорились вдвое. Третий развалился, потому что команда перестала проверять то, что выдаёт модель. AI работает, когда понимаешь его ограничения.

Пять жёстких банов сработали в двух предложениях. Типичная картина.

Режим аудита на том же тексте выдаст:

[A] Пустое открытие: "В современном мире..."
[A] HARD BAN: "является мощным инструментом"
[A] HARD BAN: "играет важную роль"
[A] HARD BAN: "Стоит отметить, что..."
[B] Канцелярит: "оптимизации рабочих процессов"
[B] Раздувание: "всё более важную роль в различных сферах"

Работают ли AI-детекторы на русском языке?

Коротко: плохо, и это придётся учитывать.

GPTZero, Originality.ai, ZeroGPT и другие популярные детекторы AI-текста обучены в основном на английском. На русском они ненадёжны и ошибаются в обе стороны:

• Ложные срабатывания (false positives): текст, написанный живым человеком, регулярно помечается как «сгенерировано нейросетью». Английские пороги perplexity для русского не откалиброваны, а богатая русская морфология сама задирает «непредсказуемость».
• Пропуски (false negatives): аккуратный AI-текст проходит как человеческий.

Даже лучший специализированный русский детектор (RuRoBERTa на бенчмарке AINL-Eval 2025) даёт около 86% точности: каждый седьмой вердикт мимо. И детекторы не обобщаются между доменами: обученный на научных текстах ошибается на блогах (verified, см. SOURCES.md).

Что это значит для редактуры. Цель скилла: убрать канцелярит и штампы, сохранив содержание и голос. Он не предписывает заменять предсказуемые слова или искусственно чередовать длину предложений. Качество проверяется сравнением версий и отдельной вычиткой; балл сканера служит дополнительным сигналом.

Мы прогоняем детекторы прямо в eval-харнесе по контролю «заведомо человек» (дословные отрывки статей Википедии, написанные людьми задолго до ChatGPT). В последнем прогоне локальный LLM-детектор пометил как ИИ 3 из 3 человеческих текстов (false positive rate 100%), поставив им ту же вероятность «это AI», что и настоящим AI-текстам. Различающая способность близка к нулю. Методика, корпус и сырые прогоны: eval/RESULTS.md, секция «FP-аудит детекторов».

Часто ищут

Поможет ли скилл пройти AI-детектор? Такой гарантии нет. Детекторы и их пороги меняются, а результат отдельного исследования не доказывает результат этого скилла на вашем тексте. humanizer-ru предназначен для редактуры, а не для подтверждения авторства.

Как убрать шаблонные обороты из текста ChatGPT? Найдите места, которые мешают читателю, выберите жанр и примените локальную правку. Каталог описывает 67 признаков; автоматический сканер покрывает измеряемую часть, остальные требуют чтения в контексте.

Как сделать текст ChatGPT человеческим на русском? Три шага: снять 21 жёстких банов и маркеры по приоритету, срезать оболочку вокруг утверждений вместо переписывания, сверить результат с исходником по фактам и степени уверенности. Живость не дописывается: то, чего нет в исходнике, в текст не идёт.

Что такое канцелярит и как его убрать? Канцелярит: превращение глаголов в отглагольные существительные («осуществление внедрения» вместо «внедрили»). Главный маркер русских AI-текстов. Соотношение существительных к глаголам у AI 3:1, у людей 2:1. Скилл разворачивает номинализации обратно в глаголы.

Работает ли GPTZero на русском языке? Ненадёжно. GPTZero обучен на английском и на русском даёт много ложных срабатываний: помечает живые человеческие тексты как ИИ, а аккуратный AI-текст пропускает. Подробнее в разделе «Работают ли AI-детекторы на русском».

Почему мой текст помечают как ИИ, хотя я писал его сам? Частая беда на русском: детекторы, обученные на английском, принимают за «машинность» нормальные свойства русского текста (морфология, длинные слова, формальный регистр). Если текст реально ваш, это ложное срабатывание детектора, а не приговор. Скилл помогает убрать конкретные машинные маркеры (канцелярит, кальки, штампы), от которых текст звучит «нейросетево».

Какой AI-детектор лучший для русского? Идеального нет. Из специализированных лучше показывают себя fine-tuned модели на базе RuRoBERTa (бенчмарк AINL-Eval 2025, ~86%), но и они проседают между доменами. Универсальные англоязычные (GPTZero, Originality, ZeroGPT) на русском особенно ненадёжны. Практический вывод: ориентируйтесь на реальное качество текста, а не на вердикт одного детектора.

Работает ли это с Claude Sonnet / Opus 4? Да. Это инструкция-каталог для любой модели Claude. Чем больше контекст модели, тем глубже она применяет правила. На Opus результат заметно сильнее на длинных текстах.

Можно ли использовать без плагина? Да. Скачайте SKILL.md и используйте как чек-лист для ручной правки или вставляйте в системный промпт любой LLM (ChatGPT, Gemini, YandexGPT, GigaChat).

А если мне нужно длинное тире (я редактор / формальная типографика)? По умолчанию скилл вычищает все длинные тире «—»: это главный типографический маркер AI, и живой неформальный русский его почти не ставит (с телефона печатают дефис). Но если вам нужна правильная издательская типографика, прямо скажите об этом: «я профессиональный редактор, длинное тире оставляй». Скилл снимет запрет. Сам он это исключение не включает. Решаете вы.

Чем отличается от английского humanizer

	humanizer-ru	blader/humanizer
Язык	Русский	Английский
Паттернов	67	32
Жёстких банов	20	-
Аудит	Quad-pass	Single-pass
Voice calibration	Да	Да
Стилистические фингерпринты 2025-2026	Да	Нет
Морфология RuBERT-детекторов	Да	-
Macro-burstiness структурных блоков	Да	Нет

Английский humanizer ловит универсальные AI-маркеры. Русские требуют отдельной модели: канцелярит, кальки с английского синтаксиса, частицы «же/ведь/вот», падежные согласования RuBERT-детекторов, морфологические ошибки длинных цепочек, плюс свежие фингерпринты Claude и GPT 2025-2026 («рваная медитативность», эмодзи-декор, псевдо-терапия), которые в англоязычных каталогах ещё не оформлены.

Источники

Скилл собран из четырёх независимых источников развития:

• Wikipedia: WikiProject AI Cleanup: базовый каталог признаков AI-текста на русском
• 15+ русскоязычных публикаций: Habr, vc.ru, Gramota.ru, стилометрические исследования ВШЭ, Dialog Conference (RuATD-2022 и AINL-Eval 2025), TechInsider, Kokoc.com
• Верифицированные публикации (2024-2026): DivEye, PIFE, MASH, Antislop, AINL-Eval, RuATD, NeurIPS 2025 и др. Каждая ссылка и цифра проверена по arxiv и первоисточникам; неподтверждённые удалены. Полная таблица провенанса: SOURCES.md.

Changelog: CHANGELOG.md. Метрики и eval-харнес: каталоги scripts/ и eval/.

Автор

Илья Утов. Пишу про AI и работу с текстом в Telegram: Under the Hood.

Контрибьюторы

• Филипп Зарубин (@zarubinphil): категория N «Дискурсный слой», паттерны 59-64 по StoryScope (COLM 2026). Признаки, которые переживают стилевую правку. Плюс согласование падежа при счётчике в релизном гейте.
• iKonushok (@ikonushok): install-smoke установочной поверхности и сборка релизного ZIP. Проверяется не папка в репозитории, а то, что реально доезжает до пользователя.

Полный список, включая баг-репорты, которые изменили код: CONTRIBUTORS.md. Как попасть в него: CONTRIBUTING.md.

Лицензия

MIT: используйте свободно, форкайте, дорабатывайте. Pull request с новыми паттернами приветствуются.

---

humanizer-ru помогает очеловечить русский AI-текст: убрать следы нейросети, канцелярит и штампы, вернуть живой голос и сделать текст человечным. Это бесплатный open-source скилл для Claude (Claude Code, Cowork, API), а не онлайн-сервис «в один клик». Почему детекторы AI и проверка текста на нейросеть на русском ненадёжны (и при чём тут антиплагиат): в разделах выше, с реальными данными из нашего eval-харнеса, а не из обещаний.

---

Кто это сделал

Илья Утов, лаборатория AI Frontier. Как эти инструменты устроены внутри, пишу в Telegram и LinkedIn.

Рядом стоят:

• marketplaces-mcp-ru: Wildberries, Ozon, Яндекс Маркет и Авито прямо из агента
• small-business-ru: 34 скилла для малого бизнеса, считают налоги и проверяют контрагента по ИНН
• consilium-principis: совет мыслителей, где каждая цитата сверяется дословно
• hefest: химическая безопасность завода, целиком офлайн
• cordon: детерминированный слой между недоверенным контентом и действиями агента

Все проекты одним списком, разобранные по назначению: ilyautov.github.io. Исходники: github.com/ilyautov. Пригодилось, поставьте звезду: по ней это находят другие.