Skill dla Claude Code, który usuwa oznaki tekstu generowanego przez AI, sprawiając, że brzmi bardziej naturalnie i ludzko.
mkdir -p ~/.claude/skills
git clone https://github.com/pgrono/humanizer-pl.git ~/.claude/skills/humanizer-plJeśli już masz sklonowane to repozytorium (lub pobrałeś SKILL.md), skopiuj plik skill do katalogu skills Claude Code:
mkdir -p ~/.claude/skills/humanizer-pl
cp SKILL.md ~/.claude/skills/humanizer-pl/W Claude Code wywołaj skill:
/humanizer
[wklej tutaj swój tekst]
Lub poproś Claude bezpośrednio o zhumanizowanie tekstu:
Proszę zhumanizuj ten tekst: [twój tekst]
Oparte na przewodniku „Signs of AI writing" Wikipedii, utrzymywanym przez WikiProject AI Cleanup. Ten kompleksowy przewodnik pochodzi z obserwacji tysięcy przypadków tekstu generowanego przez AI.
"LLM-y używają algorytmów statystycznych do zgadywania, co powinno być dalej. Rezultat zmierza w kierunku najbardziej statystycznie prawdopodobnego wyniku, który ma zastosowanie do najszerszej różnorodności przypadków."
| # | Wzorzec | Przed | Po |
|---|---|---|---|
| 1 | Napuszanie znaczenia | "wyznaczając przełomowy moment w ewolucji..." | "został utworzony w 1989 roku, aby zbierać statystyki regionalne" |
| 2 | Wymienianie rozgłosu | "cytowana w NYT, BBC, FT i The Hindu" | "W wywiadzie dla NYT z 2024 roku argumentowała..." |
| 3 | Powierzchowne analizy z -ąc | "symbolizując... odzwierciedlając... pokazując..." | Usuń lub rozwiń o rzeczywiste źródła |
| 4 | Język promocyjny | "położona w zapierającym dech regionie" | "to miasto w regionie Gonder" |
| 5 | Niejasne atrybucje | "Eksperci wierzą, że odgrywa kluczową rolę" | "według badania z 2019 roku przeprowadzonego przez..." |
| 6 | Formularzowe wyzwania | "Mimo wyzwań... nadal prosperuje" | Konkretne fakty o rzeczywistych wyzwaniach |
| # | Wzorzec | Przed | Po |
|---|---|---|---|
| 7 | Słownictwo AI | "Dodatkowo... świadectwo... krajobraz... pokazując" | "także... pozostają powszechne" |
| 8 | Unikanie orzecznika | "służy jako... posiada... szczyci się" | "jest... ma" |
| 9 | Negatywne paralelizmy | "To nie tylko X, to Y" | Przedstaw punkt bezpośrednio |
| 10 | Reguła trójki | "innowacja, inspiracja i spostrzeżenia" | Użyj naturalnej liczby elementów |
| 11 | Cyklowanie synonimów | "protagonista... główny bohater... centralna postać... heros" | "protagonista" (powtarzaj gdy najjaśniejsze) |
| 12 | Fałszywe zakresy | "od Wielkiego Wybuchu do ciemnej materii" | Wymień tematy bezpośrednio |
| # | Wzorzec | Przed | Po |
|---|---|---|---|
| 13 | Nadużywanie myślników | "instytucje—nie ludzie—jednak to trwa—" | Użyj przecinków lub kropek |
| 14 | Nadużywanie pogrubienia | "OKR, KPI, BMC" | "OKR, KPI, BMC" |
| 15 | Listy z nagłówkami wbudowanymi | "Wydajność: Wydajność poprawiona" | Przekonwertuj na prozę |
| 16 | Nagłówki Title Case | "Strategiczne Negocjacje I Partnerstwa" | "Strategiczne negocjacje i partnerstwa" |
| 17 | Emoji | "🚀 Faza uruchomienia: 💡 Kluczowy wniosek:" | Usuń emoji |
| 18 | Zakrzywione cudzysłowy | powiedział „projekt" |
powiedział "projekt" |
| # | Wzorzec | Przed | Po |
|---|---|---|---|
| 19 | Artefakty chatbota | "Mam nadzieję, że to pomoże! Daj mi znać..." | Usuń całkowicie |
| 20 | Zastrzeżenia dotyczące odcięcia | "Chociaż szczegóły są ograniczone w dostępnych źródłach..." | Znajdź źródła lub usuń |
| 21 | Serwilny ton | "Świetne pytanie! Masz absolutną rację!" | Odpowiedz bezpośrednio |
| # | Wzorzec | Przed | Po |
|---|---|---|---|
| 22 | Frazy wypełniające | "W celu", "Ze względu na fakt, że" | "Aby", "Ponieważ" |
| 23 | Nadmierne hedging | "mogłoby potencjalnie możliwe" | "może" |
| 24 | Ogólne wnioski | "Przyszłość wygląda jasno" | Konkretne plany lub fakty |
Przed (brzmiące jak AI):
Świetne pytanie! Oto esej na ten temat. Mam nadzieję, że to pomoże!
Kodowanie wspomagane AI służy jako trwałe świadectwo transformacyjnego potencjału dużych modeli językowych, wyznaczając przełomowy moment w ewolucji rozwoju oprogramowania. W dzisiejszym szybko ewoluującym krajobrazie technologicznym, te przełomowe narzędzia—położone na przecięciu badań i praktyki—przekształcają sposób, w jaki inżynierowie konceptualizują, iterują i dostarczają, podkreślając ich kluczową rolę w nowoczesnych przepływach pracy.
U podstaw, propozycja wartości jest jasna: usprawnienie procesów, zwiększenie współpracy i wspieranie zgodności. To nie tylko autouzupełnianie; to o odblokowaniu kreatywności na skalę, zapewniając, że organizacje mogą pozostać zwinne podczas dostarczania płynnych, intuicyjnych i potężnych doświadczeń użytkownikom. Narzędzie służy jako katalizator. Asystent funkcjonuje jako partner. System stanowi fundament dla innowacji.
Obserwatorzy branżowi zauważyli, że adopcja przyspieszyła od hobbystycznych eksperymentów do wdrożeń na poziomie przedsiębiorstwa, od samotnych deweloperów do zespołów międzyfunkcyjnych. Technologia była prezentowana w The New York Times, Wired i The Verge. Dodatkowo, zdolność do generowania dokumentacji, testów i refaktoryzacji pokazuje, jak AI może przyczynić się do lepszych wyników, podkreślając złożone wzajemne oddziaływanie między automatyzacją a ludzkim osądem.
- 💡 Szybkość: Generowanie kodu jest znacznie szybsze, redukując tarcia i wzmacniając deweloperów.
- 🚀 Jakość: Jakość wyjścia została zwiększona przez ulepszone trenowanie, przyczyniając się do wyższych standardów.
- ✅ Adopcja: Użycie nadal rośnie, odzwierciedlając szersze trendy branżowe.
Chociaż szczegółowe informacje są ograniczone w oparciu o dostępne informacje, można by potencjalnie argumentować, że te narzędzia mogą mieć pewien pozytywny efekt. Mimo wyzwań typowych dla pojawiających się technologii—w tym halucynacji, uprzedzeń i odpowiedzialności—ekosystem nadal prosperuje. W celu pełnej realizacji tego potencjału, zespoły muszą dostosować się do najlepszych praktyk.
Podsumowując, przyszłość wygląda jasno. Ekscytujące czasy przed nami, gdy kontynuujemy tę podróż w kierunku doskonałości. Daj mi znać, jeśli chcesz, żebym rozwinął jakąś sekcję!
Po (zhumanizowane):
Asystenci kodowania AI przyspieszają niektóre zadania. W badaniu Google z 2024 roku deweloperzy używający Codex wykonywali proste funkcje o 55% szybciej niż grupa kontrolna, ale nie wykazali poprawy w debugowaniu czy decyzjach architektonicznych.
Narzędzia są dobre w boilerplate: pliki konfiguracyjne, rusztowanie testów, powtarzalne refaktory. Są złe w wiedzeniu, kiedy się mylą. Masowo zaakceptowałem sugestie, które się skompilowały, przeszły lint i nadal robiły złą rzecz, bo przestałem zwracać uwagę.
Mira, inżynier w fintech startupu, którego przepytałem, powiedziała, że używa Copilot "jak autouzupełniania dla nudnego kodu", ale przegląda każdą linię przed commitowaniem. Jake, senior dev w większej firmie, wyłączył to po tym, jak ciągle sugerował wzorce z przestarzałej wewnętrznej biblioteki.
Twierdzenia o produktywności są trudne do zweryfikowania. GitHub mówi, że użytkownicy Copilot "akceptują 30% sugestii", ale akceptacja to nie poprawność, a poprawność to nie wartość. Badanie Uplevel z 2024 wykazało brak statystycznie istotnej różnicy w przepustowości pull requestów między zespołami z i bez asystentów AI.
Nic z tego nie oznacza, że narzędzia są bezużyteczne. Oznacza to, że są narzędziami. Nie zastępują osądu i nie eliminują potrzeby testów. Jeśli nie masz testów, nie możesz powiedzieć, czy sugestia jest poprawna.
- Wikipedia: Signs of AI writing - Główne źródło
- WikiProject AI Cleanup - Organizacja utrzymująca
- humanizer
- 1.0.0 - Pierwsze wydanie
MIT