[레딧-클로드코드] AI 티 지우는 humanizer skill 공개

자율 에이전트 플랫폼 운영자가 여러 에이전트를 같은 톤으로 묶어 주는 humanizer skill 한 벌을 통째로 공개했습니다.

요약

자율 에이전트 플랫폼을 운영하는 글쓴이가 블로그 관리자·SNS 에이전트·제품 업데이트 에이전트를 같은 톤으로 묶어 주는 humanizer skill을 통째로 붙여 공개했습니다. 출처는 WikiProject AI Cleanup이 정리한 'Signs of AI writing' 페이지이고, 본문에 Content / Language·Grammar / Style / Communication / Filler·Hedging 다섯 묶음에 24개 패턴을 변경 전·변경 후 예시로 짝지어 둔 형태입니다.

내용

문제 — 같은 모델로 굴리는 여러 에이전트가 같은 AI 톤으로 수렴

글쓴이는 자신이 만든 에이전트 플랫폼에서 블로그 관리자 한 개, SNS·제품 업데이트 용도로 또 한 개를 따로 굴리고 있습니다. 에이전트들이 각자 글을 쓰면 결과물이 곧잘 같은 'AI 슬롭' 톤으로 수렴해서, AI가 썼다는 티를 지우는 작업을 한 군데에서 관리하기로 했다고 적습니다.

접근 — humanizer skill 한 벌로 후처리

skill은 입력 텍스트를 받아 다음 흐름으로 흘러갑니다.

입력 텍스트
  → AI 패턴 식별
  → 문제 구간 재작성
  → 의미 보존 + 의도 톤 유지
  → soul 주입
  → final anti-AI pass
    → "What makes the below so obviously AI generated?" 자기 호출
    → "Now make it not obviously AI generated." 자기 호출
→ 출력

prompt 자체는 WikiProject AI Cleanup이 정리한 'Signs of AI writing' 페이지를 외부 출처로 받쳐 둡니다.

24개 패턴을 다섯 묶음으로

카테고리	항목
Content (1~6)	legacy 과장(stands as testament, pivotal, underscores) / notability·media coverage 나열 / 분사(-ing)로 깊이 위장(highlighting, ensuring) / 광고 톤(vibrant, breathtaking, nestled) / 약한 출처(experts argue, observers) / challenges and future prospects 채우기 섹션
Language·Grammar (7~12)	AI 상투어(crucial, additionally, plays a crucial role) / copula 회피(serves as 남발) / negative parallelism(It's not just X, but also Y) / rule of three / elegant variation / false range(everything from startups to enterprises)
Style (13~18)	em dash 남용 / 굵은 글씨 남발 / Speed: ... 식 인라인 헤더 리스트 / Title Case 제목 / 이모지 / 휘어진 따옴표
Communication (19~21)	챗봇 흔적(Here is a breakdown... Let me know if you need more details!) / 학습 시점 면피(While details are limited, ...) / 아부 톤(Great point, ...)
Filler·Hedging (22~24)	채움말(in order to, the system has the ability to) / 과한 유보(might potentially) / 일반론 결론(the future looks promising)

결과 — 4단계 출력 + 2만 자 제한

humanizer 호출 결과는 (a) 초안 재작성 (b) What makes the below so obviously AI generated? 짧은 답 (c) 최종 재작성 (d) 선택 변경 요약 순으로 강제합니다. 글쓴이는 자신의 프로젝트 제약 때문에 스킬 본체를 2만 자 이하로 유지하는데, 이 한도 안에 24 패턴과 Personality·Soul·Output Format을 모두 끼워 둔 형태라고 댓글에서 밝혔습니다.

댓글

• 다른 사용자가 WRITING.md 레포를 대안으로 가져옴
  → 글쓴이: 2만 자 제한 때문에 단어 차단 부분(delve into, tapestry, realm, leverage, harness, foster, empower)만 골라 차용하겠다고 답함
  → 해당 레포 저자가 직접 등판: compact·mini 버전이 따로 있고 compact는 7천 자 안에서도 핵심을 보존한다고 알림
• post-edit가 아니라 generation 시점에 제약을 걸면 토큰이 덜 든다는 반박
  → 다른 사용자: LLM이 비평·수정을 더 잘하고 generation 단계에서 제약을 줘도 망친 스타일로 회귀한다고 재반박
  → 처음 반박한 쪽: 30챕터짜리 책을 병렬로 뽑아 AI 검출기를 통과시키는 자기 파이프라인을 들며 환경에 따라 갈린다고 보강
• AI한테 더 멍청하게 쓰라고 시키는 거냐는 도발 / 글쓴이 — It's not X, it's Y 패턴, 이모지, em dash 남발, 3개 묶기 강박, 모호한 주장으로 도피하는 흐름만 막는다고 답합니다.
• 다른 워크플로 두 가지 — 글쓴이 voice 추출에 이중 리뷰 에이전트(AI 티 검사 + 글쓰기 품질 검사)를 붙인 prose-craft 레포 방식, 본인 말투 프로파일을 humanize 단계에 끼워 넣는 ghostwriter 레포 방식이 같이 거론됐습니다.
• humanizer는 CLAUDE.md에 두고 워크플로 skill은 더 좁은 규칙 레이어로 분리하자는 적용 안이 나옴
  → 보강: 절차 첫 줄에 identify the goal or angle을 끼워서 rule of three 규칙이 실제로 인용해야 할 3개 항목을 덮어쓰지 않게 막자는 추가 의견
• 가장 쓸모 있던 항목으로 분사 남발과 깊이 위장이 꼽히고, first, next, finally 같은 과한 구조 전환도 추가 항목으로 넣을 만하다는 의견이 같이 올라왔습니다.
• 한계로는 LLM이 패턴 분석은 잘하지만 규칙 그대로 재작성하는 데에는 약하고, 여러 번 다시 돌려도 효과 감소 구간 이후로는 손으로 고치는 쪽이 빠르며, 개인화·공명 부분은 결국 사람 손이 들어가야 한다는 보고가 올라왔습니다.

---