jev-humanizer: скилл, который убирает из текста признаки нейросети

Текст, который пишёт нейросеть, узнаётся не по отдельным словам, а по конструкциям: канцелярит, штампы, ложные противопоставления, длинные тире, вода. Автор проекта jev-humanizer сделал скилл, который ищет эти признаки сам, а потом просит модель исправить только найденные места. Скилл подходит для Claude Code, Codex и любого другого агента, который умеет читать SKILL.md.

Главная идея

Обычно текст правят так: дают модели инструкцию «пиши человечнее» и ждут. Модель знает свои собственные обороты и часто их не замечает. Здесь всё устроено иначе.

Искать признаки нейросети должна не модель, а отдельный классификатор. В этом проекте это Jev от TypeSafe AI. Он текст не пишет и отвечает только вероятностями. Каждый абзац он проверяет на 35 смысловых паттернов. Локальный линтер добавляет механику: тире, стрелки, повторы.

Дальше модель получает таблицу находок. Она правит только отмеченные места. То, что классификатор не нашёл, модель не трогает. Факты и цифры остаются на месте.

По словам автора, такая проверка стоит меньше цента за пост.

Что внутри

Справочник паттернов и линтер пока знают только русский язык. Jev читает и английский. На примере из проекта blader/humanizer он нашёл конструкцию «not just X, it's Y», длинное тире и эмодзи. А вот оборот «Let that sink in» и риторический вопрос он пропустил.

Базой проекта стала линия из трёх репозиториев:

• humanizer от @blader — основа всей линии
• Wikipedia: Signs of AI writing — список признаков, на котором построен humanizer
• humanizer-ru от Serge Shima — русская адаптация, из неё взяты 38 паттернов и линтер
• Jev от TypeSafe AI — классификатор для проверки

Если вам нужен редактор без внешнего API, автор советует взять humanizer-ru. Для английского текста лучше подойдёт humanizer от blader.

Установка

Нужен Python 3 без дополнительных пакетов и ключ Jev с typesafe.ai.

git clone https://github.com/snjrusmn/jev-humanizer.git ~/projects/jev-humanizer

# Claude Code
mkdir -p ~/.claude/skills
ln -s ~/projects/jev-humanizer/skill ~/.claude/skills/jev-humanizer

# Codex
mkdir -p ~/.codex/skills
ln -s ~/projects/jev-humanizer/skill ~/.codex/skills/jev-humanizer

# Jev key: env variable or file
mkdir -p ~/.config
echo 'TYPESAFE_API_KEY=your_key' > ~/.config/typesafe.env
chmod 600 ~/.config/typesafe.env

Другие агенты подключают тот же файл skill/SKILL.md из своей папки скиллов. По умолчанию скилл ищет репозиторий в ~/projects/jev-humanizer. Другой путь задаёт переменная JEVH.

Ключ можно положить в файл ~/.config/typesafe.env или задать переменной TYPESAFE_API_KEY.

Как использовать

Отдельно звать скилл не нужно. Он включается сам, когда агент пишет письмо, сообщение или пост. Готовый текст можно отдать на правку фразами «убери воду», «очеловечь», «перепиши человечнее».

Для проверки без правки скажите агенту: «проверь, палится ли текст на ИИ». Скилл вернёт таблицу улик с цитатами и вердикт. Сам текст он не тронет.

В терминале ту же проверку можно запустить и без агента:

cd ~/projects/jev-humanizer
python3 -m jev_humanizer.audit text.md               # findings table
python3 -m jev_humanizer.audit text.md --sections    # plus excerpts from the reference
python3 -m jev_humanizer.audit text.md --json a.json # all scores and token usage
python3 -m jev_humanizer.audit text.md --no-jev      # local linter only

Важный момент про приватность. Абзацы текста уходят в API TypeSafe в США. С флагом --no-jev текст остаётся на вашей машине, но тогда текст проверяет только локальный линтер.

Сколько стоит

Jev берёт 0,042 USD за миллион входных токенов. Выходные токены бесплатны. Пост на 200 слов обходится в 0,0015–0,005 USD за прогон. Прогонов обычно два.

Это цена только проверки. Работу самой модели вы оплачиваете как обычно.

Как это работает

Весь процесс состоит из трёх шагов.

1. Проверка. Линтер и Jev проходят по тексту и собирают таблицу находок. К ней добавляются выдержки из справочника — только по тем паттернам, которые реально нашлись.
2. Правка. Модель лечит каждую находку: удаляет её, заменяет фактом из оригинала или пишет проще. Простая замена синонимом правкой не считается. Если находок нет, текст возвращается без изменений.
3. Проверка снова. Чистовик опять идёт на аудит. Цикл повторяется, пока линтер не перестанет находить ошибки.

Схема этого цикла:

Текст
 ├── Линтер humanizer-ru: тире, стрелки, повторы ──┐
 └── Jev по абзацам: 35 смысловых паттернов ────────┤
                                                    ↓
                          Таблица находок с вероятностями
                                                    ↓
                          Модель правит только найденное
                                                    ↓
                          Повторный аудит ── есть ошибки → наверх
                                            чисто → чистовик

Лучше всего скилл работает, когда модель читает его до черновика. Тогда она сразу пишет по правилам, а потом прогоняет свой текст через эти три шага. Править готовый текст тоже можно, но выходит хуже.

Оценка автора

В репозитории есть таблица с личными оценками автора. Это его собственные оценки, он это признаёт.

По этим цифрам jev-humanizer при написании с первой строки заметно обошёл остальные сценарии. И на текст он тратит вдвое меньше времени, чем humanizer-ru. Правка готового текста в основном меняла тире, а признаки нейросети в структуре оставались.

Потом автор открыл слепой тест на живых людях: jh-blindtest.snjr.uz. Там лежат две версии одного текста без подписей. Тексты и темы выдуманные. Отзыв вы ставите каждой версии: «нравится», «норм» или «слоп». Потом выбираете, какая лучше. И только после этого узнаёте, кто как писал. На одну пару уходит около двух минут. Статистику автор обещал выложить в репозиторий, даже если она его расстроит.

Устройство репозитория

Тесты запускаются одной командой:

python3 -m unittest discover -s tests

Лицензия

MIT. Код humanizer-ru в папке vendor тоже под MIT, © 2026 Serge Shima.