Humanizer (Chinese) (Claude Skill) — インストール & ライブデモ

なぜ使うのか

主な機能

汎用英語ヒューマナイザーではなく、中国語のAI臭に特化
複数の文体プロファイル：WeChat公式アカウント／小紅書／ブログ／Twitter／学術
多用フレーズの検出＆削除（其实・总的来说・综上所述…）
文のリズムのバリエーション — 予測可能なケイデンスを崩す
技術的な正確さを保持（固有名詞・コード・数値を柔らかくしない）
外部依存なしの純粋なMarkdownスキル

ライブデモ

実際の動作

準備完了

インストール

作者のリポジトリ · Claude Skills の公式ドキュメント

ユースケース

実用的な使い方： Humanizer (Chinese)

AI生成のブログ投稿をWeChat公式アカウント文体に書き直す

👤 中国語コンテンツクリエイター ⏱ ~25 min beginner

使うタイミング： Claudeが書いた技術投稿が翻訳されたホワイトペーパーのように読めてしまう場合。

フロー

AI臭を特定

Use humanizer-zh. Pass 1: scan /drafts/post.md. List the top 10 sentences that scream AI — quote them.✓ コピーしました

→ 一般的なフィードバックではなく、文レベルの具体的な診断
書き直し

Now rewrite the whole post in 公众号 voice. Keep technical accuracy; change rhythm and register.✓ コピーしました

→ 出力が人が書いたように読める；「众所周知」/「总而言之」パターンなし
差分レビュー

Show the diff section by section. I'll flag any over-translation.✓ コピーしました

→ 各段落の明確なbefore/after

結果： 自然に読める；読者のBS検知器を通過する。

注意点

スキルが技術的な主張を和らげる（例：「〜である」→「〜かもしれない」） — promptに追加：不要软化技术结论、レジスターのみ変更と指示する

組み合わせ： filesystem

長文記事を小紅書ノート形式に変換する

👤 小紅書クリエイター ⏱ ~10 min beginner

使うタイミング： 1500字の記事があり、プラットフォームの慣習に従った小紅書投稿が必要な場合。

フロー

小紅書プロファイルを適用

Humanizer-zh: 小红书 mode. Reduce to 600 字, add emoji where natural, break into short paragraphs, add a hooky 标题.✓ コピーしました

→ 出力がプラットフォームのトーンに合っている；露骨なAIの絵文字詰め込みなし

結果： そのまま投稿できる小紅書ノート。

注意点

絵文字の詰め込み過ぎ — 約80字につき1絵文字を上限にする

コードを壊さずにチュートリアルをヒューマナイズする

👤 テクニカルライター ⏱ ~15 min intermediate

使うタイミング： チュートリアルはデリケート — 文体を変えたいがコードブロックは壊したくない場合。

フロー

コードブロックをマーク

Humanizer-zh: rewrite /tutorials/python.md. Treat all ``` blocks as untouchable. Only rewrite prose.✓ コピーしました

→ コードは手つかず；散文が書き直される

結果： コードが正確なままチュートリアルが自然に読める。

注意点

… でフォーマットされたインラインコードも書き直される — promptに明示：インラインコードも保護すること

組み合わせ

他のMCPと組み合わせて10倍の力を

humanizer-zh-skill + filesystem

フォルダ内のすべての下書きをバッチ処理する

Humanizer-zh on every .md under /drafts/. Save as /drafts-final/.✓ コピーしました

humanizer-zh-skill + x-article-publisher-skill

ヒューマナイズしてから公開する

Humanize the post, then publish to X via x-article-publisher.✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング
diagnose	text	Pass 1 — 何を修正すべきか理解する
rewrite	text, voice_profile?	Pass 2 — 変更を適用する
diff_review	before, after	Pass 3 — 過度な変更がないか確認する

コストと制限

運用コスト

APIクォータ: N/A
呼び出しあたりのトークン: ソースの長さの約2倍（読み取り＋書き直し）
金額: 無料（スキル自体）；使用するモデルのtoken料金が適用される
ヒント: 診断はドキュメント全体に対して実行するが、コンテキストを締め付けるために書き直しはセクションごとに行う

セキュリティ

権限、シークレット、影響範囲

最小スコープ： filesystem-read filesystem-write

認証情報の保管： なし

データ送信先： なし（スキルはローカル）

常に元の下書きを保持しておくこと；スキルの書き直しはニュアンスをずらす可能性がある

トラブルシューティング

よくあるエラーと対処法

Output sounds equally robotic

文体プロファイルを指定する；デフォルトモードは保守的

Code blocks corrupted

promptに明示：「```ブロックを保護する」を追加

Length drift (output much shorter)

目標の長さを明示的に指定する

代替案

Humanizer (Chinese) 他との比較

代替案	代わりに使う場面	トレードオフ
Original Humanizer (English)	ソースが英語の場合	汎用的；中国語のAI臭に特化していない
Manual editing	非常に重要な場面（公開ホワイトペーパーなど）	遅い；スケールしない

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る