SKILLEMALL.ai

BC ultra-remove-ai

Глубокая переработка ИИ-сгенерированного текста, не просто замена слов или предложений — системная де-ИИзация по четырем измерениям: языковой уровень (синтаксис, лексика, шаблоны образов), нарративный уровень (структура, логическая замкнутость, реалистичность персонажей), уровень деталей (личные отметки vs общие шаблоны), уровень сеттинга (согласованность стиля). Встроено 13 профессиональных ролей редакторов, автоматически подбирается тип текста, переработка выполняется наиболее подходящим тоном. Специально разработано для китайского текста. Применимо: креативное письмо, самомедиа, неформальные тексты; Неприменимо: научные статьи, юридические документы, новостные репортажи и другие фактические документы. Триггеры: «убрать следы ИИ», «убрать ИИ-вкус», «убрать ИИ-вкус», «переписать, убрать ИИ», «помоги мне переписать, слишком похоже на ИИ», «убрать машинный вкус», «это выглядит слишком как ИИ», «слишком похоже на ИИ, помоги переписать».

машинный переводПоказать оригиналСкрыть оригинал«对AI生成的文本进行深度改写,不止是换词换句式——从四个维度系统性去AI化: 语言层(句式、用词、意象模板)、叙事层(结构、逻辑闭环、人物真…»

对AI生成的文本进行深度改写,不止是换词换句式——从四个维度系统性去AI化: 语言层(句式、用词、意象模板)、叙事层(结构、逻辑闭环、人物真实感)、 细节层(私人印记 vs 通用模板)、设定层(文风一致性)。 内置13个专业编辑角色,自动匹配文字类型,用最合适的口吻改写。 专为中文文本设计。适用场景:创意写作、自媒体、非正式文体; 不适用:学术论文、法律文书、新闻报道等事实性文档。 触发词:「去AI痕迹」「去AI味」「去AI味儿」「改写,去AI」「帮我改一下,太像AI写的了」 「去机器味儿」「这看着太AI了」「太像AI了帮我改改」。

ClawHub Agent Skills автор: JiaNanHou v1.0.4 MIT-0 17 файлов тело ≈ 2 390 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Глубокая переработка ИИ-сгенерированного текста, не просто замена слов или предложений — системная де-ИИзация по четырем измерениям: языковой уровень…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМаркетингТексты и документыМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 76
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2390 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -275 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 269 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 76 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.

Внешние проверки

ClawHub: clean
This is a disclosed Chinese creative-rewriting skill with no executable code or hidden access, but it may add invented details and should not be used for factual or sensitive documents.
LLM: benign (high) · VirusTotal: · 15 июл. 2026 г.