Humanize Korean

Humanize Korean — 한국어 AI 티 제거 (Fast 모드)

개요

이 스킬은 한국어 텍스트에서 AI가 쓴 흔적을 수술적으로 제거합니다. 내용은 한 글자도 건드리지 않고 문체·리듬·표현만 자연스러운 한국어로 되돌립니다. 영어권 humanizer(QuillBot·Hix·Undetectable AI)가 약한 한국어 고유 패턴 — 번역투, 영어 인용 과다, 결말 공식, hedging, 형식명사 — 을 정량 메트릭과 SSOT 분류 체계로 처리합니다.

4대 철칙 (위반 시 즉시 롤백)

• 의미 불변 — 사실·주장·수치·고유명사·직접 인용은 100% 원문 보존
• 근거 기반 — 탐지된 span에만 수술적 수정. 탐지 없는 구간은 건드리지 않음
• 장르 유지 — 칼럼을 문학으로, 리포트를 에세이로 옮기지 않음
• 과윤문 금지 — 변경률 30% 초과 시 경고, 50% 초과 시 강제 중단

Phase 0: 컨텍스트 확인

작업 시작 시 가장 먼저 다음 한 줄을 출력합니다.

humanize-korean — fast 모드 / run_id: {YYYY-MM-DD-NNN}

run_id 결정

• 모든 경로는 cwd 기준. _workspace/{YYYY-MM-DD-NNN}/에 산출물 누적
• 기존 시퀀스 확인은 Glob 도구로:
• Glob(pattern="_workspace/YYYY-MM-DD-*/01_input.txt") → 결과에서 폴더명 추출 후 NNN 최댓값 + 1
• 당일 폴더가 없으면 NNN = 001
• 디렉토리 자체는 Glob으로 매칭 안 됨 — 반드시 01_input.txt 표지 파일을 매칭
• 8,000자 초과 입력은 처리는 가능하지만 정밀 검증이 필요할 수 있음 → summary.md에 "정밀 모드(strict-pipeline-spec) 권장" 한 줄 표기

옵션 (인자 끝에 자연어로)

• 장르: 칼럼|리포트|블로그|공적 — 장르 명시(생략 시 첫 300자로 자동 추정)
• 강도: 보수|기본|적극 — 윤문 강도(기본값: 기본)
• 최소심각도: S1|S2|S3 — 탐지 임계값(기본값: S2)

Phase 1: 입력 저장

• cwd 기준 _workspace/{run_id}/ 디렉토리 생성
• 입력 텍스트를 01_input.txt에 그대로 저장 (한 글자도 변형하지 않음)
• 첫 300자로 장르 자동 추정 (사용자 명시 시 우선)
• 칼럼: 1인칭 의견·논평·결말 공식
• 리포트: 객관적 서술·수치·인용
• 블로그: 캐주얼·친근체·이모지 허용
• 공적: 격식체·공문체

Phase 2: 사전 메트릭 측정

정량 베이스라인을 먼저 잡습니다. references/metrics.py를 호출:

python3 moai-content/skills/humanize-korean/references/metrics.py \
  --input "_workspace/{run_id}/01_input.txt" \
  --genre {칼럼|리포트|블로그|공적} \
  --output "_workspace/{run_id}/00_metrics.json"

산출물 00_metrics.json에는 다음이 포함됩니다(원본 metrics.py v1.6 명세):

• 문장 수, 평균 문장 길이, 길이 표준편차(E-1 균일성 신호)
• 연결어미+쉼표 빈도(C-11 KatFish 시그널)
• 한자어 명사화 -성/-적/-화 밀도(F-4)
• 종결어미 분포(I 카테고리)
• 문두 접속사 빈도(H-1)

(옵션) post-editese 분석 레이어 — references/metrics_v2.py: 번역투 14개 정량 신호(simplification·normalisation·interference 3축, T1~T8)를 추가로 측정하려면 metrics_v2.py를 호출합니다. metrics.py를 import해 v1.6 출력의 상위집합을 반환하므로(v2_metrics·v2_interference_index 키 추가) 기존 Phase 흐름과 호환됩니다. 이 레이어는 선택적 분석용으로, Fast 파이프라인의 1차 baseline은 여전히 metrics.py입니다. baseline은 placeholder(baseline_v2.json, 모든 셀 _placeholder: true — calibration 전이므로 z-score는 참고용).

python3 moai-content/skills/humanize-korean/references/metrics_v2.py \
  --input "_workspace/{run_id}/01_input.txt" \
  --genre {essay|news|blog|qa|dialogue} \
  --output "_workspace/{run_id}/00_metrics_v2.json"

표준 라이브러리만 사용하므로 별도 의존 설치는 없습니다(Python 3.13+ 권장).

Phase 3: 인라인 탐지·윤문·자체검증

핵심 단계. 이 단계에서 다음을 한 번에 수행합니다.

3-1. 룰북 로드

다음 두 파일을 메모리로 로드:

• references/quick-rules.md — S1·S2 핵심 패턴 + 자체검증 6항(슬림 룰북)
• references/ai-tell-taxonomy.md — 10대 카테고리 × 40+ 서브 패턴 SSOT(필요 시 참조)

00_metrics.json의 정량 신호를 우선순위로 활용합니다(예: stdev<8이면 E-1 우선, -성/-적/-화 12+이면 F-4 우선).

3-2. Do-NOT 리스트 (탐지·윤문 모두 제외)

• 고유명사·제품명·모델명·기관명
• 수치·날짜·단위
• 큰따옴표 안 직접 인용
• 법률 조문, 수학·화학·통계 표기
• 영어 약어(LLM·GPU·MCP·API 등 업계 표준)

3-3. 카테고리별 처방 적용 우선순위

S1 (결정적 — 무조건 제거):

• A-1/A-2/A-3 번역투(~를 통해/~에 대해/~에 있어서)
• A-7/A-8 가지고 있다 / 이중 피동
• C-5 이모지 남발(칼럼·리포트 한정)
• C-10 콜론 부제 헤딩 반복
• C-11 연결어미 뒤 쉼표
• D-1~D-6 결산 피벗·시사하는 바·본질적으로·hype 어휘·의인화 추상 주어·결말 공식
• H-1/H-3 문두 접속사 5+회 / 메타 진입 3+회
• I-1 ~인 것이다/한 것이다 결말
• J-2 따옴표 강조 5+회

S2 (강함 — 1-2회 허용, 3+ 시 제거):

• A-4/A-5/A-6/A-9/A-10/A-11/A-15
• B-1/B-2 영어 인용 과다
• C-7/C-8/C-9 구조 패턴
• D-7 변환 공식 X에서 Y로
• E-1 리듬 균일성
• F-4/F-5 한자어 -성/-적/-화 밀도
• G-1/G-2/G-3 hedging
• H-4 즉 남발
• I-2/I-3/I-4 형식명사
• J-1/J-3 헤딩 강조 / 불릿 리스트

자세한 처방 레시피는 references/rewriting-playbook.md 참조.

3-4. 윤문 실행 (Edit 도구)

탐지된 span별로 Edit 도구로 수술적 치환. 탐지되지 않은 구간은 절대 수정하지 않습니다.

• 격식체 입력 → 격식체 출력 (register 보존)
• 평어체 입력 → 평어체 출력
• 변경 누적분이 30% 초과 시 경고 메시지를 summary 후보에 기록, 50% 초과 시 즉시 중단·전체 롤백

3-5. 자체검증 6항 점검 (윤문 직후 5초 내)

윤문 직후 다음을 자가 점검합니다. 한 항목이라도 위반이면 해당 edit 롤백:

• 고유명사·수치·날짜·인용 100% 보존 — 원문 대비 한 글자도 다르지 않은가
• 변경률 — 30% 이하인가
• 장르 이탈 없음 — 칼럼이 에세이·문학으로 변하지 않았는가
• register 보존 — 원문 격식체면 결과도 격식체
• 잔존 S1 패턴 0건 — D-1~D-7, A-8, C-5, C-10, C-11, H-1, I-1, J-2가 남아있지 않은가
• 인공 표현 자제 — 원문에 없던 비유·수사·문학적 표현을 임의 추가하지 않았는가

위반 시: edit 롤백 → 다시 윤문 → 재점검. 자체 루프 최대 1회. 여전히 미해결이면 결과를 출력하되 summary.md에 "자가검증 미통과 항목 N건"을 표기합니다.

Phase 4: 사후 메트릭 + 산출물 작성

4-1. 사후 메트릭

python3 moai-content/skills/humanize-korean/references/metrics.py \
  --input "_workspace/{run_id}/final.md" \
  --genre {장르} \
  --output "_workspace/{run_id}/06_metrics_after.json"

before/after 비교로 카테고리별 개선율(%)을 계산합니다.

4-2. final.md 작성

_workspace/{run_id}/final.md에 윤문본 + HTML 주석 블록(메트릭·탐지 before/after·자체검증 6항·등급·주요 변경 하이라이트)을 작성합니다. HTML 주석이라 마크다운 뷰어·웹 게시·복사 시 본문에만 노출됩니다.

{윤문본 본문}

<!-- HUMANIZE-SUMMARY
모드: fast / run_id: {run_id}
변경률: X%
등급: A|B|C|D
자체검증: N/6 통과
카테고리 탐지 (before → after):
  A 번역투: 12 → 1
  D AI 관용구: 5 → 0
  ...
-->

4-3. summary.md 작성

_workspace/{run_id}/summary.md에 메트릭 표·자체검증 결과·등급·하이라이트 요약을 정리합니다.

Phase 5: 등급 판정

| 등급 | 조건 |

|---|---|

| A | S1 잔존 0, S2 잔존 ≤2, 변경률 10-25%, 자체검증 6/6 |

| B | S1 잔존 0, S2 잔존 ≤4, 자체검증 5/6 이상 |

| C | S1 잔존 1-2 또는 자체검증 ≤4 — 사용자에게 정밀 검증 권고 |

| D | S1 잔존 3+ 또는 변경률 50% 초과 — 작업 중단 권고 |

Phase 6: 사용자에게 결과 반환

다음 4개를 사용자에게 전달:

• 한 줄 상태: 완료. 변경률 X% / 등급 Y / 자체검증 N/6 통과
• 윤문본 본문: 마크다운 블록 형태로
• summary.md 핵심 표: 메트릭 + 카테고리 탐지 + 자체검증
• 등급 B 이하 시 안내: "더 정밀한 검증이 필요하면 references/strict-pipeline-spec.md의 정밀 모드 설계 노트를 참조해 별도 워크플로로 실행하시기 바랍니다."

부분 재실행 / 후속 명령

| 사용자 신호 | 처리 |

|---|---|

| "특정 카테고리만 다시" | 해당 카테고리 finding만 Phase 3 재실행, 기존 run_id 재사용 |

| "이 문단만" | 해당 문단만 입력으로 새 run_id 생성 |

| "2차 윤문" | 기존 run_id의 final.md를 새 입력으로 Phase 1부터 재실행 |

| "윤문 강도 조정" | 최소심각도 옵션 변경 후 Phase 2부터 재실행 |

| "장르 바꿔서" | genre_hint 변경 후 Phase 2부터 재실행 |

ai-slop-reviewer와의 관계

이 스킬은 moai-core:ai-slop-reviewer의 2차 한국어 정밀 윤문 단계로 설계되었습니다. 권장 체인:

한국어 텍스트 산출물(블로그·뉴스레터·카피 등)
  ↓
moai-core:ai-slop-reviewer  ── 1차 일반 AI 슬롭 후처리(영어 표현 정리, 일반 패턴)
  ↓
moai-content:humanize-korean ── 2차 한국어 정밀 윤문(40+ 패턴 SSOT, 등급)
  ↓
최종 산출물

ai-slop-reviewer만으로 충분한 경우(영어 비중 높은 텍스트, 캐주얼 블로그)는 humanize-korean을 생략해도 됩니다.

주의 사항

• 의미 불변이 최상위 불문율 — 위반 즉시 롤백
• 수치·고유명사·직접 인용은 탐지·윤문 대상 아님 — Do-NOT 리스트 엄수
• 장르 이탈 금지 — 칼럼이 에세이로, 에세이가 문학으로 옮겨가지 않음
• register 보존 — AI 티는 문법·수사이지 격식 자체가 아님
• 변경률 30% 초과 → 경고, 50% 초과 → 강제 중단·전체 롤백
• 자동 로드 금지 — 프로젝트 CLAUDE.md 등 다른 파일을 자동 파싱해 옵션 추론하지 않음

참고 자료

• 슬림 룰북(이 스킬 핵심): references/quick-rules.md — S1·S2 핵심 패턴 + 자체검증 체크리스트
• 분류 체계 SSOT: references/ai-tell-taxonomy.md — 10대분류 × 40+ 패턴 전수
• 윤문 처방: references/rewriting-playbook.md — 카테고리별 치환 레시피·장르별 허용 표
• 정량 메트릭: references/metrics.py — Python 3.13+ 표준 라이브러리만, CLI 호출
• 베이스라인: references/baseline.json — 카테고리별 임계값
• (옵션) post-editese 메트릭: references/metrics_v2.py — 번역투 14개 정량 신호(3축 T1~T8), metrics.py import 상위집합, CLI --genre essay|news|blog|qa|dialogue
• (옵션) post-editese 베이스라인: references/baseline_v2.json — 3축 placeholder 임계값(모든 셀 _placeholder: true, calibration 전)
• 번역학 학술 SSOT: references/scholarship.md — 한국 번역학계 8유형 계보 + 국제 이론(Baker·Toury·Toral) + caveat 6건, 신규 패턴 출처
• 정밀 모드 설계 노트(향후 확장용): references/strict-pipeline-spec.md — 이 스킬은 단일 콜 Fast 모드만 구현하며, 다중 패스 정밀 검증 개념은 향후 확장용 설계 노트로 정리(현재 미구현, 별도 워크플로로 실행 시 참조)
• 웹 서비스 확장(옵션): references/web-service-spec.md — Next.js + Vercel 확장 시 참조

이 스킬은 한 콜에서 탐지·윤문·자체검증을 끝내는 단일 콜 Fast 모드로 동작합니다. 분류 체계(references/ai-tell-taxonomy.md)·룰북(quick-rules.md·rewriting-playbook.md)·정량 메트릭(metrics.py·baseline.json)·번역학 학술 근거(scholarship.md)를 SSOT로 두고, 다중 패스 정밀 검증은 references/strict-pipeline-spec.md의 설계 노트로 향후 확장을 정리했습니다.