epoko77-ai/im-not-ai
Python6 / 0
Claude Code에서 한국어 AI 문체를 탐지하고 의미를 보존한 채 윤문하는 CLI 스킬입니다.
TL;DR
이 저장소는 Claude Code에 설치해 AI가 작성한 한국어의 번역투와 기계적 문장 패턴을 의미 보존 중심으로 윤문하는 plugin-extension-skill이자 CLI 도구입니다. 입력을 정량 채점해 1콜·2콜·3콜 이상의 경로로 나누고, `verify_gates.py`가 변경률과 구조 수렴을 결정적으로 검사합니다. Claude Code에서는 가장 완전한 진단·윤문·finalize 흐름을 쓰며 Copilot CLI와 Codex CLI는 단일 호출 경로를 사용합니다. 한국어 초안의 반복적인 AI 표현을 빠르게 줄이는 용도에는 적합하지만, baseline 일부가 추정값이고 최종 자연성은 선택한 LLM과 문서 장르에 따라 달라지므로 결과 대조가 필요합니다.
핵심 포인트
- 이 저장소는 일반 Python 라이브러리보다 Claude Code를 중심으로 쓰는 plugin-extension-skill이자 CLI 도구입니다. GitHub Copilot CLI, OpenAI Codex CLI, Gemini CLI에도 연결할 수 있지만, 진단과 finalize를 포함한 다중 호출 경로는 Claude Code 전용입니다. 마켓플레이스 설치나 `install.sh` 기반 전역 심링크 설치를 제공해 개발자가 별도 애플리케이션 코드를 작성하지 않고 바로 사용할 수 있습니다.
- 입력 글은 `prepare_monolith_input.py`가 KatFish·post-editese 지표로 채점한 뒤 `route_hint`를 정하고, light·standard·heavy 경로에 따라 LLM 호출 수를 조절합니다. light는 1콜, standard는 진단과 윤문 2콜, heavy는 진단·윤문·finalize 3콜 이상으로 처리하며 15,000자 초과 글에서만 청킹을 적극 사용합니다. 실행 결과는 `_workspace`에 원문, 지표, 진단, 최종본과 검증 메타데이터를 남겨 재실행과 품질 확인에 활용할 수 있습니다.
- 윤문 범위는 사실·주장·수치·고유명사·직접 인용을 보존하고, 탐지된 문장 표현과 리듬만 국소적으로 바꾸는 방식입니다. `verify_gates.py`는 변경률뿐 아니라 진단 목표 수렴, 대구 표현 보존, golden 테스트, 수치 주입 차단을 LLM 호출 없이 판정하며 변경률 30% 초과 경고와 50% 초과 중단 규칙도 둡니다. 따라서 보고서나 기술 문서처럼 의미 보존이 중요한 글에 적합하지만, 결과의 문체 적합성은 선택한 LLM과 원문의 장르에 좌우됩니다.
- 번역투·기계적 병렬·AI 관용구·균일한 리듬·과도한 접속사 등 10개 대분류와 70개 서브 패턴을 taxonomy와 playbook으로 관리합니다. README에 따르면 v1.6 실측에서 5편 중 4편의 risk score가 감소했고, v1.5 본질 테스트 5편은 모두 A 등급과 자체검증 6/6을 기록했습니다. 다만 baseline 일부가 placeholder이고, A-17과 대화체 E-7처럼 추가 데이터가 필요한 항목이 남아 있어 자동 윤문 결과를 최종 원고로 바로 확정하기보다 게이트 결과와 원문 대조를 함께 확인해야 합니다.
벤치마크
| 벤치마크 | 지표 | 값 | 비교 |
|---|---|---|---|
| v1.5 본질 테스트 5편 | 윤문 등급 A | 5/5 | Gemini 직접 호출 4편과 합성 제조업 칼럼 1편의 README 기재 결과이며, 이 양자화 버전 자체의 측정값은 아닙니다. |
| v1.5 본질 테스트 5편 | 자체검증 6/6 | 5/5 | README에 기록된 원본 에이전트 검증 결과이며, 이 양자화 버전의 성능 측정값은 아닙니다. |
| v1.5 동일 칼럼 2,604자 | Wall-clock | 3분 28초 | v1.4 detector haiku 1콜의 7분 58초 대비 README 내부 실측에서 4분 30초 단축됐으며, 이 양자화 버전의 수치는 아닙니다. |
| v1.5 동일 칼럼 2,604자 | 도구 호출 | 4회 | v1.4의 12회 대비 README 내부 실측에서 8회 줄었으며, LLM 모델 성능 비교가 아니라 파이프라인 호출 수 비교입니다. |
| v1.6 회귀 검증 5편 | ending_comma 평균 z | +3.40 → +0.67 | v1.5에서 v1.6으로 바뀐 본진 분류 체계와 정량 점수 레이어의 README 기재 실측이며, 이 양자화 버전의 수치는 아닙니다. |
| v1.6 교육 블로그 run 006 | ending_comma_rate | 0.500 → 0.120 | README에 기록된 76% 감소 실측이며, 특정 교육 블로그 사례의 변화이지 일반적인 양자화 성능 보장은 아닙니다. |
| v2.3.1 회귀 테스트 | pytest 통과 | 223 passed | 경로 해석·런타임 경계·텍스트 위생·계약 정합 회귀 테스트의 README 기재 결과이며, 윤문 품질 점수는 아닙니다. |
| v2.3.2 회귀 테스트 | pytest 통과 | 236 passed | 플러그인 레이아웃 회귀 4건을 포함한 README 기재 결과이며, 이 양자화 버전에서 재실행한 값은 아닙니다. |
이미지 분석
4.8k
STARS
510
FORKS
+203
TRENDING
6
조회수
관련 토론
아직 관련 토론이 없습니다.
댓글
댓글을 작성하려면 로그인이 필요합니다.
