Korean Humanizer

Korean Humanizer: 한국어 AI 작문 패턴 제거

한국어 텍스트에서 AI가 생성한 흔적을 감지하고 자연스러운 한국어로 수정합니다. 영문 Humanizer(blader/humanizer)의 24개 패턴 프레임워크를 한국어 특성에 맞게 적응한 스킬입니다.

대상

• __init__.py의 description 필드 (도구 설명)
• docstring (모듈/함수 설명)
• CHANGELOG.md 항목
• README.md 업데이트
• HTML 리포트 제목/요약
• 커밋 메시지 본문 (한국어 부분)

작업 순서

1. 입력 텍스트에서 아래 패턴을 식별
2. 문제 있는 부분을 자연스럽게 재작성
3. 원래 의미와 기술적 정확성 유지
4. 수정된 텍스트 제시

한국어 AI 작문 패턴

1. 과도한 합니다/습니다 경어체

문제: AI가 모든 문장을 합니다/습니다로 끝내어 단조로운 리듬을 만듦.

이전:

이 도구는 미사용 리소스를 탐지합니다. CloudWatch 메트릭을 분석합니다. 비용 절감 효과를 계산합니다. 결과를 보고서로 출력합니다.

이후:

미사용 리소스 탐지 도구. CloudWatch 메트릭 기반 분석 후 비용 절감액을 산출하여 보고서로 출력.

규칙: 도구 설명은 체언 종결형(~분석, ~탐지, ~출력) 또는 간결한 서술형 혼용. docstring은 문장 길이와 종결 패턴에 변화를 줌.

2. "다양한/효과적인/효율적인" 남발

감시 단어: 다양한, 효과적인, 효율적인, 포괄적인, 체계적인, 종합적인, 혁신적인, 직관적인

문제: 의미 없는 수식어를 붙여 내용이 부풀려짐.

이전:

다양한 AWS 서비스에 대한 종합적인 보안 점검을 효과적으로 수행합니다.

이후:

IAM, VPC, CloudTrail 등 15개 서비스의 보안 설정을 점검.

규칙: 수식어 대신 구체적인 대상이나 숫자를 사용.

3. "를 통해/을 위해" 남용

감시 구문: ~를 통해, ~을 통한, ~을 위해, ~을 위한, ~에 의해, ~에 기반하여

문제: 불필요한 간접 표현이 문장을 길게 만듦.

이전:

CloudWatch 메트릭 수집을 통해 미사용 리소스를 탐지하기 위한 분석을 수행합니다.

이후:

CloudWatch 메트릭으로 미사용 리소스 탐지.

4. "~적(的)" 접미사 과용

감시 단어: 전반적, 근본적, 실질적, 구조적, 전략적, 획기적, 혁신적, 실용적

문제: 한자어 접미사 ~적을 붙여 가짜 전문성을 만듦.

이전:

전반적인 보안 수준의 근본적인 향상을 실질적으로 달성합니다.

이후:

보안 수준 향상.

5. "~하는 것이 중요합니다" 패턴

감시 구문: ~하는 것이 중요합니다, ~하는 것이 필요합니다, ~하는 것이 바람직합니다, ~할 수 있습니다

문제: 직접 말하면 될 것을 우회적으로 표현.

이전:

멀티 계정 환경에서는 parallel_collect를 사용하는 것이 중요합니다.

이후:

멀티 계정 환경에서는 반드시 parallel_collect 사용.

6. 나열형 3박자 패턴 (한국어 Rule of Three)

문제: 한국어에서도 AI가 3개씩 나열하는 습관.

이전:

비용 절감, 보안 강화, 운영 효율화를 위한 도구입니다.

이후:

미사용 리소스 비용 절감 도구.

규칙: 핵심 하나만 명확히. 나머지는 필요할 때만 추가.

7. "~뿐만 아니라 ~도" (이중 긍정)

문제: 한국어 버전의 "Not only...but also..." 패턴.

이전:

미사용 리소스를 탐지할 뿐만 아니라 비용 절감 효과도 자동으로 계산합니다.

이후:

미사용 리소스 탐지 및 비용 절감액 자동 계산.

8. "에 대한/에 관한" 불필요한 연결

문제: 직접 수식하면 되는 것을 ~에 대한으로 돌려 표현.

이전:

Lambda 런타임에 대한 지원 종료 분석에 관한 도구

이후:

Lambda 런타임 지원 종료 분석 도구

9. 부정적 전환 상투구 (한국어 "Despite" 패턴)

감시 구문: ~에도 불구하고, ~하지만 그럼에도, ~한 한계가 있으나, 이러한 과제에도 불구하고

이전:

API 호출 제한이라는 한계가 있으나, 이에도 불구하고 Rate Limiting으로 안정적인 수집이 가능합니다.

이후:

Rate Limiting으로 API 호출 제한 내에서 안정적으로 수집.

10. AI 특유의 한국어 어휘

고빈도 AI 단어: 활용, 제공, 지원, 기반, 수행, 달성, 강화, 최적화, 극대화, 도모

문제: 이 단어들이 한 문단에 3개 이상 나오면 AI가 쓴 것으로 보임.

이전:

이 도구를 활용하여 AWS 리소스 최적화를 수행하고, 비용 절감을 달성하며, 운영 효율성을 극대화할 수 있도록 지원합니다.

이후:

AWS 리소스 최적화 도구. 미사용 리소스를 찾아 비용을 줄임.

11. "인 만큼/인 바" 과장 연결

문제: 격식체 연결어미를 남용하여 관료적인 느낌.

이전:

보안이 중요한 만큼, 정기적인 점검이 필요한 바, 이 도구의 활용을 권장하는 바입니다.

이후:

정기 보안 점검용 도구.

12. 번역체 한국어

감시 패턴: ~것으로 간주됩니다, ~것으로 판단됩니다, ~경우에 해당합니다, ~관점에서 볼 때

문제: 영어를 직역한 듯한 부자연스러운 표현.

이전:

이 리소스는 미사용 상태인 것으로 판단됩니다. 비용 관점에서 볼 때 삭제가 적절한 것으로 간주됩니다.

이후:

미사용 리소스. 삭제하면 비용 절감 가능.

문맥별 가이드

도구 설명 (description 필드)

• 체언 종결형 선호: "탐지", "분석", "~점검"
• 15자 이내로 핵심만
• 구체적 서비스/수량 포함

# 나쁨
"다양한 EC2 리소스에 대한 종합적인 분석을 효과적으로 수행합니다."

# 좋음
"미사용 EC2 인스턴스 탐지"

CHANGELOG 항목

• 무엇을 했는지만 직접 서술
• "기능이 추가되었습니다" 대신 "추가"
• 수동태 피하기

# 나쁨
- 다양한 보안 점검 기능이 효과적으로 추가되었습니다.

# 좋음
- IAM 미사용 역할 탐지 추가
- CloudTrail 보안 이벤트 분석 추가

docstring

• 첫 줄은 한 문장 요약
• 뻔한 내용 반복 금지
• Args/Returns 설명은 타입 힌트와 중복되면 생략

# 나쁨
def collect_metrics(session, region: str) -> list[dict]:
    """CloudWatch 메트릭을 수집하는 함수입니다.

    이 함수는 CloudWatch에서 메트릭을 수집합니다.
    수집된 메트릭은 리스트 형태로 반환됩니다.

    Args:
        session: AWS 세션 객체입니다.
        region: AWS 리전 문자열입니다.

    Returns:
        수집된 메트릭 딕셔너리의 리스트를 반환합니다.
    """

# 좋음
def collect_metrics(session, region: str) -> list[dict]:
    """지정 리전의 CloudWatch 메트릭 배치 수집"""

참조

• 영문 패턴: .agents/skills/humanizer/SKILL.md (24개 영문 패턴)
• Wikipedia "Signs of AI writing" 기반 프레임워크의 한국어 적응