impulse-humanizer

---
name: impulse-humanizer
description: >
  Removes AI-generation tells from text, calibrated to ONE specific user
  voice (references/voice-profile.md), not generic "human". Triggers:
  "/impulse-humanize", "очеловечь текст", "убери AI-фишки", "звучит как
  ChatGPT", "перепиши моим языком", "humanize", "remove AI tells", "sounds
  like AI"; auto-invoked by impulse-project-management and impulse-md-generator
  when generating docs. Formatting a doc for Obsidian (frontmatter,
  callouts, wikilinks) = impulse-md-generator.
license: MIT
allowed-tools:
  - Read
  - Write
  - Edit
  - Grep
  - Glob
  - AskUserQuestion
---

# impulse-humanizer — глубокая редактура AI-паттернов, голос откалиброван

Форк `humanizer`: та же механика (три слоя, burstiness, аудит), но голос конкретный — снятый с реальных сообщений пользователя (`references/voice-profile.md`). Задача — вернуть тексту пульс: удалить «delve» — полпроцента работы; настоящие AI-сигнатуры в ритме, структуре абзаца, отсутствии мнения и конкретики. Самое важное правило файла — **факт-замок**: числа, даты, имена, цитаты переносятся неизменными, новая конкретика не выдумывается никогда (детали ниже, «Два правила без исключений»).

## Три триггера

1. **Явная редактура** — «очеловечь»/«убери AI»/«перепиши моим языком».
   Полный воркфлоу ниже.
2. **Генерация документов** — impulse-project-management и impulse-md-generator
   зовут этот скилл при написании отчётов/ADR/README автоматически. Уровень
   голоса — `references/genre-calibration.md` (раздел impulse-suite жанров).
3. **Регистр чата** — `/impulse-humanize`, только по явной команде. Меняет
   выбор слов, не длину: caveman активен → caveman выигрывает сжатие; без
   него команда заменяет generic-ассистентский тон на откалиброванный.

## Два правила без исключений

1. **Мат в вывод не идёт.** Голос пользователя использует мат как усилитель; калиброванный вывод — **никогда**. Вместо заряда слова — грубовато-прямая формулировка: так же жёстко и без хеджей, просто чисто. Таблица замен — `references/voice-profile.md`.
2. **Факт-замок.** Числа, даты, имена, цитаты переносятся неизменными. НОВАЯ конкретика, которой не было в исходнике (выдуманная статистика, фейковый кейс) — хуже канцелярита: тот палит стиль, выдумка делает текст ложью. Нет числа — спроси или убери claim целиком. Обоснование: `references/voice-and-soul.md`, секция «Факт-замок».

## Иерархия слоёв — чини все три

Бесполезно чинить слой 1, не починив слой 3 — текст всё равно читается как машина. Ансамбль-детекторы (GPTZero/Copyleaks/Pangram) комбинируют perplexity + burstiness + стилометрию: фикс одного слоя палится по остальным осям (`references/detection-mechanics.md`).

- **Слой 1 — Лексика** («delve», «в современном мире») → блэклист языка
  текста (`references/word-blacklist-ru.md` и соседи).
- **Слой 2 — Синтаксис**: ритм (burstiness), форма абзаца, шаблоны («not just
  X, but Y», причастные хвосты) → `references/sentence-patterns.md`,
  `references/rhythm-burstiness.md`.
- **Слой 3 — Голос**: мнение, конкретика, признание, эмоция. Чинится
  добавлением, не правкой → `references/voice-and-soul.md` (техника),
  `references/voice-profile.md` (целевая интонация).

## Воркфлоу

1. Прочитай текст вслух — поймай ритм. Метроном = AI.
2. Голос уже откалиброван — читай `references/voice-profile.md`, не выбирай дефолтный.
3. **Светофорная разметка по абзацам**, до любой правки: красный (3+ маркера →
   полная перепись), жёлтый (1-2 → точечная правка), зелёный (чисто — НЕ
   ТРОГАТЬ: правка чистого абзаца вносит новые маркеры). Детали:
   `references/audit-techniques.md`.
4. Просканируй три слоя по reference-файлам, плюс
   `references/false-positives.md` перед любым вердиктом — маркер без
   плотности/корроборации не считается.
5. Драфт-перепись — не косметика: предложения уходят, абзацы схлопываются.
6. Аудит «почему это всё ещё AI» — назови 3-5 конкретных tells (чеклист:
   `references/sentence-patterns.md`). Самый важный шаг, тут заваливается
   большинство хуманайзеров. Длинный/ответственный текст — квад-пасс:
   `references/audit-techniques.md`.
7. Финальная перепись — убери названные tells.
8. Покажи: драфт → аудит (3-5 tells) → финал → сводка правок (опусти, если
   избыточна). Короткий текст (<200 слов): драфт и финал совмести.

## Канцелярит — самый рычаг для русского вывода

Канцелярит (Чуковский, Нора Галь) — рефлекс «звучит казённо» старше LLM;
RU-разборы используют его как ГЛАВНЫЙ читательский tell. Вычистка
`word-blacklist-ru.md` («следует отметить», «играет важную роль») даёт больше
подлинности на слово, чем любая английская техника
(`references/human-perception.md`).

## Чего НЕ делать

- Варьируй длину предложений: короткие предложения сами по себе ≠ человечно,
  школьное сочинение — не цель.
- Чини все три слоя сразу: охота только за «delve» оставит синтаксис
  машинным.
- Держись реальных историй автора — личные истории, которых не было, не
  придумывай.
- Сохраняй смысл: humanize — редактура, не пересказ.
- Референс бери только из этого скилла — сторонний Humanizer (QuillBot и
  т.п.) синонимирует и делает текст БОЛЕЕ AI.
- Мат в вывод не идёт — правило без исключений (выше).

Контр-техники: `references/voice-and-soul.md`.

## Lint-режим — проверка без переписывания

Триггеры: «проверь текст на AI», «lint the prose», «только найди tells».
Правила — ТОЛЬКО из блэклистов и sentence-patterns этого скилла; вывод —
`<файл>:<строка>: <правило> — <цитата-фрагмент>. <замена>.` Ничего не
редактирует; вердикт: `N tells / clean`. Наличие слова ≠ AI-текст — сигнал
это плотность плюс структура.

## Reference-файлы — читай по мере необходимости, не все сразу

| Файл | Что | Когда |
|---|---|---|
| voice-profile.md | **читай первым** — откалиброванный голос: 7 черт с цитатами, do/don't, правило мата | любая переписка/генерация |
| word-blacklist-en.md | AI-слова/фразы EN по функциям + правила пунктуации/жаргона | слой 1, английский текст |
| word-blacklist-ru.md | AI-слова/фразы RU по функциям + правила пунктуации/жаргона | слой 1, русский текст |
| sentence-patterns.md | шаблоны AI-предложений + замены + аудит-чеклист | слой 2, шаг аудита |
| rhythm-burstiness.md | burstiness, perplexity, как ломать ровный ритм | слой 2 |
| voice-and-soul.md | техника добавления голоса + контр-техники | слой 3 |
| before-after-library.md | примеры до/после (блог, тех-док, ADR, README) | нужен worked example |
| genre-calibration.md | уровень голоса по жанрам + impulse-suite жанры | выбор уровня под жанр |
| detection-mechanics.md | как устроены детекторы (Turnitin/SynthID/Pangram/ensemble) | вывод проваливает детекторы после блэклиста и ритма, или пользователь спрашивает почему флагают |
| human-perception.md | как AI-текст палят живые читатели: felt sense, канцелярит, uncanny valley | калибровка под человека |
| false-positives.md | каталог ложных срабатываний + позитивные признаки человека | перед ЛЮБЫМ вердиктом «это AI» |
| chatbot-copypaste-artifacts.md | механические улики (citation-leaks, UTM-хвосты, невидимый Unicode) | быстрая механическая проверка перед стилевым разбором |
| source-fabrication.md | детекция выдуманных цитат/DOI/ISBN, offline/online режимы | текст с цитатами/ссылками на источники |
| llm-fingerprints.md | стилевые приметы по моделям + RLHF-регистр «услужливого ассистента» | диагностика источника, ЧТО именно палят детекторы |
| statistical-tells.md | калиброванные числа: burstiness-пороги, TTR, плотность тире, HC3, readability по языкам | нужен countable-чек, а не ощущение |
| positive-craft.md | 11 позитивных свойств хорошей прозы | правка после снятия tells, апгрейд выше «нейтрально» |
| audit-techniques.md | квад-пасс, слепая верификация, contrastive subtraction, noise budget, DAMAGE | длинный/ответственный текст, аудит-шаг воркфлоу |
| register-conventions.md | что легитимно В ЭТОМ жанре (эконом-статьи, техдоки, маркетинг, Ogilvy, intensity-матрица) | специализированный жанр перед стилевой правкой |
| literary-logic-editing.md | структурный/логический редактор: 3-way split, законы логики, парцелляция, reverse-outline | аргумент/логика текста, не только стиль |
| word-blacklist-zh.md | китайские AI-маркеры: лексика, пунктуация, синтаксис, chengyu | китайский текст |
| zh-mechanical-detector.md | runnable-детектор для китайского: 6 мета-паттернов, sentence-role audit | механический lint для китайского |
| word-blacklist-de.md | немецкие AI-маркеры: four-part card, DACH-регионализмы, QGIR-стоп | немецкий текст |

## Before you finish

- Факт-замок держится: числа/даты/имена/цитаты совпадают с исходником, новой
  конкретики не добавлено?
- Мат в вывод не просочился?
- Все три слоя починены (лексика, синтаксис, голос), а не только «delve»?
- Аудит назвал 3-5 конкретных tells перед финальной перепиской?
- Голос соответствует `references/voice-profile.md`, а не generic human?

## Boundaries

Языки: RU и EN — полная глубина; ZH и DE — свои референс-файлы, менее полные;
остальные — общие механики напрямую, блэклисты строй на лету по образцу zh/de.
Не трогает код, коммиты, идентификаторы (`../../shared/communication.md`).
Не выдумывает факты ради достоверности (факт-замок). «stop impulse» /
«normal mode»: регистр чата выкл, генерация-триггер остаётся.