이 레포가 무엇을 하는 물건인가.
ChatGPT·Claude가 써준 글에는 묘하게 똑같은 냄새가 난다 — "~의 증거로 작용한다", "뿐만 아니라", "끊김 없고 직관적인", 끝없는 줄표(—). Humanizer-zh는 그 냄새를 24가지 패턴으로 목록화하고, 발견하면 사람이 쓴 것처럼 다시 쓰게 만드는 Claude Code 스킬이다. 그리고 그 "에디터"의 정체는 실행 코드가 0줄인 SKILL.md 단 한 파일이다.
Humanizer-zh는 영어 원작 blader/humanizer의 중국어 번역판으로, 위키백과의 "Signs of AI writing"(AI 글쓰기 특징) 문서를 토대로 만들어졌다. 사용자가 /humanizer-zh를 호출하고 AI가 쓴 텍스트를 주면, 스킬이 24가지 "AI 흔적" 패턴을 스캔해서 자연스러운 문장으로 재작성하고, 마지막엔 5개 항목 50점 만점으로 자기 결과를 채점한다.
이 레포의 정체를 한 문장으로 정의하면: "잘 설계된 자연어 프로그램(SKILL.md) 한 장 + 그것을 어디에 설치하는지 알려주는 README". 그래서 두 갈래로 읽을 수 있다. ① 스킬 엔지니어링(SKILL.md를 어떻게 구조화하고 배포하는가 — 에이전트 시대의 새로운 "코딩"), ② 글쓰기 지식(AI 글의 통계적 버릇 24가지와, 그걸 사람 문장으로 바꾸는 사고법).
SKILL.md 한 장으로, 평소엔 짧은 설명만 메모리에 두다가 관련 작업이 들어오면 본문 전체를 펼쳐 읽는다. 코드가 아니라 잘 쓰인 지시문이 곧 기능이라는 점이 특징.트렌딩 이유 · 경쟁 대비 장점.
겨우 6개 커밋, 파일 4개짜리 레포가 별 6,600개 + 포크 543개를 모았다. 이유는 명확하다. 2026년에는 글의 상당수가 AI 초안에서 출발하는데, 그 결과물엔 누구나 알아채는 "AI 티"가 배어 있다. 사람들은 그걸 지우고 싶어 하지만 "무엇이 AI 티인지"를 콕 집어내지 못한다. Humanizer-zh는 그 막연함을 24개의 구체적 패턴 + before/after 예시로 번역해 주기에 폭발적으로 퍼졌다. 세 가지 차별점이 있다.
| 비교 항목 | 일반 "휴머나이저" 웹서비스 | Humanizer-zh |
|---|---|---|
| 작동 방식 | 블랙박스(무슨 규칙인지 안 보임) | 24패턴을 전부 공개(감시단어+예시) |
| 주 목적 | AI 탐지기 회피(눈속임) | 글 품질 향상(명시적으로 회피 아님 선언) |
| 형태 | 유료 SaaS·구독 | 오픈소스 스킬(MIT, 로컬 실행) |
| 출처 | 불명 | 위키백과 AI Cleanup 프로젝트 기반 |
| "사람다움" | 동의어 치환 수준 | "영혼 주입"(관점·리듬·1인칭)까지 |
대부분의 "humanize" 서비스는 무슨 처리를 하는지 보여주지 않는다. Humanizer-zh는 24개 패턴 각각에 "감시할 단어 목록 + 왜 문제인지 + 고치기 전/후"를 모두 적어둔다. 그래서 도구를 안 쓰고 사람이 직접 적용할 수도 있고, 무엇보다 읽는 사람이 "AI 글의 버릇"을 학습하게 된다. 도구이자 교재다.
README는 마지막에 "이 도구는 AI 탐지기를 '속이기' 위한 게 아니라, 진짜로 글 품질을 높이기 위한 것"이라고 못 박는다. 가장 좋은 "탈AI화"는 진짜 사람의 생각과 목소리를 담는 것이라는 입장이다. 이 선언이 단순 회피 도구들과 선을 긋는다.
막상 AI 초안을 다듬으려 하면, 어디가 문제인지 손에 잡히지 않는다. "뭔가 어색한데…" 하고 넘어가거나, 동의어만 바꿔 똑같이 밋밋한 글이 된다. 패턴 언어가 없으면 문제를 명명할 수 없고, 명명할 수 없으면 고칠 수 없다.
개발 관점의 매력도 크다. 이 레포는 "좋은 Claude Code 스킬은 어떻게 생겼나"의 모범 답안이다. YAML 프런트매터(name·description·allowed-tools)부터, 작업 절차 → 핵심 규칙 → 패턴 카탈로그 → 체크리스트 → 자기채점으로 이어지는 SKILL.md 구성은, 자기만의 스킬을 만들려는 사람에게 그대로 베껴 쓸 골격이 된다.
이 레포를 떠받치는 부품들 — "기술 스택이 없다는 게 핵심".
이 레포에는 빌드 도구도, 의존성도, 실행 코드도 없다. package.json조차 없다. 그래서 "스택"은 에이전트 스킬이라는 새 패러다임 그 자체로 읽어야 한다 — 프로그램의 본체가 코드가 아니라 자연어 명세서(SKILL.md)인 세계다.
| 파일 | 역할 |
|---|---|
| SKILL.md | 스킬의 본체(484줄). 프런트매터 + 24패턴 + 채점 루브릭. 이게 곧 "프로그램" |
| README.md | 설치법·사용 예시·24패턴 요약(사람용 안내서) |
| LICENSE | MIT(원작 라이선스 승계) |
| .gitignore | 잡파일 제외(41바이트) |
| 요소 | 설명 |
|---|---|
| 실행 엔진 | Claude Code(또는 skills 규격 호환 에이전트). 스킬을 읽고 그대로 행동하는 주체가 곧 런타임 |
| YAML frontmatter | name·description·allowed-tools·metadata — 에이전트가 "언제·무슨 권한으로" 이 스킬을 쓸지 판단하는 메타데이터 |
| allowed-tools | Read·Write·Edit·AskUserQuestion — 이 스킬이 쓸 수 있는 도구를 선언적으로 제한(안전 경계) |
| 배포 채널 | npx skills add <git-url> 또는 ~/.claude/skills/에 직접 복사 |
---로 감싼 메타데이터 블록. SKILL.md에서는 스킬의 이름·설명·허용 도구·트리거를 키-값으로 적는다. 에이전트는 평소 이 description만 읽고 있다가, 관련 작업이 오면 본문 전체를 펼친다.SKILL.md = 신입 에디터에게 주는 "교정 매뉴얼", Claude = 그 매뉴얼을 읽고 일하는 에디터, allowed-tools = 그가 만질 수 있는 도구(빨간펜만, 파쇄기는 금지). 회사는 새 직원에게 코드를 심는 게 아니라 잘 쓰인 매뉴얼을 건넨다. 매뉴얼이 좋을수록 결과가 좋아진다 — 이게 "프롬프트가 곧 프로그램"인 에이전트 스킬의 세계다.
스킬이 어떻게 발동하고 글을 고치는가 + 핵심 설계 패턴.
이 스킬에서 가장 배울 만한 구조다. 24개 패턴이 모두 동일한 3단 틀로 쓰여 있다 — ① 감시할 단어 목록(에이전트가 기계적으로 스캔할 신호), ② 왜 문제인가(판단 기준), ③ 고치기 전 → 후 예시(목표 산출물). 추상적 지시("자연스럽게 써라") 대신 탐지 가능한 신호 + 모범 변환을 줘서, LLM이 흔들림 없이 따라 하게 만든다.
# SKILL.md 패턴 1번 — 3단 구조 그대로
### 1. 과도한 의미·유산·거대 담론 부여
감시 단어: ~의 증거/체현/상징, 결정적 순간,
끊임없이 진화하는 지형, ~에 기여한다, 초석을 놓다 …
문제: LLM은 사소한 사실에 "더 큰 흐름의 일부"라는
문장을 덧붙여 중요성을 과장한다.
Before: 카탈루냐 통계청 설립은 스페인 지역통계
발전사의 결정적 순간을 상징한다.
After : 카탈루냐 통계청은 1989년 설립돼 지역 통계를
수집·발표한다.대부분의 휴머나이저가 "나쁜 패턴 제거"에서 멈추는데, 이 스킬은 한 단계 더 간다. "무균(無菌)의 글은 기계 티가 그대로 난다"며, 흔적을 지운 뒤 사람의 목소리를 적극적으로 더하라고 지시한다 — 관점 갖기, 문장 리듬 변주, 복잡한 감정 인정, 적절한 1인칭, 약간의 '어수선함' 허용, 감정의 구체화. "깨끗하게"를 넘어 "살아있게"가 목표다.
AI 글 교정을 "감점 요소 제거"로만 보면 결과가 밋밋한 평균값으로 수렴한다. "제거 → 주입" 2단 구조는 방어(나쁜 버릇 제거)와 공격(개성 부여)을 분리해, 단순히 "안 틀린 글"이 아니라 "읽고 싶은 글"을 지향하게 만든다. 글쓰기 코칭의 핵심 통찰이 설계에 박혀 있다.
스킬은 결과물을 그냥 내놓지 않고, 직접성·리듬·신뢰도·진정성·간결성 5개 축을 각 10점으로 채점해 합계 50점을 매긴다. 45점 이상이면 통과, 35점 미만이면 재작업. LLM이 자기 출력을 정량 기준으로 되돌아보게(self-critique) 하는 루프를, 외부 코드 없이 프롬프트만으로 구현한 사례다.
| 채점 축 | 10점(좋음) | 1점(나쁨) |
|---|---|---|
| 직접성 | 사실을 바로 진술 | 군더더기·뜸들이기 가득 |
| 리듬 | 장·단문 교차 | 기계적 반복 |
| 신뢰도 | 독자 지능 존중·간결 | 과잉 설명 |
| 진정성 | 사람이 말하는 듯 | 기계적·뻣뻣 |
| 간결성 | 덜어낼 게 없음 | 불필요한 말 다수 |
파일은 4개뿐 — 진짜 구조는 SKILL.md "안쪽"에 있다.
구조의 핵심은 "파일 수가 아니라 SKILL.md의 내부 골격"이다. 좋은 스킬은 ① 메타데이터(언제 발동·무슨 권한) → ② 작업 절차(무엇을 어떤 순서로) → ③ 지식 카탈로그(판단 기준+예시) → ④ 자기검증(체크리스트·채점)으로 이어진다. Humanizer-zh는 이 골격을 교과서적으로 갖췄다.
이 레포에서 실제로 무엇을 배울 수 있는가. 두 갈래로 읽자.
자기만의 Claude Code 스킬을 만들려는 사람에게 이 레포는 살아 있는 템플릿이다. frontmatter(name·description·allowed-tools) → 작업 절차 → 지식 카탈로그 → 자기검증이라는 골격을 그대로 베껴, 주제만 바꾸면 된다. 특히 description을 "언제 발동할지" 잘 적는 게 스킬 품질의 절반이라는 걸 체감할 수 있다.
description에 트리거 문구를 어떻게 적었는지 분석하고, 내 주제(예: "이메일 정중체 변환")로 frontmatter를 새로 써 보기.에이전트는 모든 스킬 본문을 항상 들고 있지 않는다. 평소엔 description만 보다가, 관련 작업이 오면 본문을 펼친다. 이 점진적 공개 원리를 이해하면, 왜 description을 정확히 써야 하고 본문은 길어도 되는지 알게 된다.
allowed-tools: [Read, Write, Edit, AskUserQuestion]로 스킬이 할 수 있는 일을 선언적으로 제한하는 안전 설계, 그리고 npx skills add <git-url> 한 줄로 깃 저장소를 스킬 디렉토리에 설치하는 배포 표준을 배운다.
24패턴은 곧 "LLM이 통계적으로 가장 무난한 단어를 고른 결과"의 목록이다. 삼항식 나열, 부정식 대구("~뿐 아니라 ~다"), -ing 분석, 과한 의미 부여가 왜 생기는지 이해하면, AI 초안을 받았을 때 어디를 봐야 할지 눈이 트인다. 이건 글쓰기 일반에도 통하는 안목이다.
각 패턴의 before/after 쌍은 그 자체로 훌륭한 작문 교본이다. 추상 → 구체(전문가들은 중요하다고 본다 → 2024년 NYT 인터뷰에서 그는…), 나열 → 핵심으로 바꾸는 변환 습관을 들이면, AI 글뿐 아니라 내 글도 단단해진다.
16번(제목 대문자)·18번(굽은 따옴표)은 영어/중국어 특유라 한국어엔 그대로 안 맞는다. 반대로 한국어엔 "~적(的)" 남용, 번역투("~에 대하여", "~를 통하여"), 과한 피동 같은 별도 패턴이 있다. 이 레포를 발판으로 "한국어판 AI 흔적 패턴"을 직접 정리해 보는 게 최고의 학습이다.
무엇이 있어야 쓰는가 — "런타임은 Claude 자신".
| 항목 | 요구 |
|---|---|
| 실행 환경 | Claude Code(터미널) 또는 skills 규격 호환 에이전트. 별도 서버·빌드 불필요 |
| 설치 도구 | npx(Node) 또는 git — 스킬 폴더에 복사만 하면 끝 |
| 리소스 | 사실상 없음. 텍스트 파일 한 장이라 디스크·메모리 부담 0 |
| 언어 | 중국어판. 한국어 글에 쓰려면 패턴 일부 보정 권장(아래) |
# 방법 1) npx 한 줄 설치(권장)
npx skills add https://github.com/op7418/Humanizer-zh.git
# 방법 2) git clone 으로 스킬 디렉토리에 직접
git clone https://github.com/op7418/Humanizer-zh.git \
~/.claude/skills/humanizer-zh
# 방법 3) 폴더 구조(수동 설치 시)
~/.claude/skills/humanizer-zh/
├── SKILL.md # 스킬 정의(중문)
└── README.md
# 사용: Claude Code 재시작 후
/humanizer-zh 이 글에서 AI 티를 없애줘: [텍스트…]"사람답게" 만든다고 없는 디테일을 지어내면 안 된다. 패턴 예시들이 "구체 사실로 치환"을 권하지만, 그건 실제 사실이 있을 때의 이야기다. 출처가 없으면 모호함을 줄이되 허위를 만들지 말 것. 또한 이 스킬은 "탐지기 회피"가 목적이 아님을 기억하자 — 학술 제출물 등에서 AI 사용 규정은 별도로 지켜야 한다.
난이도별 — 읽기만 하지 말고 손으로.
최근 ChatGPT/Claude로 뽑은 글 한 편을 /humanizer-zh로 돌리고, 결과를 직접 5차원 루브릭(직접성·리듬·신뢰도·진정성·간결성)으로 매겨 본다. 원문과 결과를 나란히 두고 어떤 패턴이 사라졌는지 표시.
스킬을 켜지 않고, SKILL.md의 24패턴 표만 보면서 사람이 직접 AI 문단을 고쳐 본다. 그다음 스킬 결과와 비교해 "내가 놓친 패턴"을 찾는다. 도구 의존 없이 안목을 기르는 훈련.
한국어 AI 글 특유의 흔적(번역투 "~에 대하여", "~적(的)" 남용, 과한 피동, "~라고 할 수 있다" 남발 등) 5개를 골라, before/after 예시까지 갖춘 25~29번 패턴으로 SKILL.md에 추가한다.
Humanizer 골격을 본떠 다른 주제의 스킬을 처음부터 만든다(예: "회의록 정리기", "정중한 거절 이메일 변환기"). frontmatter·작업절차·예시·체크리스트·채점을 갖추고 ~/.claude/skills/에 설치해 실제로 발동시켜 본다.
③+④를 합쳐 한국어 완전판 Humanizer-ko를 포크로 만들고, npx skills add로 설치되도록 정리해 깃허브에 공개한다. README에 한국어 예시·설치법을 작성하고, 원작/라이선스(MIT) 출처를 명시한다.
이 레포를 발판 삼아 4주 코스. 두 트랙을 병행한다.
| 주차 | 스킬 엔지니어링 트랙 | 글쓰기 트랙 |
|---|---|---|
| 1주차 기초 | Claude Code 스킬 개념·설치(npx skills add)·frontmatter 구조 이해. Humanizer-zh를 설치해 발동시켜 보기 | 24패턴 정독 + 내 AI 글에서 패턴 찾기. "AI 티"의 정체 파악 |
| 2주차 적용 | progressive disclosure·allowed-tools 원리. 기존 스킬 3~4개 SKILL.md 구조 비교 분석 | before/after 변환 반복 훈련 + 5차원 채점 습관화. "제거→주입" 2단 사고 익히기 |
| 3주차 제작 | 나만의 SKILL.md 스킬 작성(frontmatter→절차→카탈로그→채점 골격) | 한국어판 AI 흔적 패턴 정리(번역투·피동·~적 남용 등) 25~29번 추가 |
| 4주차 공개 | 스킬을 깃허브에 배포·문서화. npx skills add 설치 검증, 라이선스 명시 | Humanizer-ko 완성 + 자기 글 워크플로에 상시 적용 |
Humanizer-zh의 진짜 교훈은 "좋은 지식(글쓰기 규칙)을 좋은 그릇(SKILL.md)에 담는 법" 그 자체다. 3주차쯤이면 두 트랙이 만난다 — 내가 정리한 한국어 글쓰기 안목을, 재사용 가능한 에이전트 스킬로 박제하는 경험. 이게 에이전트 시대의 "지식 자산화"다.
이 레포를 읽을 때 자주 나오는 용어.
~/.claude/skills/에 설치된다.--- 블록의 메타데이터. name·description(발동 조건)과 allowed-tools(쓸 수 있는 도구 제한)를 적는다. 에이전트의 "권한·트리거 명세".description만 메모리에 두다가, 관련 작업이 오면 본문 전체를 펼치는 방식. 토큰을 아끼면서 많은 스킬을 동시에 보유하게 해준다.원본과 더 깊이 파고들 자료.
· GitHub 저장소(중문판): github.com/op7418/Humanizer-zh
· 영어 원작: github.com/blader/humanizer
· 도구(체크리스트·채점) 참고: hardikpandya/stop-slop
· Wikipedia — Signs of AI writing: en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing
· WikiProject AI Cleanup: en.wikipedia.org/wiki/Wikipedia:WikiProject_AI_Cleanup
· Claude Code 스킬 문서: code.claude.com/docs/en/skills
· Anthropic — Agent Skills 소개: claude.com/blog/skills