企业官网建设流程全解析

yomiyasu 的核心机制：把AI日语改自然的7大转换原则详解

【免费下载链接】yomiyasuAI生成の日本語を自然な日本語へ推敲するAgent Skill / Agent Skill for Refining AI-Generated Japanese into Natural Japanese项目地址: https://gitcode.com/gh_mirrors/yo/yomiyasu

yomiyasu（よみやす）是一款专为 AI 日语生成内容设计的 Agent Skill，能把 AI 生成的日语推敲成自然、易读、信息密度高的日语。它不像传统"AI味去除工具"那样只靠禁止某些单词，而是通过 7 大转换原则，把句子的语法骨架（谁・做什么・怎么做）重新搭建起来。本文面向新手，用最少的前置知识讲透这套核心机制。

一、yomiyasu 是什么：给AI日语"脱味"的推敲技能

简单说：你把 AI 写的日语草稿贴给 AI 助手，说一句"把这篇文章改得更好读"，yomiyasu 就会按内置规则逐句改写，输出一篇没有"AI味"的自然日语。它主要面向技术文章、规格书、PR 说明、内部报告这类实务文体。

它的定位和安装方式如下：

• 加载方式：作为 Agent Skill 装入 Claude Code、Codex、Cursor 等 AI 编程环境，一条命令npx skills add nanaism/yomiyasu即可安装。
• 调用方式：自然语言指令，例如"把这篇文章改得更好读"或"消除 AI 味"。
• 规则载体：核心规则写在 SKILL.md 中，语法转换细则在 references/gemini-syntax.md，AI 高频用词黑名单在 references/slop-catalog.md。

关键问题来了：为什么只靠"禁用词表"救不了 AI 日语？因为 AI 日语的别扭之处不在个别单词，而在句子结构。把"触感"换成"实际"，句子依然拗口。yomiyasu 的答案就是下面这套 7 大转换原则。

二、7大转换原则详解：从句子骨架修复AI日语

这 7 条原则来自对语法研究和语料库定量分析的整理，完整定义见 references/gemini-syntax.md。下面逐条拆解。

原则1：SVOCM 完全复原——让每句话都能独立说明"谁做了什么"

AI 日语最典型的问题：主语的省略、被动语态、"这个""某一方"这类指示代词连发，导致读者需要脑内补完才能读懂。

yomiyasu 的做法是把句子复原成"S（动作主体）＋ O（对象）＋ V（动作）"的完整结构，且只补上下文里明确出现过的成分，绝不擅自虚构。

改写后单看这一句就懂，不用回头猜"相对照"是谁在照什么。

原则2：动作主体与作用范围明确——要求和功能说明各司其职

日语里主语常省略，句尾形式实际承担了"谁行动、是规定还是建议"的信息。AI 写作时往往不先定"文章立场"，导致方针体（〜します）、建议体（〜しましょう）、评价体（〜很重要）混杂在一起。

yomiyasu 会先把整篇文档的立场判定为三种之一——建议 / 规定 / 说明，再把所有句尾统一到该立场：

读者向的请求统一用"〜してください（请〜）"，功能说明统一用"〜できます（可以〜）"，各司其职。

原则3：非生物主语分解——别让概念"自己动"

"代码在诉说""系统在许愿"——给工具、概念配上情感和意志的拟人化，是 AI 日语的另一大病灶。这类句子读起来文艺，实际信息量为零，还掩盖了真正的行为主体。

yomiyasu 只拆解拟人化表达，客观描述（如"这个工具会收集日志"）会原样保留：

原则4：比喻动词技术操作化——把"悄悄坏掉"翻译成具体现象

这是 yomiyasu 最有辨识度的原则。"倒向""见效""融化""碾碎"这类 AI 偏爱的比喻动词，大多来自英语技术习语（silently fail、works for 等）的直译。

注意两个细节：一、比喻中隐含的"情感"（后悔、不易察觉）要用日常词保留下来；二、人类常用的惯用语（"手忙脚乱""冰融化"等）不属于 AI 比喻，原样保留。完整的替换对照表见 references/slop-catalog.md。

原则5：删除不必要的前置语、否定对比转为肯定

"重要的是""先说结论"这类自我标签式开场白，以及"A 不是、而是 B"式的假想否定对比，是 AI 用来撑篇幅的套路。

yomiyasu 的处理是"有条件下删"：删掉之后论点不变的前置语直接删；但如果否定本身承担了论点（读者容易误解为 A，作者特意纠正为 B），则保留否定、只把措辞改自然。

原则6：意义保持、防止无谓信息增补

改写最危险的副作用是"改着改着把原意改了"。yomiyasu 把意义保持设为最高优先级，改写前后必须保持四点不变：论点、信息比重、断言强度、句子功能。

具体规则包括：

• 不擅自增补原文没有的主体、条件、数值、例子、专业术语。
• 不削掉技术参数、版本条件、例外分支这类技术约束。
• 原文是推测就保持推测（"〜也有可能"不会被升格为断言）。
• 信息不足时不硬补，而是在输出末尾以"需要和作者确认的点"列出。

原则7：契合呼吸节奏的句长、逗号与装饰的抑制

最后一条管"读感"：目标句长平均 30～45 字，每句逗号 0～2 个；emoji、句尾冒号、em-dash（—）、不增加信息量的括号、英文单词前后的多余半角空格全部排除。

同时它也克制自己：不为了凑指标把句子切成"顺序就是一切。""需要决心。"这种断片式短句，也不因为"句子长"就机械拆句——只有当拆句后能用连接词保住因果和顺序关系时才拆。

三、原则如何落地：技能运行时的4步流水线

7 大原则不是口号，在 SKILL.md 中它们被编排成可执行的四步流程：

1. Step 1 上下文与段落把握：判定领域（tech 技术文章 / business 业务规格 / essay 随笔，分别对应 references/domains/ 下的三份领域规则），判定全文立场，确认意义四要点。
2. Step 2 文章改写：按上述 7 大原则逐句重写，所有改动记录在"变更之处"清单里，方便读者核对。
3. Step 3 静态检查（Linter）：运行随附的 scripts/yomiyasu_lint.py，把"AI 味"数值化（比喻动词、过多加粗、列表化、emoji 等逐项扣分），给出客观分数。
4. Step 4 差分检查（Diff）：运行 scripts/yomiyasu_diff.py 对比改写前后，专查"是否偷偷加了信息""是否漏了原文前提"，防止改写跑偏。

这种"LLM 负责改写 + 确定性脚本负责验收"的双层设计，避免了让 AI 自己给自己打分的自评偏差。

四、效果如何：160篇语料库的验证数据

项目在 tests/corpus/ 下维护了一个 160 篇规模的验证语料库：8 类实务文体 × 3 种语气风格（casual/default/formal）的原始 AI 输出、禁止词表式改写的对照输出、yomiyasu 改写输出，外加人类文书和边界值测试（"饭团""冰融化"等正当日语不误判）。

以异步处理的典型 AI 句为例，改写前后对比（完整版见 evals/comparison_benchmark.md）：

"谁在什么条件下会遇到什么问题"被完整还原——这正是 7 大原则合力产生的效果。

五、快速上手：安装与使用 yomiyasu 的3步

第 1 步：安装技能

npx skills add nanaism/yomiyasu

也可通过npx openskills install nanaism/yomiyasu装入 Cursor / Codex，或作为 Claude Code 插件安装，详见 README.md 的"安装"一节。

第 2 步：粘贴草稿并下指令

把这篇文章改得更好读。 （粘贴要修改的文本）

第 3 步：（可选）指定领域

想按特定文体调整时，加一句领域说明即可，例如"改得更好读，面向技术文章"（tech）、"面向业务规格"（business）、"面向随笔"（essay），省略时技能会从输入内容自动判断。

⚠️ 小提醒：如果环境里同时启用了其他日语校对类技能，指令会互相干扰，建议临时禁用后再使用 yomiyasu。

六、关键文件导航

七、小结：为什么是"转换原则"而不是"禁用词表"

回顾 yomiyasu 的 7 大转换原则：SVOCM 复原、立场统一、非生物主语分解、比喻动词具体化、前置语与否定对比整理、意义保持、句长与装饰抑制。

它们的共同点是把改写单位从"单词"升维到"句子结构和文档立场"。单词表只能堵住一个出口，换个近义词 AI 味照样漏出来；而语法骨架修复后，"谁在什么条件下做了什么"自然浮出水面——这才是 AI 日语读起来别扭的真正病根，也是 yomiyasu 作为 Agent Skill 的核心机制所在。

【免费下载链接】yomiyasuAI生成の日本語を自然な日本語へ推敲するAgent Skill / Agent Skill for Refining AI-Generated Japanese into Natural Japanese项目地址: https://gitcode.com/gh_mirrors/yo/yomiyasu