企业官网建设流程全解析

AI味十足的日语秒变自然！Agent Skill「yomiyasu」是什么？新手完全指南

【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）是一款专攻「把 AI 生成的日语推敲成自然日语」的Agent Skill。它可以加载到 Claude Code、Cursor、Codex 等 AI 编码环境，让充满"AI 味"的技术文章、规格书、PR 描述秒变通顺、信息密度高的自然日语，并自带一款能把"AI 味"量化打分的 linter 工具。本指南面向新手，讲清楚 yomiyasu 是什么、为什么需要它、如何安装和使用，以及如何验证效果。

一、为什么日语的"AI味"特别明显？🤔

AI 写日语时，总会带上一些"AI 专属"的笔触。下面这些典型表达，相信你看一眼就能认出来：

这种现象在技术文章中尤为突出——Qiita 的 7 万篇文章调查就量化了 AI 普及后加粗与项目符号的急剧膨胀。yomiyasu 要解决的，正是这种"AI 特有的读起来费劲"。

这些"AI 标志表达"的完整清单，整理在 references/slop-catalog.md 中，每个词条都附带修正方针。想弄清自己的日语为什么"一股 AI 味"，这份目录非常值得一读。

二、yomiyasu 是什么？3 分钟搞懂核心概念 ⚡

Agent Skill是一种可以被 AI 助手（Claude Code、Cursor、Codex 等）加载的"技能包"：把规则写成 Markdown 文件放进环境，AI 在写作和改写文章时就会自动遵循它。

yomiyasu 本质上就是把"资深日语编辑的推敲检查清单"变成 AI 可执行的技能。完整规则在 SKILL.md 中，为新手概括一下它的7 个核心转换原则：

1. 恢复主语与动作：明确"谁做什么"，把"これ（这个）""片方（一方）"等模糊指示代词还原成具体名词
2. 动作主体明确化：对读者的要求用"〜してください（请…）"，功能说明用"〜できます（可以…）"
3. 拆解非生物主语："代码在诉说"这类拟人句，改写成人或系统的客观动作
4. 比喻动词具体化："壊れる""潰す""溶かす""効く"等比喻，换成直接操作或客观状态变化
5. 删掉多余的前置语："重要的是…"直接省掉，从要点主句开始写
6. 保持意义、不增补信息：不改原意、不擅自添加原文没有的事实，不损伤技术约束与数值
7. 调整节奏：平均句长以 30～45 字为目标，清除 emoji、句末冒号、过量加粗

💡 关键设计哲学：yomiyasu 不只是做"禁词替换"，而是重建句子的语法骨架——这正是它替换后不会留下"残留 AI 味"的原因，也是项目名"よみやす（读得轻松）"的由来。

三、前后对比：效果一目了然 ✨

项目内置了三方对比验证数据（evals/comparison_benchmark.md）：人类原文 vs 素 AI 输出 vs yomiyasu 处理后。先看业务文档实例：

修正前（AI 生成）：

在这里重要的是，不只是部件的共通化，而是作为组织决策 OS 的治理。 在以往的开发中，我们一边探屏的手触り感一边做部件。但是只看一边做屏的话，另一边的可访问性就会静静地破坏。所以通过放置设计系统这一牢固的基台，开发者的解像度会再上台阶。 ……这一点在日常开发中默默地发挥作用。请一定参考一下！

yomiyasu 处理后：

导入设计系统的目的，是减轻从零制作按钮、输入框等 UI 部件的负担，以便集中到整个画面的信息设计上。 如果各部件的外观和可访问性要求已事先定义，设计师和开发者就能顺畅地推进代码的记述和画面切换的实现。 导入并不意味着设计工作变得不必要。但通过削减简单部件制作的工数，时间可以集中到本来应重视的易用性验证和品质提升上。

改善点：比喻动词（"静静地破坏""默默地发挥作用"）→ 具体描述；空洞流行语（"手触り感""决策 OS""解像度"）→ 具体作业内容；过量加粗和项目符号 → 读得下去的正文。

量化数据：AI 味评分 33 → 100

项目自带的 linter（yomiyasu_lint.py）对同一篇文档的实测结果：

AI 味十足的文本"AI 味评分"只有 33 分，经过 yomiyasu 处理后直接满分通过。

四、快速安装：3 种方法，1 分钟搞定 🚀

前置条件：本机有 Node.js 环境（能使用npx命令）。

方法 1：npx skills（推荐）

# 全新安装 npx skills add nanaism/yomiyasu # 更新到最新版 npx skills update yomiyasu

安装到 Claude Code 等 Agent 的设置目录中。

方法 2：npx openskills（适合 Cursor / Codex 等）

npx openskills install nanaism/yomiyasu npx openskills sync

通过AGENTS.md让各 Agent 都能调用该技能。

方法 3：手动放置（想先看看内容再装）

git clone https://gitcode.com/gh_mirrors/yo/yomiyasu

把 skills/yomiyasu/ 目录的内容复制到你 Agent 的技能目录即可，结构完整、自包含。

⚠️ 注意：如果同一环境里还启用了其他日语文体调整类技能，指令会互相干扰、输出可能变乱。使用 yomiyasu 时建议暂时停用类似技能。

五、使用方法：粘贴 + 一句话，就这么简单 📝

不需要复杂配置，把草稿粘贴给 AI，直接说：

把这篇文章改得容易读一些。 （在这里粘贴要修正的文章）

想针对特定用途调整文体，可以指定domain（省略时会根据输入内容自动判别）：

各领域的差异化规则见 references/domains/ 目录：

• references/domains/tech.md：加粗限制在每千字 1～2 处，项目符号占比 15% 以下，重点恢复可复现的操作步骤
• references/domains/business.md：排除比喻表达，明确边界条件与责任主体
• references/domains/essay.md：避免夸张的"教训化"，保留朴素的感情和实感

输出格式统一为：改写后正文 + 变更点 + 需要向作者确认的事项，改了什么、为什么改，一目了然。

六、附加工具：AI 味量化 linter 🔍

项目自带静态检查脚本 scripts/yomiyasu_lint.py，把文章"AI 味"（比喻动词、过量加粗/项目符号、emoji、句末冒号、同一句尾连续出现等）量化成 0～100 分的评分报告。只依赖 Python 标准库，零第三方包：

# 检查 Markdown 文件 python3 scripts/yomiyasu_lint.py README.md # 严格模式：有警告时返回退出码 1（适合 CI 或 Git hook） python3 scripts/yomiyasu_lint.py article.md --strict

另外还有 scripts/yomiyasu_diff.py，可以对比"原文 vs 改写后"，检查改写过程中有没有悄悄增删信息、句尾立场有没有跑偏——相当于给"保持意义不增补"这条铁律上了双保险。

七、仓库结构：按需查阅 📂

仓库结构很简洁，按需求对号入座即可：

八、关于开发团队 🏢

yomiyasu 由ALGO ARTIS开发——一家专注于电力、海运、铁路等社会基础设施优化问题的初创公司，自研启发式优化算法与业务系统。下面的图片就是他们的团队 Logo：

仓库以MIT License开源，学习、研究、商用引用均可自由使用。

总结

• 是什么：把"AI 味日语"润色成自然日语的 Agent Skill，专为技术文章、业务文档、PR 说明等实务写作设计
• 怎么做：7 大转换原则重建语法骨架，而不只是禁词替换
• 怎么用：粘贴文章 + 一句"改得容易读一些"，可选指定 tech / business / essay 领域
• 怎么验证：内置 linter 量化 AI 味评分，实测 33 分 → 100 分

如果你的 AI 写作总是"读着别扭却说不出哪里不对"，装一个 yomiyasu，是目前见效最快的日语"脱 AI 味"方案。

【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