Was macht txtHumanizer?
Drei-Stufen-Humanizer für deutschsprachige Texte. ANALYSE → EMPFEHLEN → FEINABSTIMMUNG – evidenzbasiert nach Wikipedia KI-Erkennung v1.35. Via Capacium installierbar.
Drei-Stufen-Humanizer für deutschsprachige Texte. ANALYSE → EMPFEHLEN → FEINABSTIMMUNG – evidenzbasiert nach Wikipedia KI-Erkennung v1.35. Via Capacium installierbar.
Dieses Skill, LangeVC/txtHumanizer, ist ein spezialisierter Drei-Stufen-Humanizer für deutschsprachige Texte. Entwickelt für KI-Agenten wie Claude Code, Cursor oder Codex, ermöglicht es die Umwandlung von KI-generiertem Text in natürlich wirkenden, menschlichen Schreibstil. Der Prozess folgt einer evidenzbasierten Methodik: Zuerst wird der Text analysiert (ANALYSE), dann werden spezifische Änderungen empfohlen (EMPFEHLEN) und schließlich wird der Text feinabgestimmt (FEINABSTIMMUNG). Die Vorgehensweise basiert auf der etablierten Wikipedia KI-Erkennung v1.35, was eine hohe Effektivität bei der Reduzierung von KI-Erkennbarkeit gewährleistet. Die Installation erfolgt einfach über Capacium. Dieses Skill ist besonders nützlich für Content-Ersteller, Autoren und Entwickler, die deutschsprachige Texte natürlich und unauffällig gestalten möchten, ohne dabei die ursprüngliche Bedeutung zu verfälschen.
npx skills add LangeVC/txtHumanizerInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Drei-Stufen-Humanizer für deutschsprachige Texte. ANALYSE → EMPFEHLEN → FEINABSTIMMUNG – evidenzbasiert nach Wikipedia KI-Erkennung v1.35. Via Capacium installierbar.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.