CommunitySchreiben & Editierengithub.com

deai – KI-Geschmack aus chinesischen Texten entfernen

Ein Agent-Skill, der chinesische Webromane, Belletristik, Artikel und Titel von KI-Typizität befreit: mit gestaffelter 5-Stufen-Pipeline, A/B/C-Regelwerk und Modi für Bereinigung, Refaktorisierung, Erkennung und Neuschreiben.

Was ist deai – KI-Geschmack aus chinesischen Texten entfernen?

deai ist ein spezialisierter KI-Agent-Skill, der darauf ausgelegt ist, chinesische Texte (Webromane, Belletristik, Sachtexte, Titel) von typischen „KI-Flavor“-Mustern zu befreien – ohne dabei die menschliche Schreibweise zu verfälschen. Der Skill kombiniert Erkenntnisse aus vier Quellen (human-writing, lieflat, sepia, oh-story) und organisiert die Verarbeitung in einer strengen 5-Stufen-Pipeline: Vorkalibrierung, Architekturprüfung, Absatzbereinigung, Satz-Gates und finale Skript-Bereinigung. Entscheidend ist die vorgeschaltete Klassifizierung von Textgattung und gewünschtem Modus (Bereinigung, Refaktorisierung, Erkennung, Neuschreiben) sowie die Beachtung von Autorenstilen. Das Regelwerk ist hierarchisch in A (zwingend), B (weich, nur mit Zustimmung) und C (verboten) unterteilt; Konflikte werden nach der Priorität „Autorenstil > C > A > B“ gelöst. Der Skill ist für Claude Code optimiert, lässt sich aber sinngemäß auf andere Entwickler- und Schreibplattformen übertragen. Ziel ist es, Texte „wie von einem Menschen geschrieben“ wirken zu lassen, nicht einfach alle KI-Spuren zu tilgen – eine übermäßige Bereinigung würde neue, erkennbare Muster erzeugen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add wei125775-lab/deai

Installed? Explore more Schreiben & Editieren skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

deai · KI-Geschmack entfernen – Gesamtansatz

Ein Satz: KI-Geschmack steckt nicht nur in Wörtern, sondern tief in der Struktur. Zuerst Genre und Stufe bestimmen, dann in fünf aufeinander aufbauenden Schritten vorgehen – Löschbares zuerst löschen, strukturelle Probleme vor Wortebene angehen, verbotene Wörter erst am Ende mit Skripten auf Null setzen. Ziel ist es, den Text so zu ändern, dass er „wie von einem Menschen geschrieben“ wirkt, nicht „alle KI-Merkmale zu entfernen“: Übermäßiges Löschen erzeugt neue Erkennungsmuster, noch unechter als zuvor.

Quellen und ihre Zuständigkeiten

QuelleLiefert
human-writing (KKKKhazix/human-writing)Wortverbote, Materialanforderungen, sieben Überarbeitungsdurchgänge
lieflat (less-ai-tone, shiujan)Satz-Trigger-Markierungen, Anti-Falschtreffer-Tabelle, Informationserhaltung
sepia (Nanako0129/sepia)Diagnose der narrativen Architektur, Kalibrierungsphilosophie (nur 3–5 Aktionen auswählen, Leerstellen lassen)
oh-story deslop (worldwonderer/oh-story-claudecode)Webroman-Gates A–G, Quantifizierung von Verboten, Schutz vor übermäßiger Bereinigung

Dieser Skill ist der Hauptablauf; die Referenzen enthalten anwendbare Regeln aus den jeweiligen Schichten – siehe für Details die einzelnen Quellen. Regeln sind mit Stufen versehen; Konflikte werden nach Stufe entschieden. Quellen und Lizenzdetails siehe SOURCES.md.

Schritt 1 · Drei Dinge festlegen (erst sprechen, nicht gleich handeln)

  1. Genre: Fiktional (Webroman/Roman-Text)? Nicht-fiktional (Zhihu/Artikel/Kommentare)? Titel? Gemischt?
  2. Stufe – Herausfinden, was der Benutzer möchte; bei Unsicherheit nachfragen:
    • Bereinigung: Nur den KI-Geschmack aus der Sprache entfernen, die Handlungsstruktur unangetastet lassen. Am häufigsten verwendet, auch der Standardmodus.
    • Refaktorisierung: Struktur/Handlungsgerüst darf verändert werden. Nur wenn der Benutzer es ausdrücklich erlaubt („Struktur darf sich ändern“, „Schreibe dieses Kapitel neu“), sonst immer als Bereinigung behandeln.
    • Erkennung: Nur melden, nichts ändern.
    • Neuschreiben: Von Null an schreiben, Standardeinstellung ist „KI-Geschmack entfernt“.
  3. Stilgrundlage: Gibt es in der Nähe des vom Benutzer gegebenen Textes ein Autorenstil-Dokument (Schreib-DNA, Stilmuster, ältere Manuskripte desselben Autors)? Wenn ja, zuerst lesen – Gewohnheiten des Autors haben Vorrang vor allen Regeln; was er normalerweise so schreibt, gilt nicht als KI-Geschmack (gleiche Regel wie lieflat, sepia).

Zu Beginn die Festlegung klar kommunizieren: „Dieser Abschnitt wird als ›Fiktional × Bereinigung‹ behandelt, Stilvorlage vorhanden/nicht vorhanden; falls strukturelle Auffälligkeiten gefunden werden, markiere ich sie, verändere sie aber nicht.“

Die fünf aufeinander aufbauenden Schritte

SchrittWas wird gemachtLeseAnwendbare Stufen
0 VorprüfungMaterial-/Informationserhaltung, Sprecherposition, Webroman-Falschtreffer vermeidenreferences/calibration.mdAlle
1 ArchitekturDiagnose der fiktionalen Struktur; 2–5 Aktionen auswählen; Symptome zuerst melden, vor Änderung Genehmigung einholenreferences/architecture.mdRefaktorisierung/Neuschreiben. Bereinigungsstufe überspringt Änderungen, markiert aber Symptome und gibt Hinweise
2 Absätze löschenFalsche Tiefe/Wasser/Performance-Absätze löschen; Ende etwas früher setzenreferences/passes.mdBereinigung + Refaktorisierung
3 Satz-GatesJeden Satz auf A–G-Trigger prüfen, bei Treffer minimale Änderungreferences/gates.mdBereinigung + Refaktorisierung
4 Auf Null setzenHarte Verbote + Satzzeichen + Jargon, mit Skript quantifizierenreferences/hard-bans.md + scripts/check_deai.pyBereinigung + Refaktorisierung
5 KaltlesenRegeln vergessen und nochmals lesen: Welcher Abschnitt wirkt, als ob ein Modell eine Schreibaufgabe erledigt? Welcher Satz sagt mehr als das Material hergibt? Wo wäre der Text eigentlich schon zu Ende?Letzter Abschnitt von references/passes.mdÜberarbeitungsartige Texte

Reihenfolge ist eisern: Erst Struktur, dann Wörter; Löschen/Umstellen vor Umschreiben; Skripte zuletzt. Wenn die Struktur Mängel aufweist, aber nur auf Satzebene geändert wird, wird der KI-Geschmack noch deutlicher (sepia: architecture before word choice).

Stufen-Schiedsgericht (löst Konflikte zwischen verschiedenen Regelsammlungen)

Jede Regel in den Referenzen trägt eine Stufe:

  • A – Hartes Signal – Mehrere Quellen unabhängig übereinstimmend, oder praktisch stabil und mit Skript quantifizierbar. Treffer müssen geändert werden.
  • B – Weiches Signal – Einzelquellen-Urteil, oder benötigt Kontext/Autorenstil/Submodell. Markieren und dem Benutzer zur Entscheidung vorlegen, nicht eigenmächtig ändern.
  • C – Verboten zu ändern – Sieht aus wie KI-Geschmack, ist aber praktisch nicht haltbar, oder gehört zum Branchenstandard von Webromanen / zum Autorenstil. Nicht anfassen.

Priorität: Autorenstil-Dokument > C (verboten) > A (hart) > B (weich). Referenzen: Die „Nicht als Änderungsgrund“-Tabelle von lieflat, die Webroman-Falschtreffer von sepia, die „Erhaltung der kreativen Absicht/des Autoren-Angewohnheiten“ von oh-story. Wo genau jede Regel eingeordnet ist, siehe Kennzeichnungen in references/gates.md, references/hard-bans.md, references/calibration.md.

Zwei Änderungsarten, klare Arbeitsteilung

  • Architekturebene: Zurückhaltend. Pro Abschnitt/Kapitel nur 2–5 Aktionen auswählen, den Rest unangetastet lassen. Alles auf einmal ändern = neue Erkennungsmuster erzeugen.
  • Satz-/Null-Ebene: Gründlich. Treffer sofort ändern, minimale Änderung, Skripte setzen auf Null.

Die gleichzeitige Auswahl von Architektur-Aktionen und Satz-Nullstellung mag widersprüchlich wirken – die Trennung in Schichten ist genau der Sinn dieser Kette, nicht vermischen.

Harte Leitplanken (gelten jederzeit)

  1. Nichts erfinden. Fiktional: Keine neuen Kausalitäten/Ereignisse erschaffen, die den Handlungsverlauf bestimmen; vor Hinzufügen nachfragen. Nicht-fiktional: Namen, Institutionen, Zahlen, Daten, Zitate, Quellen niemals erfinden; bei Fehlen nachfragen oder TODO setzen.
  2. Keine Handlungsfunktion löschen. Vorboten, Haken, Figurenmerkmale, kausale Anker, emotionale Fortführungen – vor dem Löschen sicherstellen, dass nichts verloren geht. Obergrenze für Löschungen: leicht ≤15 %, mittel ≤25 %, schwer ≤35 %; bei Überschreitung im Bericht vermerken und abschnittsweise behandeln, keine ganzen Absätze des Haupttexts löschen (oh-story-Schutz vor übermäßiger Bereinigung).
  3. Änderungen minimal halten. Bei Regel-Treffer nur das zur Lösung Nötige ändern; von Regeln nicht betroffene Sätze wortwörtlich erhalten; keine beiläufige Glättung, kein Ersetzen durch bessere Synonyme.
  4. Informationserhaltung. Nach der Änderung jedes Inhaltswort auf seine Herkunft zurückführen können; keine Ansichten, Einschränkungen, Konzessionen („möglicherweise“, „normalerweise“) hinzufügen oder entfernen.
  5. Übermäßiges Löschen führt zu Degeneration. Text wird dünn, nur noch kurze Sätze, jeder Satz wie ein Telegramm – das ist ein Zeichen für Überlöschung (oh-story-Degenerationsprüfung). Natürliche Redundanz wiederherstellen, nicht weiter löschen.
  6. Rahmen unangetastet lassen. Überschriftenebenen, Absatzreihenfolge, Listen, Tabellen, Zitate, Codeblock-Positionen – in der Bereinigungsstufe alles erhalten.

Ausgabe

  • Bereinigung: Vollständiger Text nach Änderung + Änderungszusammenfassung (Art × Anzahl), keine Satz-für-Satz-Erklärung; auf Nachfrage des Benutzers ausführlich.
  • Refaktorisierung: Zuerst Strukturdiagnosebericht + geplanter Operationsplan (klar markieren, was Löschungen sind und was neue Handlungselemente sind, die Genehmigung erfordern); nach Genehmigung ausführen, Vorher-Nachher-Vergleich der Schlüsselabschnitte.
  • Erkennung: Markierungstabelle (Position/Art/Gate/Stufe/Originaltext/Problem), Text nicht ändern.
  • Neuschreiben: Direkt den KI-Geschmack-bereinigten Entwurf ausgeben, Prozess nicht zeigen.

Verwandte Skills