AI Clean Master（전 캐리어 AI 냄새 작은 글씨 제거 및 인간미 재작성 마스터）
1. 핵심 임무 / Core Mission
AI가 생성한 PPT, 포스터, 인포그래픽, 웹사이트, 문서는 종종 기계적인 '플라스틱 느낌(AI Slop)'이 강하게 풍깁니다. 이는 크게 두 가지 문제로 나타납니다:
- 시각적/레이아웃상의 'AI 냄새 작은 글씨 및 싸구려 장식 상자' (Visual & Micro-Copy Slop):
- 상단/카드 내 가짜 영어 및 상투적인 제목(Kickers & Pill Badges):
SECTION 01 · STRATEGIC OVERVIEW,CORE INSIGHT,✨ Next-Gen AI Platform,SYSTEM ONLINE,核心赋能模块등이 있으며, 보통 둥근 모서리 캡슐 상자(Pill/Badge)나 발광 테두리로 둘러싸여 있습니다. - 카드 내 동어 반복적인 글자 수 채우기용 작은 글씨(Redundant Micro-Copy): 큰 제목에 '인식 속도 3배 향상'이라고 쓰여 있음에도, 아래에
10pt/text-xs크기로 '고효율 알고리즘 도입을 통해 인식 처리 속도의 현저한 향상을 이루었습니다'라는 불필요한 설명을 덧붙입니다. - 페이지 하단/바닥글의 허황된 요약 및 면책 문구(Footer Slop & Disclaimers):
本页核心洞察：构建全链路数字化闭环,Key Takeaway: Empowering seamless digital transformation,注：以上数据仅供演示参考, AI 워터마크나 웹페이지 가짜 명령줄 상태 표시줄 등이 있습니다. - 가짜 장식용 미세 데이터/각주 및 기호 노이즈(Fake Metrics & Emoji Slop): 실제 출처 없는
+99.8%,INDEX-A,STEP 01 //, 그리고 화면 가득 남용되는✨🚀💡⚡이모지와 싸구려 보라색/청색 네온 발광 효과.
- 상단/카드 내 가짜 영어 및 상투적인 제목(Kickers & Pill Badges):
- 언어 표현상의 '중영어 AI 업계 용어 및 상투적 문체' (Linguistic AI Buzzwords):
- 중국어 고빈도 업계 용어: '赋能(역량 강화)', '抓手(수단)', '闭环(클로즈드 루프)', '全链路(전체 체인)', '多维度(다차원)', '底层逻辑(기본 로직)', '顶层设计(최상위 설계)', '生态体系(생태계)', '范式转移(패러다임 전환)', '协同共振(시너지 공명)', '颗粒度(세분화 정도)', '组合拳(복합 전략)' 및 4자 기계적 병렬 구조.
- 영어 고빈도 업계 용어 (English AI Slop):
delve into,testament to,rich tapestry,seamless integration,paradigm shift,holistic ecosystem,empower,leverage,cutting-edge,game-changer,unlock the full potential.
본 스킬의 4대 철칙 / Four Iron Rules:
- 상자와 글자 함께 삭제 (Box-and-Text Removal): 장식성 작은 글씨를 삭제할 때는 반드시 그 뒤에 있는 캡슐 상자(Pill/Badge), 하단 막대(Footer Bar)도 함께 제거하여 빈 색상 블록을 남기지 않습니다.
- 지능형 시각적 강화 (Smart Visual Promotion): 카드 내 글자 수 채우기용 작은 글씨를 삭제한 후, 남은 핵심 내용의 글꼴 크기를 자동으로 키우고(예: PPT
+2pt~+4pt, 웹text-base -> text-lg font-semibold), 줄 간격을 넓히거나 세로 중앙 정렬하여 레이아웃이 비어 보이지 않도록 합니다. - 적응형 인간미 재작성 (Adaptive Humanization): 중영어 업계 용어와 상투적 문체를 통일되게 제거하고, 대상 시나리오(대회 발표, 공학 발표, 수업, 간결 비즈니스)에 맞게 '실제 사람이 무대에서 자연스럽게 말할 수 있는 문장'으로 재작성합니다.
- 원본 파일 절대 덮어쓰지 않음 (Non-Destructive Output): 모든 수정은
*_cleaned.<ext>형식의 새 파일로 출력됩니다.
2. 플랫폼 간 5단계 워크플로우 (grill-me 질문 및 사용자 확인 게이트 통합)
이 파일이 포함된 디렉토리의 절대 경로를 SKILL_DIR로 유지합니다. 스크립트 호출 시마다 ${SKILL_DIR}을 실제 절대 경로로 확장합니다.
Stage 1: 캐리어 식별 및 AI 냄새 병변 스캔 (Scan & Diagnose)
사용자가 제공한 대상 파일 또는 코드 유형에 따라 해당 전용 스캔 엔진을 호출합니다 (식별 기준은 references/ai-slop-dictionary.md 참조):
| 캐리어 유형 (Carrier) | 적용 확장자 (Extensions) | 스캔 명령 (Scan Command) |
|---|---|---|
| PPT 프레젠테이션 | .pptx | python "${SKILL_DIR}/scripts/pptx_inspector.py" "<input.pptx>" --json "<scan.json>" |
| 웹사이트 / 프론트엔드 페이지 | .html, .jsx, .tsx, .vue, .svg | python "${SKILL_DIR}/scripts/web_cleaner.py" --scan "<input_file>" --json "<scan.json>" |
| 이미지 / 포스터 / 인포그래픽 | .png, .jpg, .jpeg, .webp | python "${SKILL_DIR}/scripts/image_cleaner.py" --scan "<input_img>" 및 멀티모달 비전 기능을 결합하여 이미지 내 모든 작은 글씨, 캡슐 태그, 부차적 카피의 픽셀 좌표 bbox를 찾습니다. |
| 문서 / 개요 / 강연 원고 | .docx, .md, 일반 텍스트 | python "${SKILL_DIR}/scripts/doc_cleaner.py" --scan "<input_doc>" --json "<scan.json>" |
[!NOTE]
- Windows에서
python3가 WindowsApps 스텁(종료 코드 9009)을 트리거하는 경우 일관되게python을 사용하십시오.- Doubao Workspace와 같은 순수 클라우드 대화 환경에 로컬 Python 컨테이너가 없는 경우
references/ai-slop-dictionary.md를 참조하여 구조화된 진단 및 코드/카피 재작성을 직접 수행하십시오.
Stage 2: Grill-Me 항목별 대화형 질문 정렬 (One-by-One Decision Interview)
스캔 완료 후, 파일을 직접 수정하는 것은 절대 금지됩니다. grill-me 인터뷰 모드로 전환하여 결정 트리를 따라 한 번에 하나의 질문만 하고, 각 질문은 반드시 가장 추천되는 옵션을 첫 번째에 배치하고 (Recommended)로 표시해야 합니다:
- 에이전트 간 도구 호출 적응:
- Antigravity / Claude Code / Cursor / Trae / Qoder / WorkBuddy 등 구조화된 질문 도구(예:
ask_question또는AskUserQuestion)를 지원하는 호스트에서는 해당 도구를 우선 호출하여 사용자에게 단일 선택 질문을 보냅니다. - Codex CLI / Doubao Workspace 등 팝업 선택 도구가 없는 환경에서는 대화 상자에 명확한 번호 목록(
1. (Recommended) ...)을 사용하여 한 번에 하나의 질문만 던지고, 사용자가 번호나 의견을 응답할 때까지 기다린 후 다음 질문을 합니다.
- Antigravity / Claude Code / Cursor / Trae / Qoder / WorkBuddy 등 구조화된 질문 도구(예:
다음 결정 분기를 순서대로 해소합니다 (사용자가 초기 지시사항에서 특정 항목을 명시한 경우 해당 질문은 건너뛸 수 있음):
- Q1 — 대상 시나리오 및 '인간미 어조' 단계 (Tone & Scenario):
- 스캔 내용을 기반으로 가장 적합한 스타일을 자동으로 첫 번째 항목에 배치하고
(Recommended)로 표시합니다.:- 대회 발표 / 창업자 피치 스타일 (Pitch & Competition): 실제 문제점, '우리가 직접 한 것', 측정 결과를 강조합니다 (빈 생태계 논의와 역량 강화 금지).
- 공학 실습 / 기술 엔지니어링 스타일 (Engineering & Technical): 동사로 시작 + 구체적인 하드웨어/알고리즘/파라미터 + 정량적 결과, 객관적이고 간결하게.
- 수업 / 학급 발표 스타일 (Teaching & Speech): 1인칭/2인칭 주어 포함 ('우리 보자', '여러분 자주 경험하죠' /
"Let's look at..."), 짧은 문장과 구어체. - 간결 비즈니스 / 일상 보고 스타일 (Crisp Business): 결론 우선 (한 페이지에 한 문장의 사람 말투로 된 결론), 사실과 구체적인 행동으로 4자 형용사 대체.
- 스캔 내용을 기반으로 가장 적합한 스타일을 자동으로 첫 번째 항목에 배치하고
- Q2 — 작은 글씨 및 장식 색상 블록 정리 강도 (Cleanup Aggressiveness):
(Recommended) 상자와 글자 완전 삭제 + 핵심 글꼴 크기 강화 (Full Box-and-Text Cleanup + Font Promotion): 상단 가짜 영어/상투적 작은 캡슐(배경 상자 포함), 하단 면책 문구, 카드 내 동어 반복 글자 수 채우기용 작은 글씨를 모두 삭제하고, 남은 핵심 내용의 글꼴 크기를 키워 중앙 정렬합니다.온건한 정리 (Moderate Cleanup): 명백한 가짜 영어 각주, 페이지 하단 면책 문구 및✨🚀이모지만 삭제하고, 카드 내 부제목 구조는 유지하되 간결한 사람 말투로 재작성합니다.
- Q3 — 의심스러운 실제 데이터 각주 또는 이미지 복구 모드 확인 (Borderline Data / Image Mode):
- 스캔 결과 특정 숫자가 포함된 작은 글씨/각주(예:
+38.5%,N=120)가 발견되면, 별도의 질문을 만들어 사용자에게 어떤 것이 실제 비즈니스 데이터(유지 및 강화 필요) 이고 어떤 것이 AI가 생성한 장식용 미세 데이터(상자와 함께 삭제 필요) 인지 확인을 요청합니다. - 대상이 이미지(
.png/.jpg) 인 경우,(Recommended) 원본 이미지 픽셀 수준의 흔적 없는 작은 글씨 제거 + 원위치에 인간미 있는 큰 글씨 재그리기를 할지, 아니면편집 가능한 HTML/SVG/PPTX 레이어로 재구성할지 묻습니다.
- 스캔 결과 특정 숫자가 포함된 작은 글씨/각주(예:
Stage 3: '삭제 + 인간미 재작성 + 시각적 강화' 대조표 출력 및 확인 게이트
grill-me 정렬을 완료한 후 references/layout-promotion-rules.md와 references/ai-slop-dictionary.md를 읽고 사용자에게 직관적인 페이지/영역별 Before → After 대조 미리보기 표를 출력합니다:
### 📋 AI Clean Master 정리 및 재작성 미리보기 (Cleanup & Humanization Preview)
| 페이지/영역 | 작업 유형 | 원본 내용 (AI 냄새 병변) | 처리 후 (인간미 & 시각적 강화) |
|---|---|---|---|
| P1 상단 | `🗑️ 상자와 함께 삭제` | `[캡슐 상자 #4] SECTION 01 · STRATEGIC OVERVIEW` | *연한 파란색 캡슐 배경 상자와 함께 제거됨* |
| P1 카드1 | `✂️ 작은 글씨 삭제 + 🔼 강화` | 제목: `多维赋能分选体系`<br>작은 글씨(10pt): `通过全链路视觉感知赋能高效农业分选闭环` | 제목 재작성 및 **20pt 중앙 정렬**로 강화:<br>**`양안 시각 0.2초 과일 단일 결함 식별`** (아래 글자 수 채우기 작은 글씨 삭제됨) |
| P1 하단 | `🗑️ 상자와 함께 삭제` | `[하단 막대 #9] 本页核心洞察：实现高质量发展的抓手` | *하단 진회색 가로 막대와 함께 제거됨* |
- 확인 게이트 (Confirmation Gate): 미리보기 표를 보여준 후, 사용자에게 실행 여부를 확인하거나 수정 의견을 제시하도록 요청합니다. 사용자가 명시적으로 확인했거나(또는 최초 요청에서 '확인 없이 한 번에 결과를 내놔'라고 명시한 경우에만) Stage 4로 진행할 수 있습니다.
Stage 4: 상자와 함께 정리, 인간미 재작성 및 지능형 시각적 강화 실행 (Execute Cleanup & Promotion)
확인된 계획에 따라 해당 캐리어의 정리 엔진을 호출하여 *_cleaned.<ext> 새 파일을 생성합니다:
경로 A: PPT 프레젠테이션 (.pptx)
JSON 계획 파일을 작성하고 실행합니다:
python "${SKILL_DIR}/scripts/pptx_cleaner.py" "<input.pptx>" "<plan.json>" -o "<input_cleaned.pptx>"
plan.json 구조 예시:
{
"slides": [
{
"slide_index": 1,
"delete_shape_ids": [4, 5, 9, 10],
"delete_paragraphs": [
{"shape_id": 7, "paragraph_indices": [1, 2]}
],
"rewrites": [
{
"shape_id": 7,
"paragraph_index": 0,
"new_text": "양안 시각 0.2초 과일 단일 결함 식별",
"promote_pt": 3.0,
"vertical_center": true
}
]
}
]
}
경로 B: 웹사이트 및 프론트엔드 페이지 (.html / .jsx / .tsx / .vue / .svg)
<web_plan.json>을 작성하고 실행합니다:
python "${SKILL_DIR}/scripts/web_cleaner.py" --apply "<web_plan.json>" "<input.html>" -o "<input_cleaned.html>"
경로 C: 이미지 / 포스터 / 인포그래픽 (.png / .jpg / .webp)
영역 지우기 및 재그리기 설정 <img_plan.json>을 작성합니다 (각 영역의 bbox: [x1, y1, x2, y2], action: "erase_only" | "erase_and_redraw", text, font_size 정의). 실행합니다:
python "${SKILL_DIR}/scripts/image_cleaner.py" --apply "<img_plan.json>" "<input.png>" -o "<input_cleaned.png>"
경로 D: 문서 및 리치 텍스트 (.docx / .md)
<doc_plan.json>을 작성하고 실행합니다:
python "${SKILL_DIR}/scripts/doc_cleaner.py" --apply "<doc_plan.json>" "<input.docx>" -o "<input_cleaned.docx>"
Stage 5: 결과물 전달 및 정리 보고서 (Delivery & Summary Report)
생성된 *_cleaned.* 파일이 존재하고 형식이 손상되지 않았는지 확인한 후, 사용자에게 간결한 전달 보고서를 출력합니다:
- 새 파일 경로;
- 정리 전과 통계: 상자와 함께 삭제된 작은 글씨/캡슐 상자/하단 막대 개수, 제거된 중영어 AI 업계 용어 개수, 시각적 글꼴 크기 강화 및 인간미 재작성이 완료된 핵심 내용 개수.
3. 참고 문서 및 스크립트 색인 / References & Scripts
references/ai-slop-dictionary.md: 중영어 AI 냄새 작은 글씨 특징 라이브러리, 업계 용어 금지어 목록, 4대 시나리오 인간미 재작성 사전.references/layout-promotion-rules.md: PPT/이미지/웹페이지 상자와 함께 정리 기하 판단 및 글꼴 크기 강화 규범.scripts/pptx_inspector.py&scripts/pptx_cleaner.py:.pptx스캔 및 정리/강화 엔진.scripts/web_cleaner.py: HTML / React / Vue / SVG 스캔 및 노이즈 제거/강화 엔진.scripts/image_cleaner.py: 포스터 및 인포그래픽 픽셀 수준 흔적 없는 작은 글씨 제거 및 큰 글씨 재그리기 엔진.scripts/doc_cleaner.py: Word (.docx) 및 Markdown (.md) AI 냄새 제거 엔진.scripts/install_skill.py: 플랫폼 간 주요 AI 에이전트 원클릭 설치 및 적응 스크립트.