Humanize KR — 한글 AI 티 제거기 v2.3.2

AI(ChatGPT · Claude · Gemini 등)가 쓴 한글 글을 내용은 한 글자도 건드리지 않고 문체 · 리듬 · 표현만 자연스러운 한국어로 되돌리는 CLI 스킬입니다.

번역투, 과도한 영어 인용, 기계적 병렬 ("첫째 · 둘째 · 셋째"), "결론적으로 / 시사하는 바가 크다" 같은 AI 특유 관용구, 피동태 남용, 문두 접속사 남발, 이모지·불릿 남용 등 10대 카테고리 × 70 서브 패턴(+검증 대기 hold 1건)을 심각도(S1/S2/S3)로 분류해 스팬 단위로 탐지한 뒤, 윤문합니다.

설치 (Install)

Claude Code, GitHub Copilot CLI, OpenAI Codex CLI, Gemini CLI를 지원합니다. 전체 가이드: INSTALL.md

GitHub Copilot CLI — 플러그인 마켓플레이스 (클론 불필요, 권장)

copilot plugin marketplace add epoko77-ai/im-not-ai
copilot plugin install humanize-korean@im-not-ai
copilot plugin list

Copilot에서 humanize-korean 스킬로 이 글의 AI 티를 없애줘:처럼 요청하거나 /skills list로 로드 여부를 확인하세요. 업데이트는 copilot plugin update humanize-korean@im-not-ai, 제거는 copilot plugin uninstall humanize-korean@im-not-ai입니다. Copilot은 단일 호출 경로만 제공하며 Claude Code 전용 진단·finalize 다중 호출 경로는 실행하지 않습니다.

호환성 참고: 1.0.79-5에서는 copilot plugin install epoko77-ai/im-not-ai도 동작하지만, CLI가 저장소 직접 설치의 사용 중단 예정 경고를 표시합니다. 신규 설치 경로로는 권장하지 않습니다.

Claude Code — 플러그인 마켓플레이스 (클론 불필요, 권장)

/plugin marketplace add epoko77-ai/im-not-ai
/plugin install humanize-korean@im-not-ai

새 세션에서 /humanize-korean (또는 자연어로 "이 글 AI 티 없애줘").

Claude Code · Codex CLI — 클론 + 스크립트

git clone https://github.com/epoko77-ai/im-not-ai.git
cd im-not-ai
./install.sh            # 설치된 claude/codex 자동 감지 → 전역 심링크

Claude: /humanize-korean · Codex: $humanize-korean
한쪽만: ./install.sh --claude-only / --codex-only · 제거: ./uninstall.sh
업데이트: ./update.sh — 새 버전 자동 감지 후 git pull + 재설치(--check는 감지만). 마켓플레이스 설치는 /plugin update.
Codex는 단일 콜 경로만 제공합니다. 다콜 경로(standard 2콜 · heavy 3+콜, 진단·finalize 포함)는 Claude Code 전용.

왜 한글 특화인가

영어권 humanizer(QuillBot · Hix · Undetectable AI)는 한국어에 약합니다. 한글 AI 글의 티는 대부분 영어 번역투에서 나옵니다.

"AI 기술을 통해 효율을 높일 수 있다" → "AI로 효율을 높인다"
"이에 있어서 중요한 점은" → "여기서 중요한 건"
"~에 의해 생성된" → "~가 만든"
"결론적으로, 이는 시사하는 바가 크다" → (삭제)

이 도구는 그 한글 고유 패턴을 SSOT로 정리하고, 글의 상태에 맞는 세 경로(light 1콜 / standard 2콜 / heavy 3+콜) 중 하나로 윤문합니다. 잘 쓴 글일수록 콜 수가 줄어 빠르고 싸게 끝납니다.

4대 철칙

의미 불변 — 사실 · 주장 · 수치 · 고유명사 · 직접 인용은 100% 원문 보존.
근거 기반 — 탐지된 span에만 수술적 수정. 탐지 없는 구간은 건드리지 않음.
장르 유지 — 칼럼을 문학으로, 리포트를 에세이로 옮기지 않음.
과윤문 금지 — 변경률 30% 초과 시 경고, 50% 초과 시 강제 중단.

아키텍처 (v2.2) — route_hint 3경로

입력을 shim(prepare_monolith_input.py)이 먼저 정량 채점하고, 그 점수로 route_hint(light | standard | heavy) 를 결정적으로 산출합니다. 글의 상태가 경로를 정하고, 경로가 콜 수를 정합니다. 절감은 모델 교체가 아니라 콜 수 축소에서 옵니다(모델 선택은 사용자 몫).

경로	LLM 콜 수	언제	파이프라인
light	1	잘 쓴 글 — 어휘 티가 거의 0	진단·finalize 생략, 보수 강도 단일 윤문. 손댈 게 거의 없으면 "이미 좋습니다"로 조기 종료
standard	2	보통의 AI 초안 — 어휘·구조 티 섞임	진단 1콜 + 겨냥 윤문 1콜. 1만자급도 청킹 없이 단일 윤문 콜
heavy	3+	중증 AI 슬롭 밀집 or 초장문(15,000자 초과) or 검증 증적 필요	진단 → 윤문(shim이 청크를 2개 이상 만든 경우에만 청크 병렬) → finalize

입력 텍스트
    ↓
[prepare_monolith_input.py]  ── 정량 사전 점수 (KatFish·post-editese 지표) + route_hint 산출
    ↓                            실패 시 점수 없이 standard로 자동 진행 (graceful degrade)
    ├─ light ────→ [humanize-monolith ×1] ────────────────────────────→ final.md
    ├─ standard ─→ [humanize-diagnostician] → [monolith 겨냥 윤문] ───→ final.md
    └─ heavy ────→ [diagnostician] → [monolith(필요시 청크 병렬)] → [humanize-finalizer]
    ↓
[verify_change_rate.py]      ── 변경률 게이트 (결정적 코드 판정, exit code) — 모든 경로 공통

사용자 명시가 route_hint를 오버라이드합니다: --strict·"정밀 모드" → heavy 고정, "가볍게" → light 고정.
단일 콜 우선: 청킹은 heavy 전용이며 15,000자 이하는 비권장. 실측으로 1만자 글을 청킹 7콜로 돌리면 610K 토큰, 단일 콜이면 134K(4.5배 절감, 품질 동등)였습니다 — 청크마다 룰북·진단을 재로드하는 비용이 절감분을 다 먹기 때문입니다.
이번 개선의 핵심 가치: 잘 쓴 글은 1콜로 싸게 끝납니다. 어휘 티 없는 글에 최중량 파이프라인을 돌리던 낭비를 route_hint가 차단합니다.

에이전트 구성

윤문 실행에 쓰이는 에이전트는 아래 4개입니다.

에이전트	경로	역할
`humanize-monolith`	전 경로 공용	단일 호출 윤문 (탐지·윤문·자체검증 일괄, 도구 호출 3회 캡)
`humanize-diagnostician`	standard·heavy	글 전체의 지배 패턴 3~6개 진단, taxonomy ID + 처방
`humanize-finalizer`	heavy	원문 직접 대조로 의미 보존 15항 + 자연성 판정, 국소 보정
`korean-ai-tell-taxonomist`	별도 명령	분류 체계(SSOT) 관리, 신규 패턴 심사 승격

이 외에 agents/에는 릴리스 회차 전용 개발 도구 5개(translationese-research-distiller · korean-translation-scholar · taxonomy-gap-analyzer · post-editese-metric-engineer · quick-rules-integrator — v2.0 학술 흡수 작업용, 윤문 실행과 무관)가 함께 들어 있습니다.

옛 strict 5인 파이프라인의 ai-tell-detector · korean-style-rewriter · content-fidelity-auditor · naturalness-reviewer와 웹 확장 설계용 humanize-web-architect는 v2.1에서 은퇴했습니다(아래 v2.1 릴리스 노트 참조).

AI 티 분류 체계 (요약)

ID	대분류	대표 서브 패턴
A	번역투	"~를 통해", "~에 대해", "~에 있어서", 이중 피동 "~되어진다", "가지고 있다", "그/그녀" 강박적 사용 (A-16), 관계절 좌향 수식 (A-18), "~에서의/~에로의" 이중 조사 (A-19)
B	영어 인용·용어 과다	과도한 괄호 병기, 번역 가능한 영어 그대로
C	구조적 AI 패턴	기계적 "첫째/둘째/셋째", 과도한 불릿·헤딩·이모지, 연결어미 뒤 쉼표 (C-11)
D	AI 특유 관용구	"결론적으로", "시사하는 바가 크다", "주목할 만하다", "혁신적인"
E	리듬 균일성	문장 길이 표준편차 낮음, 동일 종결어미 반복, 청자 경어법 일관성 손실 (E-7)
F	수식·중복	"매우", "정말", 동의어 이중 수식, "~적/~성/~화/-tion/-ment" 남발
G	Hedging 남용	"~할 수 있을 것으로 보인다" 다중 완곡
H	접속사 남발	문두 "또한/따라서/즉/나아가" 연속
I	형식명사 과다	"것이다", "점", "수", "바", "~할 필요가 있다"
J	시각 장식 남용	과도한 볼드, "따옴표", 대시(—) 남발

전체 70 서브 패턴(+hold 1건)과 처방: ai-tell-taxonomy.md · rewriting-playbook.md · 학술 인용 외부 SSOT: scholarship.md (v2.0 신규)

심각도 & 품질 등급

심각도

S1 결정적: 한 번만 나와도 AI 확신. 무조건 제거.
S2 강함: 1~2회 허용, 3회+ 반복 시 제거.
S3 약함: 다른 패턴과 중첩될 때만 문제.

품질 등급 (윤문 후)

A: S1 0건, S2 ≤2건, 점수 개선 70%+
B: S1 0건, S2 ≤4건, 개선 50%+
C: S1 1~2건 or 과윤문 시그널 2개 → 2차 윤문
D: S1 3건+ or 심각한 과윤문 → 사람 검토

사용법 — 5분이면 따라합니다

전역 설치(설치)를 마쳤다면 1~2단계(클론·폴더 진입)는 건너뛰고, 아무 폴더에서나 바로 3단계로 가세요. 아래는 설치 없이 리포에서 곧바로 체험하는 흐름입니다.

0. 전제

아래 1~4단계는 3경로 전체를 제공하는 Claude Code 기준입니다. GitHub Copilot CLI·Codex CLI·Gemini CLI의 단일 호출 경로는 아래 각 도구별 방법을 참고하세요. Mac · Windows · Linux 모두 지원합니다.

설치 확인:

claude --version

Claude Code는 터미널에서 Claude(Anthropic의 AI)와 대화하며 파일을 같이 편집하는 CLI입니다. 웹 버전 Claude.ai나 일반 ChatGPT에서는 이 저장소의 스킬이 자동 로드되지 않습니다.

1. 리포 받기

git clone https://github.com/epoko77-ai/im-not-ai.git
cd im-not-ai

2. Claude Code 켜기

claude

전역 설치를 했다면 아무 폴더에서나 켜도 /humanize-korean이 동작합니다(설치 참고). 설치 없이 체험만 하려면 방금 클론한 im-not-ai 폴더 안에서 실행하세요(프로젝트 로컬 스킬이 로드됩니다). 다른 위치에서 켜면 일반 Claude Code처럼 동작합니다.

3. AI가 쓴 한글 글 붙여넣고 부탁하기

Claude Code에서는 세 가지 방법 중 편한 쪽으로 사용합니다. GitHub Copilot CLI·Codex CLI 사용자는 아래 방법 D·E를 참고하세요.

방법 A — 자연어 한 문장 (가장 쉬움)

평소 말투 그대로 쓰면 됩니다:

이 AI 글 자연스럽게 윤문해줘:

[ChatGPT / Claude / Gemini 초안 여기에 붙여넣기]

아래 표현 중 아무거나 쓰면 스킬이 자동 발동합니다:

"AI 티 없애줘"
"GPT 문체 제거해줘"
"사람이 쓴 것처럼 윤문해줘"
"번역투 제거"
"한글 AI 윤문"

방법 B — 슬래시 커맨드 (v1.2~)

/humanize [윤문할 텍스트 또는 파일 경로]

옵션을 인자 끝에 자연어로 적을 수 있습니다: 장르: 칼럼, 강도: 적극, 최소심각도: S1. 결과가 마음에 안 들면 /humanize-redo "번역투만 다시" 같은 식으로 재실행. 두 진입점은 이제 스킬입니다: humanize · humanize-redo

방법 C — Plugin / 마켓플레이스 (공식)

본체가 이제 Claude Code Plugin/Marketplace를 공식 지원합니다. 클론 없이 마켓플레이스로 설치하세요:

/plugin marketplace add epoko77-ai/im-not-ai
/plugin install humanize-korean@im-not-ai

스킬 3개 + 서브에이전트 9개가 함께 설치됩니다. 자세한 옵션·스크립트 설치는 설치 섹션과 INSTALL.md 참고. (초기 패키징을 탐색한 gaebalai/im-not-ai 포크도 있습니다.)

방법 D — GitHub Copilot CLI (공식, 단일 호출 경로)

GitHub Copilot CLI 1.0.79-5에서 마켓플레이스 설치와 스킬 탐색을 확인했습니다.

copilot plugin marketplace add epoko77-ai/im-not-ai
copilot plugin install humanize-korean@im-not-ai
copilot plugin list
copilot skill list

새 Copilot 세션에서 humanize-korean 스킬로 이 글을 자연스럽게 윤문해줘: 또는 이 글 AI 티 없애줘:처럼 요청합니다. /skills list에서도 스킬을 확인할 수 있습니다. 업데이트는 copilot plugin update humanize-korean@im-not-ai, 제거는 copilot plugin uninstall humanize-korean@im-not-ai을 사용하세요.

Copilot은 Codex와 같은 단일 호출 경로를 사용합니다. Claude Code 전용 route_hint 3경로 오케스트레이션과 진단·finalize 서브에이전트는 Copilot에서 실행되지 않습니다.

저장소 직접 설치 명령 copilot plugin install epoko77-ai/im-not-ai은 1.0.79-5에서 동작하지만 사용 중단 예정 경고가 표시되는 호환성 경로입니다.

방법 E — Codex CLI (공식, 단일 콜 경로)

본체가 이제 Codex CLI Skills를 공식 지원합니다. 리포 클론 후 한 줄이면 ~/.codex/skills/에 연결됩니다:

git clone https://github.com/epoko77-ai/im-not-ai.git && cd im-not-ai
./install.sh --codex-only

Codex에서 $humanize-korean으로 발동합니다(또는 /skills 메뉴). Codex는 단일 콜 경로만 제공하며, 다콜 경로(standard 2콜 · heavy 3+콜, 진단·finalize 포함)는 Claude Code 전용입니다. (Codex Desktop용 별도 어댑터로는 community 포트 Squirbie/im-not-ai-codex도 있습니다.)

방법 F — Web UI (비공식)

opencode 로 윤문하는 커뮤니티 제작 포트입니다.

접속: im-not-ai-ocx.illuwa.click

커뮤니티 포트

공식 지원 런타임은 Claude Code · Codex · Gemini CLI 세 가지입니다. 저희가 라이브로 검증할 수 있는 범위를 넘어서면 "공식 지원" 을 표기하지 않는다는 정책이라, 그 밖의 런타임은 커뮤니티 포트로 안내합니다.

포트	런타임	제작
`Squirbie/im-not-ai-codex`	Codex Desktop 어댑터	@Squirbie
im-not-ai-ocx	opencode Web UI	커뮤니티

포트를 만드셨다면 Issue 로 알려주세요 — 확인 후 이 표에 추가합니다. 본체를 건드리지 않는 격리 설계와, 룰북 사본이 본진과 어긋나면 깨지는 드리프트 검사를 갖추는 것을 권장합니다(PR #61 이 좋은 참고입니다).

4. 결과 확인

정량 사전 채점이 산출한 route_hint에 따라 세 경로 중 하나로 처리합니다(사용자 명시가 오버라이드).

light (1콜 · 잘 쓴 글 · 1~2분) — 진단·finalize 없이 humanize-monolith 한 콜이 보수 강도로 윤문합니다. 손댈 게 거의 없으면 "이미 좋습니다"와 손댄 곳 요약으로 조기 종료합니다.

standard (2콜 · 보통의 AI 초안 · 2~5분) — 진단 1콜이 지배 패턴을 짚고, 겨냥 윤문 1콜이 처리합니다. 1만자급도 청킹 없이 단일 윤문 콜입니다.

산출물은 _workspace/{실행날짜-번호}/에:

파일	내용
`01_input.txt`	원문 그대로
`00_metrics.json` · `01_input_with_metrics.txt`	정량 사전 점수 + `route_hint` + 점수 블록을 원문 앞에 붙인 결합 입력 (점수 계산 실패 시 standard로 자동 진행)
`02_diagnosis.md`	(standard·heavy) 지배 패턴 3~6개 진단 (taxonomy ID · 근거 · 처방 · 장르/격식)
`final.md`	윤문본 + 본문 끝 `<!-- HUMANIZE-SUMMARY -->` 주석 블록(메트릭·카테고리 탐지 before/after·자체검증 6항·등급·주요 변경 하이라이트). HTML 주석이라 마크다운 뷰어·웹 게시·복사 시 본문에만 노출

heavy (3+콜 · 중증 슬롭·초장문·증적 필요 · --strict로 강제 가능 · 5~8분) — 진단 → 윤문(shim이 청크를 2개 이상 만든 경우에만 청크 병렬) → finalize. 위 산출물에 더해:

파일	내용
`final_pre_finalize.md`	finalize 보정 전 윤문본 백업
`09_finalize.json`	의미 보존 15항 + 자연성 판정 결과

부분 재실행("이 카테고리만 다시"·"2차 윤문")은 heavy 경로로 자동 전환됩니다.

5. 결과가 맘에 안 들면

그대로 말씀하시면 됩니다. 재실행·수정 명령을 따로 외울 필요 없습니다:

"이 문단만 다시 윤문해줘" — 해당 구간만 재시도
"번역투만 더 손봐줘" (또는 "관용구만 다시") — 특정 카테고리만 재처리
"윤문 강도 낮춰줘" — 보수적 윤문 (결정적 패턴만 제거)
"원문 톤을 더 살려줘" — 변경률 상한을 낮춰 원문 유지
"2차 윤문해줘" — 현재 결과를 한 번 더 다듬기

6. 다른 글로 또 돌리고 싶을 때

Claude Code 세션 안에서 새 글을 붙여넣고 똑같이 부탁하면 됩니다. 실행마다 새 _workspace/{날짜-번호}/ 폴더가 만들어져 이전 결과와 섞이지 않습니다.

Do-NOT List (탐지·윤문 대상 제외)

수치 · 단위 · 날짜
고유명사 · 인명 · 제품명 · 모델명
큰따옴표 내부 직접 인용
법률 · 규정 조문
학술 개념어 (불가피한 경우)

웹 서비스 확장 (옵션)

웹 버전은 별도 코드베이스로 운영 중입니다. 본 리포의 설계 문서 web-service-spec.md는 산출물로 보존합니다 (설계 담당이던 humanize-web-architect 에이전트는 v2.1에서 은퇴).

v2.3.2 — 플러그인 스킬 위치 정정 (2026-08)

마켓플레이스·플러그인으로 설치하셨다면 업데이트를 권합니다. 스킬은 로드됐지만 내부에서 두 층이 조용히 빠지고 있었습니다.

무엇이 문제였나

플러그인 로더는 스킬을 플러그인 루트 skills/ 에서 기본 스캔합니다. 그런데 이 저장소는 .claude/skills/ 에 두고 plugin.json 의 skills 필드로 가리키고 있었습니다.

스펙에 예외가 있습니다 — marketplace 항목의 source 가 마켓플레이스 루트로 풀리면, 선언한 디렉터리가 기본 skills/ 스캔을 대체합니다. 우리 source 는 "./" 라 정확히 그 경우였고, 관례 위치는 비어 있었습니다.

결과가 로더마다 갈렸습니다.

환경	이전
CLI 심링크 설치	정상
CLI 마켓플레이스 설치	로드는 됐지만 정량 shim·진단이 조용히 누락
관례 위치만 스캔하는 로더(Cowork 등)	스킬 자체를 못 찾음

두 번째가 특히 문제였습니다. route_hint 와 철칙 #4 게이트가 사라진 채로도 결과물은 정상적으로 나오기 때문에 품질이 떨어진 것을 알아채기 어려웠습니다.

고친 것

스킬 3종을 .claude/skills/ → skills/ (관례 위치)로 이동. plugin.json 의 skills 필드 제거 — 루트 skills/ 는 기본 스캔 대상이라 선언이 불필요하고, 선언하면 오히려 예외 조항에 걸립니다.
${SKILL_ROOT} 유도를 깊이 비의존으로. .claude-plugin/ 마커를 만날 때까지 거슬러 올라갑니다. 고정 횟수(cd ../../..)는 레이아웃이 바뀌면 조용히 엉뚱한 곳을 가리킵니다.
끊어져 있던 codex/skills/.../references 심링크 복구.

에이전트는 같은 이유로 이미 루트 agents/ 에 있었습니다(#26). 스킬만 남아 있었던 것입니다.

업데이트 방법

# 플러그인
/plugin update humanize-korean

# 스크립트 설치
./update.sh          # 또는 ./install.sh

⚠️ 심링크로 설치하셨다면 링크가 끊어집니다. .claude/skills/ 가 사라졌기 때문입니다. ./install.sh 를 다시 돌리면 복구됩니다.

검증

pytest 236 passed (레이아웃 회귀 4건 신설 — 구 위치 부활 금지, skills 필드 재도입 금지, 고정 깊이 유도 금지)
claude plugin validate . 통과
격리 환경 설치 실측 · ${SKILL_ROOT} 유도 4종(저장소 직접·심링크·깊이 2·깊이 3) 검증

제보해주신 분들 덕에 잡혔습니다. 세 건 모두 실제로 설치해 쓴 분들에게서 왔고, 저장소 안에서만 테스트하면 원리적으로 보이지 않는 것들이었습니다.

v2.3.1 — 경로 해석 · 런타임 경계 · 계약 정합 (2026-08)

외부 제보로 드러난 실행 불가 경로를 고친 패치 회차입니다. 기능·분류 체계 변경은 없습니다.

고친 것

--run-dir 상대경로가 cwd 가 아닌 저장소 루트 기준으로 해석되던 문제 (#71, @bukbuk82-alt). SKILL.md 는 "모든 경로는 cwd 기준"이라 지시하는데 스크립트는 반대로 동작해, 심링크로 설치해 작업 디렉터리에서 스킬을 부르면 첫 실행부터 항상 실패했습니다. 저장소 루트에서 돌리면 cwd == PROJECT_ROOT 라 내부에서는 드러나지 않던 버그입니다. --diagnosis 도 같은 기준으로 통일했고, 실패할 때마다 빈 _workspace/{run_id}/ 가 쌓이던 부작용도 제거했습니다.
프로덕션 게이트가 tests/ 를 런타임 import 하던 경계 위반 (#59, @andrea9292). verify_gates.py 가 tests/golden/checks.py 를 불러 쓰고 있어, 런타임 파일만 선별 배포하면 P3 golden 축이 통째로 죽었습니다. checks.py 는 이름만 tests 아래 있었을 뿐 전부 프로덕션 검사 로직이라 scripts/ 로 옮겼습니다.
Light 경로 finalize 승급이 실행 불가하던 계약 공백 (#54, @andrea9292). Light 는 02_diagnosis.md 를 만들지 않는데 finalizer 가 그 파일을 필수로 요구했습니다. diagnosis_path 를 선택으로 바꾸고, 진단 콜을 추가하지 않는 쪽을 의도로 명문화했습니다 — finalize 본체(의미 보존 15항 + 자연성)는 원문↔윤문본 직접 대조로 성립합니다.
내용 앵커 유실 (#74, @ruddyscent). 윤문 콜이 편집 전에 문장별 핵심 내용 명사를 기록하고, 앵커가 사라지는 edit 은 즉시 롤백하는 anchor_ledger 계약을 배포 경로 5곳에 적용했습니다. 실측(opus-5 × fx_guard_overedit, 계약 적용 전후 각 11 run): 보호 어휘 유실 2회 → 0회.
전역 설치 범위 한정 (#70, @penta505) — 스킬이 실제로 쓰는 런타임 4종만 설치(--all-agents 로 전체). 구버전 설치본 자동 정리(#73, 원안 @yswyang0228) — 재실행 시 범위 밖·은퇴 dangling 링크를 해제합니다. 소유권은 심링크 대상으로만 판별해 사용자 파일·타 도구 링크는 건드리지 않습니다.
배포 정합 (@penta505) — fixture 가 원문에 없는 문자열을 보존 대상으로 요구하던 것(#67), 매니페스트 버전 드리프트(#68), SKILL.md 에이전트 서술 불일치(#69). 각각 회귀 테스트를 동반했고, 셸 테스트가 이 회차에 CI 에 최초 등록됐습니다.
fixture 가 taxonomy D-7("변환 공식")이 제거를 지시하는 표현("패러다임의 전환")을 보존 대상으로 요구하던 결함. 스킬이 규칙을 올바르게 지킬 때마다 fidelity 위반으로 채점되고 있었습니다.

검증

pytest 223 passed (신규 회귀: 경로 해석 5건 · 런타임 경계 5건 · 텍스트 위생 17건 · 계약 정합)
게이트가 tests/ 없는 트리에서 전 축 동작 실측 — P3 golden PASS
설치 정리는 격리 환경에서 사용자 파일·타 도구 링크 불가침 확인

함께 들어간 것

텍스트 위생 scripts/sanitize_text.py — 제로폭·bidi·태그 문자 제거, 한글 NFD → NFC 정규화. shim 이 자동 적용(--no-sanitize 로 해제). NFD 분해 한글은 글자수가 최대 3배로 잡혀 변경률 게이트가 "전 글자 변경"으로 오판하던 잠복 사고를 막습니다. AI 워터마크와 무관합니다 — 사유는 CLAUDE.md 「AI 워터마킹에 대한 입장」 참조.
품질 기준선 계측 scripts/eval_baseline.py · eval_compare.py + docs/watermark-baseline-runbook.md. K회 반복의 자체 표준편차를 잡음 바닥으로 삼아 그걸 넘는 변화만 유의하다고 표시합니다.

기여해주신 분들은 CONTRIBUTORS.md 에 기록했습니다.

v2.3 — 구조 수렴 게이트 · 진단 슬림 인덱스 (2026-07)

윤문이 "제대로 됐는지"를 문자 변경률 하나로만 보던 게이트를 4축으로 넓히고, 진단 콜의 토큰을 크게 줄였습니다.

핵심 변경

구조 수렴 게이트 (scripts/verify_gates.py, LLM 콜 0) — ① 문자율(폭주 재작성 상한, 기존) ② 진단 목표달성(진단이 지목한 지표가 실제로 사람 분포로 수렴했는지 z-score로 검증) ③ 대구 전멸 방지(C-8 "A가 아니라 B"를 다 깨서 필자 목소리를 지우면 실패) ④ golden + 수치 주입 차단. 문자 change_rate가 못 보던 구조 편집(쉼표·대구 해체)을 결정적으로 검증합니다. 기존 verify_change_rate.py는 하위호환 보존.
진단 슬림 인덱스 (references/diagnosis-rules.md, 빌드 생성) — 진단이 taxonomy 전량(74.8KB)을 읽던 것을 71패턴 전수 × 2줄(ID·정의·탐지 시그니처)의 ~~13KB 인덱스로 교체(83%↓). 진단 콜 토큰 35~~50% 절감, 지배 패턴 지목 품질은 실측 회귀로 동등 확인. SSOT(ai-tell-taxonomy.md)는 무수정 유지, build_diagnosis_rules.py --check가 drift 차단.

v2.2 — route_hint 3경로 · 단일 콜 우선 (2026-07)

shim이 정량 점수로 route_hint(light | standard | heavy)를 결정적으로 산출하고, 그 힌트가 콜 수를 정하는 구조로 재편했습니다. 구 "fast 1콜 / 정밀 3콜" 이분법을 대체합니다.

왜 재편했나 — 1만자 글을 청킹 7콜로 돌린 실측이 610K 토큰이었는데, 같은 글을 단일 콜로 돌리면 134K에 품질 동등이었습니다. 청크마다 룰북·진단을 재로드하는 비용이 폭발 원인이었습니다. 또 어휘 티가 거의 없는 잘 쓴 글에도 최중량 파이프라인을 돌리고 있었습니다.

핵심 변경

route_hint 3경로 — light(1콜: 진단·finalize 생략, 손댈 게 없으면 "이미 좋습니다" 조기 종료) / standard(2콜: 진단 + 단일 윤문) / heavy(3+콜: 진단 → 윤문 → finalize). 사용자 명시(--strict·"가볍게")가 힌트를 오버라이드
단일 콜 우선 — 청킹은 heavy 전용, 15,000자 이하 비권장. shim이 실제로 청크를 2개 이상 만들 때만 병렬
절감은 콜 수에서 옵니다. 모델 티어는 강제하지 않으며 사용자 선택입니다

v2.1 — 정밀 모드 3콜 재편 (2026-07)

옛 strict 5인 파이프라인(detector → rewriter → 병렬 fidelity·naturalness → 판정 매트릭스)을 진단 1콜 → 겨냥 윤문(monolith 재사용) → finalize 1콜의 3콜 구조로 대체했습니다.

왜 재편했나

span 열거 탐지는 같은 글에서 0↔18개로 요동칠 만큼 불안정했고, taxonomy 전체를 두 에이전트가 중복 로드해 탐지 단계만 wall-clock의 54%를 차지했습니다.
판정 매트릭스가 LLM 재탐지에 의존해 느리고 비쌌습니다.
같은 엔진의 웹 구현이 "지배 패턴 진단 1콜 + 결정적 변경률 게이트" 치환을 먼저 검증했습니다 — 진단 없는 윤문은 잘 쓰인 AI 글에서 변경률 0.5%(사실상 no-op)였고, 진단을 붙이자 11%로 뛰며 5인 파이프라인과 동급이 됐습니다. 그 결과를 이식한 것입니다.

핵심 변경

신규 에이전트 2종 — humanize-diagnostician(글 전체의 지배 패턴 3~6개 진단, span을 세지 않음) · humanize-finalizer(원문↔윤문본 직접 대조로 의미 보존 15항 + 자연성 양방향 판정, 문제 구간만 국소 보정 — 전체 재작성 금지로 의미 드리프트 차단)
은퇴 5종 — ai-tell-detector · korean-style-rewriter · content-fidelity-auditor · naturalness-reviewer(역할이 진단·finalize 콜로 통합) · humanize-web-architect(웹은 별도 코드베이스로 운영, 설계 문서만 보존)
수렴 판정의 결정화 — 변경률 게이트를 LLM 재탐지 대신 scripts/verify_change_rate.py(exit code)가 판정. 이 수치가 SSOT
fast 장문 청킹 — 6,000자 초과 입력은 결정적 분할(--chunk, 문단·문장 경계) 후 청크 병렬 윤문 → scripts/reassemble_chunks.py 재조립. 구 "8,000자+ strict 자동 승급"(긴 입력을 가장 느린 경로로 보내는 속도 역전) 폐지 — 정밀 모드는 길이가 아니라 진단·검증 증적이 필요할 때 고르는 모드입니다

v2.0 — 한국 번역학계 8유형 + post-editese metric 트랙 (A-17 hold) (2026-05-07)

v1.6이 KatFish/LREAD 정량 결정타로 잔존 약점을 잡았다면, v2.0은 분류 체계의 이론적 토대를 한국 번역학계 정통성 위에 다시 세웠습니다. 한국어 번역투 종합 연구보고서(540줄)를 입력으로 받아 8대 번역투 유형(이근희·김정우·김도훈·곽은주·진실로·김순영·박옥수·김혜영·이영옥) + Toral 2019 post-editese 3축(simplification·normalisation·interference)을 본진에 흡수했습니다. monolith·5인 정의는 무수정, 도구 호출 3회 캡(v1.6.1) 그대로 보존.

핵심 변경

본진 신규 4건 — A-16 영어 대명사 직역(그/그녀/그것/그들 강박적 매핑) [S1, 김도훈 2009 + Cho et al. 2019 ACL] · A-18 관계대명사절 좌향 수식(관형구 3중 중첩) [S2, 박옥수 2018] · A-19 이중 조사 결합(-에서의·-에로의·-으로의·-에의) [S2, 김정우 2007, 단순 ~의 명시 제외] · E-7 청자 경어법 4단계 일관성 손실 [S2 estimated, 김혜영 2019, dialogue 가드]
본진 보강 4건 — A-15 사역·인지·발화 동사 분리 구문 처방 / A-7 light verb construction 일반화(have/make/take/give + 명사) / F-4 영어 명사화 접미사 4종 통합(-tion·-ment·-ness·-ity) / E-2 진행형 '~고 있다' 자동 매핑 처방
post-editese metric-only 트랙 — Baker 1993·Toury 1995·Toral 2019의 단순화·정규화·간섭 3축을 14개 신규 metric으로 코드화(metrics_v2.py). 본진 패턴 ID 미부여 — caveat C3(한국어 정량 검증 부재)에 따라 metric only 트랙으로 분리. interference_index 합성 지표가 T1~T8 8개 시그널 가중 합산
학술 인용 양면 보존 — 본진 taxonomy.md 패턴마다 source_anchor 한 줄(≤25자) + 학자 29명·Caveat 6건 verbatim은 외부 SSOT scholarship.md에 보존. 룰북 슬림성 유지
rewriting-playbook §1.X 신설 — Toral 2019 + 한국 PE 가이드라인(윤미선 외 2018·김혜림 2022·이상빈 2017·2018a·2018b·마승혜 2018) 통합 15항목 PE 체크리스트(PE1~PE15), 본진 패턴 ID 부착
monolith·5인 정의 무수정 + 도구 호출 3회 캡 보존 — humanize-monolith·detector·rewriter·auditor·reviewer git diff 0줄. 헤더 토큰 +0.6KB만 차이

Hold 1건 — A-17 무정물·추상명사 '-들'

학술 anchor(전영철 2007·곽은주·진실로 2011·김순영 2012)는 강하나, v1.6 input 5편 + 외부 회차 위키 6편 모두 양성 0건으로 우리 도메인에서 결정타가 없었습니다. v1.x 1번 원칙("우리 데이터에서 검증 안 된 패턴은 본진 등재하지 않는다")에 따라 본진 등재 보류. ID 슬롯은 hold 안내 박스로 유지하고, scholarship.md §4 학술 전문 + metrics_v2.deul_overuse_rate 함수 + 무정물·추상 명사 사전 25종은 검증용 보존. NMT 원본 출력(DeepL·Papago·Google Translate) ≥5편에서 양성 ≥2/5 시 동일 ID(A-17)로 v2.1 부활 예정.

검증 결과

회차	코퍼스	결과
Phase 5 (재윤문 없음)	v1.6 본질 테스트 5편 (003~007)	회귀 0건. lexical_diversity 5편 전수 상승(post-editese 단순화 가설 1차 반증). interference_index 4/5 감소(평균 -0.176)
외부 회차	위키피디아 영-한 NMT 번역체 6편	A-16 양성 3/6 (50%), A-18 양성 4/6 (67%) — 영-한 NMT 번역체에서 신규 패턴 작동 입증. interference_index 외부 평균 0.251 vs v1.6 0.05~0.10 — Toral 2019 간섭 가설 1차 부합
pytest	metrics 단위 테스트 (v1.6 + v2.0)	94개 전체 통과 (v2.0.1에서 fresh clone 경로 수리 후 재검증)

한계 — 다음 회차 과제

baseline 70셀 placeholder(5장르 × 14지표) — 절대 z-score 해석 보류, calibration 회차 필요
A-17 NMT 원본 출력 회차 — v2.1 부활 결정용
E-7 dialogue 코퍼스 별도 회차(소설 대화·인터뷰 트랜스크립트)
004 relative_clause +1 잔존 결정타 — quick-rules A-18 가드 강화

상세 산출물: _workspace/v2.0-2026-05-07/01_distill ~ 07_pr/ · 외부 회차 보고: _workspace/v2.0-2026-05-07/05_regression/v2_external_samples/H1_revisited.md · PR: #19

v1.6 — KatFish·LREAD 외부 연구 통합 + 정량 점수 레이어 (2026-05-07)

v1.5 fast path가 사람 판정 등급 A를 통과해도 연결어미 뒤 쉼표(C-11) 같은 한국어 특이 신호를 일관되게 못 잡는 잔존 약점이 있음을 정량으로 확인했습니다. 외부 연구 KatFish(Park et al., 2,094편 코퍼스)와 LREAD(인간 판독 60% → 루브릭 90%)를 검토한 결과, 한국어에서 가장 강한 단일 분리도 신호가 연결어미 뒤 쉼표 4.84배(에세이)였습니다.

v1.6은 monolith·5인 에이전트 정의를 무수정한 채 본진 분류 체계 + 룰북 + 외부 정량 점수 레이어만 보강한 설계입니다.

핵심 변경

본진 분류 체계 v1.5.1 → v1.6 — 신규 5건(C-11 연결어미 뒤 쉼표 [S1] · C-12 쉼표 포함률 [S2] · E-5 쉼표 분절 평균 길이 [S2] · E-6 쉼표 전후 POS 다양성 [S2, 에세이·뉴스 한정] · G-3 안전 균형 lexicon [S2]) + 보강 2건(D-1 결산 lexicon 4종 정식 인용 / F-4 한자어 명사화 -성·-적·-화 명시)
quick-rules.md 보강 — C-11·G-3·F-4·D-1 lexicon 4건을 monolith 슬림 룰북에 박아 윤문 단계에서 직접 처방. 123줄 → 126줄 (+3, +200 토큰)
metrics.py 신설 — KatFish baseline 기반 8개 정량 지표(쉼표 포함률·연결어미 쉼표·분절 길이·POS 다양성·결산 lexicon·균형 lexicon·한자어 밀도·어휘 다양성) 표준 라이브러리만으로 계산. z-score + risk_band(low/medium/high) 출력
prepare_monolith_input.py 신설 — monolith 호출 전 외부 사전처리로 점수 산출, 결합 입력 파일에 prepend. monolith 도구 호출 4회 캡 그대로 보존(v1.5 1번 철칙)
5인 strict 파이프라인 그대로 유지 — voice profile·candidate pool 재도입 없음

검증 결과 (run 003~007 5편 일괄, 같은 입력에 v1.5 vs v1.6 두 번 윤문)

지표	v1.5	v1.6	개선
ending_comma 평균 z	+3.40	+0.67	−2.73 (인간 baseline 근접)
risk_band low 도달	0/5	3/5	+3
input 대비 risk_score 감소	2/5	4/5	+2
등급 A 유지	5/5	5/5	회귀 없음
도구 호출 4회 캡	5/5	5/5	보존

가장 심한 케이스(run 006 교육 블로그)는 ending_comma_rate 0.500 → 0.120(76% 감소), z=+5.84 → +1.00로 정상 구간에 들어왔습니다. v1.5 회귀에서 5편 중 4편이 악화했던 자리에서 v1.6은 5편 전수 개선했습니다.

한계 — 다음 회차 과제

baseline의 lexical_diversity·hanja placeholder는 KatFish 미공개 셀로 보수적 추정값. 한국어 essay 실측 교정 필요
정책·공적 문서(run 007)는 ending_comma z=+2.47 잔존. 장르별 baseline 별도 카탈로그 필요
일부 케이스에서 char_count 증가(쉼표 제거 부작용으로 분절 길이 증가). 룰북에 분절 재조정 가이드 추가 검토

상세 산출물: _workspace/v1.6-2026-05-06/01_pattern_candidates.md · 02_katfish_baseline.json(references/baseline.json로 정식 배치) · 03_taxonomy_diff.md · 04_input_shim_spec.md · 05_regression_report.md.

v1.6.1 hotfix — final.md 통합 산출물 (2026-05-07)

v1.6 5편 일괄 검증 중 sub-agent가 두 번째 Write를 자체 보수 룰로 회피하는 패턴이 5/5 재현됨을 확인했습니다(권한 차단 아닌 self-imposed). v1.5 시점에도 같은 현상이 있었고, summary 메타가 응답 인라인으로 전달되어 디스크 산출물에서 누락되는 회귀 위험이 있었습니다.

해결 — monolith 산출물을 final.md 1개로 통합:

final.md 본문 끝에  HTML 주석 블록 1개로 메트릭·카테고리 탐지·자체검증·등급·하이라이트·잔존 finding을 함께 박아 단일 Write로 끝
HTML 주석이라 마크다운 뷰어·웹 게시·복사 시 본문에만 노출. 메타 추출은 grep -A 30 "HUMANIZE-SUMMARY" 또는 간단한 파서로
monolith 도구 호출 캡 4회 → 3회로 자연 절감 (Read 입력 + Read 룰북 + Write final). v1.4 함정 회피 마진 확대
summary.md(v1.6.0 이전 산출물 또는 외부 도구 산출물)는 그대로 보존, 삭제·갱신 금지

본 변경은 monolith 정의 파일만 수술하고, 5인 strict 파이프라인·metrics.py·prepare_monolith_input.py·분류 체계는 모두 무수정.

v1.5 — v1.1 베이스라인 + Monolith Fast Path (2026-04-26)

v1.2(voice profile)·v1.3(candidate pool)·v1.4(역할별 모델 분산)이 모두 핫패스 비용을 잡지 못했음이 검증으로 확인됐습니다. 5,000자 입력 윤문 wall-clock이 25분까지 늘어났고, v1.4의 모델 다운그레이드로도 detector 1콜이 8분이었습니다. 진단 결과 진범은 모델이 아니라 에이전트 간 컨텍스트 재로드 + 에이전트 내부 도구 호출 chain 누적이었습니다.

v1.5는 v1.2~v1.4를 모두 폐기하고 v1.1 단순 구조로 롤백한 뒤 단일 호출 monolith fast path만 추가한 설계입니다.

핵심 변경

v1.2~v1.4 폐기 (롤백) — 5인 에이전트 정의를 v1.1 commit f25ee64 시점으로 복원, voice profile·candidate pool 관련 reference 4개 파일 삭제, 권한 위계 §1~§6 절 제거
Monolith Fast Path 신설 (디폴트) — humanize-monolith 에이전트(opus): 한 콜 안에서 탐지·윤문·자체검증 일괄 처리, 도구 호출 4~~5회 캡(Read 입력 + Read 룰북 + Write final + Write summary), 5,000자 이하 wall-clock 2~~3분 목표
quick-rules.md 신설 (~150줄) — 본진 386줄에서 S1·S2 핵심 패턴만 추린 슬림 룰북. monolith 전용. 자체검증 6항 + 등급 기준 포함
Strict 모드 보존 — v1.1 5인 파이프라인을 --strict 또는 8,000자+ 자동 승급으로 그대로 유지. 부분 재실행("이 카테고리만 다시"·"2차 윤문")도 strict 자동 전환
분류 체계 본진 보존 — ai-tell-taxonomy.md의 v1.2~v1.3.1 발굴 신규 패턴(C-9·C-10·D-7·H-3·I-3·I-4 보강 등) 모두 그대로 유지

검증 결과 (같은 칼럼 2,604자)

항목	v1.4 (detector haiku 1콜)	v1.5 (monolith opus 1콜)
Wall-clock	7분 58초	3분 28초
도구 호출	12회	4회
토큰	113,621	68,045
윤문 등급	(단계 1만 끝, 미완)	A (자체검증 6/6, 변경률 22%)

5인 파이프라인 25분 → monolith 3.5분, 약 86% 단축. opus로 격상하고도 도구 호출 chain을 압축한 게 결정적이었습니다.

호환성 안내

v1.3.1 사용자: author-context.yaml(voice profile)이 더 이상 작동하지 않습니다. 메인테이너 측 실전 사용 사례가 미확보였고, 필요 시 v1.6에서 monolith 옵션으로 재도입을 검토합니다.
슬래시 커맨드 /humanize·/humanize-redo는 그대로. 내부에서 v1.5 fast/strict 분기 자동.

회고

v1.4 작업은 모델 다운그레이드를 진단의 1순위로 잡았으나, 실측이 그 가설을 부쉈습니다. opus로 격상하고도 도구 호출 chain을 압축하니 더 빨라졌어요 — 모델보다 에이전트 내부 도구 호출 횟수가 wall-clock의 진짜 변수였습니다. 이 교훈이 v1.6 이후 설계의 1번 원칙입니다.

본질 테스트 — 5편 다양성 검증 (2026-04-26)

v1.5 발행 직후, 메인테이너가 원래 계획했던 본질 테스트(원본 AI 글이 사람 글로 진짜 변하나)를 5편으로 진행했습니다. 회차 1 합성 제조업 칼럼 1편 + 회차 3 Gemini 직접 호출 4편(핀테크 칼럼·제조 리포트·교육 블로그·헬스케어 정책)으로 모델·장르·길이 다양성을 확보.

run	입력	길이	변경률	등급
003	합성 제조 칼럼	716자	14%	A
004	Gemini 핀테크 칼럼	2,725자	18%	A
005	Gemini 제조 리포트	2,572자	18%	A
006	Gemini 교육 블로그	2,445자	22%	A
007	Gemini 헬스케어 정책	2,316자	18%	A

5편 모두 등급 A · 자체검증 6/6 통과 · 변경률 안전 구간(10~25%). Gemini 시그니처(C-10 콜론 헤딩 · D-7 변환 공식 · D-4 hype 어휘 · J-2 따옴표 강조 · J-1 마크다운 ** 강조 · G-1 미래 단정 · I-4 권고형 결말)가 4개 장르 모두에서 일관되게 제거됐고, 고유명사·수치·인용은 100% 보존됐습니다.

가속 효과 누적: v1.3.1로 5편 직렬 처리 추정 약 125분 → v1.5 monolith 병렬 약 7분(병렬 효과 포함). 94% 단축, 17~18배 가속. 메모리에 가설로 박아둔 "wall-clock 1/7로 줄어 7배 샘플 처리 가능"이 실측에서 18배로 확인됐습니다.

v1.3.1 hotfix — 회차 3 Gemini 직접 호출 검증 + 본진 신규 2건·보강 3건 (2026-04-25)

v1.3 발행 직후, 사용자께서 직접 Gemini API 키를 제공해 회차 3 진짜 외부 데이터 검증을 진행했습니다. Gemini Pro 2.5 직접 호출 4편(약 10,058자, 자연 prompt만 사용)에서 본진 신규 2건과 보강 3건을 추가로 영구 반영하고, 회차 2 hold 후보의 모델 분산 검증을 마쳤습니다.

본진 신규 2건 (Gemini-우세 시그니처)

C-10 콜론 부제 헤딩 공식 "X: Y" 또는 "X: A에서 B로" — Gemini가 헤딩에 거의 자동으로 콜론을 사용하는 시그니처 (8회·3파일·3도메인 분산)
D-7 변환 공식 "X에서 Y로 / X을 넘어 Y로" — 패러다임 전환·진화·고도화를 표현할 때 자동 등장 (7회·2파일·2도메인)

본진 보강 3건

D-4 hype 어휘 셋 확장 — 본진 "혁신적·획기적·전례 없는"에 Gemini 어휘 추가: "압도적·막강한·폭발적·파격적·대대적·강력한·치열한·뜨거운"
J-2 빈도 임계 명시 — 한 문서에 따옴표 강조 어휘 5회 초과 시 S2 강화 (Gemini 한 문서 17~33회 사례)
I-4 권고형 결말 변종 추가 — 본진 "~할 필요가 있다"에 정책·보고서 결말 "~해야 한다·~해야 합니다" 변종 추가, 한 문서 5회 초과 임계

회차 2 hold 후보 검증 결과 — GPT vs Gemini 모델 시그니처 차이

회차 2 hold 후보	GPT 빈도	Gemini 빈도	결론
"결국" 문두 단언	9+	1	GPT-우세 시그니처
"X은 A가 아니라 B다" 부정-긍정 대구	7+	2	GPT-우세 시그니처
5~8개 영역 콤마 빠른 나열	4	0	GPT-특유 가능성 매우 강함

회차 2 hold 후보 3건이 Gemini에서 거의 재현되지 않았다는 사실은 분류 체계에 "모델 우세 분포" 메타데이터 차원 도입 필요성을 시사합니다(v1.4 검토 사항). 회차 4에서 국내 모델·Claude 데이터로 모델 분포를 확정한 뒤 결정합니다.

회차 1·2·3 누적 결과 — v1.2 신규 0건이 v1.3.1에서 신규 3·보강 6건으로

회차	데이터	본진 신규	본진 보강	누적 효과
1	Claude 합성 샘플 2건	C-9 (1)	I-2 (1)	인프라 검증
2	뉴스핌 외부 GPT 2건	0	I-3·H-3 (2)	Gate 1.3 보호장치 검증
3	Gemini 직접 호출 4건	C-10·D-7 (2)	D-4·J-2·I-4 (3)	모델 분산 확보 + GPT/Gemini 차이 발견
합계	8건 (3 모델 × 다양 장르)	3건	6건	v1.2 멈춤 → v1.3.1 풍부

전체 v1.3.1 변경 이력: ai-tell-taxonomy.md 버전 관리

v1.3 — 서브 패턴 발굴 운영 체계 + 본진 신규 1건·보강 3건 (2026-04-25)

에이전트들이 실전에서 만난 미분류 의심 패턴을 단일 풀에 누적·점검·승격하는 운영 인프라를 도입하고, 발행 전 두 회차의 파일럿(회차 1 합성 샘플 인프라 검증 + 회차 2 외부 매체 진짜 GPT 출력 분석)에서 본진 신규 1건(C-9 숫자 괄호 인덱싱) + 본진 보강 3건(I-2 결합형 · I-3 결말 변종 · H-3 메타 진입 변종)을 영구 반영하고 hold 4건을 풀에 누적했습니다. v1.1까지는 패턴 추가가 사람의 1회성 결정이었고, v1.2에서는 voice profile 권한 위계가 들어왔다면, v1.3은 분류 체계 자체가 시간을 따라 자라나는 구조를 만듭니다.

v1.3은 v1.2와 하위 호환입니다 — 에이전트 입출력 변경 없음, voice profile 동작 동일. 본진 신규 1건은 v1.2 이후 멈춰 있던 패턴 발굴이 새 인프라로 깨지는지 검증하는 파일럿 결과이며, 새로 추가된 풀 적재는 부수 효과이고 적재 실패가 메인 파이프라인을 막지 않습니다.

핵심 변경

Pattern candidates 풀 (references/pattern-candidates.md) — 본진 승격 전 모든 의심 패턴을 누적하는 단일 그릇. 임시 ID(cand-{대분류}-{YYYY}-{NNN}), 4상태(pending/promoted/rejected/merged), 기각 사유 5종 표준 라벨, 90일 미재현 자동 만료
3개 에이전트 풀 적재 채널 — ai-tell-detector(미분류 span), korean-style-rewriter(윤문 저항·반복 잔존), naturalness-reviewer(voice profile 미주입 외부 시각). 각자 적재 트리거·필수 필드·중복 검사 절차 명문화
taxonomist 풀 운영자 역할 — 4가지 trigger(사용자 명시 / pending 10건 임계 / 단일 후보 occurrences ≥ 3 / 외부 PR) 기반 정기 점검. 6단계 점검 절차, _workspace/taxonomy_changelog.md 회차 기록 표준화
승격 자동 검증 체크리스트 (references/promotion-checklist.md) — 6개 게이트(사전 점검·재현·본진 중복·분류 적합성·처방 적합성·본진 위계). 일부 게이트는 향후 스크립트 자동화 가능

왜 이 구조인가

v1.1까지의

Im Not AI

At a glance

README

Humanize KR — 한글 AI 티 제거기 v2.3.2

설치 (Install)

왜 한글 특화인가

4대 철칙

아키텍처 (v2.2) — route_hint 3경로

에이전트 구성

AI 티 분류 체계 (요약)

심각도 & 품질 등급

사용법 — 5분이면 따라합니다

0. 전제

1. 리포 받기

2. Claude Code 켜기

3. AI가 쓴 한글 글 붙여넣고 부탁하기

커뮤니티 포트

4. 결과 확인

5. 결과가 맘에 안 들면

6. 다른 글로 또 돌리고 싶을 때

Do-NOT List (탐지·윤문 대상 제외)

웹 서비스 확장 (옵션)

v2.3.2 — 플러그인 스킬 위치 정정 (2026-08)

무엇이 문제였나

고친 것

업데이트 방법

검증

v2.3.1 — 경로 해석 · 런타임 경계 · 계약 정합 (2026-08)

고친 것

검증

함께 들어간 것

v2.3 — 구조 수렴 게이트 · 진단 슬림 인덱스 (2026-07)

v2.2 — route_hint 3경로 · 단일 콜 우선 (2026-07)

v2.1 — 정밀 모드 3콜 재편 (2026-07)

v2.0 — 한국 번역학계 8유형 + post-editese metric 트랙 (A-17 hold) (2026-05-07)

v1.6 — KatFish·LREAD 외부 연구 통합 + 정량 점수 레이어 (2026-05-07)

v1.6.1 hotfix — final.md 통합 산출물 (2026-05-07)

v1.5 — v1.1 베이스라인 + Monolith Fast Path (2026-04-26)

v1.3.1 hotfix — 회차 3 Gemini 직접 호출 검증 + 본진 신규 2건·보강 3건 (2026-04-25)

v1.3 — 서브 패턴 발굴 운영 체계 + 본진 신규 1건·보강 3건 (2026-04-25)

3 skills in this repo

Comments (0)