उत्पत्ति: मैंने दस "डी-एआई फ्लेवर" स्किल्स के परीक्षण में दस घंटे से अधिक बिताए
सबसे पहले, [Human Talk.skill] का ओपन-सोर्स पता यहाँ है: https://github.com/Pluviobyte/rnskill
हाल ही में, चीनी समुदाय में विभिन्न "डी-एआई फ्लेवर" स्किल्स और ओपन-सोर्स प्रोजेक्ट्स बहुत लोकप्रिय हो गए हैं। GitHub पर humanizer, shuorenhua, stop-slop, qu-ai-wei, De-AI-writing... खोजने पर एक दर्जन से अधिक मिल जाते हैं।
मेरी ज़रूरतें बहुत विशिष्ट हैं: AI से संबंधित तकनीकी लेख लिखते समय, मैं चाहता हूँ कि ड्राफ्ट ऐसा लगे जैसे मैंने खुद लिखा हो, जिसमें टेम्पलेट जैसा और "AI फ्लेवर" कम हो। इसलिए, मैंने सभी प्रोजेक्ट्स को अपने स्थानीय मशीन पर क्लोन किया और एक AI नेटिव थीम पर एक ही छोटे ड्राफ्ट का उपयोग करके तुलनात्मक परीक्षणों का एक दौर चलाया।
दस प्रोजेक्ट्स का परीक्षण करने के बाद, मेरी पहली खोज यह थी: वे बिल्कुल एक ही प्रकार की डी-एआई स्किल नहीं हैं। मैं फिर से क्लिकबेट ब्लॉगर्स द्वारा गुमराह किया गया।
तीन जिनका उपयोग सीधे चीनी तकनीकी ड्राफ्ट के लिए किया जा सकता है
shuorenhua, Humanizer-zh, और De-AI-writing।
shuorenhua में परिदृश्य और रजिस्टर की सबसे अच्छी समझ है। यह पहले यह निर्धारित करता है कि आपका टेक्स्ट एक तकनीकी समीक्षा है, एक राय का टुकड़ा है, या दस्तावेज़ीकरण है, फिर यह तय करता है कि क्या बदलना है और क्या रखना है। संशोधन के बाद, शब्दावली और निर्णय आमतौर पर बने रहते हैं, जबकि टेम्पलेट का खोल और खाली सारांश हटा दिए जाते हैं।
Humanizer-zh में सबसे व्यापक नियम कवरेज है, जिसमें AI लेखन के 24 प्रकार के निशानों के लिए संबंधित उपचार हैं। यह सफाई के पहले दौर के लिए उपयुक्त है, लेकिन यह कभी-कभी ड्राफ्ट को किसी संपादक द्वारा पॉलिश किए गए सामान्य प्रेस विज्ञप्ति जैसा बना देता है, जिससे व्यक्तिगत आवाज़ कमज़ोर हो जाती है।
De-AI-writing सबसे हल्के बदलाव करता है। यह मूल संरचना को संरक्षित करने को प्राथमिकता देता है, केवल संकेत शब्दों, व्याख्यान-शैली के स्वर, और पैराग्राफ-अंत सारांश को साफ करता है। यह तब उपयुक्त है जब आप मूल ड्राफ्ट से अपेक्षाकृत संतुष्ट हैं और चिंता करते हैं कि बड़े बदलाव पटरी से उतर सकते हैं।
दो नियम निकालने के लिए उपयुक्त
stop-slop और humanizer का मूल अंग्रेजी संस्करण।
stop-slop के नियम छोटे, कठोर और सीधे हैं। उदाहरण के लिए, यह द्विआधारी विपरीत वाक्यों ("XX, A नहीं बल्कि B है"), तिहरी समानता, सूत्र-शैली के पैराग्राफ अंत, और अत्यधिक स्पष्टीकरण को हटाने के लिए लक्षित करता है। इसे सीधे चीनी में लागू करना थोड़ा अटपटा है, लेकिन जब इसे "निषिद्ध सूची" में तोड़ा जाता है तो यह उत्कृष्ट है।
मूल अंग्रेजी humanizer सबसे व्यवस्थित है, जो AI के निशानों को चार प्रमुख प्रकारों में वर्गीकृत करता है: सामग्री पैटर्न, व्याकरण, शैली, और संचार पैटर्न। चीनी अनुकूलन मैन्युअल रूप से करने की आवश्यकता है, लेकिन यह एक ऊपरी संदर्भ के रूप में अत्यधिक मूल्यवान है।
दो दीर्घकालिक लेखन स्थिरता के लिए
writing-agent एक पूर्ण लेखन पाइपलाइन है। यह विषय चयन, साक्ष्य संग्रह, और रुख की पुष्टि से लेकर प्रूफरीडिंग, डी-फ्लेवरिंग, और निर्यात तक की पूरी प्रक्रिया को कवर करता है। मैंने स्थानीय रूप से वर्कफ़्लो सत्यापन और 15 यूनिट परीक्षण चलाए, और सभी पास हो गए। पूरी प्रक्रिया के लिए मॉडल और API कॉन्फ़िगर करने की आवश्यकता होती है, जो भविष्य में दीर्घकालिक आधिकारिक खाता लेखन के शोध के लिए उपयुक्त है।
nuwa-skill शैली आसवन पर केंद्रित है। इसे आपके 5-7 वास्तविक लेखों को खिलाने की आवश्यकता होती है ताकि यह आपकी लेखन विशेषताओं को निकाल सके और एक व्यक्तिगत स्किल उत्पन्न कर सके। एक ही पैराग्राफ के साथ इसका परीक्षण करना बहुत सार्थक नहीं है।
तीन जो "चीनी तकनीकी लेखों के लिए डी-एआई फ्लेवर" से बहुत दूर हैं
chatgpt-comparison-detection HC3 डेटासेट और डिटेक्शन शोध के लिए एक रिपॉजिटरी है। मैंने इसकी अंतर्निहित चीनी निर्देश सूची का उपयोग करके नमूना टेक्स्ट चलाया, और इसने एक उच्च-आवृत्ति ChatGPT शब्द मारा: "तो।" यह डिटेक्शन शोध के लिए है, संशोधन उपकरण नहीं।
ai-flavor-remover एक स्टैंडअलोन प्रॉम्प्ट है जिसमें स्किल संरचना नहीं है, जो सीधे रीज़निंग मॉडल में फेंकने के लिए उपयुक्त है।
taste-skill एक फ्रंट-एंड सौंदर्य स्किल है जो इंटरफ़ेस डिज़ाइन का प्रबंधन करती है और इसका टेक्स्ट से कोई लेना-देना नहीं है।
मैंने बाद में क्या खोजा
सबसे उपयोगी आउटपुट किसी विशिष्ट स्किल का अंतिम ड्राफ्ट नहीं है, बल्कि विभिन्न स्किल्स से निकाले गए विशिष्ट नियम हैं।
shuorenhua ने मुझे परिदृश्य स्विचिंग के मुद्दे पर ध्यान दिलाया। Fable-5 समीक्षा लिखना और AI नेटिव राय का टुकड़ा लिखना अलग-अलग चीज़ों को रखने की आवश्यकता है। एक समीक्षा में, कीमत, गति, और मॉडल तुलना जैसे कठोर डेटा को छुआ नहीं जा सकता; एक राय के टुकड़े में, व्यक्तिगत निर्णय और अनुभवात्मक विवरण को चिकना नहीं किया जाना चाहिए।
stop-slop ने मुझे एहसास दिलाया कि मेरे अपने ड्राफ्ट में "XX, A नहीं बल्कि B है" वाक्य संरचना कितनी बार दिखाई देती है। एक बार ध्यान देने के बाद, इसे सहन करना मुश्किल हो जाता है। इसी तरह की समस्याओं में खाली सारांश अंत, तीन-भाग समानता, और "दूसरे शब्दों में" जैसे संक्रमण भराव शामिल हैं।
Humanizer-zh का द्विआधारी विपरीत डिटेक्शन और De-AI-writing की निष्ठा रणनीति को भी व्यक्तिगत उपयोग के लिए निकाला जा सकता है। पहला मुझे वाक्य संरचना के मुद्दों की पहचान करने में मदद करता है, जबकि दूसरा अत्यधिक संपादन को शब्दावली और निर्णयों को बिखेरने से रोकता है।
मैं अंत में इसका उपयोग कैसे करता हूँ
मैंने एक "सबसे मजबूत" स्किल स्थापित करने का चयन नहीं किया; इसके बजाय, मैंने इन प्रोजेक्ट्स से अपनी खुद की चेकलिस्ट संकलित की। एक तकनीकी लेख लिखने के बाद, मैं इसके माध्यम से जाता हूँ:
क्या ड्राफ्ट में वास्तविक परीक्षण अनुभव और मेरे अपने निर्णय शामिल हैं? इनके बिना, लेख एक सामान्य मैनुअल बन जाता है जिसे कोई भी लिख सकता है, और पाठकों को पता नहीं चलेगा कि यह किसी विशिष्ट परीक्षण से आया है।
क्या द्विआधारी विपरीत खोल, खाली सारांश, तिहरी समानता, या सूत्र अंत हैं? उन्हें देखते ही हटा दें।
क्या शब्दावली और मॉडल नाम बिखर गए हैं? यदि Fable-5 को "इस मॉडल" में बदल दिया गया है या Claude Opus को "इस उत्पाद" में बदल दिया गया है, तो यह अत्यधिक संपादन है।
क्या वाक्य की लंबाई बहुत समान है? यदि हर वाक्य लगभग समान लंबाई का है, तो यह बहुत सपाट पढ़ा जाता है, जैसे कि इसे समान रूप से पॉलिश किया गया हो।
ये नियम किसी भी एक स्किल से अधिक प्रभावी हैं। हर किसी की लेखन शैली अलग होती है, और "AI फ्लेवर" का स्रोत भिन्न होता है। नियमों को तोड़ना और उन्हें स्वयं संयोजित करना एक सामान्य स्किल को सीधे लागू करने से बेहतर काम करता है।
अंत में, सबसे अच्छा मिलान मॉडल—Opus 4.6
अपने परीक्षण के दौरान, GPT श्रृंखला ने सबसे खराब प्रदर्शन किया, विशेष रूप से जब Codex में उपयोग किया गया, क्योंकि यह अक्सर स्किल नियमों को छोड़ देता था। DeepSeek V4 Pro ने बेहतर प्रदर्शन किया। Opus 4.8 ने संभवतः GPT की शैली को आसवित किया और खराब प्रदर्शन भी किया। सबसे अच्छा प्रदर्शन करने वाला मॉडल Opus 4.6 था।
उपरोक्त लेख Human Talk Skill का उपयोग करके तैयार किया गया था और ओपन-सोर्स है: https://github.com/Pluviobyte/rnskill
मुझे फॉलो करने के लिए आपका स्वागत है @Pluvio9yte। अगले अंक में, मैं इस स्किल के विस्तृत उपयोग की व्याख्या करूँगा।
अगले अंक की पूर्वावलोकन: "7 दिनों में 1,000 फॉलोअर्स: मैंने वीडियो उत्पादन को एक AI उत्पादन लाइन में तोड़ दिया"
