--- name: russian-humanize description: >- Переписывать развёрнутые русскоязычные тексты в живом человеческом стиле — без AI-штампов, copula-патологии, канцелярита, нанизывания родительных падежей и отглагольных существительных. Использовать для длинной русской прозы, Telegram-сообщений от ~150 слов и любого текста, который пойдёт в TTS/voice. --- # russian-humanize Скил для написания русскоязычного текста, который не выглядит как автоперевод с английского AI-выхлопа. ## Когда применять - Пользователь просит написать статью, заметку, обзор, объяснение, разбор, мануал. - Ответ в Telegram-топик длиннее ~3 абзацев (150+ слов) — читается как текст, а не как ответ на запрос. - Тексты для KB (`notes/ideas/`, `notes/technical/`, `notes/meetings/` — кроме структурных протоколов). - Любой нарратив по-русски: описание архитектуры, постмортем, разбор проблемы, ретроспектива. - **Любой текст, который пойдёт в TTS** (text-to-speech, elevenlabs-podcast-tts, voice-message в TG, voice_script при reply_mode=text+voice) — **независимо от длины**, в том числе фразы по 1–3 предложения. Голос зачитывает штампы и canceлярит буквально, и на коротком фрагменте это слышнее, чем в прозе. Короткие ответы (1-2 предложения), списки дел, статусные апдейты, логи, JSON/YAML — **не трогать**. Скил для прозы, не для служебных сообщений. **Исключение — TTS-сценарий выше**: даже короткая фраза, которая пойдёт в озвучку, обязана пройти через humanize-фильтр. ## Принцип Humanize — это не «добавить эмоций» и не «писать разговорно». Это **удалить то, что не несёт смысла**: эпитеты без фактов, хеджи без причины, copula без содержания, штампы. Что остаётся после удаления — это то, что ты реально хочешь сказать. Если после чистки текст стал короче на 30% и содержательнее — ты всё делаешь правильно. ## Русско-специфичные патологии ### 1. Copula-патология «Представляет собой», «является», «выступает как/в качестве», «служит», «считается», «приходится», «выступает» — пустые связки. В русском можно почти всегда переставить предложение так, чтобы обойтись без них. - ❌ Reinforcement learning представляет собой метод машинного обучения, при котором агент взаимодействует со средой. - ✅ В reinforcement learning агент учится, взаимодействуя со средой. - ❌ PPO является рабочей лошадкой policy-gradient методов. - ✅ PPO — рабочая лошадка policy-gradient методов. ### 2. Zombie nouns (отглагольные существительные) Главная болезнь русского AI-стиля. «Осуществление», «проведение», «выполнение», «реализация», «обеспечение» + родительный падеж — почти всегда можно заменить глаголом. - ❌ Осуществление оптимизации политики агента проводится методом градиентного спуска. - ✅ Политику агента оптимизируют градиентным спуском. - ❌ Для обеспечения сходимости алгоритма требуется проведение настройки гиперпараметров. - ✅ Чтобы алгоритм сошёлся, нужно подобрать гиперпараметры. Триггерные корни: -ание, -ение, -ация, -ость — если стоят рядом цепочкой, переписать. ### 3. Канцелярит «В рамках», «в контексте», «в русле», «в целях», «в плане», «в части», «на предмет», «по вопросам», «в отношении», «с точки зрения», «в связи с» — безжалостно вырезать или заменить. - ❌ В рамках работы над проектом в целях повышения эффективности были проведены изменения. - ✅ В проекте кое-что поменяли, чтобы ускорить работу. - ❌ На предмет проверки гипотезы провели эксперимент. - ✅ Гипотезу проверили экспериментом. ### 4. Нанизывание родительных падежей Цепочка из 3+ существительных в родительном подряд = читатель теряет смысл. - ❌ Решение задачи оптимизации функции награды агента в среде обучения с подкреплением. - ✅ Как подобрать функцию награды для RL-агента. - ❌ Обеспечение корректности работы системы сбора данных пользователей. - ✅ Чтобы система правильно собирала данные пользователей. Правило: если в предложении 3+ существительных в родительном подряд — переписать через глагол или разбить на два предложения. ### 5. Псевдо-академические вводные «Следует отметить», «стоит упомянуть», «необходимо подчеркнуть», «важно понимать», «как известно», «как правило», «в данной статье мы рассмотрим» — вырезать без замены. Читатель сам решит, что важно. - ❌ Следует отметить, что reinforcement learning имеет ряд ограничений. - ✅ У RL есть ограничения. (И сразу — какие.) - ❌ В данной статье мы рассмотрим базовые принципы RL. - ✅ [Сразу переходи к теме, без «рассмотрим».] ### 6. Слова-усилители, которые не усиливают «Достаточно», «довольно», «весьма», «крайне», «действительно», «фактически», «в значительной степени», «в целом» — размывают, а не уточняют. Либо конкретное число/факт, либо ничего. - ❌ DQN требует достаточно большого количества кадров для обучения. - ✅ DQN нужно около 200M кадров. - ❌ Этот подход крайне эффективен. - ✅ Этот подход даёт +15% к качеству. ### 7. Инверсия для ритма (использовать дозированно) Иногда вынос ремы вперёд оживляет текст. Не злоупотреблять — раз на абзац-два. - Нейтрально: «RL интересен не тем, что решает задачи...» - С инверсией: «Интересен RL не тем, что решает задачи...» ### 8. Транслитерация английских технических терминов Технические термины без устоявшегося русского перевода — оставлять на латинице. Не транслитерировать ad hoc: читатель не узнаёт «мунго-схему», «воркдерево», «чекпоинт-лоадер», «снапшот-лоадинг». - ❌ Пишущий разбирался в мунго-схеме и хедлесс-среде. - ✅ Пишущий разбирался в схеме MongoDB и headless-среде. - ❌ Создаём воркдерево от ветки rl-bot. - ✅ Создаём worktree от ветки rl-bot. - ❌ Чекни инвариант в коллбэке. - ✅ Проверь инвариант в callback. Транслитерировать — только когда слово живёт в русском словаре разработчика: «фича», «бот», «чат», «релиз», «деплой», «коммит», «форк», «пуш», «мердж», «патч». Остальное — латиницей (MongoDB, mongoose, worktree, checkpoint, snapshot, callback, scope, batch, CLI, MLflow, heartbeat, replay, eval). Сомневаешься, прижилось ли слово — оставляй на латинице, это безопаснее. Для Telegram-сводок, вопросов владельцу и текста, который пойдёт в голос, правило строже: точный идентификатор оставлять, обычное слово переводить. `kvg-farm` как имя хоста остаётся как есть, но «запустить на ферме» пишется по-русски. `checkpoint` в имени файла можно оставить, но в пересказе это «контрольная точка» или «сохранение модели»; `smoke` — «короткий прогон»; `gate` — «проверка» или «критерий». Смешение латиницы и кириллицы в техническом тексте — норма, не дефект. Плохо — когда английский корень насильно загоняется в русскую морфологию и получается то, чего нет ни в одном словаре («мунго-схема», «хедлесс-режим», «батч-ран»). Отдельно — не складывать подряд много англицизмов в одной фразе: «Scope ТЗ — batch mode и meta-worktree для HTML-презы» читается тяжело. Переписать так, чтобы русские связки несли смысл, а английские термины стояли на своих местах: «охват ТЗ: добавлять ли пакетный режим и отдельную ветку под HTML-презу». Термин — латиницей; связки, глаголы, предлоги — по-русски. ## Адаптации паттернов Patina на русский ### Importance Inflation / Promotional Language Эпитеты без конкретики вырезать. «Революционный», «инновационный», «прорывной», «передовой», «мощный», «эффективный», «гибкий», «надёжный» — если нет числа или примера, убрать. - ❌ Революционный подход, который кардинально меняет парадигму обучения. - ✅ Подход снижает количество обучающих примеров на порядок. ### AI Vocabulary (русские эквиваленты) Избегать: «углубиться», «погрузиться в тему», «полотно», «мозаика», «ландшафт», «экосистема» (если не про ПО), «путешествие» (метафорически), «открывает двери/возможности», «играет ключевую роль», «краеугольный камень», «сердцем системы является», «в эпоху», «в современных реалиях». ### Rule of Three Русский AI любит тройки: «быстро, эффективно и надёжно», «удобный, интуитивный и понятный». Ломать: оставь один точный эпитет или перечисли четыре/два, не три. ### Em Dash Overuse В русском с тире обычно наоборот — их иногда не хватает. Но следить, чтобы каждое тире несло смысл (выделение, пояснение, пропуск связки), а не было просто для ритма. ### Vague Attribution «Исследования показывают», «эксперты утверждают», «многие считают» — заменить на конкретный источник: имя, год, статья, издание. - ❌ Исследования показывают, что RL применим в робототехнике. - ✅ Lilicrap et al., 2016 научили симулированного робота ходить через DDPG. ### Formulaic Challenges / Bright Future «Несмотря на трудности, у технологии большое будущее», «перспективы оптимистичны» — вырезать целиком. Вместо — конкретное следующее действие или открытый вопрос. ### Chatbot Phrases / Sycophancy «Отличный вопрос!», «Надеюсь, это поможет», «Если остались вопросы — спрашивай», «Рад помочь» — убрать. В KB/статьях этого не должно быть вообще; в Telegram-ответах — только если пользователь задал вопрос и ответ требует вежливой обёртки (и даже там скромно). ### Hedging «Возможно, это может потенциально привести к...» — выбрать одну степень уверенности и стоять на ней. - ❌ Это может потенциально быть полезно в некоторых случаях. - ✅ На задачах со sparse reward это помогает. На dense reward разницы нет. ### Boldface / Inline-Header Lists Не делать **Пункт 1:** тело. **Пункт 2:** тело — превращай в прозу с абзацами. Жирный — только для 1-2 ключевых терминов на весь текст, не для структуры. ### Metronomic Paragraphs Если все абзацы по 4-5 строк — читатель засыпает. Чередовать: длинный развёрнутый, потом одно короткое предложение-выстрел, потом средний. ## Ритм и структура - **Короткие вставки** между длинными абзацами: «И по кругу.», «Дальше — интереснее.», «Repeat.» — работают как дыхание. - **Вариативность длины предложений**: одно длинное сложное, рядом два коротких. Если всё одной длины — проза превращается в метроном. - **Прямое начало**: первое предложение — сразу в тему или с конкретики (число, имя, год). Не «в этой статье речь пойдёт». - **Честная концовка**: не формула «challenges / bright future», а либо конкретный вывод, либо открытый вопрос, либо наблюдение, которое читатель унесёт с собой. ## Self-review чеклист (прогнать перед отправкой) Пройтись по тексту с этими вопросами. Если на 3+ отвечаешь «да» — переписать абзац. 1. Есть «представляет собой / является / выступает как» без реальной необходимости? 2. Цепочка из 3+ слов на -ание/-ение/-ация подряд? 3. 3+ существительных в родительном падеже цепочкой? 4. «В рамках / в контексте / в целях / в части»? 5. «Следует отметить / стоит упомянуть / важно понимать»? 6. Эпитеты без цифр или примеров («революционный», «мощный», «эффективный»)? 7. «Исследования показывают» без конкретной ссылки? 8. Тройное перечисление (А, Б и В), где можно одно или четыре? 9. Финал по формуле «несмотря на вызовы, будущее светлое»? 10. Все абзацы одной длины (4-5 строк)? 11. Hedge-наслоения («возможно потенциально в некоторых случаях»)? 12. Chatbot-фразы («надеюсь помог», «отличный вопрос»)? 13. Транслитерация английских терминов без устоявшегося перевода («мунго-схема», «воркдерево», «чекпоинт-лоадер»)? — использовать латиницу. ## Пример «до / после» (в стиле, который закрепляем) ### ❌ До (AI-русский) > Reinforcement learning представляет собой одну из наиболее перспективных парадигм машинного обучения, которая в последние годы получила широкое распространение в различных областях. В рамках данного подхода агент осуществляет взаимодействие со средой с целью максимизации совокупного вознаграждения. Несмотря на ряд имеющихся ограничений, связанных с эффективностью использования данных и сложностью настройки функции вознаграждения, перспективы применения RL в робототехнике, играх и управлении сложными системами выглядят крайне обнадёживающими. Исследования показывают, что при правильном подходе возможно достижение впечатляющих результатов. Что не так: copula («представляет собой»), эпитеты без цифр («наиболее перспективных», «крайне обнадёживающими»), канцелярит («в рамках данного подхода», «осуществляет взаимодействие», «с целью максимизации»), zombie nouns («достижение результатов»), vague attribution («исследования показывают»), формулаический финал («несмотря на ограничения... перспективы обнадёживающие»), тройка «робототехнике, играх и управлении». ### ✅ После > В reinforcement learning агент учится, взаимодействуя со средой: видит состояние, выбирает действие, получает награду. За миллионы шагов он нащупывает, что приносит очки. > > Там, где это работает, работает громко. В 2015 DeepMind обучили одну нейросеть играть в 49 игр Atari по сырым пикселям — 23 она прошла лучше человека (Mnih et al., *Nature*). > > На реальных задачах всё сложнее. Человек осваивает Pong минут за десять; DQN — за 200M кадров, то есть 900 часов игры. Разрыв сокращают уже лет десять. Model-based методы вроде MuZero срезают его на порядок; PPO всё равно остаётся тем, что запускают первым, — потому что оно просто работает. > > И отдельная история — reward hacking. Даёшь агенту цель «выиграй гонку», он находит, что можно вообще не финишировать, а ездить кругами и собирать респаунящиеся бонусы (CoastRunners). Агент делал ровно то, что ты сказал. Просто ты сказал не то. Что изменилось: убрано copula, выкинут канцелярит, вставлены конкретные цифры/имена/годы, вариативный ритм абзацев, честная концовка без формулы «bright future», прямой голос. ## Что делать, когда скил сработал Применил правила — коротко упомяни пользователю (если это уместно по контексту), что текст прошёл через humanize-фильтр. Не раскатывать на абзац объяснений — достаточно одной фразы вроде «прогнал через humanize-чеклист». Пользователь сам решит, достаточно ли.