natural-japanese

imageLicense: MIT imageGitHub release

AI に書かせた仕事の日本語を、読みやすく直す Agent Skill です。議事録、レポート、技術記事、PR の説明文などを、新しく書くときにも使えます。

English summary: An Agent Skill that makes AI-written Japanese work documents read naturally. It never adds facts, opinions, or certainty that the original did not have.

直すとこうなる

何のことか分からない言い回しを、ふだんの言葉に

AI が書いた技術記事と PR の説明文を「読みやすくして」と直させた実際の出力から、うまく直った例を選んでいます。2行目の元の文は、失敗をきちんと扱っているように読めます。その文書の本文に書いてあったのは、1件の失敗で取り消しまで止まるという不具合でした。

元にないことは足さない。確信の度合いも変えない

調査レポートを、同じメモから Claude Opus 5.5 に書かせた例です。メモには、解約が増えた理由について未検証の見立てが2つ書いてありました。

スキルなしは、2つの見立てに触れながらも、結論ではキャンペーンとの関係を「強く疑われます」と書いています。スキルありは、メモのとおり2つを並べ、どちらも未検証と書いています。

太字を重ねない

5種類の文書について、種類ごとに同じ素材を5つのモデルに渡して書かせました。太字は、スキルなしの25本で551か所、スキルありの25本で13か所でした。

使い方

npx skills add coji/natural-japanese

あとは、エージェントに「読みやすくして」「議事録にして」「AI っぽいところを直して」のように頼むだけです。書き換えずに自然さの点数(0〜100)と理由だけを知りたいときは、/natural-japanese score <ファイル> を使います。

版ごとの変更点は Releases にあります。

ほかの入れ方(Cursor・ChatGPT・Codex、Claude Code プラグイン、手動)

Cursor:

Cursor Marketplace での公開は審査待ちです。公開後は Marketplace で natural-japanese を探してインストールできます。公開前にローカルで試す場合は、リポジトリのルートで次を実行します。

rm -rf ~/.cursor/plugins/local/natural-japanese
mkdir -p ~/.cursor/plugins/local/natural-japanese
cp plugin.json ~/.cursor/plugins/local/natural-japanese/
cp -R skills ~/.cursor/plugins/local/natural-japanese/

そのあと Cursor を再起動するか、Developer: Reload Window を実行してください。Customize を開くと、natural-japanese が Skills に表示されます。

ChatGPT・Codex など(AGENTS.md を経由して使う):

npx openskills install coji/natural-japanese
npx openskills sync

Claude Code プラグイン:

/plugin marketplace add coji/natural-japanese
/plugin install natural-japanese@natural-japanese

手動で入れる場合は、Releases から natural-japanese.skill をダウンロードし、エージェントのスキルディレクトリに展開してください。

直すときに守ること

元の文書にない事実・数値・意見・方針は足しません。確信の度合いも変えません。「次回また相談する」を「合意した」にすると、書き手が言っていないことを書き手の言葉として伝えてしまうからです。直したあとは元の文書と並べて、足した内容がないかを確かめます。

苦手なこと

• 英語の言い方を1語ずつ訳した熟語や、動作を名詞にまとめた言い回しは、半分ほど見逃します。書いたモデルにも直すモデルにも、自然に見えるためです
• effort(モデルが推論にかける量の設定)を下げると、手順の一部を省いて見逃しが増えます。選べる環境では high を使ってください

仕組み

疑わしい箇所は lint.py が形態素解析(sudachipy)で検出し、直すかどうかはエージェントが文脈を見て決めます。AI は自分の書き癖に気づきにくいので、検出を機械に任せています。規則と手順はすべて SKILL.md にあります。

検査スクリプトを単体で使う

uv があれば、スキルを通さずに実行できます。

uv run skills/natural-japanese/scripts/lint.py draft.md                  # 疑わしい表現と直し方
uv run skills/natural-japanese/scripts/lint.py draft.md --genre tech     # 技術文書向けの基準で
uv run skills/natural-japanese/scripts/lint.py draft.md --reading-load   # 長すぎる文、続きすぎる漢字など
uv run skills/natural-japanese/scripts/outline.py draft.md               # 見出しと各段落の先頭文
uv run skills/natural-japanese/scripts/terms.py draft.md                 # 専門用語の初出と説明の有無
uv run skills/natural-japanese/scripts/paragraphs.py draft.md            # 段落ごとの確認用の一覧
uv run skills/natural-japanese/scripts/calques.py draft.md               # 仕組みを場所にたとえた名詞と、機械の処理に当てた動詞の候補
uv run skills/natural-japanese/scripts/newfacts.py original.md revised.md  # 直した文書にだけある数値・固有名詞

スクリプトを変えたときは、./dev/check-fixtures.sh で回帰テストを実行してください(git config core.hooksPath .githooks を設定すると、コミット時にも実行されます)。

参考にした資料

• AI臭さを消した日本語執筆エージェントの設計(なつ「いとおり」):機械による検出と文脈による判断を分ける考え方
• 日本語技術文書の文章規範(k16shikano):LLM に特有の空虚な言い回しの分類
• meiseki(bamboo-nova):機械検出と LLM による推敲の組み合わせ方

ライセンス

MIT ライセンスです。詳しくは LICENSE を見てください。