Hoe tekst opschonen van door AI gegenereerde clichés met avoid-ai-writing

Je kunt tekst die door een taalmodel is gegenereerd waarschijnlijk al binnen de eerste twee zinnen herkennen. Deze karakteristieke syntax is moeilijk met iets anders te verwarren. Het bevat voortdurend nepemoties, bekentenissen van fouten, "belangrijke mijlpalen" en eindeloze constructies als "potentie ontsluiten." Het lijkt alsof AI zo beleefd en professioneel mogelijk probeert te klinken, maar in werkelijkheid produceert het een saai bedrijfssamenvatting.

Als je LLM's gebruikt voor het schrijven van documentatie, blogposts of repository-reacties, wordt dit probleem een constante hoofdpijn. Meestal moet je de helft van het antwoord handmatig herschrijven of omslachtige prompts opstellen. Ontwikkelaar Conor Bronsdon besloot dit probleem systematisch aan te pakken en creëerde het open-source project avoid-ai-writing.

Wat avoid-ai-writing is

Het project is een kant-en-klaar hulpmiddel en instructieset gemaakt volgens de agentskills.io-specificatie. Het integreert met Claude Code, Cursor, OpenClaw, Hermes en andere populaire agents. In tegenstelling tot typische prompts in de trant van "schrijf in een meer menselijke toon", werkt deze skill als een volwaardige editor.

De repository is gebaseerd op onderzoek van Pangram Labs, documentatie van Wikipedia-editors over tekenen van door AI gegenereerde tekst, en statistische gegevens over vocabulairevariatie. Het resultaat is een tool die een agent dwingt om tekst te analyseren tegen specifieke checklists in plaats van het simpelweg te herformuleren naar smaak.

Hoe het filter werkt

De skill maakt gebruik van verschillende tekstcontrolemechanismen.

Ten eerste bevat het een catalogus van 53 patrooncategorieën. Deze omvatten nep-inleidende zinsneden, uniforme zinslengtes, lijstjes die volledig uit zelfstandige naamwoorden bestaan, emoji's in koppen en karakteristieke zinnen als "laten we in het onderwerp duiken" of "uiteindelijk".

Ten tweede bevat het project een vervangingstabel met 111 items. Woorden worden verdeeld in drie striktheidsniveaus:

• Niveau 1-woorden worden altijd vervangen door eenvoudigere synoniemen. Zo wordt leverage bijvoorbeeld use.
• Niveau 2-woorden worden vervangen als ze te vaak voorkomen binnen een kort tekstfragment.
• Niveau 3-woorden en -zinsneden worden gevolgd op dichtheid. Als zinnen als "gedecentraliseerde computing" of "oplossingsintegratie" zich ophopen in één alinea, stelt de tool voor om de zin te herschrijven.

Ten derde gebruikt het systeem een twee-pass audit. Bij de eerste pass herschrijft het model de tekst en verwijdert het voor de hand liggende door AI gegenereerde ballast. Dan komt de tweede pass: de agent leest zijn eigen versie opnieuw en zoekt naar wat per ongeluk is doorgeslippert. Meestal zijn dit herhalende voegwoorden, gladgestreken ritme of inleidende woorden die van het origineel zijn gemigreerd.

Drie werkmodi

Je kunt de tool in verschillende scenario's gebruiken:

1. Rewrite mode. Dit is de standaard. Een concept gaat erin en de output bevat een analyse van gevonden problemen, een schone versie van de tekst, een lijst van gemaakte wijzigingen en de resultaten van de her-audit.

2. Detect mode. Geschikt voor gevallen waarin je de brontekst niet kunt of niet wilt wijzigen. De agent markeert gevonden markers en rangschikt ze op kritikaliteit, van P0 tot P2, wat aangeeft waar er een duidelijke fout is versus slechts een stilistische nuance.

3. Edit mode. Wordt gebruikt voor direct werken met bestanden. De agent wijzigt alleen problematische alinea's via de Edit tool, en laat fragmenten die al in normale, levende taal zijn geschreven met rust.

Zelfstandige JS-engine voor CI/CD

De detector-directory bevat een zelfstandige module in pure JavaScript zonder externe afhankelijkheden. Je hebt alleen Node.js versie 18 of hoger nodig om het uit te voeren. De engine kan direct in de browser worden uitgevoerd of worden ingebed in geautomatiseerde documentcontrolescripts.

De code analyseert tekststructuur, entropie van functiewoorden, punctuatie-distributie en berekent een eindscore van 0 tot 100. Hoe lager de score, hoe minder door AI gegenereerd schrijfstijl de tekst bevat. Je kunt tests uitvoeren met het commando:

npm test

Of importeer de module in je JS-code:

const AIDetector = require("./detector/patterns.js");
const { score, label, issues } = AIDetector.analyzeText("Ваш текст для проверки...");
console.log(`Итоговая оценка: ${score}`);

De skill installeren in je tools

De integratie hangt af van je omgeving.

Voor Claude Code clone je simpelweg de repository naar de skills-map:

git clone https://github.com/conorbronsdon/avoid-ai-writing ~/.claude/skills/avoid-ai-writing

Als je liever Cowork-plugins gebruikt, kan de installatie via console-commando's worden uitgevoerd:

/plugin marketplace add conorbronsdon/avoid-ai-writing
/plugin install avoid-ai-writing@conorbronsdon-skills
/reload-plugins

Ontwikkelaars die in Cursor werken moeten het MDC rules-bestand downloaden naar hun projectmap:

mkdir -p .cursor/rules
curl -o .cursor/rules/avoid-ai-writing.mdc \
  https://raw.githubusercontent.com/conorbronsdon/avoid-ai-writing/main/cursor-rules/avoid-ai-writing.mdc

Vergelijkbare implementatie-opties bestaan voor OpenClaw, Hermes, Codex, Windsurf, Cline en GitHub Copilot. Ze gebruiken allemaal hetzelfde instructiebestand SKILL.md.

Voorbeeld van tekstopschoning

Om het verschil te zien, kijk je gewoon naar hoe de skill een typisch door AI geschreven persbericht aanpakt.

Oorspronkelijke tekst:

Certainly! Acme Analytics, a vibrant startup nestled in the heart of Boulder\'s thriving tech ecosystem, has secured $40M in Series B funding — marking a watershed moment for the observability landscape. The platform serves as a unified hub, featuring real-time dashboards, boasting sub-second queries, and presenting a seamless integration layer. Moreover, experts believe Acme is poised to disrupt the market. In conclusion, the future looks bright!

Bewerkte versie:

Acme Analytics raised a $40M Series B led by Sequoia. The Boulder-based startup makes an observability platform that runs queries in under a second and plugs into existing monitoring stacks without custom integration work.

De tool verwijderde de chatbot-begreeting, evaluerende bijvoeglijke naamwoorden ("vibrant," "thriving"), clichés ("watershed moment"), niet-gefundeerde generalisaties ("experts believe") en betekenisloze vulwoorden. Alleen concrete feiten, cijfers en de kern bleven over.

Voor wie is de repository nuttig

Het project is nuttig voor iedereen die regelmatig AI gebruikt voor contentgeneratie en een normale menselijke stijl wil behouden. De templates en regels van SKILL.md demonstreren duidelijk hoe je instructies voor agents kunt formatteren zodat ze kwaliteitsoutput produceren zonder verbale rommel.

Het project wordt gedistribueerd onder de MIT-licentie. Het heeft meer dan 25.000 sterren op GitHub en een actieve community die de regels aanpast voor verschillende talen.