MCP HubMCP Hub
SKILL·9BBA10

ai-writing-detector

conorbronsdon
Mis à jour 1 month ago
4 vues
4,977
443
4,977
Voir sur GitHub
Autreai

À propos

Cette compétence détecte les motifs de texte généré par IA sans réécrire le contenu, en utilisant les règles originales Avoid AI Writing. Elle fournit une détection locale déterministe lorsque l'hôte peut exécuter Node.js. La compétence accepte les requêtes entrantes du routeur avoid-ai-writing-router pour des tâches de détection seule ou des étapes d'audit.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add conorbronsdon/avoid-ai-writing -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/conorbronsdon/avoid-ai-writing
Git CloneAlternatif
git clone https://github.com/conorbronsdon/avoid-ai-writing.git ~/.claude/skills/ai-writing-detector

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

AI Writing Detector

Run a detect-only review using the original Avoid AI Writing rules. Never rewrite unless the user changes the request.

Authority

The canonical rulebook is ../avoid-ai-writing/SKILL.md. Its cautions about false positives, context, protected material, and authorship claims apply here.

For cross-Skill work, follow ../avoid-ai-writing-router/references/handoff-contract.md and the typed edges in ../avoid-ai-writing-router/references/skill-graph.json.

Connection contract

Incoming

Accept detector work from:

  • avoid-ai-writing-router via ROUTE for detect-only requests, the audit stage of a multi-stage request, or fresh signal collection after another terminal stage returns control to the router.
  • preservation-verifier via bounded RECHECK only when convergence or residual auditing was part of the request.

Do not accept a direct handoff from false-positive-reviewer. That Skill is terminal in the graph and must return control to avoid-ai-writing-router when fresh signal collection is needed. This prevents a reviewer-detector cycle.

Carry forward the existing context_mode, protected constraints, pass state, and risk flags. Do not reset them.

Produce

Update the handoff envelope with:

  • execution_evidence.detector: executed only if the bundled detector actually ran, otherwise model_only.
  • detector_summary.score and label only when produced by executed detector code.
  • detector_summary.issue_types from actual findings.
  • any consequential_authorship_claim risk flag observed in the user's request.

Outgoing

  • FEED findings to voice-preserving-rewriter only when the user also requested returned-text rewriting.
  • FEED findings to file-edit-in-place only when the user explicitly requested mutation of a named file.
  • ESCALATE to false-positive-reviewer when the user asks what the findings can establish about authorship or another consequential conclusion.
  • Otherwise stop after the detect-only result.

Detector findings are evidence inputs. They are not mandatory edit instructions and they never authorize a mutation.

AI-engineering evidence lens

Apply the agency-ai-engineer lens encoded in ../avoid-ai-writing-router/references/agency-role-lenses.md:

  • keep deterministic output separate from model-only observations,
  • preserve the selected context mode through downstream handoffs,
  • treat score and label as signals rather than ground truth,
  • consider false positives and genre/register effects,
  • never convert pattern detection into an authorship classifier claim.

Preferred path

When the current host can execute Node safely:

  1. Pass the supplied text to scripts/detect.js.
  2. Use --context technical for code-adjacent or technical prose when appropriate. Otherwise use general.
  3. Report the detector's score, label, issue types, severity, matched text, and suggestions.
  4. Separate deterministic findings from editorial observations that only exist in the full rulebook.
  5. Never claim execution unless the command actually ran.

Example:

printf '%s' "$TEXT" | node scripts/detect.js --context general

For a file:

node scripts/detect.js --file path/to/draft.md --context general

If Node or shell execution is unavailable, perform the detect-only workflow from the canonical avoid-ai-writing Skill and explicitly say the deterministic detector was not run.

Stop conditions

Stop here when the request is detect-only. Do not continue into rewrite, file mutation, or interpretation merely because those Skills are available.

A residual RECHECK may run once. Respect the canonical two-pass limit and the graph's loop policy.

Output

Return the overall label and score when executed, detected patterns grouped by severity, a short contextual assessment of clear issues versus plausible false positives, execution status, and no rewritten version unless control has explicitly passed to a rewrite owner.

Dépôt GitHub

conorbronsdon/avoid-ai-writing
Chemin: skills/ai-writing-detector
0
ai-writingclaudeclaude-codellmprompt-engineeringskill
FAQ

Questions fréquentes

Qu’est-ce que le Skill ai-writing-detector ?

ai-writing-detector est un Skill Claude créé par conorbronsdon. Un Skill regroupe des instructions et des ressources que Claude charge à la demande pour effectuer des tâches liées à ai-writing-detector sans consigne supplémentaire.

Comment installer ai-writing-detector ?

Utilisez les commandes d’installation de cette page : ajoutez ai-writing-detector à Claude Code comme plugin ou clonez son dépôt dans votre dossier skills, puis redémarrez Claude pour charger le Skill.

À quelle catégorie appartient ai-writing-detector ?

ai-writing-detector appartient à la catégorie Autre.

ai-writing-detector est-il gratuit ?

Oui. ai-writing-detector est référencé sur AIMCP et son installation est gratuite.

Compétences associées

sports-betting-analyzer
Autre

Cette compétence Claude analyse les marchés des paris sportifs, incluant les spreads, les over/under et les paris spéciaux, en examinant les tendances historiques et les statistiques situationnelles pour identifier les paris à valeur ajoutée. Elle fournit une sortie en markdown structuré avec des recommandations actionnables à des fins éducatives. Les développeurs doivent l'utiliser pour des outils d'analyse de paris sportifs tout en notant qu'elle est conçue uniquement pour le divertissement et l'éducation.

Voir la compétence
llamaguard
Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence
cost-optimization
Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence
quantizing-models-bitsandbytes
Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence