Редакторский инструмент для естественного делового письма на русском

Этот репозиторий содержит редакторский инструмент и набор спецификаций для prompt-инженерии, который помогает переписывать русскоязычный деловой текст так, чтобы он звучал естественно, ясно, профессионально и по-человечески.

Используйте его, когда текст выглядит нейросетевым, слишком отполированным, канцелярским, шаблонным или корпоративно-пустым, но при этом должен оставаться деловым, точным и фактически корректным.

Зачем это нужно

Обычные промпты в духе «сделай текст более человечным» часто ошибаются в одну из двух сторон:

• сглаживают текст, но делают его пустее, шаблоннее и искусственнее;
• делают текст живее ценой точности, делового тона и смысловой дисциплины.

Этот репозиторий решает более узкую и практическую задачу: русскоязычному деловому письму чаще нужна не «теплота», а аккуратная редактура. То есть нужно убрать нейрояз, канцелярит, карьерные штампы и синтетическую гладкость, сохранив смысл, намерение, ограничения и профессиональный тон.

Цель не в том, чтобы украсить текст. Цель в том, чтобы он читался как текст компетентного взрослого человека.

Инструмент различает два режима работы:

• локальную редактуру живого текста с отдельными неудачными формулировками;
• глубокую реконструкцию шаблонного исходника, где проблема находится в композиции, одинаковой плотности и отсутствии смысловой иерархии.

Во втором режиме текст собирается заново из исходных фактов и намерения автора. Это не разрешение что-либо выдумывать: меняются порядок, приоритеты, связи и объём, но не фактические границы.

Чем этот инструмент отличается от обычных humanizer-промптов

Этот репозиторий строже и редакторски точнее, чем типичный промпт «сделай по-человечески».

Он спроектирован так, чтобы:

• сохранять факты, намерение и деловую логику;
• не придумывать мотивацию, достижения, эмоции и новые детали;
• беречь техническую точность в требованиях, кейсах и тестовых заданиях;
• не переисправлять текст, если он и так звучит нормально;
• распознавать не только явные AI-штампы, но и более тонкие признаки: синтетическую гладкость, карьерно-шаблонный тон, пустую абстрактность и «слишком правильный» ритм;
• не сохранять инвентарную композицию, если локальная замена слов не создаёт смысловой иерархии;
• использовать доступные авторские опоры вместо искусственных ошибок и псевдоспонтанности.

Это не одноразовый промпт, а небольшая редакторская система:

• базовая спецификация;
• справочник паттернов;
• справочник примеров;
• набор кейсов для оценки;
• лёгкий eval-runner для повторяемых прогонов;
• два готовых адаптера доставки: skill и prompt.

Что входит в репозиторий

• платформенно-нейтральное ядро в core/;
• справочные материалы по паттернам и примерам;
• кейсы и рубрика для сравнения версий;
• лёгкий eval-runner для повторяемых прогонов;
• единый portable skill для Codex и Claude Code;
• prompt-пакет для ChatGPT, Gemini и похожих чатов: основной prompt-файл, тонкий instructions-слой и плоские reference-файлы.

Для каких задач подходит

Используйте инструмент для:

• сопроводительных писем;
• откликов на вакансии;
• сообщений рекрутерам;
• деловой переписки;
• коротких рабочих сообщений;
• самопрезентаций;
• описаний проектов;
• описаний кейсов;
• технических требований;
• тестовых заданий.

Для кого это

• для людей, которые пишут профессиональные тексты на русском;
• для кандидатов, которые готовят отклики, письма и коммуникацию с рекрутерами;
• для менеджеров, лидов и специалистов, которые редактируют деловую коммуникацию;
• для команд, которые строят AI-процессы вокруг русскоязычного делового письма;
• для специалистов по prompt-инженерии, которым нужен воспроизводимый редакторский стандарт, а не один удачный промпт.

Для чего это не подходит

• для запроса в духе «сделай потеплее» без редакторской дисциплины;
• для креативного письма или brand voice-задач, где важнее выдумка, чем точность;
• для переписывания повседневной переписки;
• для SEO-рифрайта;
• для генерации продажных текстов;
• для случаев, где модель должна сама придумывать мотивацию, достижения или нарратив.
• для гарантированного «обхода» AI-детекторов или порчи текста ради внешнего балла.

Об AI-детекторах

Ни один prompt или skill не может гарантировать одинаковый результат в разных AI-детекторах. Их модели, пороги и обучающие данные меняются, а один и тот же человеческий текст может получить разные оценки.

Поэтому внешний детектор здесь используется только как датированный диагностический сигнал. Он не заменяет проверку смысла, фактов, авторского выбора и качества письма. Намеренные опечатки, случайная пунктуация, разговорные вставки и другие способы «сбить» проверку считаются регрессией.

Для более достоверного результата передавайте вместе с исходником:

• жанр, канал и задачу текста;
• адресата и ожидаемую реакцию;
• факты, которые обязательно сохранить;
• детали, которые можно сократить;
• при наличии — черновики, заметки, расшифровки речи, предыдущие тексты или примеры правок пользователя;
• желаемую степень прямоты, формальности и подробности.

Готовые образцы — только один из видов опоры. Если авторских фрагментов нет, используйте:

• решения пользователя: что главное, что убрать, с чем он не согласен;
• контекст коммуникации: адресат, задача, канал и ожидаемое действие;
• фактические источники: брифы, протоколы, требования, спецификации, отчёты и переписку;
• организационные опоры: редакционную политику, согласованные шаблоны, глоссарий и удачные тексты команды;
• стилевые координаты: прямой или дипломатичный тон, краткая или подробная подача, личная или безличная форма.

Эти материалы помогают собрать уместный текст, но не доказывают личный голос. Если нет никаких авторских опор, инструмент использует нейтральный редакторский стандарт: прямой синтаксис, спокойный профессиональный тон, умеренную плотность и только факты из исходника.

Если исходник уже целиком сгенерирован моделью, ещё одно перефразирование останется модельной переработкой. Для чувствительного сценария достаточно сначала принять три решения:

1. Какой результат должен дать текст?
2. Какие факты или тезисы в нём главные?
3. Какую реакцию или действие вы ожидаете от адресата?

После этого инструмент может собрать нейтральную редакторскую версию, отражающую ваши решения. Это повышает содержательную достоверность текста, но всё равно не превращает оценку детектора в гарантию авторства.

Редакторская цель

Итоговый текст должен звучать:

• естественно;
• ясно;
• конкретно;
• спокойно;
• профессионально;
• по-человечески.

Он не должен превращаться в:

• канцелярский текст;
• рекламную подачу;
• карьерно-шаблонный язык;
• корпоративный жаргон;
• синтетически отполированный нейросетевой ответ;
• чрезмерно разговорную речь.

На практике это означает редактуру тона, ритма и формулировок без подмены фактов, размывания смысла и замены одного шаблона другим.

Базовые принципы

• Сохранять смысл, факты и намерение.
• Улучшать формулировки, ясность и ритм, а не перепридумывать содержание.
• Не добавлять новый опыт, мотивацию, числа, достижения, сроки или эмоциональные акценты.
• Редактировать минимально, если исходник и так звучит естественно.
• Не заменять один шаблон другим.

Структура репозитория

editorial-skill-for-natural-russian-business-writing/
|-- README.md
|-- LICENSE
|-- core/
|   |-- prompt-spec.md
|   |-- patterns.md
|   |-- examples.md
|   |-- eval-cases.md
|   `-- eval-rubric.md
|-- build/
|   |-- README.md
|   |-- adapter-contract.md
|   |-- sync-matrix.md
|   |-- build_adapters.py
|   |-- manifests/
|   |   |-- skill.yaml
|   |   `-- prompt.yaml
|   `-- template/
|       |-- README.md
|       `-- adapter.yaml
|-- test/
|   |-- eval_runner.py
|   `-- smoke-checklist.md
|-- plans/
|   |-- development-plan.md
|   `-- release-checklist.md
`-- adapters/
    |-- skill/
    |   |-- SKILL.md
    |   |-- agents/
    |   |   `-- openai.yaml
    |   `-- references/
    |       |-- patterns.md
    |       `-- examples.md
    `-- prompt/
        |-- humanize-russian-business-text.prompt.md
        |-- humanize-russian-business-text.instructions.md
        |-- humanize-russian-business-text.patterns.md
        `-- humanize-russian-business-text.examples.md

Редакторская логика хранится в core/.
Готовые пакеты для использования лежат в adapters/.
Сборочная и служебная логика вынесена в build/, а всё, что относится к проверке и прогону, лежит в test/.

Как использовать

Ниже описаны пять сценариев:

1. установка общего skill в Codex;
2. установка общего skill в Claude Code;
3. быстрый одноразовый запуск в ChatGPT или Gemini;
4. использование в ChatGPT Projects или GPTs;
5. использование в Gemini Gems.

Во всех пяти сценариях core/ остаётся единственным каноническим источником редакторской логики.

Установка в Codex

Переносимый skill для Codex лежит в каталоге adapters/skill. Это готовый runtime-пакет, поэтому его можно копировать целиком.

Имя skill-а: humanize-russian-business-text

Вариант 1. Если репозиторий уже у вас на компьютере

Windows PowerShell:

New-Item -ItemType Directory -Force "$HOME\.codex\skills\humanize-russian-business-text" | Out-Null
Copy-Item -Recurse -Force ".\adapters\skill\*" "$HOME\.codex\skills\humanize-russian-business-text\"

macOS / Linux:

mkdir -p ~/.codex/skills/humanize-russian-business-text
cp -R ./adapters/skill/* ~/.codex/skills/humanize-russian-business-text/

Вариант 2. Если хотите сначала клонировать репозиторий

Windows PowerShell:

git clone https://github.com/ValentinAvramko/editorial-skill-for-natural-russian-business-writing.git
cd editorial-skill-for-natural-russian-business-writing
New-Item -ItemType Directory -Force "$HOME\.codex\skills\humanize-russian-business-text" | Out-Null
Copy-Item -Recurse -Force ".\adapters\skill\*" "$HOME\.codex\skills\humanize-russian-business-text\"

macOS / Linux:

git clone https://github.com/ValentinAvramko/editorial-skill-for-natural-russian-business-writing.git
cd editorial-skill-for-natural-russian-business-writing
mkdir -p ~/.codex/skills/humanize-russian-business-text
cp -R ./adapters/skill/* ~/.codex/skills/humanize-russian-business-text/

После копирования перезапустите Codex, если skill не появился сразу.

Что должно получиться после установки

В каталоге ~/.codex/skills/humanize-russian-business-text/ должны лежать:

• SKILL.md
• references/patterns.md
• references/examples.md
• agents/openai.yaml

openai.yaml должен лежать именно внутри agents/openai.yaml в составе skill-пакета.

Использование в Codex

После установки вызовите skill по имени и вставьте текст.

Простой вариант:

Используй $humanize-russian-business-text и перепиши этот текст:

[ваш текст]

Более точный вариант:

Используй $humanize-russian-business-text.
Жанр и канал: [письмо, сообщение, описание, документ].
Адресат и задача: [кто будет читать и какой результат нужен].
Ожидаемая реакция: [что адресат должен понять или сделать].
Обязательно сохранить: [факты и ограничения].
Можно сократить: [второстепенные детали].
Авторские опоры: [черновик, заметки, расшифровка речи, правки или предыдущий текст — необязательно].
Стилевые координаты: [прямота, формальность, подробность — необязательно].

Если проблема только в отдельных фразах, правь минимально. Если исходник переносит материал без смысловой иерархии, пересобери композицию из исходных фактов и не выдумывай новые.
Верни только итоговый вариант.

[ваш текст]

Если нужен комментарий к правкам, можно написать так:

Используй $humanize-russian-business-text и перепиши текст.
Сначала дай итоговый вариант, потом коротко перечисли, что именно было исправлено.

[ваш текст]

Установка в Claude Code

Для Claude Code используется тот же переносимый skill из adapters/skill.

Windows PowerShell:

New-Item -ItemType Directory -Force "$HOME\.claude\skills\humanize-russian-business-text" | Out-Null
Copy-Item -Recurse -Force ".\adapters\skill\*" "$HOME\.claude\skills\humanize-russian-business-text\"

macOS / Linux:

mkdir -p ~/.claude/skills/humanize-russian-business-text
cp -R ./adapters/skill/* ~/.claude/skills/humanize-russian-business-text/

После копирования перезапустите Claude Code, если skill не появился сразу.

После этого Claude Code сможет использовать адаптер как обычный skill: автоматически по описанию или вручную через /humanize-russian-business-text.

Минимальная структура после установки:

• ~/.claude/skills/humanize-russian-business-text/SKILL.md;
• ~/.claude/skills/humanize-russian-business-text/references/patterns.md;
• ~/.claude/skills/humanize-russian-business-text/references/examples.md.

Каталог agents/ можно оставить как есть: это часть общего skill-пакета, и Claude Code она не мешает.

Пример запроса:

/humanize-russian-business-text

Это деловой текст.
Нужно убрать нейрояз и шаблонные формулировки, но сохранить факты, ограничения и спокойный профессиональный тон.
Если текст уже нормальный, правь минимально.
Верни только итоговый вариант.

[ваш текст]

Быстрый запуск в ChatGPT или Gemini

Для обычных чатов используйте самодостаточный quick-chat prompt из adapters/prompt/humanize-russian-business-text.prompt.md.

1. Откройте adapters/prompt/humanize-russian-business-text.prompt.md.
2. Скопируйте его целиком в начало нового диалога.
3. Вставьте исходный текст.
4. Дайте короткую задачу: что это за жанр, насколько глубоко можно править и нужен ли комментарий к правкам.

Базовый запрос:

Перепиши этот текст так, чтобы он звучал естественно и по-деловому.
Не придумывай новые факты и не делай его более рекламным.
Нужен только итоговый вариант.

Текст:
...

humanize-russian-business-text.prompt.md самодостаточен для обычного чата.

Если нужен более точный контроль, можно дополнительно загрузить рядом:

• adapters/prompt/humanize-russian-business-text.patterns.md для AI-штампов, канцелярита, карьерного шаблона и слишком гладкого тона;
• adapters/prompt/humanize-russian-business-text.examples.md для калибровки глубины правки.

Практически это обычно выглядит так:

• для ChatGPT достаточно вставить humanize-russian-business-text.prompt.md, короткую рамку задачи и текст;
• для Gemini полезно отдельно повторить ограничение «верни только итоговый текст», если модель начинает объяснять вместо редактирования.

ChatGPT Projects или GPTs

Для ChatGPT Projects или GPTs используйте prompt-пакет как разделённый слой:

1. В instructions вставьте adapters/prompt/humanize-russian-business-text.instructions.md.
2. В knowledge / files обязательно загрузите adapters/prompt/humanize-russian-business-text.prompt.md.
3. Дополнительно загрузите:
   • adapters/prompt/humanize-russian-business-text.patterns.md
   • adapters/prompt/humanize-russian-business-text.examples.md
4. В рабочем чате давайте только задачу и исходный текст.

В этой схеме instructions.md не дублирует редакторскую спецификацию, а требует использовать humanize-russian-business-text.prompt.md как обязательный основной файл.

Gemini Gems

Для Gemini Gems используйте prompt-пакет как разделённый слой:

1. В instructions Gem вставьте adapters/prompt/humanize-russian-business-text.instructions.md.
2. В knowledge обязательно загрузите adapters/prompt/humanize-russian-business-text.prompt.md.
3. Дополнительно загрузите:
   • adapters/prompt/humanize-russian-business-text.patterns.md
   • adapters/prompt/humanize-russian-business-text.examples.md
4. В самих чатах с Gem давайте только задачу и текст.

Gemini иногда чаще уходит в объяснения вместо редактирования, поэтому в рабочих запросах полезно отдельно повторять ограничение: «верни только итоговый текст».

Системное сравнение

Если вы системно сравниваете версии промпта, модели или адаптера внутри репозитория, используйте core/eval-cases.md и core/eval-rubric.md.

Как понять, что результат хороший

Минимальная проверка перед использованием результата:

1. Смысл не изменился.
2. Новые факты, мотивация и достижения не появились.
3. Текст стал естественнее, а не просто глаже.
4. Канцелярит, карьерные штампы и нейросетевые связки действительно ушли.
5. Текст не стал суше, беднее или безличнее исходника.

Если вы тестируете инструмент системно, используйте core/eval-cases.md и core/eval-rubric.md.

Для короткой ручной проверки skill и prompt перед выпуском используйте test/smoke-checklist.md.

Лёгкий eval-runner

В репозитории есть минимальный CLI-сценарий для повторяемой оценки без внешних зависимостей:

• он читает кейсы прямо из core/eval-cases.md;
• использует шкалу и правила интерпретации из core/eval-rubric.md;
• готовит шаблон прогона и собирает итоговый markdown-отчёт.

Скрипт лежит в test/eval_runner.py.

Базовый сценарий

1. Создайте шаблон прогона:

python test/eval_runner.py init-run --name codex-smoke --target "codex adapter" --output tmp/codex-smoke.json

1. Заполните в JSON для каждого кейса:

• candidate_output — итоговый ответ модели;
• scores — оценки 0, 1 или 2 по восьми критериям;
• external_signals — необязательный список датированных результатов внешних AI-детекторов; эти сигналы не влияют на итоговый балл;
• notes — короткую заметку, если она нужна.

1. Соберите отчёт:

python test/eval_runner.py report --input tmp/codex-smoke.json --output tmp/codex-smoke-report.md

Полезные команды

Выгрузить кейсы в JSON:

python test/eval_runner.py export-cases --output tmp/eval-cases.json

Создать шаблон прогона:

python test/eval_runner.py init-run --output tmp/manual-eval.json

Собрать отчёт и вывести его в консоль:

python test/eval_runner.py report --input tmp/manual-eval.json

Этот сценарий специально остаётся лёгким: он автоматизирует структуру прогона, валидацию оценок и сводку, но не заменяет редакторское суждение.

Текущее состояние

Текущая версия уже пригодна к использованию.

В репозитории уже есть:

1. платформенно-нейтральное ядро;
2. справочники паттернов и примеров;
3. кейсы и рубрика для сравнения версий;
4. лёгкий eval-runner для повторяемых прогонов;
5. готовый переносимый skill для Codex и Claude Code;
6. готовый переносимый prompt для ChatGPT, Gemini и похожих чатов.

Планы развития вынесены в plans/development-plan.md.

Позиционирование

Смотрите на этот репозиторий как на редакторский инструмент для естественного делового письма на русском, а не как на один удачный промпт.