STE80 Humanizer: AI 말투 지우고 ASD-STE100 80% 수준으로 다시 쓰는 에이전트 스킬
Show HN: STE80 Humanizer – de-AI text by writing 80% of the way to ASD-STE100
TL;DR Highlight
AI 티 26가지를 지우고 짧은 문장으로 다시 쓰는 스킬이 나왔다
Who Should Read
LLM이 쓴 문서·README·런북이 길고 AI 티가 나서 읽기 힘든 개발자
Core Mechanics
- 두 번에 나눠 고친다
- Pass 1은 Wikipedia의 'Signs of AI writing'에서 가져온 AI 티 26가지를 지운다.
- Pass 2는 문장을 ASD-STE100 80% 수준으로 다시 쓴다.
- 단어만 지우면 한 문장에 생각 셋이 든 긴 문장이 남는다고 한다.
- ASD-STE100은 항공 정비용 통제 영어다
- 1980년대 항공우주 산업에서 영어가 모국어가 아닌 정비사를 위해 만들어졌다.
- 지시문은 20단어, 설명문은 25단어, 문장당 한 가지 지시, 능동태와 단순 시제가 규칙이다.
- 승인 단어는 약 900개, 문단은 한 주제에 6문장 이하다.
- 80%는 구조는 지키고 어휘는 풀어 준다
- 80%(기본)는 승인 사전 없이 흔한 쉬운 단어를 쓰고, check·test를 동사로 쓸 수 있다.
- may·should는 진짜 불확실할 때 쓰고, 캐주얼 글에서는 축약형도 허용한다.
- 100%(Strict)는 이 모두를 금지한다.
- Karpathy의 팁이 출발점이다
- 원문은 2026년 10월 2일 Karpathy가 LLM에게 ASD-STE100으로 설명해 달라고 하라는 팁을 올렸다고 쓴다.
- 규격이 엄격해서 '80% of the way'로 완화해서 요청하기도 한다고 한다.
- 사실 보존이 일반 프롬프트와의 차이다
- 작성자의 소규모 테스트에서 스킬 없는 실행은 인용문을 지어내고 '40+ customers'를 '40-odd'로 바꿨다.
- 스킬을 쓴 실행은 모든 사실을 유지했고 README 재작성에서 원문의 모순도 짚었다.
- 작성자도 증거가 아니라 힌트로 보라고 한다.
- 설치와 린터가 따로 있다
- npx skills add Dodaios/ste80-humanizer로 Claude Code, Codex, Cursor 등에 설치한다.
- scripts/ste_check.py는 의존성 없는 파이썬 린터이며 문장 길이·수동태·세미콜론 등을 잡는다.
- AI 탐지기도, STE 준수 검사기도 아니라고 밝힌다.
Community Reactions
- 이름이 '휴머나이저'라 오해를 부른다는 의견
- 사람 목소리를 더하는 게 아니라 AI 특유의 버릇을 지우는 도구라는 의견이 있었다.
- 사람처럼 보이게 속이려는 게 아니라 더 명확하고 간결한 글이 목표라고 본다.
- 비슷한 도구와 차이가 궁금하다는 반응
- 여러 하니스에서 써 보니 잘 됐다며 SimpleEnglish(AminBlg/SimpleEnglish)와의 차이를 묻는 댓글이 있었다.
- 80%만 요청해도 읽기 편해졌다는 경험
- ASD-STE100 80%로 요청만 해도 가독성이 크게 좋아졌다는 경험이 있었다.
- Opus 출력을 읽을 때 머리가 덜 멍해졌다고 한다.
- 대안 표준을 제안하거나 회의적인 의견
- 기술 문서에는 ISO 24495-1이 맞다는 의견이 있었다.
- 스킬이 텍스트 워터마크도 무력화하는지 궁금하다는 질문이 있었다.
- 소개문 자체가 스킬을 안 쓴 듯하다는 지적과 직접 글쓰기를 배우라는 반응도 있었다.
How to Apply
- 오늘 AI가 쓴 문서 하나를 80%로 다시 쓰기
- 최근 LLM이 쓴 README나 사내 문서 하나를 골라 아래 프롬프트에 붙여 넣는다.
- 원본과 결과를 비교해 사실이 빠졌거나 바뀌지 않았는지 확인한다.
- 스킬을 설치해 문서 작업에 연결하기
- 프로젝트에서 npx skills add Dodaios/ste80-humanizer를 실행한다.
- 에이전트에게 'Rewrite docs/intro.md 80% of the way to ASD-STE100'처럼 요청한다.
- 린터를 CI나 pre-commit에 걸기
- python scripts/ste_check.py docs/runbook.md로 긴 문장·수동태·세미콜론을 찾는다.
- 휴리스틱이므로 경고를 참고용으로 두고 차단 기준은 정하지 않는다.
- 런북·안전 절차는 Strict로 따로 돌리기
- 절차 문서는 'strict STE'로 요청해 100% 규칙을 적용한다.
- 소설·연설·브랜드 카피에는 쓰지 말고 Pass 1만 적용한다.
Try It
# Claude나 ChatGPT 대화창에 그대로 붙여넣기 (STE80 Humanizer 방법의 간이 버전)
당신은 편집자다. 아래 {{문서}}를 두 번에 나눠 고쳐라.
Pass 1: AI 티를 지워라. 'Great question!' 같은 챗봇 인사, 'not just X, it's Y', 한 줄 결말 문장, 대시 남발, 'could potentially' 같은 겹친 완화어, 과장된 의미 부여를 없앤다.
Pass 2: ASD-STE100의 80% 수준으로 다시 써라. 한 문장에 한 가지 생각, 지시문 20단어·설명문 25단어 안팎, 능동태, 단순 시제, 조건을 앞에(If X, do Y), 절차와 설명 분리, 문단은 한 주제에 6문장 이하.
승인 사전은 쓰지 않아도 되고 may·should는 진짜 불확실할 때만 남긴다.
규칙: 모든 사실과 숫자를 그대로 유지하라('40+'를 바꾸지 마라). 내용을 추가하지 마라. 원문에 모순이 있으면 따로 알려라.
출력: 고친 글, 그리고 바꾼 점 3줄 요약.
{{문서}}
이어서 해 볼 것: 결과에서 숫자와 may/should가 원문과 같은지 대조하고, 'strict STE'로 바꿔 요청해 차이를 비교한다.Terminology
관련 논문
명세를 얼마나 명시하느냐가 LLM 생성 코드의 실패를 좌우한다
제약·불변식·엣지케이스를 명시했더니 숨은 테스트 실패가 47.2% 줄었다
같은 문제, 다른 문장: 문제를 다시 쓰면 LLM이 언제 더 잘 푸는가
문제 문장을 유형에 맞게 다시 쓰면 정답률이 올라가지만, 무작정 다시 쓰면 오히려 떨어진다
LLM 소설의 캐릭터 이름 쏠림: 측정과 반복 완화 (Speculative Naming)
이름 후보를 여러 개 뽑아 빈도로 걸러내자 Elara류 이름 쏠림이 95% 줄었다
LLM Voice: 초안을 LLM에 맡기면 안 되는 이유
Martin Fowler: LLM이 쓴 초안은 사람이 고쳐도 특유의 어색함이 남는다
사실 회상엔 Instruction 튜닝이 세금: Base 모델이 Instruct 모델을 이긴다
Base 모델에 few-shot 이어쓰기와 다중 샘플링을 썼더니 chat 대비 F1 0.568→0.684
AI는 도구다, 잘 쓰려면 기술이 필요하다
Hickey의 'AI는 도구가 아니다'에 맞서, LLM도 쓰는 사람의 기술이 결과를 가른다고 반박
딥리서치 에이전트의 Reflective Prompt Optimization: 토픽 분리·멀티 시드로 본 진짜 성능 향상과 프롬프트 과적합
GEPA로 프롬프트를 최적화했더니 held-out 인용 보상 0.702→0.781
GPT-6와 Intelligent UI: 채팅 안에서 시각·인터랙티브 응답 만들기
OpenAI가 GPT-6로 채팅 응답에 UI를 넣는다는데 원문이 없어 댓글 반응만 확인된다