Humanizer คืออะไร แก้ข้อความ AI ให้เป็นธรรมชาติโดยรักษาข้อเท็จจริง
ข้อความอาจถูกไวยากรณ์ทุกประโยค แต่ยังฟังเหมือนคำประกาศที่ไม่มีใครพูดจริง Humanizer ช่วยกำหนดกระบวนการแก้ภาษาให้ตรงผู้เขียน โดยไม่เติมข้อมูลเพื่อทำให้เรื่องดูน่าเชื่อ

Humanizer ช่วยแก้สำนวนและโครงสร้าง โดยเก็บสารเดิมไว้
Humanizer ของ blader เป็น Agent Skill สำหรับตรวจและแก้ข้อความที่มีรูปแบบซ้ำแบบงานเขียน AI เช่น เกริ่นเรื่องใหญ่ก่อนบอกสารจริง ย้ำความสำคัญแทนการเพิ่มข้อมูล ใช้โครงประโยคเดิมทุกย่อหน้า หรือทำภาษาธรรมดาให้ดูเป็นคำโฆษณา สกิลนี้ให้ขั้นตอนทำงานแก่ผู้ช่วย AI ที่ใช้อยู่แล้ว โดยไม่มีโมเดลภาษาใหม่หรือตัวตรวจพิสูจน์ผู้เขียนมาให้
บทความนี้อ้าง blader/humanizer รุ่นที่ไฟล์ระบุ 3.1.0 ณ commit 8c307f36 ชื่อ humanizer มีผู้พัฒนาหลายราย ก่อนติดตั้งจึงต้องดูทั้งชื่อสกิลและเจ้าของ repository รุ่นนี้กำหนดให้เสียงของผู้เขียนและข้อเท็จจริงมาก่อนกฎการตัดสำนวน หากผู้ใช้มีตัวอย่างงานเขียน ให้ใช้ตัวอย่างนั้นนำการปรับภาษา
งานที่เหมาะคือบทความ อีเมล รายงาน และคำอธิบายที่สารครบแล้วแต่ภาษายังไม่ตรงผู้อ่าน หากต้นฉบับมีตัวเลขผิดหรือขาดแหล่งข้อมูล ควรแก้หลักฐานก่อน การเกลาภาษาอย่างเดียวอาจทำให้ข้อความที่ผิดดูน่าอ่านขึ้น โดยความผิดยังอยู่
อ่านทั้งชิ้น ร่างใหม่ แล้วเทียบสิ่งที่เปลี่ยน
กระบวนการในต้นฉบับเริ่มจากอ่านเพื่อหาจุดที่ฟังแข็งหรือเป็นสูตร แล้วร่างใหม่โดยรักษาข้อมูล จากนั้นตรวจร่างกับต้นฉบับอีกครั้ง และเขียนฉบับสุดท้ายให้เป็นธรรมชาติ การอ่านทั้งย่อหน้าสำคัญเพราะปัญหาบางอย่างเกิดในระดับโครงสร้าง เช่น ทุกหัวข้อจบด้วยประโยคย้ำเดิม แม้แต่ละประโยคจะไม่ได้ผิดเมื่ออ่านแยก
คำในรายการของ Humanizer ไม่จำเป็นต้องลบทุกครั้ง คำเชื่อม การย้ำ หรือการเปรียบเทียบอาจช่วยสื่อความหมายหรือเป็นสำนวนของผู้เขียน ให้ดูบริบทก่อนแก้ และรักษาระดับภาษาที่เหมาะกับงาน เช่น เอกสารทางการยังควรใช้ภาษาทางการ
ติดตั้งเฉพาะสกิลที่เลือกและส่งบริบทให้พอ
หน้ารายการบน Skills.sh แสดงคำสั่งด้านล่างสำหรับแหล่งนี้ ต้องมี Node.js และสภาพแวดล้อม Agent ที่รองรับก่อน อ่านไฟล์ใน repository และขอบเขตไฟล์ที่จะเพิ่มก่อนยืนยันติดตั้ง บทความไม่ได้รันคำสั่งติดตั้งนี้
npx skills add https://github.com/blader/humanizer --skill humanizer
หลังติดตั้ง ให้ตรวจว่า Agent มองเห็นสกิลและเรียกโดยชื่อที่แอปนั้นรองรับ เช่น ระบุในข้อความว่า “ใช้ humanizer แก้ย่อหน้าต่อไปนี้” วิธีเรียกผ่านเมนู slash อาจต่างกันตามแอป เตรียมต้นฉบับ กลุ่มผู้อ่าน จุดประสงค์ ระดับความเป็นทางการ และข้อความหรือคำเฉพาะที่ต้องคงไว้
ตัวอย่างคำขอสมมติ: ใช้ humanizer แก้ข้อความประกาศนี้สำหรับลูกค้าคนไทย ใช้ภาษาเป็นมิตรและตรงประเด็น คงชื่อบริการ วันที่ เงื่อนไข และลิงก์ทุกจุด ห้ามเพิ่มคำรับรองหรือประสบการณ์ส่วนตัว ส่งฉบับแก้พร้อมบอกจุดที่ความหมายอาจเปลี่ยน
ตัวอย่างภาษาไทย: ตัดคำฟุ่มเฟือยโดยรักษาเงื่อนไขเดิม
ตัวอย่างสมมติต่อไปนี้ใช้อธิบายหลักการ ยังไม่ได้ทดสอบด้วย Humanizer และไม่ได้รับรองความสามารถของบริการจริง
| ฉบับ | ข้อความ |
|---|---|
| ก่อนแก้ | ในยุคที่ทุกวินาทีมีความสำคัญ เครื่องมือของเราไม่ได้เป็นเพียงตัวช่วยรวมไฟล์ แต่เป็นกุญแจสำคัญที่ยกระดับประสิทธิภาพ โดยคุณสามารถรวมไฟล์ PDF ได้ในเบราว์เซอร์ |
| หลังแก้ | รวมไฟล์ PDF ในเบราว์เซอร์ได้ด้วยเครื่องมือนี้ |
สิ่งที่ตัดออกคือข้อความยกความสำคัญซึ่งไม่ได้บอกวิธีใช้เพิ่ม ข้ออ้างที่เหลือคือรวม PDF ในเบราว์เซอร์ได้ หากต้นฉบับไม่ได้ระบุว่าออฟไลน์ ฟรี หรือไม่จำกัดขนาด ผู้แก้ไม่มีสิทธิ์เติมคำเหล่านั้น แม้จะทำให้ประโยคดูน่าสนใจกว่าเดิม
อีกกรณีที่ต้องระวังคือคำบอกระดับความแน่ใจ เช่น “อาจลดเวลาได้” เปลี่ยนเป็น “ลดเวลาได้” ทำให้ข้อสรุปแรงขึ้น ส่วน “ภายใน 7 วันทำการหลังเอกสารครบ” ย่อเป็น “ภายใน 7 วัน” ทำเงื่อนไขหาย เมื่อย่อข้อความจึงต้องตรวจว่าเงื่อนไขและระดับความแน่ใจยังอยู่ครบ
ตรวจข้อมูลที่ต้องคงไว้แยกจากน้ำเสียง
ข้อเสนอของ KrobClick คือแยกการตรวจสองรอบ รอบแรกดูสาร: ชื่อคนและองค์กร ตัวเลข หน่วย วันเวลา เงื่อนไข คำปฏิเสธ ลิงก์ คำพูดอ้าง และระดับความแน่ใจ รอบสองอ่านออกเสียงเพื่อดูจังหวะ ความซ้ำ และความเหมาะกับผู้อ่าน วิธีนี้ช่วยไม่ให้ความลื่นของฉบับใหม่กลบข้อมูลที่หายไป
- หากผู้เขียนมีท่าทีไม่แน่ใจ ฉบับใหม่ยังสะท้อนความไม่แน่ใจหรือไม่
- คำเทคนิคที่จำเป็นถูกอธิบายเพิ่มอย่างมีหลักฐาน หรือถูกแทนจนความหมายเปลี่ยน
- มีประสบการณ์ส่วนตัว ความเห็น หรือคำรับรองใหม่ที่ผู้เขียนไม่ได้ให้มาหรือไม่
- ข้อความใน code block คำสั่ง path และ metadata ถูกแก้โดยไม่ตั้งใจหรือไม่
ต้นฉบับสกิลมี file mode ที่ให้แก้เฉพาะร้อยแก้วและเก็บโค้ด คำสั่ง path metadata และปลายทางลิงก์ไว้ การให้แก้ไฟล์ทั้งไฟล์จึงควรตรวจ diff ก่อนบันทึกหรือเผยแพร่ โดยเฉพาะบทความที่มีตัวอย่างคำสั่งอยู่ข้างข้อความอธิบาย
อย่าใช้คะแนนตรวจ AI เป็นเกณฑ์ตัดสินความสำเร็จ
ไฟล์สกิลที่อ้างอิงไม่ได้เป็นหลักฐานว่าผลลัพธ์จะผ่านเครื่องตรวจ AI ตัวใด และบทความนี้ไม่ได้ทดลองตัวตรวจเหล่านั้น ควรประเมินฉบับแก้จากความถูกต้อง การรักษาเสียงของผู้เขียน และความเข้าใจของผู้อ่าน พร้อมปฏิบัติตามข้อกำหนดการเปิดเผยขององค์กร ไม่ใช้การปรับภาษาเพื่อหลบข้อกำหนดเหล่านั้น
ภาษาไทยมีจังหวะและคำลงท้ายต่างจากตัวอย่างอังกฤษหลายข้อในสกิล อย่าถือว่าการลบขีดยาวหรือเปลี่ยนคำเชื่อมเพียงอย่างเดียวแก้ปัญหาทั้งหมด เริ่มจากย่อหน้าสั้นหนึ่งชิ้น ระบุผู้อ่านให้ชัด แล้วเทียบว่าฉบับใหม่คงข้อมูลและฟังเป็นผู้เขียนเดิมหรือไม่ เมื่อผ่านจึงขยายไปทั้งเอกสาร และใช้แนวทาง ตรวจรับงานจาก AI Agent ช่วยตรวจชิ้นงานจริงก่อนเผยแพร่
แหล่งอ้างอิง
ตรวจต้นฉบับวันที่ 21 ตุลาคม 2569 ตรึง commit ตามแหล่งข้อมูล อธิบายจากเอกสาร ไม่ได้ติดตั้งหรือทดสอบผลลัพธ์สกิล ตัวอย่างภาษาไทยเป็นสถานการณ์สมมติของ KrobClick ภาพปกสร้างด้วย AI และไม่ใช่ผลงานจากสกิลที่อธิบาย