AI로 초안을 쓰면 문장은 매끄러운데 어딘가 티가 납니다. 그 티를 지우는 일만 전문으로 하는 저장소들이 GitHub에 쌓였고, 상위권의 작동 방식에는 공통점이 하나 있죠.
Analytics Vidhya가 글쓰기와 편집만을 목적으로 하는 저장소만 골라 GitHub 스타 순으로 다섯 개를 정리했습니다. 커밋 메시지나 사내 보고서를 써주는 스킬은 걷어냈다는 게 이 목록의 기준이죠. 수치는 2026년 8월 5일 GitHub 집계입니다.
출처: Top 5 Claude Skills for Writing (Ranked by GitHub Stars) – Analytics Vidhya
목록은 이렇습니다.
- humanizer — 위키백과의 ‘AI 글쓰기 징후’ 문서에서 뽑은 33개 패턴을 걷어내고, 사용자의 글 샘플에 맞춰 문체를 다시 씁니다. 스타 3만 3700개
- stop-slop — SKILL.md 하나와 참조 파일 세 개로 금지 표현·구조 목록을 들이밀고 결과를 50점 만점으로 채점하죠. 1만 5199개
- AI-Research-SKILLs — 23개 범주 98개 스킬 묶음이고, 그중 논문 도표·아이디어 발상·엄밀성 검토 세 갈래가 글쓰기에 해당합니다. 1만 1400개
- oh-story-claudecode — 웹소설용. 잘된 작품을 구조로 해체해 쌓아두고, 그 구조에 기대어 초안을 씁니다. 5080개
- claude-blog — 전략과 브리프, 아웃라인, 초안, 사이트 감사까지 블로그 전 주기를 다루는 30개 하위 스킬과 5개 에이전트. 1579개
스스로 채점하고 기준에 못 미치면 다시 쓴다
다섯 개를 나란히 놓으면 방식이 겹칩니다. 결과물을 내놓고 끝내는 게 아니라, 자기 출력을 다시 채점한 뒤 기준에 못 미치면 고쳐 쓰죠.
stop-slop은 직설성, 리듬, 신뢰, 진정성, 밀도 다섯 항목을 1점에서 10점으로 매깁니다. 50점 만점에 35점 아래면 다시 쓰는 규칙이죠. humanizer는 한 번 고쳐 쓴 다음 그 결과에 ‘딱 봐도 AI가 쓴 글’ 감사를 한 번 더 돌립니다. 첫 패스에는 흔적이 남는다는 전제.
claude-blog는 여기서 더 나갑니다. 초안마다 다섯 개 관문으로 이뤄진 100점 루브릭을 적용하고, 90점 아래면 사람에게 오기 전에 최대 세 번까지 되돌리죠. 저자의 표현을 빌리면 사용자가 첫 번째 검토자가 되는 일은 없어야 한다는 것.
코딩 에이전트가 테스트를 돌려 스스로 통과 여부를 확인하는 구조와 닮았습니다. 글에는 컴파일러가 없으니 채점표를 만들어 그 자리를 채운 셈이죠.
평평하게 만들 것인가, 내 목소리에 맞출 것인가
AI 티를 지우는 스킬 대부분은 결과를 중립적인 문체로 평탄화합니다. 그런데 그 중립이라는 것도 결국 또 하나의 균일한 톤이죠.
humanizer는 여기서 갈라집니다. 자기 글 두세 문단을 먼저 붙여 넣으면 문장 리듬과 어휘 선택, 버릇을 읽어 그쪽으로 다시 쓰죠. 목표가 깨끗한 문장이 아니라 당신의 문장이라는 겁니다.
초기 버전은 티 나는 어휘를 걷어내는 데 집중했습니다. 이후 릴리스는 리듬 쪽으로 옮겨 갔죠. 주어 없는 조각 문장, 억지로 만든 마무리 한 방, 스스로 묻고 답하는 도입부 같은 것들. 엠 대시는 줄이는 정도가 아니라 아예 잘라냅니다.
소설 쪽은 해체부터 시작한다
oh-story-claudecode는 접근이 다릅니다. 중국어 웹소설을 겨냥해 만들어졌지만 영어 문서가 갖춰져 있어 방법 자체는 옮겨 쓸 수 있죠.
파이프라인은 트렌드 조사, 해체, 집필, 슬롭 정리, 표지 순입니다. 가운데 해체 단계가 다른 저장소에는 없는 부분이죠. 잘된 소설을 가리키면 구조 분석 보고서가 나옵니다.
눈에 띄는 건 감정 곡선을 데이터로 뽑아내는 대목이죠. 모든 플롯 포인트에 −9에서 +9까지 감정 지표를 붙여 곡선으로 만듭니다. 이렇게 쌓인 산출물이 라이브러리가 되고, 집필 스킬은 모델의 기본값이 아니라 그 구조를 참조해 초안을 잡죠.
스타 수보다 먼저 볼 것
원문 저자는 두세 개면 충분하다고 봅니다. 슬롭 제거 하나, 자기 포맷에 맞는 것 하나, 필요하면 리서치용 하나. 그 이상을 깔면 스킬끼리 발동 조건이 겹쳐 엉키기 때문이죠.
숫자를 절대 기준으로 삼기 어려운 대목도 있습니다. 원문은 humanizer를 3만 3700개로 1위에 놓으면서, 본문에서는 stop-slop을 GitHub에서 가장 많은 스타를 받은 글쓰기 스킬이라고 적었죠. 순위와 서술이 어긋나는 지점입니다.
그래서 이 목록이 실제로 보여주는 건 도구 다섯 개가 아니라 하나의 패턴에 가깝습니다. 검증을 모델 바깥이 아니라 안쪽에 두려는 시도죠. 사람이 첫 독자가 되는 대신 마지막 독자가 되게 만드는 구조입니다.
써보려면
필요한 것: 스킬을 지원하는 에이전트 하네스(Claude Code 등)와 GitHub 접근. 다섯 개 모두 SKILL.md 기반 마크다운이라 별도 런타임은 필요 없습니다.
시작 지점: humanizer 기준으로 npx skills add blader/humanizer --global. Claude Code에서는 /plugin marketplace add blader/humanizer 후 /plugin install humanizer@humanizer로도 설치됩니다. 설치한 뒤에는 세션을 새로 시작해야 스킬이 잡힙니다.
잘 맞는 상황 / 안 맞는 상황: AI로 초안을 잡고 사람이 다듬는 흐름에는 잘 붙습니다. 처음부터 사람이 쓴 글에는 얻을 게 적고, 여러 개를 한꺼번에 깔면 발동 조건이 겹쳐 의도치 않은 스킬이 끼어들 수 있습니다.
참고자료:
- blader/humanizer – GitHub
- hardikpandya/stop-slop – GitHub
- Orchestra-Research/AI-Research-SKILLs – GitHub
- worldwonderer/oh-story-claudecode – GitHub
- AgriciDaniel/claude-blog – GitHub
- Wikipedia:Signs of AI writing – Wikipedia
답글 남기기