human-writing

採用判断としては、小規模な実地試用には値しますが、現時点の議論だけで成熟した実証済みの執筆製品と判断するのは早いです。証拠は5件で、知乎の記事3件とXの言及1件を含み、知乎では合計約45票の賛成と3件のコメントがあります。一定の注目度は示しますが、GitHubの記録は対象プロジェクトではなく gethuman-sh/human を指しているため、human-writingのStars、成長率、開発成熟度の証明には使えません。つまり、熱度の証明はある一方、使いやすさの証明はまだ弱く、ルール解説や意見に比べて、再現可能な実測、比較例、長期利用の報告は限られています。

実際には、独立した文章生成モデルというより、LLMに適用する中国語向けの執筆規約と推敲フローに近いものです。紹介記事では、現実題材の長文を書く前に、出典のある具体的な資料を少なくとも5件そろえ、誰が語るのか、何を根拠に知っているのか、なぜ今書くのか、資料が何を支えられるのかを整理するとされています。資料が足りなければ調査を続ける、利用者に最大3問を尋ねる、または600字程度まで短くする場合があります。フィクションでは、主要場面の行動、選択、関係や情報の変化、結果を重視し、新しいルールでは定型句の禁止だけでなく、具体的な修辞動作も確認すると説明されています。

導入条件と費用について、エンティティ情報ではオープンソースのSkillとされていますが、提示された証拠には、確認可能な公式インストール手順、ライセンス、対応モデル、ホスティング方法、価格、API料金がありません。したがって無料サービスとは言えず、安定した利用料金も約束できません。外部LLMを使う場合の推論費用は、実行環境に左右されるという保守的な推測にとどまり、公式価格や固定費の実演ではありません。主なハードルは複雑な画面ではなく、信頼できる資料を用意し、根拠不足なら短い出力や追加調査を受け入れ、事実確認と制約の調整に参加することです。

中国語の長文、評論、推敲を行う執筆者、研究者、編集者のうち、一次資料や追跡可能な根拠を用意し、事実の範囲を重視する人に向いています。逆に、少ない指示だけで長文を一括生成したい人、資料なしで細部を埋めたい人、また「人間らしさ」をAI検出回避の保証と考える人には不向きです。これはAI検出器、剽窃チェッカー、検出回避を保証する自動ヒューマナイザーではなく、より正確には「編集部の執筆チェックリストに、LLM向けのプロンプトと査読ルールを組み合わせたもの」です。SNS上では制約を重視する考え方への共感が見られますが、資料の準備負担を指摘する声もあり、サンプルはまだ限られています。