humanizer-ru 3.21.0 → 3.22.0

package/README.en.md

@@ -1,14 +1,15 @@
 # humanizer-ru
 
-> [Русская версия: основная](README.md)
+> [Русская версия: основная](README.md) · [中文](README.zh.md)
 
 Claude Code / Cowork plugin. Kills AI smell in Russian text. The English [humanizer](https://github.com/blader/humanizer) won't help here. Russian AI markers are their own beast: bureaucratic noun-chains (канцелярит), English-syntax calques, missing particles like "же" and "ведь" that make Russian sound alive.
 
 [![License: MIT](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE)
-[![Version](https://img.shields.io/badge/version-3.21.0-blueviolet)](https://github.com/ilyautov/humanizer-ru/blob/main/CHANGELOG.md)
+[![Version](https://img.shields.io/badge/version-3.22.0-blueviolet)](https://github.com/ilyautov/humanizer-ru/blob/main/CHANGELOG.md)
 [![Stars](https://img.shields.io/github/stars/ilyautov/humanizer-ru?style=social)](https://github.com/ilyautov/humanizer-ru/stargazers)
 [![skills.sh](https://skills.sh/b/ilyautov/humanizer-ru)](https://skills.sh/ilyautov/humanizer-ru/humanizer-ru)
 [![npm](https://img.shields.io/npm/v/humanizer-ru?label=npm%20%C2%B7%20dsh)](https://www.npmjs.com/package/humanizer-ru)
+[![HOL](https://img.shields.io/endpoint?url=https%3A%2F%2Fhol.org%2Fapi%2Fregistry%2Fbadges%2Fplugin%3Fslug%3Dilya-utov%252Fhumanizer-ru%26metric%3Dstatus%26style%3Dflat)](https://hol.org/registry/plugins/ilya-utov%2Fhumanizer-ru)
 
 <p align="center">
   <a href="https://humanizer-ru.aifrontier.tech/">
@@ -18,14 +19,20 @@ Claude Code / Cowork plugin. Kills AI smell in Russian text. The English [humani
 
 🧪 **Live demo:** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/#audit). Paste a Russian text, get a 0-100 cleanliness score and highlighted markers. Same scanner as in the skill, runs in the browser.
 
-**Quick start** in Claude Code, two commands:
+**Quick start**, one command for any agent (Claude Code, Cursor, Codex, Copilot, Cline and dozens more):
+
+```
+npx skills add ilyautov/humanizer-ru
+```
+
+The CLI detects your installed agents and asks where to put the skill. In Claude Code you can also install it as a plugin, then updates arrive via `/plugin`:
 
 ```
 /plugin marketplace add ilyautov/humanizer-ru
 /plugin install humanizer-ru@ilyautov-plugins
 ```
 
-Cursor, Copilot, Cline and other agents: `npx skills add https://github.com/ilyautov/humanizer-ru/tree/main/skills/humanizer-ru`. Claude.ai, Codex, DeepSeek Harness and team rollout are covered in [Install](#install).
+Claude.ai, DeepSeek Harness and team rollout are covered in [Install](#install).
 
 📖 **Docs & write-ups (RU):** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/): do AI detectors work on Russian, the 64 markers, plagiarism vs AI detection.
 

package/README.md

@@ -2,13 +2,14 @@
 
 > Скилл для Claude. Убирает 64 признака нейросети в русском тексте: канцелярит, кальки, фингерпринты ChatGPT и Claude. Метит в то, что измеряют GPTZero, DivEye, RuBERT: поднимает perplexity и burstiness. 21 жёстких банов, quad-pass аудит, калибровка под голос автора, eval-харнес с метриками до/после. Живое демо сканера на сайте.
 
-> [English version](README.en.md)
+> [English version](README.en.md) · [中文](README.zh.md)
 
 [![License: MIT](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE)
-[![Версия](https://img.shields.io/badge/версия-3.21.0-blueviolet)](https://github.com/ilyautov/humanizer-ru/blob/main/CHANGELOG.md)
+[![Версия](https://img.shields.io/badge/версия-3.22.0-blueviolet)](https://github.com/ilyautov/humanizer-ru/blob/main/CHANGELOG.md)
 [![Звёзды](https://img.shields.io/github/stars/ilyautov/humanizer-ru?style=social)](https://github.com/ilyautov/humanizer-ru/stargazers)
 [![skills.sh](https://skills.sh/b/ilyautov/humanizer-ru)](https://skills.sh/ilyautov/humanizer-ru/humanizer-ru)
 [![npm](https://img.shields.io/npm/v/humanizer-ru?label=npm%20%C2%B7%20dsh)](https://www.npmjs.com/package/humanizer-ru)
+[![HOL](https://img.shields.io/endpoint?url=https%3A%2F%2Fhol.org%2Fapi%2Fregistry%2Fbadges%2Fplugin%3Fslug%3Dilya-utov%252Fhumanizer-ru%26metric%3Dstatus%26style%3Dflat)](https://hol.org/registry/plugins/ilya-utov%2Fhumanizer-ru)
 
 <p align="center">
   <a href="https://humanizer-ru.aifrontier.tech/">
@@ -23,14 +24,20 @@
 
 🧪 **Живое демо:** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/#audit). Вставьте свой текст, получите оценку чистоты 0-100 и подсветку найденных оборотов. Тот же сканер, что в скилле, считается в браузере.
 
-**Быстрый старт** в Claude Code, две команды:
+**Быстрый старт**, одна команда для любого агента (Claude Code, Cursor, Codex, Copilot, Cline и ещё десятки):
+
+```
+npx skills add ilyautov/humanizer-ru
+```
+
+CLI найдёт установленных агентов и спросит, куда ставить. В Claude Code можно и плагином, тогда обновления приходят через `/plugin`:
 
 ```
 /plugin marketplace add ilyautov/humanizer-ru
 /plugin install humanizer-ru@ilyautov-plugins
 ```
 
-Cursor, Copilot, Cline и другие агенты: `npx skills add https://github.com/ilyautov/humanizer-ru/tree/main/skills/humanizer-ru`. Claude.ai, Codex, DeepSeek Harness и раскатка на команду в [разделе «Установка»](#установка).
+Claude.ai, DeepSeek Harness и раскатка на команду в [разделе «Установка»](#установка).
 
 📖 **Документация и разборы:** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/): [работают ли AI-детекторы на русском](https://humanizer-ru.aifrontier.tech/ai-detektory-na-russkom.html), [64 признака AI-текста](https://humanizer-ru.aifrontier.tech/52-priznaka-ai-teksta.html), [антиплагиат и нейросеть](https://humanizer-ru.aifrontier.tech/antiplagiat-i-neyroset.html).
 

package/README.zh.md

@@ -0,0 +1,99 @@
+# humanizer-ru
+
+> [Русская версия: основная](README.md) · [English](README.en.md)
+
+面向 Claude Code、Cursor、Codex、Gemini CLI 等编程智能体的开源 Skill：去除俄语文本中的 AI 痕迹，让机器生成的俄语读起来像俄罗斯人写的。MIT 许可，无订阅，无 API Key，在你已经在用的智能体里直接运行。
+
+[![License: MIT](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE)
+[![Stars](https://img.shields.io/github/stars/ilyautov/humanizer-ru?style=social)](https://github.com/ilyautov/humanizer-ru/stargazers)
+[![skills.sh](https://skills.sh/b/ilyautov/humanizer-ru)](https://skills.sh/ilyautov/humanizer-ru/humanizer-ru)
+
+🧪 **在线试用，无需安装：** [humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/#audit)。粘贴一段俄语，得到 0 到 100 的「干净度」评分和被标出的 AI 套话。扫描器在浏览器里运行，文本不会上传。
+
+## 给谁用
+
+- 跨境电商团队：Ozon、Wildberries、Yandex Market、速卖通俄区的商品详情、店铺公告、客服回复。用 DeepSeek、豆包、GPT 生成的俄语文案，俄罗斯买家一眼就看出是机器写的，转化和评分都会受影响。
+- 出海企业的市场和公关：官网、新闻稿、宣传册、社媒帖子的俄语版本。
+- 本地化和翻译团队：机器翻译或 LLM 初稿之后的润色，让文本符合俄语母语者的阅读习惯。
+- 用俄语写邮件、报告、论文的任何人。
+
+## 为什么俄语需要单独的工具
+
+所有大模型都是「经由英语」生成俄语的。于是俄语 AI 文本的破绽和英语的不一样：英语式句法的直译（калька）、一句一个「является」、堆叠的名词链公文体（канцелярит）、丢失的语气小词「же」「ведь」「вот」、每隔一句一个长破折号。英语的 humanizer 看不到这些，中文的「去 AI 味」工具也不处理俄语。
+
+这个 Skill 收录了 **64 个俄语 AI 特征**（分 14 类）和 **21 条硬性禁用结构**，每一条都写成编辑规则，而不是简单的词表。附带一个确定性的扫描器，把修改变成可度量的事：「原来 9 分，现在 82 分」。
+
+## 一分钟安装
+
+任何智能体一条命令（Claude Code、Cursor、Codex、Copilot、Cline 等几十种）：
+
+```
+npx skills add ilyautov/humanizer-ru
+```
+
+CLI 会检测本机已安装的智能体并询问装到哪里。Claude Code 也可以作为插件安装，之后通过 `/plugin` 更新：
+
+```
+/plugin marketplace add ilyautov/humanizer-ru
+/plugin install humanizer-ru@ilyautov-plugins
+```
+
+DeepSeek Harness：
+
+```
+dsh plugin --profile web add humanizer-ru
+```
+
+Claude.ai 网页版：下载 [humanizer-ru.zip](https://github.com/ilyautov/humanizer-ru/releases/latest/download/humanizer-ru.zip)，在 Settings → Capabilities → Skills 里上传。其他安装方式见[俄语 README](README.md#установка)。
+
+## 怎么用
+
+装好之后，对智能体说（俄语或中文都可以，但文本本身必须是俄语）：
+
+- 「очеловечь этот текст」或「把这段俄语改得像人写的」：完整改写，五步流程，保留原文事实。
+- 「проверь текст на следы нейросети」或「检查这段俄语的 AI 痕迹」：只做审计，列出发现的特征和优先级，不改写。
+- 「убери канцелярит」：只处理指定的一类问题。
+
+也可以在命令行直接跑扫描器（需要 Python 3 和 `pip install razdel pymorphy3`）：
+
+```
+python3 skills/humanizer-ru/scripts/scan.py текст.txt
+python3 skills/humanizer-ru/scripts/scan.py после.txt --before до.txt
+```
+
+第二条命令是「事实锁」：比较改写前后的文本，列出凭空出现或丢失的数字、日期、人名、链接和断言。编造的数据比任何套话都糟糕。
+
+## 里面有什么
+
+- 64 个特征、14 个类别：公文体、英语直译、情感空洞、说服套路、信息节奏、模糊限定词，以及 2025 到 2026 年新出现的模型指纹（单词成句的「碎片式冥想」、伪苏格拉底式自问自答、每个列表项一个装饰性 emoji、伪心理治疗口吻、无生命主语、结尾说教等）。
+- 21 条硬性禁用：出现即删除的结构，包括长破折号、「не просто X, а Y」、「в современном мире」、「играет ключевую роль」。
+- 扫描器：0 到 100 的干净度评分，按类别列出命中，句长节奏、名词动词比、Markdown 感知（代码块和引用不计入）。学术、法律、文学文本有单独的体裁模式 `--genre`，否则正式文本会被误判。
+- 作者声音校准：给几篇你自己写的俄语文本，Skill 会按你的节奏和用词改写，而不是改成千篇一律的「人味」。
+- 四轮审计：检测器视角、路人视角、句子「心电图」、列表「骨架」。
+
+## 数据校准
+
+规则不是凭感觉定的。目录在三个公开语料上校准过，共 **5.5 万篇**带人机标注的俄语文本，包括 GigaChat 和 YandexGPT 的输出：
+
+| 语料 | 规模 | 发现 |
+|---|---|---|
+| AINL-Eval 2025 | 35 158 篇学术摘要 | 严格模式下规则命中人类作者的比例不低于模型，「является」和「данный」在学术体裁里是正常用法，因此加入了体裁过滤 |
+| M4 | 5 759 对 | 社交媒体和百科文本，gpt-3.5 时代的指纹 |
+| LLMTrace | 14 763 篇，30 个生成器 | 长破折号更取决于体裁而非作者；俄罗斯模型（GigaChat-Max 77%、YandexGPT-5 74%）比 GPT 更爱用破折号；人类每百词 0.29 个特征，模型 0.67 个 |
+
+所有数字可以复现：校准脚本和报告在 `eval/` 目录，语料是公开的。
+
+## 它不做什么
+
+- 不用来骗过 AI 检测器。不插入错别字，不用拉丁字母替换西里尔字母。为了通过检测而损坏文本，是在欺骗读者。目标只有一个：写出俄罗斯人真的会写的文本。
+- 不编造细节。原文没有数字和案例，Skill 就用节奏、语气和结构让文本活起来，或者问你要材料。
+- 不判定作者身份。扫描器的分数是修改的依据，不是「这是 AI 写的」的裁决。
+
+## 链接
+
+- 源码：[github.com/ilyautov/humanizer-ru](https://github.com/ilyautov/humanizer-ru)
+- 网站与在线扫描：[humanizer-ru.aifrontier.tech](https://humanizer-ru.aifrontier.tech/)
+- 更新日志：[CHANGELOG.md](CHANGELOG.md)
+- 引用的研究来源：[SOURCES.md](SOURCES.md)
+
+作者：Ilya Utov（[GitHub](https://github.com/ilyautov)）。欢迎 issue 和 PR，包括中文的。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "humanizer-ru",
-  "version": "3.21.0",
+  "version": "3.22.0",
   "description": "Agent skill for DeepSeek Harness: rewrites Russian text to remove 64 markers of AI generation (bureaucratese, calques, ChatGPT fingerprints), with a corpus-calibrated scanner, audit mode and author-voice calibration.",
   "license": "MIT",
   "author": "Ilya Utov",

package/skills/humanizer-ru/SKILL.md

@@ -1,10 +1,10 @@
 ---
 name: humanizer-ru
-description: "Скилл для очеловечивания русскоязычного текста. Убирает признаки AI-генерации, делает текст живым. Используй ВСЕГДА, когда пользователь просит: очеловечить текст, убрать следы нейросети, сделать текст живым/естественным, переписать как человек, humanize на русском, убрать канцелярит, убрать водянистость, сделать текст менее формальным. Также используй если пользователь вставляет русскоязычный текст и говорит что-то вроде 'перепиши', 'сделай лучше', 'звучит как робот', 'слишком искусственно'. Работает ТОЛЬКО с русским языком. Для английского используй оригинальный humanizer. НЕ используй для: перевод, написание с нуля, грамматика, код."
+description: "Скилл для очеловечивания русскоязычного текста. Убирает признаки AI-генерации, делает текст живым. Используй ВСЕГДА, когда пользователь просит: очеловечить текст, убрать следы нейросети, сделать текст живым/естественным, переписать как человек, humanize на русском, убрать канцелярит, убрать водянистость, сделать текст менее формальным. Также используй если пользователь вставляет русскоязычный текст и говорит что-то вроде 'перепиши', 'сделай лучше', 'звучит как робот', 'слишком искусственно'. Работает ТОЛЬКО с русским языком. Для английского используй оригинальный humanizer. НЕ используй для: перевод, написание с нуля, грамматика, код. Триггеры на других языках, если сам текст русский: 'humanize this Russian text', 'make this Russian sound natural', '把这段俄语改得像人写的', '去除俄语文本的 AI 味', '检查俄语的 AI 痕迹'."
 license: MIT
 ---
 
-# Humanizer-RU v3.21.0
+# Humanizer-RU v3.22.0
 
 Ты редактор. Превращаешь стерильный AI-текст в живую русскую речь. Убираешь маркеры нейросети и возвращаешь в текст автора: мнение, ритм, характер.
 
@@ -150,7 +150,7 @@ license: MIT
 
 **Шаг 3. Переписывание по разметке.** Работай по светофору из Шага 1: красные абзацы перепиши целиком, жёлтые правь точечно, зелёные не трогай. В красных и жёлтых абзацах: сначала убери HARD BANS, затем пройдись контрастным вычитанием (в каждом предложении замени самое предсказуемое слово на менее вероятное, но уместное). На каждый усилитель, вводное и образ гони двойной гейт сразу на этом шаге, не при финальной вычитке: тест на удаление (убрал, смысл не изменился = вода, паттерны #3/#40, удаляй) и тест на обналичивание (какой референт? паттерн #53). Одновременно добавляй голос и варьируй структуру. Сверяйся с паспортом голоса.
 
-> **Факт-замок (приоритет над любым паттерном).** Факты исходника (числа, даты, имена, названия, проценты, единицы) переносятся без искажений. Добавлять факты, которых в исходнике НЕТ (цифры, исследования, кейсы, «у себя в команде вижу...»), запрещено: конкретика для паттернов 1-2 и секции «Как звучит живой текст» берётся ТОЛЬКО из исходника или из того, что явно сообщил пользователь. В исходнике нет конкретики? Оживляй голосом, ритмом и структурой, либо спроси пользователя, чем наполнить. Выдуманная цифра хуже канцелярита: канцелярит палит стиль, выдумка делает текст ложью. В примерах документации пометка «(факты автора)» в заголовке означает: конкретику в этом «После» дал автор текста, а не придумал редактор. Пример без такой пометки новых фактов не содержит, и гейт `scripts/check_examples.py` это проверяет. Есть исходник и результат в файлах и можно запускать команды? Проверь замок механически: `python3 <папка скилла>/scripts/scan.py стало.txt --before было.txt`. Сканер печатает «было N, стало M» по чистоте и перечисляет числа, даты, имена, ссылки и код, которые пропали или появились. Новый факт без источника это ошибка правки, а не находка.
+> **Факт-замок (приоритет над любым паттерном).** Факты исходника (числа, даты, имена, названия, проценты, единицы) переносятся без искажений. Добавлять факты, которых в исходнике НЕТ (цифры, исследования, кейсы, «у себя в команде вижу...»), запрещено: конкретика для паттернов 1-2 и секции «Как звучит живой текст» берётся ТОЛЬКО из исходника или из того, что явно сообщил пользователь. В исходнике нет конкретики? Оживляй голосом, ритмом и структурой, либо спроси пользователя, чем наполнить. Выдуманная цифра хуже канцелярита: канцелярит палит стиль, выдумка делает текст ложью. В примерах документации пометка «(факты автора)» в заголовке означает: конкретику в этом «После» дал автор текста, а не придумал редактор. Пример без такой пометки новых фактов не содержит, и гейт `scripts/check_examples.py` это проверяет. Есть исходник и результат в файлах и можно запускать команды? Проверь замок механически: `python3 <папка скилла>/scripts/scan.py стало.txt --before было.txt`. Сканер печатает «было N, стало M» по чистоте и перечисляет числа, даты, имена, ссылки и код, которые пропали или появились. Новый факт без источника это ошибка правки, а не находка. Отдельно береги слова, которые звучат как пафос, а несут факт: «первый в России», «единственный», «впервые», «рекордный», «до сих пор». Срезать «первый в России сервис» до «сервис» значит исказить, а не оживить: выбрасывай пустое усиление («по-настоящему», «крайне важно»), а не само утверждение. Сканер считает такие кванторы отдельно и предупреждает, если они пропали или появились.
 
 > **ВНИМАНИЕ: гомогенизация.** LLM при переписывании склонен удалять разговорные обороты, анекдоты, личные примеры, заменяя их нейтральными формулировками (+70% нейтральных эссе при использовании LLM). Даже промпт «только грамматика» меняет семантику. Если в оригинале есть личная история, специфический оборот, разговорная фраза - СОХРАНИ их. Не заменяй живое на нейтральное. Одинаковая трансформация всех текстов через один инструмент создаёт «гуманизированный» стиль, который сам по себе детектируется (DAMAGE). Варьируй подход: разные тексты переписывай по-разному.
 
@@ -158,7 +158,7 @@ license: MIT
 
 Проход 1, «Детектор»: перечитай черновик, ищи остатки каждой из 14 категорий паттернов (A-N). Достаточно 30 секунд на категорию.
 
-Проход 2, «Человек с улицы»: забудь что ты редактор. Прочитай текст как случайный читатель в ленте. Вопрос: «Увидев этот текст без контекста, подумал бы я, что его писала нейросеть?» Если да - найди что именно выдаёт и исправь.
+Проход 2, «Человек с улицы»: забудь что ты редактор. Прочитай текст как случайный читатель в ленте. Вопрос: «Увидев этот текст без контекста, подумал бы я, что его писала нейросеть?» Если да - найди что именно выдаёт и исправь. Второй вопрос того же прохода: «Это ещё автор или уже обезличенная версия автора?» Если второе, верни ему его манеру: повтор, длинную фразу, сомнение, странную деталь.
 
 Красные флаги второго прохода:
 - Слишком гладко, нет ни одной шероховатости
@@ -174,7 +174,7 @@ license: MIT
 
 Проход 5, «Обналичивание» (только для экспертных и технических текстов): пройди по всем образам и терминам, которые утверждают механизм. Каждый должен обналичиваться в конкретный ответ на «что именно происходит?» (паттерн #53). Пустой = переписать в механизм, неверный = исправить механизм, плавающий = заякорить одной формой в точке ввода. Для остальных жанров отдельный проход не нужен: хватает гейта из Шага 3.
 
-**Шаг 5.** Отдай финальный текст и короткий список ключевых изменений (3-5 пунктов).
+**Шаг 5.** Отдай финальный текст и короткий список ключевых изменений (3-5 пунктов). Добавь одну строку «Не тронуто: ...» про то, что оставил намеренно: повтор слова, длинную фразу, авторское тире, зелёные абзацы. Читатель должен видеть, что нетронутое место это решение, а не пропуск.
 
 ---
 

package/skills/humanizer-ru/references/catalog.md

@@ -347,7 +347,7 @@ davinci-003). Метод и полные таблицы: `eval/AINL-CALIBRATION.
 
 **Обрыв на полуслове:** последнее предложение не закончено, текст упёрся в лимит токенов
 
-**Технические маркеры:** латинские символы вместо кириллических (c, o, a, e, p), «невидимые» символы (zero-width, word joiner, bidi-метки: клавиатурой не набираются), идеальная типографика в неформальном тексте
+**Технические маркеры:** латинские символы вместо кириллических (c, o, a, e, p), «невидимые» символы (zero-width, word joiner, bidi-метки, узкий неразрывный пробел U+202F: клавиатурой не набираются), идеальная типографика в неформальном тексте
 
 **Артефакты копипасты:** технические следы копирования из интерфейса чат-бота, однозначные улики: `:contentReference[oaicite:N]`, `oai_citation`, `?utm_source=chatgpt.com`/`=openai` в ссылках, `grok_card://`, `attached_file://`, `vertexaisearch`, метки `turnNsearchN`/`turnNfileN`/`citeturn...`, `【N†source】`, `[citation:N]`, ссылки `](sandbox:/mnt/data/...)`, невидимые символы U+E200-E204, остатки `</think>`. В человеческом тексте не встречаются: нашёл хотя бы один = текст вставлен из чат-бота, проверяй целиком
 

package/skills/humanizer-ru/scripts/humanizer_metrics/facts.py

@@ -18,6 +18,14 @@
 Мелкие количества («два», «половина», «вдвое») факты мягкие: в русском они
 идиоматичны («с одной стороны») и обычно пересказывают число исходника. Они
 считаются, но не валят проверку.
+
+Утверждения: слова-кванторы, которые звучат как пафос, а несут факт:
+«первый в России», «единственный», «впервые», «рекордный», «до сих пор».
+Срезать «первый в России сервис» до «сервис» значит исказить исходник, а
+не оживить его. Потерянный квантор попадает в список потерь, появившийся
+выносится отдельным предупреждением: кванторы идиоматичны («первый шаг»,
+«самое время»), поэтому валить проверку автоматически нельзя, но глазами
+такое место обязано проверить.
 """
 
 from __future__ import annotations
@@ -45,7 +53,7 @@ TOKEN_RE = re.compile(r"[A-Za-z][A-Za-z\d\-]*|[А-Яа-яЁё][А-Яа-яЁё\-]
 
 SOFT_QUANTITIES = {
     "один", "два", "две", "три", "оба", "обе", "пара",
-    "первый", "второй", "третий",
+    "второй", "третий",
     "вдвое", "втрое", "дважды", "трижды",
     "половина", "треть", "четверть", "полтора",
 }
@@ -56,6 +64,12 @@ HARD_NUMERALS = {
     "девяносто", "сто", "двести", "триста", "тысяча", "миллион", "миллиард",
     "десяток", "сотня", "дюжина",
 }
+# Кванторы-утверждения: громкие слова, за которыми стоит проверяемый факт.
+CLAIM_WORDS = {
+    "первый", "единственный", "впервые", "самый", "рекордный", "крупнейший",
+    "старейший", "никогда", "никто", "навсегда", "беспрецедентный",
+}
+CLAIM_PHRASE_RE = re.compile(r"\bдо сих пор\b|\bв мире\b|\bв россии\b", re.IGNORECASE)
 # Одна сущность под разными именами не считается новым фактом.
 ALIASES = {
     "ai": ("искусственный", "интеллект", "ии", "нейросеть", "модель"),
@@ -69,6 +83,7 @@ class Facts:
     hard: set[str] = field(default_factory=set)   # "число:13", "имя:стэнфорд", "ссылка:…"
     soft: set[str] = field(default_factory=set)   # "два", "половина"
     words: set[str] = field(default_factory=set)  # все слова в нормальной форме, для алиасов
+    claims: set[str] = field(default_factory=set)  # "утверждение:первый", "утверждение:до сих пор"
 
 
 @dataclass
@@ -77,6 +92,7 @@ class FactsDiff:
     added: list[str]     # появились в результате, в исходнике не было
     kept: int            # жёстких фактов исходника дожило
     soft_added: list[str]
+    claims_added: list[str] = field(default_factory=list)  # кванторы, которых в исходнике не было
 
     @property
     def ok(self) -> bool:
@@ -84,7 +100,8 @@ class FactsDiff:
 
     def as_dict(self) -> dict:
         return {"ok": self.ok, "lost": self.lost, "added": self.added,
-                "kept": self.kept, "soft_added": self.soft_added}
+                "kept": self.kept, "soft_added": self.soft_added,
+                "claims_added": self.claims_added}
 
 
 def _norm(word: str) -> str:
@@ -126,6 +143,8 @@ def extract_facts(text: str) -> Facts:
     body = CODE_RE.sub(" ", URL_RE.sub(" ", text))
     for m in MONTH_RE.finditer(body):
         f.hard.add("месяц:" + m.group(1).lower())
+    for m in CLAIM_PHRASE_RE.finditer(body):
+        f.claims.add("утверждение:" + m.group(0).lower().replace("ё", "е"))
     starts = _sentence_starts(body)
     for m in TOKEN_RE.finditer(body):
         tok = m.group(0)
@@ -138,6 +157,8 @@ def extract_facts(text: str) -> Facts:
         f.words.add(norm)
         if norm in SOFT_QUANTITIES:
             f.soft.add(norm)
+        elif norm in CLAIM_WORDS:
+            f.claims.add("утверждение:" + norm)
         elif norm in HARD_NUMERALS:
             f.hard.add("число словами:" + norm)
         elif _is_proper(tok, any(abs(m.start() - s) <= 1 for s in starts)):
@@ -154,10 +175,11 @@ def _alias_covered(fact: str, before_words: set[str]) -> bool:
 
 def diff_facts(before: str, after: str) -> FactsDiff:
     b, a = extract_facts(before), extract_facts(after)
-    lost = sorted(b.hard - a.hard)
+    lost = sorted(b.hard - a.hard) + sorted(b.claims - a.claims)
     added = sorted(x for x in a.hard - b.hard if not _alias_covered(x, b.words))
     return FactsDiff(lost=lost, added=added, kept=len(b.hard & a.hard),
-                     soft_added=sorted(a.soft - b.soft))
+                     soft_added=sorted(a.soft - b.soft),
+                     claims_added=sorted(a.claims - b.claims))
 
 
 def facts_verdict(d: FactsDiff) -> str:
@@ -165,4 +187,7 @@ def facts_verdict(d: FactsDiff) -> str:
         return f"✗ новых фактов без источника: {len(d.added)} (выдумка хуже канцелярита)"
     if d.lost:
         return f"⚠ факты исходника на месте, но {len(d.lost)} потеряно: проверьте, намеренно ли"
+    if d.claims_added:
+        return (f"⚠ факты целы, но появилось утверждений без источника: {len(d.claims_added)} "
+                "(«впервые», «единственный» это факт, а не украшение)")
     return f"✓ факт-замок цел: {d.kept} фактов исходника перенесено, новых нет"

package/skills/humanizer-ru/scripts/humanizer_metrics/markers.py

@@ -189,10 +189,13 @@ SCANNER: dict[str, list[str | tuple[str, str]]] = {
         ("латиница внутри кириллического слова", r"(?<=[а-яё])[a-z](?=[а-яё])"),
         # zero-width (ZWSP/ZWNJ/ZWJ/BOM) + word joiner, Mongolian vowel
         # separator, bidi-метки и изоляторы: клавиатурой не набираются,
-        # в живом русском тексте не встречаются.
+        # в живом русском тексте не встречаются. Плюс узкий неразрывный
+        # пробел U+202F: его ставят o3/o4-mini и GPT-5 перед единицами, на
+        # LLMTrace 0 из 6 392 человеческих текстов. Обычный U+00A0 сюда
+        # НЕ входит: у людей он в 10 раз чаще (вёрстка, редактура).
         ("невидимые символы (zero-width, bidi)",
          "[​‌‍⁠᠎‎‏"
-         "‪-‮⁦-⁩؜]"),
+         "‪-‮⁦-⁩؜ ]"),
     ],
     # Паттерн #55: подлежащее-предмет при глаголе намерения. Английские
     # источники описывают то же самое как смену AI-словаря на emphasizing /

package/skills/humanizer-ru/scripts/scan.py

@@ -192,6 +192,8 @@ def main() -> int:
             print(f"  ✗ новое: {x}")
         for x in fdiff.lost:
             print(f"  ⚠ потеряно: {x}")
+        for x in fdiff.claims_added:
+            print(f"  ⚠ утверждение появилось: {x}")
         if fdiff.soft_added:
             print(f"  ℹ мелкие количества появились: {', '.join(fdiff.soft_added)} "
                   "(идиомы и пересказ чисел не считаются, проверьте глазами)")