Catalog
github/finnish-humanizer

github

finnish-humanizer

Detect and remove AI-generated markers from Finnish text, making it sound like a native Finnish speaker wrote it. Use when asked to "humanize", "naturalize", or "remove AI feel" from Finnish text, or when editing .md/.txt files containing Finnish content. Identifies 26 patterns (12 Finnish-specific + 14 universal) and 4 style markers.

v1.0Latest
New~1.7kUpdated Jun 26, 2026

Finnish Humanizer

<finnish_voice> Ennen kuin korjaat yhtään patternia, sisäistä miten suomalainen kirjoittaja ajattelee.

Suoruus. Suomalainen sanoo asian ja siirtyy eteenpäin. Ei johdattelua, ei pehmentämistä, ei turhia kehyksiä. "Tämä ei toimi" on täysi lause.

Lyhyys on voimaa. Lyhyt virke ei ole laiska — se on täsmällinen. Pitkä virke on perusteltava.

Toisto on sallittu. Suomessa saman sanan käyttö kahdesti on normaalia. Englannin synonyymikierto ("utilize" → "employ" → "leverage") kuulostaa suomessa teennäiseltä.

Innostus epäilyttää. Suomalainen kirjoittaja ei huuda eikä hehkuta. Kuiva toteamus on vahvempi kuin huutomerkki. "Ihan hyvä" on kehu.

Hiljaisuus on tyylikeino. Se mitä jätetään sanomatta voi olla yhtä tärkeää kuin se mitä sanotaan. Älä täytä jokaista aukkoa selityksellä.

Partikkelit elävöittävät. -han/-hän, -pa/-pä, kyllä, vaan, nyt, sit — nämä tekevät tekstistä elävää ja luonnollista. AI jättää ne pois koska ne ovat "turhia". Ne eivät ole.

Esimerkki: sieluton vs. elävä

Sieluton:

Tämä on erittäin merkittävä kehitysaskel, joka tulee vaikuttamaan laajasti alan tulevaisuuteen. On syytä huomata, että kyseinen innovaatio tarjoaa lukuisia mahdollisuuksia eri sidosryhmille.

Elävä:

Iso juttu alalle. Tästä hyötyvät monet.

Persoonallisuuden lisääminen

AI-tunnusmerkkien poistaminen ei yksin riitä — teksti tarvitsee myös persoonallisuutta.

  • Rytmin vaihtelu. Vaihtele lyhyitä ja pitkiä virkkeitä. Monotoninen virkerakenne on AI:n tunnusmerkki.
  • Monimutkaisuuden tunnustaminen. Asiat voivat olla ristiriitaisia, epäselviä tai keskeneräisiä. AI yrittää ratkaista kaiken siististi.
  • Konkreettiset yksityiskohdat. Korvaa yleistykset yksityiskohdilla. "Monet yritykset" → "Kolme suurinta kilpailijaa".
  • Harkittu epätäydellisyys. Sivujuonteet, ajatuksen kehittyminen kesken tekstin, itsekorjaus — nämä ovat ihmisen kirjoittamisen merkkejä. </finnish_voice>
  1. Tunnista — Lue teksti ja merkitse AI-patternit
  2. Uudelleenkirjoita — Korvaa patternit luonnollisilla rakenteilla
  3. Säilytä merkitys — Älä muuta asiasisältöä
  4. Säilytä rekisteri — Jos alkuperäinen on virallista, pidä virallisena
  5. Lisää persoonallisuutta — Tuo kirjoittajan ääni esiin

Adaptiivinen workflow

Lyhyt teksti (alle 500 sanaa): Käsittele suoraan. Palauta luonnollistettu teksti + muutosyhteenveto.

Pitkä teksti (yli 500 sanaa):

  1. Analysoi ensin — listaa löydetyt AI-patternit ja niiden esiintymät
  2. Esitä löydökset käyttäjälle
  3. Kysy epäselvistä tapauksista (onko piirre AI-pattern vai tietoinen valinta?)
  4. Toteuta luonnollistaminen

26 AI-patternia on jaettu kahteen ryhmään: suomenkieliset (suomelle ominaiset rakenteet) ja universaalit (kaikissa kielissä esiintyvät, tunnistetaan ja korjataan suomeksi). Alla 7 kanonista esimerkkiä. Täysi 26 kategorian patternilista: ks. references/patterns.md

Suomenkieliset patternit

#1 Passiivin ylikäyttö AI käyttää passiivia kaikkialla välttääkseen tekijän nimeämistä.

Ennen: Sovellus on suunniteltu tarjoamaan käyttäjille mahdollisuus hallita omia tietojaan tehokkaasti. Jälkeen: Sovelluksella hallitset omat tietosi.

#4 Puuttuvat partikkelit AI ei käytä partikkeleita (-han/-hän, -pa/-pä, kyllä, vaan) koska ne ovat epämuodollisia. Suomessa ne ovat normaalia kirjoituskieltä.

Ennen: Tämä on totta. Kyse on kuitenkin siitä, että tilanne on monimutkainen. Jälkeen: Onhan se totta. Tilanne on vaan monimutkainen.

#5 Käännösrakenteet AI tuottaa suomea joka noudattaa englannin sanajärjestystä ja rakenteita.

Ennen: Tämän lisäksi, on tärkeää huomioida se tosiasia, että markkinat ovat muuttuneet. Jälkeen: Markkinatkin ovat muuttuneet.

#6 Genetiiviketjut Peräkkäiset genetiivimuodot kasautuvat kun AI yrittää ilmaista monimutkaisia suhteita yhdessä rakenteella.

Ennen: Tuotteen laadun parantamisen mahdollisuuksien arvioinnin tulokset osoittavat kehityspotentiaalia. Jälkeen: Arvioimme miten tuotteen laatua voisi parantaa. Kehityspotentiaalia löytyi.

Universaalit patternit suomeksi

#13 Merkittävyyden liioittelu AI paisuttaa kaiken "merkittäväksi", "keskeiseksi" tai "ratkaisevaksi".

Ennen: Tekoäly tulee olemaan merkittävässä ja keskeisessä roolissa tulevaisuuden ratkaisevien haasteiden ratkaisemisessa. Jälkeen: Tekoälystä tulee tärkeä työkalu moniin ongelmiin.

#15 Mielistelevä sävy AI kehuu kysyjää tai aihevalintaa. Suomessa tämä on erityisen kiusallista.

Ennen: Hyvä kysymys! Tämä on ehdottomasti yksi tärkeimmistä aiheista tällä hetkellä. Jälkeen: Aihe on ajankohtainen.

#17 Täytesanat ja -lauseet AI aloittaa tai täyttää kappaleita fraaseilla jotka eivät lisää sisältöä.

Ennen: On syytä huomata, että tässä yhteydessä on tärkeää ymmärtää alustan arkkitehtuuri ennen käyttöönottoa. Jälkeen: Ymmärrä alustan arkkitehtuuri ennen käyttöönottoa.

<output_format>

Tulostusformaatti

Kun olet luonnollistanut tekstin, palauta:

  1. Uudelleenkirjoitettu teksti — kokonaisuudessaan
  2. Muutosyhteenveto (valinnainen, oletuksena mukana) — lyhyt lista korjatuista patterneista

Jos käyttäjä pyytää vain tekstiä ilman selityksiä, jätä muutosyhteenveto pois. </output_format>

  • Älä muuta asiasisältöä. Jos alkuperäisessä on fakta, se säilyy.
  • Älä yksinkertaista. Luonnollistaminen ei tarkoita lapsenkielistä versiota.
  • Kunnioita rekisteriä. Virallinen teksti pysyy virallisena — vain AI-patternit poistetaan.
  • Älä lisää omaa sisältöä. Et keksi uusia väitteitä tai esimerkkejä.
  • Kysy epäselvissä tapauksissa. Jos et ole varma onko jokin piirre AI-pattern vai kirjoittajan tietoinen valinta, kysy käyttäjältä.
  • Jo luonnollinen teksti. Jos teksti on jo luonnollista, ilmoita se äläkä tee turhia muutoksia.
  • Koodiesimerkkit ja tekninen sanasto. Säilytä englanninkieliset koodiesimerkkit, tekniset termit ja lainaukset sellaisinaan.
  • Sekateksti (fi/en). Käsittele vain suomenkieliset osat. Jätä englanninkieliset osiot koskematta.

References

Files2
2 files · 17.9 KB

Select a file to preview

Overall Score

88/100

Grade

A

Excellent

Safety

92

Quality

89

Clarity

86

Completeness

84

Summary

Finnish Humanizer is a text editing skill that identifies and removes AI-generated markers from Finnish text to make it sound natural and authentic. It detects 26 AI patterns (12 Finnish-specific structural patterns and 14 universal AI markers) plus 4 style patterns, providing detailed instructions for replacing artificial constructions with native Finnish voice. The skill includes a comprehensive reference library with examples, clear constraints, and an adaptive workflow for texts of different lengths.

Detected Capabilities

text analysis and pattern matchingfile reading (markdown, plaintext)structured text rewritinglanguage pattern detectionreference library lookup

Trigger Keywords

Phrases that MCP clients use to match this skill to user intent.

humanize finnish textremove ai markersfinnish naturalnessnaturalize finnish writingai detection cleanup

Referenced Domains

External domains referenced in skill content, detected by static analysis.

github.com

Use Cases

  • Remove AI-generated language markers from Finnish blog posts and articles
  • Humanize Finnish customer-facing documentation or marketing copy
  • Edit Finnish technical writing to improve naturalness and readability
  • Refactor AI-generated Finnish text in markdown or plaintext files to sound more authentic
  • Enhance Finnish social media or forum posts to reduce detectable AI characteristics

Quality Notes

  • Excellent linguistic pedagogy: the skill teaches *why* patterns are AI-generated, not just *how* to fix them, with a detailed 'finnish_voice' section explaining Finnish communication norms.
  • Comprehensive reference system: 26 patterns with examples across two markdown files (SKILL.md excerpt + full patterns.md), making the skill self-contained.
  • Clear scope boundaries: operates only on Finnish text, explicitly skips code, technical terms, mixed-language content, and English sections.
  • Adaptive workflow documented for both short and long texts, with decision trees for ambiguous cases (asking the user instead of auto-correcting).
  • Strong constraint documentation: explicitly states what NOT to do (don't simplify, preserve register, don't add content), reducing misapplication risk.
  • Real-world output examples: before/after comparisons with detailed change tables showing which patterns were corrected.
  • Well-structured output format: provides both humanized text and optional change summary, allowing flexibility in presentation.
  • Handles edge cases thoughtfully: mixed Finnish/English text, code preservation, formal vs. informal register distinctions.
  • Excellent framing in the 'finnish_voice' section: demonstrates deep understanding of Finnish communication culture (directness, brevity, particle usage, suspicion of enthusiasm).
  • Context-aware pattern selection: not all 26 patterns apply equally to all text; the skill acknowledges ambiguity and defers to user judgment.
Model: claude-haiku-4-5-20251001Analyzed: Jun 26, 2026

Reviews

Add this skill to your library to leave a review.

No reviews yet

Be the first to share your experience.

Use github/finnish-humanizer in your dev environment

Command Palette

Search for a command to run...