---
name: antiplagiat
description: >-
  Подготовка русского текста к проверке системами «Антиплагиат» (antiplagiat.ru, «Антиплагиат.ВУЗ»)
  и «Думейт» (domate.ru, Domate): правка абзацев, которые отчёт подсветил как ИИ-текст (тепловая
  карта «Думейта», подсветка «Антиплагиата»), оценка доли «ИИ-сгенерированного» текста по фрагментам,
  слепой судья для выбора абзацев без отчёта, чистка технических артефактов, из-за которых документ
  помечают как подозрительный, и правильное оформление заимствований как цитирований. Используй, когда
  просят «проверить на антиплагиат», «снизить процент ИИ», «пройти проверку на ИИ-генерацию»,
  «подготовить диссертацию/статью/ВКР к антиплагиату», «Думейт показал N % ИИ», «откалибровать под мой
  отчёт». Для обычной чистки стиля без проверки используй avoid-ai-writing-russian.
version: 2.7.0
license: MIT
compatibility: >-
  Любой агент с поддержкой формата agentskills.io SKILL.md. Для оценки по фрагментам нужен uv (Python 3.12+ он ставит сам); без него оценка только модельная.
metadata:
  author: Ilya Lubenets
  author_url: https://github.com/ormeilu
  homepage: https://github.com/ormeilu/avoid-ai-writing-russian
  repository: https://github.com/ormeilu/avoid-ai-writing-russian
  issues: https://github.com/ormeilu/avoid-ai-writing-russian/issues
  changelog: https://github.com/ormeilu/avoid-ai-writing-russian/blob/master/CHANGELOG.md
  upstream: https://github.com/conorbronsdon/avoid-ai-writing
  upstream_version: 3.36.0
  upstream_author: Conor Bronsdon
  language: ru
  tags: russian antiplagiat domate academic ai-detection dissertation vak calibration
  parent_skill: avoid-ai-writing-russian
  agentskills_spec: "1.0"
---

# Подготовка к «Антиплагиату» и «Думейту»

Под-скилл для тех, кому мало просто убрать ИИ-стиль: текст пойдёт на проверку в «Антиплагиат» или «Думейт», и нужно, чтобы модуль ИИ-детекции не подсветил авторский текст как сгенерированный. Основные правила правки — в [../avoid-ai-writing-russian/SKILL.md](../avoid-ai-writing-russian/SKILL.md) и его каталоге; прочитай оба файла перед работой. Этот файл добавляет к ним порядок работы с проверкой.

## Что проверяет система

В отчётах обеих систем четыре разные вещи, и работать с ними нужно по-разному.

1. **Заимствования.** Совпадения текста с индексированными источниками: интернет, научные библиотеки, диссертации, коллекция вуза. Это поиск совпадающих фрагментов, а не стиль.
2. **Цитирования.** Те же совпадения, но оформленные как цитата (кавычки или блок цитаты плюс ссылка на источник). Засчитываются как законные.
3. **Сгенерированный текст (ИИ).** Отдельный модуль-классификатор помечает фрагменты, похожие на вывод языковых моделей, и выдаёт их долю от текста. «Думейт» раскрашивает фрагменты в три уровня, и в процент входят только красные; подробности в [references/domate.md](references/domate.md).
4. **Подозрительный документ** (в «Думейте» — вкладка «Маскировки»). Признаки технических попыток обмануть проверку: невидимые символы, подмена букв латиницей, текст картинкой, белый шрифт. Такой документ проверяющий видит сразу, и это хуже любого процента.

## Граница

Скилл помогает с пунктами 2, 3 и 4 в полную силу. Ложные срабатывания модуля ИИ-детекции — реальная проблема: он метит и живые тексты, особенно написанные сухим научным языком, где канцелярит и одинаковый ритм давно стали нормой жанра. Переписать собственный текст так, чтобы он звучал как написанный человеком, — обычная редактура.

С пунктом 1 скилл работает только честными способами: оформить заимствование как цитату со ссылкой, пересказать чужую мысль своими словами **со ссылкой на автора**, убрать лишнее цитирование. Он не маскирует чужой текст перефразированием, синонимайзером или перестановкой слов, чтобы выдать его за свой, и не применяет технические уловки (невидимые символы, подмену букв, картинки вместо текста). Если пользователь просит именно это, объясни, что так скилл не работает, и предложи оформить источник как цитирование.

## Почему здесь нет приёмов обхода

Приём обхода здесь означает техническую уловку, которая прячет текст от классификатора, а не меняет его: невидимые символы, подмена букв латиницей, текст картинкой, белый шрифт, синонимайзер поверх чужого текста. Такие приёмы живут недолго. Разработчик системы видит те же репозитории, прогоняет инструмент на своих текстах и дообучает классификатор: «Думейт» обновлял детектор несколько раз за 2026 год. Закрытый приём становится уликой: невидимые символы и подмена букв когда-то помогали, а теперь из-за них документ помечают как подозрительный. Работу сдают один раз, но хранят в коллекции годами, и её можно перепроверить новой версией детектора.

Правка по тепловой карте устроена иначе. Карта (отчёт системы, а без него фрагменты самого детектора) показывает, какие абзацы рискованны, а `--explain` объясняет, какой признак тянет каждый из них вверх. Агент меняет сам текст: длину и ритм предложений, каркас абзаца, начала предложений, словарь. Числа, ссылки, оговорки и термины остаются на месте, за этим следит `validate`. Такую правку ведут, пока детектор находит красные фрагменты и проходы снижают их долю (шаг 5).

Одна оговорка про стиль. Если тысячи людей переписывают работы одной моделью по одной формуле, у результата появляется общий стиль, и система его выучит. Поэтому правь каждый абзац по его собственным причинам из `--explain` и по данным автора, а не одним шаблоном на весь текст.

Если пользователь просит техническую уловку или спрашивает, почему скилл её не применяет, объясни коротко своими словами по этому разделу.

## Порядок работы

### 1. Отчёт системы

Лучший вход — отчёт, где система уже подсветила ИИ-текст: он прямо говорит, какие абзацы править. Спроси о нём один раз, в начале работы, и объясни зачем. Варианты передачи отчёта — в шаге 6. Для «Думейта» нужен полный отчёт с тепловой картой: бесплатная проверка показывает только процент. Как получить тепловую карту, в том числе со страницы отчёта через браузер, — в [references/domate.md](references/domate.md).

Отчёта нет и пользователь не хочет его получать — работай по карте детектора: замер (шаг 2), правка (шаг 4) и цикл (шаг 5).

### 2. Замер

<!-- repo-only:start -->
Если `aiw-ru` есть в PATH (`command -v aiw-ru`), зови его напрямую, без `uv run --project ../.. --extra ml`. Иначе пиши через uv, как в примерах ниже. То же верно для команд в `references/`. Путь `../..` считается от папки этого SKILL.md, а оболочка агента обычно стоит в папке пользователя, поэтому подставь абсолютный путь: `uv run --project <папка скилла>/../.. aiw-ru antiplagiat <файл>`. Файл оставь относительно рабочей папки: `--project` её не меняет.
<!-- repo-only:end -->

Если доступен `aiw-ru` или uv, запусти оценку по фрагментам (проект детектора лежит в корне репозитория, `../..` от этого файла):

```bash
uv run --project ../.. aiw-ru antiplagiat <файл> --context vak --explain
```

Для «Думейта» добавь `--system domate`: тогда берётся его калибровка, а не калибровка «Антиплагиата».

С `--explain` под таблицей фрагментов идёт разбор каждого красного и жёлтого фрагмента: сколько добавляет каждый признак, текущий замер (средняя длина предложения, cv длин, повторы начал, MATTR) и строка «Цель» с замерами, при которых фрагмент уходит в зелёную зону. В `--json` то же лежит в поле `explain` фрагмента, а цвет в поле `zone`. Запускай с `--explain` каждый замер цикла.

Команда печатает общую оценку доли ИИ-текста, список фрагментов с вероятностью и главными причинами, и предупреждает, если документ выглядит подозрительным. Для `.docx` сначала сконвертируй в Markdown (`pandoc файл.docx -t gfm --wrap=none -o файл.md`) и работай с копией: номера строк в отчёте относятся к ней, а не к docx, правки вноси в исходник. Список литературы, ключевые слова, английская аннотация и сведения об авторах во фрагменты не попадают, подробности в разделе «Документ Word» скилла `avoid-ai-writing-russian`.

Скажи пользователю один раз, в начале: это приближение. Классификаторы систем закрыты, и оценка детектора показывает, какие фрагменты рискованны, а не предсказывает точную цифру отчёта. На отшлифованном научном тексте она может промахнуться совсем: на обзорной статье, где «Думейт» нашёл 38 % ИИ-текста, детектор и ModernBERT показали 0 %. Поэтому отчёт с подсветкой важнее оценки. Нет отчёта — рабочей тепловой картой становятся фрагменты детектора (шаг 4), а итог правки стоит загрузить в систему и принести отчёт обратно (шаг 6).

Если вывод предупреждает, что модель ставит ровную научную прозу у порога, это калибровка, при которой обычный абзац со средней длиной предложения около 19 слов получает вероятность на самом пороге. Доля ИИ-текста тогда прыгает на десятки пунктов от правки пары предложений, поэтому правь до зелёной зоны, а не до порога.

Если отчёта нет, а оценка низкая, но пользователь говорит, что черновик писала модель, или текст читается гладко и однообразно, выбери абзацы слепым судьёй: свежий агент без твоего контекста оценивает пронумерованные фрагменты, ты сводишь два-три прогона. Порядок, ограничения и задание — в [../avoid-ai-writing-russian/references/judge.md](../avoid-ai-writing-russian/references/judge.md). Судья ранжирует абзацы, но процента системы не даёт.

Если в строке «Модель» вывода стоит «по умолчанию, без калибровки» и отчётов ты ещё не просил, попроси их сейчас (шаг 6). Нет отчётов — работай дальше без них.

Если стоит необязательная модель (как её предложить и поставить, описано в основном скилле, раздел «Необязательные модели»), добавь `--extra ml`: в выводе появится строка «Вероятность ИИ» по документу. Это отдельная оценка, а не доля ИИ-текста в отчёте системы, не смешивай их. И это тоже сигнал: модели уверенно ошибаются на коротких и нетипичных текстах, так что сверяй вероятность с фрагментами и находками, а при сомнении смотри `classify --all` (правила — в основном скилле, «Вероятность модели — тоже сигнал»). Если в выводе есть строка «Прочитано», модель видела только начало документа: вероятность по всему тексту даёт `classify` по фрагментам (там же, «Длинный текст модель читает не целиком»). Модели обучены только на русском: если текст в основном не на русском, вместо вероятности будет строка «не применима к этому тексту», и пересказывать её как «похоже на ИИ» нельзя. Шапку, код и список литературы модель не читает (там же, «Модели читают только русский текст»).

Если нет ни `aiw-ru`, ни uv, оцени фрагменты по каталогу основного скилла и признакам ниже и пометь оценку как модельную.

### 3. Технические артефакты

Если детектор нашёл невидимые символы или слова со смешанной латиницей и кириллицей, убери их первым делом. Они появляются после «очеловечивателей», копирования из PDF и некоторых редакторов. Документ с ними система помечает как подозрительный независимо от доли ИИ.

Мягкие переносы детектор показывает отдельно, как P2: их оставляют Word и копирование из PDF, и признаком подозрительного документа он их не считает. Перед сдачей их всё равно лучше убрать.

Строка «Светофор» сводит это в цвет. Красный: невидимые символы, подмена букв, разметка ссылок из чата, параметры ИИ-инструментов в ссылках; удали их без вопросов. Жёлтый, «ИИ или типография?»: мягкие переносы и редкие типографские символы (неразрывные и узкие пробелы, шпации, неразрывный дефис, знак минуса, стрелки). Их ставят и рассуждающие модели OpenAI, и вёрстка, поэтому спроси автора, убрать их или оставить; перед сдачей на проверку их обычно убирают. Зелёный: всё чисто.

### 4. Правка по тепловой карте

Какие абзацы править, говорит тепловая карта. Источников у неё два:

- **отчёт системы.** Правь фрагменты, которые он подсветил как ИИ; в «Думейте» это красные, только они входят в процент;
- **карта детектора,** если отчёта нет. Красные фрагменты — с `ai: true` в `--json`, их вероятность от порога и выше. Жёлтые (`zone: "yellow"`) лежат в пределах 0,1 под порогом: они переходят его от правки соседнего предложения и сами по себе между замерами. Правь и те и другие, цель — зелёная зона, ниже порога на 0,1. Не путай их с оранжевыми и жёлтыми фрагментами отчёта «Думейта»: те в процент не входят, и ради процента их не трогают.

Абзацы, которые выбрал судья (шаг 2), а детектор не пометил, добавь к карте. Работай только с текстом автора, не с цитатами. Применяй договор о правке и «Никогда не добавляй» из основного скилла без исключений: в научном тексте выдуманная деталь или ссылка — фальсификация.

Классификаторы опираются прежде всего на структуру, а не на отдельные слова. Поэтому по убыванию пользы:

1. **Ритм.** Разная длина предложений внутри абзаца: короткое утверждение, длинное с придаточными, пояснение в скобках. Признак «однообразие длины предложений» в отчёте детектора говорит именно об этом.
2. **Каркас абзаца.** Модель строит абзацы по нескольким схемам, и в красных абзацах «Думейта» они встречаются чаще всего:
   - пояснение через двоеточие почти в каждом предложении («Камеры инерционны: они замечают…», «Склад освещён неравномерно: у ворот…»). Часть утверждений назови сразу по существу, часть разверни в два предложения; двоеточие перед перечнем и в определениях оставь;
   - мораль в последнем предложении, которая пересказывает абзац («Ошибки у двух датчиков разные, поэтому вместе они надёжнее одного»). Если в ней нет нового довода, удали; если есть позиция автора, оставь её как утверждение;
   - перечень «во-первых… во-вторых… в-третьих…» в прозе с итоговой фразой. Собери в связный текст, число пунктов из источника сохрани;
   - зеркальные пары предложений одной формы («Первый модуль включает… Второй модуль включает…»). Построй их по-разному;
   - безличное «предлагается», «планируется» там, где решение принимают авторы. Пиши «мы предлагаем», «мы планируем», если это решение авторов по источнику.
3. **Пунктуация.** Живой научный текст использует точку с запятой, двоеточие перед перечнем, скобки для уточнений, тире там, где его требует грамматика. Текст модели обходится запятыми и точками. Признак «бедная пунктуация».
4. **Начала предложений.** Не начинай три предложения подряд с «Это», «Данный», «Кроме того», не начинай два абзаца подряд с «Отсюда». Признак «однообразные начала предложений».
5. **Словарь.** Слова первого уровня, кальки и шаблонные переходы из каталога. Признаки «плотность примет» и «канцелярит».
6. **Конкретика из источника.** Число, название набора данных, номер таблицы, фамилия автора со ссылкой вместо «высокой точности» и «исследования показывают». Только то, что уже есть в работе или что дал пользователь; если данных нет, спроси. Абзац с утверждениями без ссылки (например, о физиологии утомления) отметь пользователю: ссылку подбирает он.
7. **Авторская позиция.** В научном тексте допустимо «мы полагаем», «на наш взгляд», «в отличие от [12], мы…», если позиция есть в источнике. Модель стерильно нейтральна; автор сравнивает, спорит и оговаривает ограничения своей работы.

**Цели `--explain`.** Строка «Цель» у красного или жёлтого фрагмента делит нужное снижение между признаками, которые его тянут вверх, а колонка «Хватит одного» даёт цель признаку, которого хватает и одного, если такой есть. Как двигать замеры, не трогая смысл:

- средняя длина предложения (признак «типичная длина», пик на 19 словах). Поднять её помогает слияние двух связанных предложений в одно с придаточным или причастным оборотом; опустить — отдельное предложение для пояснения или примера. Число, ссылка и оговорка остаются в том предложении, к которому относятся;
- cv длин (однообразие длины). Рядом с длинным предложением поставь короткое, в одно утверждение. В абзаце из одного-двух предложений признак постоянный: раздели такой абзац на три предложения и больше, разной длины;
- повторы начал. `--explain` называет эти слова; начни такие предложения с подлежащего, обстоятельства или ссылки на источник;
- MATTR (бедный словарь). Его поднимает отказ от повторов служебных слов, местоимений и общих глаголов («является», «позволяет»). Термины на синонимы не меняй даже ради MATTR;
- пунктуация, приметы и канцелярит — по пунктам 3 и 5 списка выше.

Если цель требует сломать смысл (средняя длина в 8 слов в абзаце с формулой), не гонись за ней: подойди к ней так близко, как позволяет текст, и назови этот фрагмент в отчёте.

Чего не делать, даже если так «живее»: менять термины на синонимы («инвентаризация» → «пересчёт», «калибровка» → «настройка»), снижать регистр («датчик врёт», «камера ослепла»), превращать вывод исследователей в прямую речь участников («по результатам опроса…» → «кладовщики говорили…»), снимать оговорки («предварительная оценка, а не установленный факт»), ослаблять утверждение вставкой «мы считаем», превращать перечень кандидатов в готовый выбор. Всё это проверяющий агент в проверке скилла отметил как ошибки. Не вставляй ошибки, разговорные слова и опечатки в научный текст: это снижает оценку рецензента сильнее, чем процент ИИ.

В проверке на обзорной статье в 2600 слов правка 27 красных абзацев по этому списку снизила долю ИИ в «Думейте» с 38 до 10 %, оригинальность не изменилась. В реферате правка красных абзацев в два прохода дала 42,72 → 9,38 → 0 %. Правь каждый красный абзац: даже лёгкая перестройка предложений выводит его из красного, а нетронутый абзац остаётся красным. Снятые неразрывные пробелы и прочая типографика процент не двигали. Подробности в «Что двигает процент» ([references/domate.md](references/domate.md)). Это два документа одного автора и одна версия детектора, а не гарантия.

### 5. Цикл правки, сохранность и проверяющий

Правка по тепловой карте идёт циклом, без заранее заданного числа проходов:

1. Замер: `antiplagiat <файл> --explain` (для «Думейта» с `--system domate`).
2. Правка красных и жёлтых фрагментов по целям `--explain` и списку из шага 4.
3. Сохранность: `validate` против исходного текста, а не против прошлого прохода, иначе оговорка, снятая в первом проходе, пройдёт незамеченной. При коде выхода 1 верни повреждённое место и только потом иди дальше.
4. Новый замер: сравни долю ИИ-текста и число красных и жёлтых фрагментов с прошлым замером.

```bash
uv run --project ../.. aiw-ru validate <исходный> <исправленный>
uv run --project ../.. aiw-ru validate <исходный> <исправленный> --marked heat.json
```

Цель — 0 % и ни одного красного фрагмента. Когда красных не осталось, пройди оставшиеся жёлтые ещё раз и остановись. Раньше цикл останавливается, если проход не снизил ни долю, ни число красных и жёлтых фрагментов: значит, признаки упёрлись в то, что правка в пределах договора не меняет. Лимит в два прохода из основного скилла к этому циклу не относится: его ограничивает `validate`, а не счётчик. Сообщи долю после каждого прохода и почему цикл остановился.

`validate` проверяет формулы, числа, ссылки на литературу, таблицы и цитаты, снятые оговорки и новые имена, числа и даты. С разметкой отчёта (`--marked`: тепловая карта или файл с фрагментами) он ещё и называет красные абзацы, которые остались прежними: дойди до каждого или объясни пользователю, почему его нельзя менять (заголовок, цитата, определение).

Когда цикл закончен и правка задела больше пары абзацев, отдай исходник, итог и разметку (отчёт системы или `antiplagiat --json` по исходнику) свежему агенту по [../avoid-ai-writing-russian/references/review.md](../avoid-ai-writing-russian/references/review.md): `validate` сверяет числа и ссылки, а сдвиг смысла, потерянную оговорку и разъехавшиеся термины видит только читатель. Разметку передавать можно: это вывод инструмента, а не рассуждения редактора. Блокирующие замечания исправь и снова прогони `validate`.

Оценка детектора приблизительная, и 0 % у детектора не обещает 0 % в отчёте. Поэтому, когда цикл закончен, предложи загрузить итог в систему и принести отчёт: по нему видно, какие абзацы система ещё считает ИИ-текстом, и он пополнит калибровку (шаг 6). Со свежим отчётом цикл продолжается по его разметке. Бесплатных проверок мало («Думейт» — три в день), поэтому загружай версию, которая прошла цикл, `validate` и проверяющего, а не промежуточную.

### 6. Калибровка по отчётам пользователя

Калибровка по желанию пользователя, но предложить её должен ты: без отчётов детектор работает на общей модели и может заметно расходиться с системой на конкретном жанре и авторе.

Для каждого отчёта нужен **документ** в той версии, которую загружали в систему (не исправленной позже), в Markdown или тексте. `.docx` сконвертируй: `pandoc файл.docx -t gfm --wrap=none -o файл.md`. Сам отчёт пользователь может передать любым удобным способом; предложи варианты, начиная с самого простого для него:

1. **Файл отчёта.** PDF, который система даёт скачать со страницы отчёта. Если умеешь читать PDF, открой его сам: найди фрагменты, подсвеченные как сгенерированные ИИ (цвет и подпись смотри в легенде отчёта; в «Думейте» в процент входят только красные), и выпиши их в текстовый файл, по одному на абзац через пустую строку. Не уверен в цвете подсветки — покажи пользователю, какие куски ты нашёл, и спроси, те ли это.
2. **Скриншоты** страниц отчёта с подсветкой. Работай с ними так же, как с PDF.
3. **Скопированные фрагменты.** Пользователь сам копирует из отчёта подсвеченные как ИИ куски без правок в текстовый файл или прямо в чат; ты сохраняешь их в файл.
4. **Номера абзацев или страниц,** которые отчёт подсветил. Найди эти абзацы в документе и выпиши их в файл.
5. **Только итоговая цифра** доли ИИ-текста из отчёта, если подсветку передать неудобно. Это слабее разметки фрагментов: по одной цифре подстраивается только общая строгость, а не веса признаков.
6. **Ссылка на отчёт** обычно открывается только после входа в аккаунт. Если у тебя есть браузер, попроси пользователя открыть отчёт и войти самому, а тепловую карту «Думейта» забери скриптом из [references/domate.md](references/domate.md). Браузера нет — попроси скачать PDF (вариант 1).

Отчёты, где система ничего не пометила, тоже полезны: это примеры человеческого текста. Для них файл с фрагментами пустой или доля 0.

С разметкой фрагментов (варианты 1–4 и 6):

```bash
uv run --project ../.. aiw-ru calibrate --doc glava1.md --marked glava1-ai.txt
```

Только с итоговой долей (вариант 5):

```bash
uv run --project ../.. aiw-ru calibrate --doc glava2.md --share 34
```

Для отчёта «Думейта» добавь `--system domate`; `--marked` принимает и тепловую карту в JSON (`heat.json` из скрипта), из неё берутся только красные фрагменты. В одном вызове можно передать несколько отчётов, по паре на каждый: `--doc a.md --marked a-ai.txt --doc b.md --share 12`. Если калибровка предупреждает, что фрагменты не найдены в документе, значит, версия документа не та или текст скопирован с правками; уточни у пользователя.

Калибровка накапливается в `.aiw-ru.json`: каждый новый отчёт добавляет образцы, и `antiplagiat` подхватывает файл автоматически. У каждой системы в файле своя калибровка, и `--system` выбирает нужную. Чтобы калибровка работала во всех проектах пользователя, передай `--config ~/.config/aiw-ru.json` (этот путь тоже читается по умолчанию).

Скажи пользователю:

- калибровка локальная, отчёты и текст никуда не отправляются. В `.aiw-ru.json` лежат только модель и числовые признаки фрагментов с метками из отчётов, самого текста там нет. Текст есть в файлах с фрагментами, которые ты выписываешь из отчёта (`glava1-ai.txt`, `heat.json`): их не коммить в чужие и публичные репозитории;
- в общем репозитории предложи добавить `.aiw-ru.json` в `.gitignore`: `antiplagiat` читает файл из текущей папки автоматически, и чужая калибровка исказит оценку соавтору;
- точность, которую печатает калибровка, посчитана на тех же данных и завышена; честная проверка — замер на отчёте, который в калибровку не входил. Семь признаков детектора описывают «Думейт» плохо: калибровка по двум его отчётам угадывала красные фрагменты третьего не лучше случайного (ROC AUC 0,36–0,55). Поэтому отчёт с разметкой важнее оценки: есть он — правь по нему, нет — по карте детектора. Размеченный отчёт по правленой версии добавляй (`--marked`), а одну её долю (`--share`) в калибровку «Думейта» не добавляй;
- после сдачи исправленного текста новый отчёт стоит принести обратно: он проверит правку и добавит образцы.

## Формат ответа

1. **Замер до:** разметка отчёта, если она есть (сколько фрагментов подсвечено, какие абзацы), доля ИИ-текста по оценке детектора (или модельная оценка), красные и жёлтые фрагменты со строками и главными признаками из `--explain`, подозрительные артефакты.
2. **Итоговый текст** правленых фрагментов (или правка файла на месте в режиме `edit`), по правилам основного скилла.
3. **Замер после** и результат `validate`.
4. **Проверка:** проходы цикла с долей ИИ-текста после каждого и причина остановки (0 %, проход перестал снижать долю, цель ломала смысл), какие проверки запускались (детектор, судья, проверяющий агент), что оставлено и почему (цитаты, формулы, данные, которых нет в источнике), совет загрузить итог в систему и принести отчёт и состояние калибровки: сколько образцов в `.aiw-ru.json` или просьба прислать отчёт, если калибровки нет.

Заимствования, найденные по смыслу (пользователь сам сказал, что абзац взят из источника), не переписывай: предложи оформить как цитату или пересказ со ссылкой.