yomiyasu：一周拿下 510 颗星，这个日文润色 Agent Skill 到底戳中了什么

先说结论

yomiyasu 不是又一个日语语法检查器，也不是简单的 ChatGPT 改写脚本。它的差异点在于把“Agent Skill”这层抽象用到了日文润色上——让AI写作工具的输出能进入一个稳定的、人味儿更重的改写流程。一周拿到 510 颗星，说明它踩中的是一个真实的、跨语言都存在的痛点：AI日语看起来对，读起来累。

真正的问题

母语者读AI日语，最烦的不是错，是“不对味的顺”。句子语法都对，敬语也没崩，但就是一股翻译腔加机器味：句式平均、信息平铺、连接词机械、主语能省不省、动词尾端拖得太长。

这类问题很难靠普通校对工具发现。语言模型会改字、改词，但很少主动去砍段落、合并长句、换掉那些“看起来专业实则空洞”的过渡词。结果就是：内容能看，但没人愿意转发。yomiyasu 的目标就是把这种“能看但不想读”的内容压下去。

怎么做更省力

yomiyasu 的做法可以拆成三步，对其他语种也有参考价值。

第一步，让AI写作先按结构出稿。写一段论文式日文，比写“像人说话的日文”要稳。AI在结构化输出上更可控，先稳住这块。

第二步，把 Agent Skill 接到改写环节。Agent Skill 这层抽象的好处是：规则外置、可复用、可替换。yomiyasu 把日文润色的判断标准（句长阈值、敬语层级、口语化程度、连接词黑名单等）抽出来作为 Skill，模型按这套规则改，而不是每次重新解释“什么叫自然”。

第三步，做末段母语感校验。这一步不是再调一次模型，而是用一组典型母语者会皱眉的句式模板做对照，把漏网的机器味句子单独捞出来。

这三步的关键是“分清楚哪些靠结构，哪些靠风格”。结构问题交给 Agent，风格问题留给具体的人。

哪些坑要避开

第一个坑是把润色 Skill 当万能配置。不同体裁差异很大：商务邮件、商务邮件、博客随笔，规则差别巨大。盲目套同一套 Skill，邮件会变成段子，段子会变成邮件。

第二个坑是过度润色。改到“完全不像AI写”，往往就改成了“完全不像在写这个主题”。母语感不一定是好文。判断标准应该回到内容本身：信息密度、读者预期、场景语域。

第三个坑是忽略专业领域。学术日语、法律日语、医患沟通日语，各自有一套稳定的表达传统。润色 Skill 越是通用，越容易在这些场景下翻车。如果你的场景固定，可以考虑在 yomiyasu 基础上叠一层领域 Skill。

另外要注意边界：yomiyasu 是 Agent Skill，不是浏览器插件，不是桌面软件，也不是免费 API。它需要你已经在用支持 Skills 的AI写作工具，比如 Claude Code、Cursor、Codex 这类。脱离这个前提，510 颗星跟你没什么关系。

现在就能动手

如果你已经在用支持 Agent Skill 的AI写作工具，今天就能试这三件事：

先拿一段之前觉得“AI味重”的日文稿子，在 Claude Code 或 Cursor 里装一下 yomiyasu，对照改写前后的差异。重点看句长分布和连接词密度——这是最直观的两个母语感指标。

然后把改写后的稿子交给日语母语者看 30 秒，问一个具体问题：“这句话你会怎么改？”如果对方说不出具体改法，说明母语感已经到位；如果还能指出三处，说明你的 Skill 配置还不够。

最后，不要一上来就全量替换。先选一个高频场景，比如客服回复或邮件正文，跑两周数据，看“返工率”有没有下降。返工率是最诚实的指标，比点赞数靠谱。