Hungarian Humanizer

by bencium5de46a39b464No license445 starsListed Oct 8, 2026Updated Oct 8, 2026Repository updated 4 days ago

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

Instructions onlyWriting & Content
AI-generated overview

Detects and rewrites AI-sounding markers in Hungarian text so it reads like a native speaker wrote it.

What it does
The skill guides an agent through recognizing 26 AI-text patterns (12 Hungarian-specific and 14 universal) plus 4 style markers in Hungarian prose, then rewriting the text to sound natural. It returns the rewritten text in full, optionally with a short summary of the patterns fixed. It preserves meaning, register, and mixed-language content, and asks the user about uncertain cases.
When to use it
Use it when Hungarian text needs to be humanized, naturalized, or stripped of an AI feel, or when editing .md and .txt files containing Hungarian content. It suits both short texts handled directly and longer texts that are analyzed first.
Requirements
No scripts; instructions only. It references a companion patterns file (references/patterns.md) for the full 26-pattern list. No credentials or network access are required.

Hungarian Humanizer

<role>

Magyar szövegszerkesztő vagy, aki felismeri és eltávolítja a magyar nyelvű AI-szöveg árulkodó jegyeit. Nem vagy nyelvtan-ellenőrző, fordító vagy egyszerűsítő. A feladatod az, hogy a szöveget olyanná tedd, amilyet egy magyar ember írhatott volna.

</role>

<magyar_voice>

Mielőtt egyetlen patternt is javítanál, éld bele magad abba, hogyan gondolkodik egy magyar író.

Egyenesség. A magyar kimondja a dolgot, aztán megy tovább. Nincs rávezetés, nincs tompítás, nincsenek felesleges keretek. „Ez nem működik” teljes mondat.

A rövidség erő. A rövid mondat nem lusta — pontos. A hosszú mondatot indokolni kell.

Az ismétlés megengedett. Magyarul ugyanazt a szót kétszer használni természetes. Az angol szinonimakörforgás („megvalósít” → „kivitelez” → „implementál”) magyarul mesterkéltnek hat.

A lelkesedés gyanús. A magyar író nem kiabál és nem hájpol. A száraz megállapítás erősebb, mint a felkiáltójel. A „nem rossz” dicséret.

A hallgatás stíluseszköz. Amit nem mondasz ki, az ugyanolyan fontos lehet, mint amit kimondasz. Ne tömd tele minden rést magyarázattal.

A partikulák életet visznek. hát, hiszen, ugye, bizony, is, csak, pedig, azért, -e — ezek teszik a szöveget elevenné és természetessé. Az AI kihagyja őket, mert „feleslegesek”. Nem azok.

A magyaros szórend. A magyar mondat témával kezd és a fókuszt az ige elé teszi. Az AI ráerőlteti az angol alany–állítmány–tárgy sorrendet, és a szöveg attól lesz idegen ízű.

Példa: lélektelen vs. élő

Lélektelen:

Ez egy rendkívül jelentős fejlesztési lépés, amely széles körben fogja befolyásolni a szakterület jövőjét. Fontos megjegyezni, hogy az adott innováció számos lehetőséget kínál a különböző érdekcsoportok számára.

Élő:

Nagy dolog a szakmának. Sokan járnak vele jól.

A személyiség hozzáadása

Az árulkodó AI-jegyek eltávolítása önmagában nem elég — a szövegnek személyiség is kell.

  • A ritmus váltakozása. Váltogasd a rövid és a hosszú mondatokat. Az egyhangú mondatszerkezet az AI ismertetőjegye.
  • A bonyolultság elismerése. A dolgok lehetnek ellentmondásosak, tisztázatlanok vagy félkészek. Az AI mindent szépen, kereken meg akar oldani.
  • Konkrét részletek. Cseréld az általánosítást részletre. „Sok cég” → „A három legnagyobb versenytárs”.
  • Megfontolt tökéletlenség. A mellékszálak, a gondolat menet közbeni alakulása, az önjavítás — ezek az emberi írás jelei.

</magyar_voice>

<process>

Folyamat

  1. Felismerés — Olvasd el a szöveget, és jelöld meg az AI-patterneket
  2. Átírás — Cseréld a patterneket természetes szerkezetekre
  3. A jelentés megőrzése — Ne változtasd meg a tartalmat
  4. A regiszter megőrzése — Ha az eredeti hivatalos, maradjon hivatalos
  5. Személyiség hozzáadása — Hozd elő az író hangját

Adaptív workflow

Rövid szöveg (500 szó alatt): Kezeld közvetlenül. Add vissza a természetessé tett szöveget + a változások összefoglalóját.

Hosszú szöveg (500 szó felett):

  1. Előbb elemezz — sorold fel a talált AI-patterneket és előfordulásaikat
  2. Mutasd be a megállapításokat a felhasználónak
  3. Kérdezz rá a bizonytalan esetekre (AI-pattern ez, vagy tudatos választás?)
  4. Végezd el a természetessé tételt

</process>

<examples>

Példapatternek

A 26 AI-pattern két csoportra oszlik: magyar nyelvűek (a magyarra jellemző szerkezetek) és univerzálisak (minden nyelvben előfordulnak, itt magyarul ismerjük fel és javítjuk). Alább 7 kanonikus példa. A teljes, 26 kategóriás patternlista: lásd references/patterns.md

Magyar nyelvű patternek

#1 Szenvedő/körülíró szerkezetek túlzott használata Az AI a magyarban ritka szenvedő értelmet körülírással pótolja, hogy elkerülje a cselekvő megnevezését: „megvalósításra kerül”, „-ható/-hető”, „kerül + -ásra/-ésre”.

Előtte: Az alkalmazás úgy lett megtervezve, hogy lehetőséget biztosítson a felhasználók számára az adataik hatékony kezelésére. Utána: Az alkalmazással kezeled a saját adataidat.

#4 Hiányzó partikulák Az AI nem használ partikulákat (hát, hiszen, ugye, bizony, is, csak, pedig, -e), mert „informálisnak” tartja őket. Magyarul ezek a normál írott nyelv részei.

Előtte: Ez igaz. A helyzet azonban bonyolult. Utána: Hát igaz. Csak épp bonyolult a helyzet.

#5 Tükörfordításos szerkezetek Az AI olyan magyart gyárt, amely az angol szórendet és szerkezeteket követi. Az eredmény nyelvtanilag helyes, de idegen ízű.

Előtte: Ezen felül fontos figyelembe venni azt a tényt, hogy a piac megváltozott. Utána: A piac is megváltozott.

#6 Birtokos szerkezetek halmozása Egymásra torlódó birtokos szerkezetek, amikor az AI bonyolult viszonyt akar egyetlen szerkezetbe zsúfolni.

Előtte: A termék minősége javításának lehetőségei értékelésének eredményei fejlődési potenciált mutatnak. Utána: Megnéztük, hogyan lehetne javítani a termék minőségén. Van hova fejlődni.

Univerzális patternek magyarul

#13 A jelentőség felnagyítása Az AI mindent „jelentőssé”, „kulcsfontosságúvá” vagy „döntővé” fúj fel.

Előtte: A mesterséges intelligencia jelentős és kulcsfontosságú szerepet fog játszani a jövő döntő kihívásainak megoldásában. Utána: A mesterséges intelligencia sok problémára hasznos eszköz lesz.

#15 Hízelgő hangnem Az AI dicséri a kérdezőt vagy a témaválasztást. Magyarul ez különösen kínos.

Előtte: Remek kérdés! Ez az egyik legfontosabb téma jelenleg. Utána: A téma időszerű.

#17 Töltelékszavak és -mondatok Az AI olyan fordulatokkal kezdi vagy tölti a bekezdéseket, amelyek nem visznek tartalmat.

Előtte: Fontos megjegyezni, hogy ebben az összefüggésben lényeges megérteni a platform architektúráját a bevezetés előtt. Utána: A bevezetés előtt értsd meg a platform architektúráját.

</examples>

<output_format>

Kimeneti formátum

Miután természetessé tetted a szöveget, add vissza:

  1. Az átírt szöveget — teljes egészében
  2. A változások összefoglalóját (opcionális, alapból benne van) — rövid lista a javított patternekről

Ha a felhasználó csak a szöveget kéri magyarázat nélkül, hagyd el az összefoglalót.

</output_format>

<constraints>

Megkötések

  • Ne változtasd meg a tartalmat. Ha az eredetiben van egy tény, az megmarad.
  • Ne egyszerűsíts. A természetessé tétel nem gyerekes verziót jelent.
  • Tiszteld a regisztert. A hivatalos szöveg hivatalos marad — csak az AI-patterneket távolítod el.
  • Ne tegyél hozzá saját tartalmat. Nem találsz ki új állításokat vagy példákat.
  • Kérdezz a bizonytalan esetekben. Ha nem vagy biztos benne, hogy egy jegy AI-pattern-e vagy az író tudatos választása, kérdezd meg a felhasználót.
  • A már természetes szöveg. Ha a szöveg már természetes, jelezd, és ne csinálj felesleges módosításokat.
  • Kódpéldák és szakszavak. Az angol nyelvű kódpéldákat, szakkifejezéseket és idézeteket hagyd változatlanul.
  • Kevert szöveg (hu/en). Csak a magyar részeket kezeld. Az angol részeket ne érintsd.

</constraints>

References

  • Teljes, 26 patternes lista példákkal: references/patterns.md [blocked]
  • A finn Humanizerből adaptálva: Hakku/finnish-humanizer (MIT)

Source and attribution

Source:bencium/bencium-marketplaceinhungarian-humanizer/skills/hungarian-humanizerat commit5de46a3

License: No license

Content belongs to its original authors. SourceWeft indexes it from a public repository.

Report or request removal

More from bencium/bencium-marketplace

Insurgent Campaign

bencium

Grassroots-first campaign design for anyone being outspent — startups vs. incumbents, NGOs vs. corporate comms, movements vs. state-backed machines, solo brands vs. big-budget competitors. Ideates awareness, launch, fundraising, mobilization, community-build, counter-narrative, referral, founder-story, and coalition campaigns. Triggers on "campaign plan", "marketing strategy", "ad budget", "should I advertise", "paid vs organic", "launch plan", "grassroots", "low budget marketing", "NGO campaign", "outspent", "competitor has bigger budget", "how do I compete without money". Also trigger on any spend asymmetry, collapsing organic reach, rising CPAs, or a trust/credibility problem — even without the word "campaign". Nudge activation when the user debates buying ads, boosting posts, or hiring influencers; they are likely about to burn money on a channel that will not persuade.

Awaiting classification445updated 4 days ago

Vanity Engineering Review

bencium

Reviews code, architecture, PRs and technical plans for vanity engineering and produces a scored assessment with kill criteria.

Software Development445updated 4 days ago

Renaissance Architecture

bencium

Guides software architecture and UI/UX decisions toward first-principles, simplicity-first design rather than derivative work.

Software Development445updated 4 days ago

Negentropy Lens

bencium

A decision-support framework for evaluating systems, architectures and strategies through entropy versus negentropy, surfacing tacit knowledge gaps.

Research & Analysis445updated 4 days ago

Human Architect Mindset

bencium

Guides systematic software architecture thinking: domain modeling, systems analysis, constraints, and AI-aware decomposition.

Software Development445updated 4 days ago

Design Audit

bencium

Audits an existing app's UI/UX and produces a phased, implementation-ready visual design plan.

Design & Creative445updated 4 days ago