---
name: antiplagiat
description: >-
  Подготовка русского текста к проверке системой «Антиплагиат» (antiplagiat.ru, «Антиплагиат.ВУЗ»):
  оценка доли «ИИ-сгенерированного» текста по фрагментам в духе модуля ИИ-детекции, переписывание
  подсвеченных абзацев своим голосом, 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», «откалибровать под мой отчёт Антиплагиата». Для обычной
  чистки стиля без проверки используй avoid-ai-writing-russian.
version: 2.2.1
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 academic ai-detection dissertation vak calibration
  parent_skill: avoid-ai-writing-russian
  openclaw:
    emoji: "🎓"
  agentskills_spec: "1.0"
---

# Подготовка к «Антиплагиату»

Под-скилл для тех, кому мало просто убрать ИИ-стиль: текст пойдёт на проверку в «Антиплагиат», 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 отчёте «Антиплагиата» 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. Именно его приближает команда `antiplagiat` детектора.
4. **Подозрительный документ.** 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

Опубликованный приём обхода «Антиплагиата» живёт недолго. Разработчик системы видит те же репозитории, прогоняет инструмент на своих текстах и дообучает классификатор. 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.

Спрятать приём тоже не получится. Классификатору не нужны правила, по которым переписан текст, ему хватает самих текстов. Если тысячи людей переписывают работы одной моделью по одному открытому скиллу, у результата появляется общий стиль, и система его выучит.

Поэтому детектор и калибровка только меряют. Калибровка подстраивает оценку под то, как система видит тексты конкретного автора, и показывает абзацы с риском ложного срабатывания. Дальше автор правит их по каталогу: подставляет свои данные, ссылки и позицию, меняет ритм. Это помогает тексту, который автор написал сам: причина ложного срабатывания уходит. Сгенерированный текст, переписанный моделью, остаётся сгенерированным, и следующая версия детектора может это увидеть.

Если пользователь просит обойти проверку или спрашивает, почему скилл этого не делает, объясни коротко своими словами по этому разделу.

## Порядок работы

### 1. Замер

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

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

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 -o файл.md`) и работай с копией.

Скажи пользователю прямо: это приближение. Классификатор системы закрыт, и оценка детектора показывает, какие фрагменты рискованны, а не предсказывает точную цифру отчёта.

Если в строке «Модель» вывода стоит «по умолчанию, без калибровки», попроси у пользователя отчёты «Антиплагиата» по его текстам, до или после правки (шаг 5). Спроси один раз, в начале работы, и объясни зачем: по отчётам модель подстраивается под то, как система оценивает именно его тексты, и следующие замеры точнее. 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 «Антиплагиата», 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»).

Если uv недоступен, оцени фрагменты по каталогу основного скилла и признакам ниже и пометь оценку как модельную.

### 2. 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.

### 3. Правка подсвеченных фрагментов

Работай только с фрагментами, помеченными как ИИ или близкими к порогу, и 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. **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».
3. **Начала предложений.** Не начинай три предложения подряд с «Это», «Данный», «Кроме того». Признак «однообразные начала предложений».
4. **Словарь.** Слова первого уровня, кальки и шаблонные переходы из каталога. Признаки «плотность примет» и «канцелярит».
5. **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.
6. **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.

Не делай того, что ухудшает текст ради цифры: не вставляй ошибки, разговорные слова и случайные опечатки в научный текст. Это снижает оценку рецензента сильнее, чем процент ИИ.

### 4. Повторный замер и сохранность

После правки снова запусти `antiplagiat` и сравни доли. Затем проверь, что правка не повредила формулы, числа, ссылки на литературу, таблицы и цитаты:

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

Код выхода 1 означает повреждение; исправь его или сообщи. Лимит проходов тот же, что в основном скилле: два.

### 5. 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 -o файл.md`. Сам отчёт пользователь может передать любым удобным способом; предложи варианты, начиная с самого простого для него:

1. **Файл отчёта.** PDF, который «Антиплагиат» 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), 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, и прочитать её ты не сможешь. 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):

```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
```

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. 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`): 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;
- после сдачи исправленного текста новый отчёт стоит принести обратно: он проверит правку и добавит образцы.

## Формат ответа

1. **Замер до:** доля ИИ-текста по оценке детектора (или модельная оценка), список рискованных фрагментов со строками и причинами, 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, какие проверки запускались, что оставлено и почему (цитаты, формулы, данные, которых нет в источнике), напоминание, что оценка приблизительная, 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.