ai-text-cleaner

Regelbasierter + LLM-gestützter Cleaner für KI-typische Schreibmuster in deutschen Texten.

Erkennt und glättet z. B. Em-Dash-Overuse, Floskeln („In der heutigen Zeit", „Darüber hinaus", „Es ist wichtig zu beachten"), generische Intros, Buzzword-Verben, generische Headlines und gleichförmige Satzlängen.

Architektur

Zwei Stufen, optional kombinierbar:

• Tier 1 — Rules (stdlib + YAML, offline, gratis, deterministisch)
• Tier 2 — LLM-Polish (Anthropic Claude, Default claude-haiku-4-5-20251001, optional)

Geplant für v0.3.0: Tier 3 — Adversarial-Eval-Loop mit eigenem Klassifikator.

Installation

pip install ai-text-cleaner                 # nur Rules
pip install ai-text-cleaner[llm]            # mit LLM-Polish
pip install ai-text-cleaner[llm,clipboard]  # voll

CLI

ai-text-cleaner artikel.md                          # Default: Hybrid (Rules + LLM, falls Key vorhanden)
ai-text-cleaner artikel.md --rules-only             # nur Tier 1, offline
ai-text-cleaner artikel.md --llm-only               # nur Tier 2
ai-text-cleaner artikel.md -o out.md
ai-text-cleaner artikel.md --report                 # Analyse ohne Rewrite
ai-text-cleaner draft.json --format bm-json         # Blog-Machine-DraftVersion-JSON
cat artikel.md | ai-text-cleaner -                  # stdin → stdout
ai-text-cleaner --clipboard                         # liest + schreibt Clipboard
ai-text-cleaner artikel.md --rules em_dashes,floskeln

ENV: ANTHROPIC_API_KEY für die LLM-Stufe. Fehlt der Key → automatischer Rückfall auf --rules-only mit Warnung.

Python-API

from ai_text_cleaner import clean_text, analyze_text, Mode

result = clean_text(
    "In der heutigen Zeit revolutioniert KI die Branche — und das schnell — und tiefgreifend.",
    mode=Mode.HYBRID,
)
print(result.text)
print(result.report.markdown())

Was wird erkannt?

• Em-Dashes: > 1 Em-Dash pro Absatz → Komma/Punkt
• Floskeln: „In der heutigen Zeit", „Darüber hinaus", „Es ist wichtig zu beachten", „Zusammenfassend lässt sich sagen" u. a.
• Buzzword-Verben: „revolutionieren" → „verändert", „optimieren" → „verbessert" (kontextabhängig)
• Headlines: „Die ultimative/komplette/perfekte ..." → neutralisiert
• Whitespace: NBSP, doppelte Leerzeichen, Mehrfach-Newlines
• Satzlängen-Varianz: Hinweis im Report (kein Auto-Rewrite in v1)

Erweiterung der Patterns via eigene YAML: ai-text-cleaner artikel.md --patterns custom.yaml.

Grenzen

• „100% KI-frei" ist technisch nicht garantierbar. Selbst menschliche Texte werden von AI-Detectors mit ~5–15% Falsch-Positiv-Rate als „KI" klassifiziert. Das Tool senkt die Wahrscheinlichkeit deutlich, kann sie aber nicht eliminieren.
• v1 ist DE-fokussiert. EN-Patterns sind nicht im Scope.
• LLM-Stufe ist nicht-deterministisch — Output variiert bei wiederholtem Lauf.

Tests

pip install -e ".[dev,llm,clipboard]"
pytest -v

Lizenz

MIT