
Pyydä kielimallilta suomea, niin saat suomea. Kielioppi pitää ja sijamuodot täsmäävät. Silti suomalainen lukija tietää toisesta virkkeestä, että tekstin kirjoitti kone.
Annan agenttien kirjoittaa ja muokata suomea omille sivustoilleni, ja pitkään korjasin samoja asioita käsin. Sitten kirjoitin korjaukset ohjeeksi, jonka agentti lukee ensin, ja tein tarkistimen, joka löytää sen, mikä pääsi läpi. Molemmat ovat nyt repossa suomi-skill.
Ongelma
Teksti on englantia suomen sanoilla. Omistuspronomini on joka substantiivissa, koska englanti vaatii sen. Sanonnat on käännetty sanasta sanaan. Futuuria käytetään, vaikka suomessa sitä ei ole. Adjektiiveja on kolme peräkkäin rytmin vuoksi, ja huutomerkki on siinä, mihin suomalainen panisi pisteen.
Mikään näistä ei ole kielioppivirhe, joten oikoluku päästää ne läpi. Lukija ei päästä. Pienessä kielessä konetekstiä on vähemmän, ja se erottuu helpommin. Kun lukija huomaa sen, hän lakkaa luottamasta sivuun.
Kirjoitusohje
skills/suomi/SKILL.md on sivun mittainen ohje, jonka agentti lukee ennen kuin kirjoittaa. Siinä ovat rekisterit chatista tiedotteeseen, suomalaisen lauseen rakenne, kielioppiansat, joihin mallit lankeavat, kielletyt kuviot ja taulukko käännössuomesta vastineineen.
Hyödyllisin osa on korjausparien taulukko. Malli noudattaa esimerkkiä paremmin kuin sääntöä.
Viimeinen osio on tarkoituksella tyhjä. Täytät siihen omat nimesi, faktasi ja sanat, joita et käytä. Jos agentille ei kerrota faktaa, se keksii sen.
Tarkistin
suomi-slop lukee Markdown-, MDX-, Astro-, HTML- ja tekstitiedostot. Se listaa osumat rivinumeroineen, antaa jokaisesta yhden rivin neuvon ja pisteyttää tiedoston nollasta kymmeneen.
Sääntöjä on kuusitoista kolmella tasolla. Geneerinen johdanto maksaa kaksi pistettä. Täytesanat ja käännöskukkaset maksavat puoli. Kuviot, jotka käyvät kerran mutta toistuessaan ovat maneeri, maksavat ensin vähän ja sitten enemmän. Yksi oikea kolmen asian luettelo on ilmainen.
Tarkistin ohittaa koodin, front matterin, linkkien osoitteet ja lainaukset. Valitsin --min-score 8 kaataa CI-ajon, joten heikko teksti ei pääse julki vahingossa.
Repo tarkistaa oman suomensa samalla työkalulla.
Mitä olen testannut
Testit varmistavat, että jokainen sääntö osuu omaan esimerkkiinsä ja ettei tavallinen suomi saa osumia. CI ajaa ne Linuxilla ja macOS:llä.
Ajoin tarkistimen kansiolliselle omia suomenkielisiä muistiinpanojani väärien hälytysten löytämiseksi. Se merkitsi kolmetoista kolmen asian luetteloa. Ne, jotka luin, olivat oikeita luetteloita, eikä se vähentänyt niistä pisteitä. Yhdeltä dokumentilta se vei pisteitä liioista ajatusviivoista, ja syystä.
Ohjeen korjausparit ovat tekstistä, jota olen joutunut korjaamaan. Jätin pois jokaisen parin, josta sivuston tunnistaa, ja kirjoitin muutaman muun uudelleen julkista versiota varten.
Mitä se ei tee
Tarkistin ei tunnista tekoälyä. Ihmiset kirjoittivat näitä kuvioita kauan ennen kielimalleja. Huonot pisteet kertovat, että teksti kuulostaa täytteeltä. Ne eivät kerro, kuka sen kirjoitti.
Se vertaa tekstiä kuvioihin eikä jäsennä suomea. Osa taivutusmuodoista jää huomaamatta, ja osa rehellisistä lauseista saa osuman. Täydet pisteet tarkoittavat, että kuvioita ei löytynyt. Teksti voi silti olla tyhjä.
Ohje on yhden kirjoittajan näkemys selkeästä suomesta. Muokkaa sitä.
Kokeile
Koodi on osoitteessa github.com/ollijunes/suomi-skill. Kopioi ohjekansio agenttisi skilleihin, täytä viimeinen osio ja aja suomi-slop tekstille, jonka julkaisit viime kuussa.
Palaute käy suomeksi tai englanniksi. Hyödyllisimpiä ovat rehelliset lauseet, joista tarkistin hälyttää, ja kuviot, joita se ei huomaa.
