Когда «без воды» — это уже вода

Вы наверняка встречали такие тексты. Статья начинается с обещания: «Никакой воды, никаких отступлений, только по делу» — и именно в этот момент становится очевидным, что её написал языковой алгоритм, а не человек. Саймон Уиллисон (Simon Willison) — один из создателей фреймворка Django и автор влиятельного блога об ИИ — испытал ровно то же раздражение.

Устав читать очередную статью, переполненную клише LLM-генерации — в духе «no fluff, no filler, no jargon» — он попросил Claude Fable 5 в режиме vibe coding собрать приложение для выделения десяти наиболее распространённых паттернов подобного письма.

Так появился LLM Cliché Highlighter — небольшой, но очень меткий инструмент, доступный прямо в браузере.

ℹ Что такое vibe coding?
Vibe coding — неформальный термин для подхода, при котором разработчик описывает желаемый результат «на пальцах», а ИИ-модель самостоятельно пишет весь код. Никакого пошагового технического задания — только общее видение итога.

Что умеет инструмент

Вставьте текст в анализатор — и он выделит предложения, соответствующие известным LLM-клише: цепочки по схеме «no X, no Y», фразы «sit with that» («поживи с этой мыслью»), «you already know» («ты и сам знаешь») и другие характерные обороты. Инструмент считает совпадения по каждому паттерну, показывает их список с быстрой навигацией и работает полностью в браузере с сохранением состояния через localStorage.

Можно вставить текст вручную или загрузить его по URL. Цепочечные конструкции вроде «no X, no Y» получают специальный бейдж с количеством элементов в цепочке, а при наведении на выделение отображается название сработавшего паттерна.

Попробовать инструмент можно здесь: tools.simonwillison.net/llm-cliche-highlighter

📝 Примеры типичных LLM-штампов

Вот паттерны, которые инструмент умеет обнаруживать:

  • «No X, no Y»-цепочки: «Никакой воды, никаких отступлений, никакого жаргона»
  • «Sit with that»: «Подумайте об этом», «Побудьте с этой мыслью»
  • «You already know»: «Вы и без меня знаете», «Это не новость»
  • Другие характерные обороты, типичные для LLM-вывода

Почему штампы так живучи

Языковые модели работают по принципу предсказания следующего токена на основе статистики обучающих данных. Когда LLM генерирует текст, она по сути выбирает наиболее вероятный следующий токен исходя из увиденных паттернов. Если словосочетание «без лишних слов» встречалось в обучающих данных тысячи раз, оно становится высоковероятной фразой. Умножьте это на все аспекты структуры текста — и получите предсказуемый вывод, который мы видим повсюду.

Редакторы, авторы и читатели единодушно замечают: тексты LLM легко узнаются по обильному использованию определённых клише — «Это не просто [X], это [Y]…», «Раскрывая потенциал…», «В современном быстро меняющемся цифровом ландшафте…».

«ИИ-штампы разрушают подлинность бренда. Когда корпоративные блоги, документация и маркетинговые материалы следуют одинаковым паттернам — дифференциация становится невозможной.»

Недавнее поведенческое исследование студентов программ Creative Writing в сравнении с передовыми LLM показало, что опытные читатели распознают ИИ отчасти через «клише, вычурную прозу, избыточные экспозиции, отсутствие подтекста и смешанные метафоры» — то, что называют «ИИ-привкусом» в стиле.

Инструмент, рождённый раздражением

Уиллисон широко известен по трём причинам: как один из создателей Django, автор Datasette — элегантного инструмента для исследования и публикации данных — и как один из наиболее чётких аналитиков того, как LLM ведут себя в реальных условиях. На его сайте tools.simonwillison.net собраны десятки небольших браузерных утилит, созданных в основном с помощью самих языковых моделей.

LLM Cliché Highlighter вышел 17 июля 2026 года — в один день с другими инструментами коллекции, включая sqlite-query-explainer и mermaid-ascii.

💡 Как использовать инструмент
  1. Откройте tools.simonwillison.net/llm-cliche-highlighter
  2. Вставьте любой текст, который хотите проверить
  3. Наблюдайте за подсветкой подозрительных конструкций
  4. Включайте и выключайте отдельные паттерны — инструмент поддерживает гибкую настройку
  5. Результаты сохраняются в браузере (localStorage) — не нужно каждый раз вставлять текст заново

Как это было создано: Claude Fable 5 и vibe coding

Для создания приложения Уиллисон воспользовался Claude Fable 5 — новейшей флагманской моделью Anthropic класса Mythos.

По данным Anthropic, на их сквозном бенчмарке ViBench для vibe coding Claude Fable 5 показывает наилучшие результаты из всех протестированных моделей — почти насыщая базовые сценарии использования и создавая приложения быстрее и с меньшим числом токенов.

Главное отличие Fable 5 — автономность. Вместо пошаговых инструкций достаточно указать конечную цель. Модель способна работать самостоятельно в течение нескольких дней, пока не достигнет определённого критерия успеха, включая создание целых приложений.

Иными словами, задача вроде «сделай мне браузерный хайлайтер клише из LLM-текстов с поддержкой десяти паттернов, localStorage и подсчётом совпадений» — ровно то, для чего Fable 5 создавалась.


graph TD
    A[Пользователь вставляет текст] --> B[Анализатор сканирует паттерны]
    B --> C{Найдены клише?}
    C -- Да --> D[Предложение подсвечивается]
    C -- Нет --> E[Текст остаётся без изменений]
    D --> F[Бейдж с числом совпадений]
    D --> G[Список всех найденных клише]
    F --> H[Навигация по совпадениям]
    G --> H
    H --> I[Результат сохраняется в localStorage]

Сравнение подходов к борьбе с LLM-клише

ПодходКак работаетПлюсыМинусы
LLM Cliché HighlighterПаттерн-матчинг в браузереБыстро, бесплатно, офлайнТолько известные паттерны
Ручная редактураЧеловек перечитывает текстКонтекстное пониманиеДолго, субъективно
Запрет в промптеСписок запрещённых фразПредотвращает заранееМожет нарушить логику модели
AI-детекторыСтатистический анализШирокий охватЛожные срабатывания, платные
⚠ Осторожно с запретами в промптах
Можно запретить в промпте прилагательные-пустышки вроде «уникальный», «инновационный» или «революционный» — они не несут критической смысловой нагрузки. Но будьте осторожны с конструкциями, определяющими отношения между объектами: причину, следствие, границу, условие и иерархию. Любая структура, устанавливающая связь между объектами, является инструментом рассуждения. Запрещая её, вы убираете не украшение, а логическое соединение.

Зачем это нужно?

Вопрос не праздный. Если ИИ-текст прочитывается и понимается — какая разница, есть ли в нём клише? Разница есть, и она принципиальная.

Во-первых, LLM-штампы разрушают подлинность голоса бренда. Когда корпоративные блоги, документация и маркетинговые материалы следуют одинаковым паттернам, дифференциация становится невозможной.

Во-вторых, клише — это сигнал об отсутствии реального опыта за текстом. Фраза «без воды и лирики» в начале статьи не делает текст содержательным — она лишь сигнализирует, что автор (или модель) думает, что именно так выглядит хороший текст.

В-третьих, продвинутые инструменты обнаружения ИИ теперь способны выявлять характерные признаки искусственного интеллекта в текстах, поэтому человеческий контроль становится необходимым для контента, который должен хорошо ранжироваться. Сочетание эффективности ИИ с экспертизой человека через продуманные рабочие процессы даёт лучший контент, который стабильно ранжируется и конвертирует читателей.

Итог

LLM Cliché Highlighter — это маленький, но показательный пример «рефлексивного» использования ИИ: модель, создающая инструмент для обнаружения собственных речевых привычек. Саймон Уиллисон превратил личное раздражение в полезную утилиту за один сеанс vibe coding с Fable 5.

Если вы регулярно работаете с LLM-текстами — собственными или чужими — этот инструмент стоит держать в закладках. Не потому что он заменит редактора. А потому что он мгновенно показывает: перед вами живой текст или набор статистически вероятных фраз.

Ссылка на инструмент: tools.simonwillison.net/llm-cliche-highlighter