nanaism/yomiyasuがGitHubトレンドで1,378スターを獲得した。ClaudeやGPTが出力する「翻訳調の硬いJapanese」を、Claude CodeのAgent Skillとして自動で自然文に推敲する仕組みだ。生成速度の競争が一段落した今、日本語市場で勝敗を分けるのは「仕上げの自然さ」であり、その工程を属人化せず仕組み化できる点にこそ本質がある。
何が起きたか
2026年10月、GitHubトレンドの日本語リポジトリに「yomiyasu」が急浮上し、1,378スターを記録した。開発者はnanaism氏。コンセプトは明快で、Claudeを筆頭とする英語中心に学習された大規模言語モデルが吐き出す「いかにも翻訳された日本語」——読点が多すぎる、主語が不自然に明示される、「〜することができます」「〜において」といった冗長な硬質表現が頻出する文章——を、人間が書いたような自然な日本語に自動で推敲する。
実装形態はClaude Codeの「Agent Skill」として組み込む設計だ。つまり単独の推敲アプリではなく、ユーザーが日常的に使うClaude Codeのワークフロー内に推敲工程をプラグインとして差し込む発想である。ブログ記事、営業資料、プレスリリースなど、AI下書きを「そのまま出せる品質」に引き上げたい発信者層が主要なスター元と推定される。
なぜこのニュースが重要か
このニュースの核心は「推敲というタスクをSkill化した」という設計思想にある。従来、AI生成文の自然さを担保する手段は三つしかなかった。(1)プロンプトに大量の制約を書き込む、(2)人間が手で直す、(3)ファインチューニングした専用モデルを用意する。いずれも再現性か、コストか、保守性のいずれかを犠牲にしてきた。
yomiyasuが選んだAgent Skillという経路は、この三択を回避する第四の道だ。Skillはモデル本体をいじらず、プロンプトでもなく、ワークフローの中段に「推敲エージェント」として独立配置される。これにより、生成モデルは何でもよく(Claude 3.5でもGPT-5でも)、入力タスクも何でもよく(ブログでも議事録でも)、出力品質だけが一定水準に揃う。レイヤー分離の思想として極めて正しい。
さらに重要なのは、日本語という市場特性だ。英語なら多少硬くても読者は許容するが、日本語話者はAI翻訳臭を数秒で検知する。この検知閾値の低さが、日本市場における「推敲レイヤー」の経済価値を押し上げている。1,378スターという数字は、その需要が顕在化した証左である。
技術的な深掘り
Agent Skillという仕組みをコード視点で見ると、要はシステムプロンプトとツール定義をパッケージ化して配布可能にした単位である。yomiyasuが面白いのは、おそらく推敲ルールを「ネガティブ例と修正後ペア」として大量に埋め込んでいる点だ(リポジトリ構造からの推定)。「〜することが可能です」→「〜できます」、「我々は〜を提供します」→「〜を提供しています」といった置換ルールを、単純な正規表現ではなくLLMの判断に委ねることで、文脈を壊さない柔軟な推敲が成立する。
ここで技術者として注目すべきは、トークン消費の二重化という副作用だ。生成に加えて推敲でもう一度LLMを回すため、コストは単純計算で約2倍になる。しかし逆に言えば、推敲フェーズを分離したからこそ、生成側は安いモデル(Haiku等)に下げ、推敲だけ高性能モデルに任せる最適化が可能になる。これはパイプライン分離の典型的な利点であり、モノリシックに全部を一つのプロンプトで解こうとする設計より、長期的にコスト効率が良い。
実装の再現性という観点では、Skillという単位がgit管理可能で、チーム内でバージョン固定できる点も大きい。「あの人のプロンプトは良いけど共有されない」問題を構造的に解消する。
経営者として次に取るべき動き
第一に、自社から外部に出る文章のうち、どの比率がAI生成でそのまま公開されているかを棚卸しせよ。ブログ、プレスリリース、営業メール、提案書——読者が「3秒でAI臭を感知する」領域を特定することが出発点だ。
第二に、推敲工程を担当者の国語力に依存させず、Agent SkillやLLMパイプラインとして仕組み化せよ。yomiyasuのようなOSSを自社ワークフローに組み込めば、属人性を排除しつつ品質を平準化できる。初期導入コストは1人月以下と推定される。
第三に、生成速度ではなく「仕上げの自然さ」を社内KPIに据え直せ。日本語市場では、速く大量に出すAIコンテンツより、読んで違和感のない1本の方が信頼を獲得する。競合がまだ翻訳調の文章を垂れ流している今こそ、推敲レイヤーに投資する好機である。