ja-writing-guard：日本語の業務文の「AI 的な言い回し」を見つけて直す Hermes プラグイン

日本語の業務文によく出る AI 的な言い回しを、規則で見つけて直す校正の道具です。見るのは次の4種類です。

• 定型句: 「〜と言えるでしょう」「いかがでしたか」「シームレスに」
• 語尾の単調さ: 同じ文末が何文も続く
• 記号の乱用: メールに残った **太字**、語と語の間の「——」
• 直訳調: 「〜することができます」「〜という観点から」

Hermes Agent が返す日本語のどこにこれらがあるかを、行と位置まで示し、直し方を添えます。

見るのは言い回しだけで、書いたのが人かモデルかは見分けません。人が書いた文でも、この癖があれば指摘します。

先に知っておいてほしい限界

• いまのモデルがふだんどおりに書いた文は、ほとんど拾いません（未見の40本中1本）。拾えるのは、上の癖がはっきり出ている文です。
• 誤検知を測った人の文は、官公庁の文が多いです（ライセンス上公開できる文に限ったため）。民間の業務メールや個人の SNS 投稿では測っていません。
• AI 側の評価用の文は、全部同じ系列のモデル（Anthropic の Claude）が書きました。他社のモデルが書いた文では、結果が下がるかもしれません。

数字（未見の test 80本）: 典型的な癖を入れた文40本のうち60%を拾い、人の文40本の誤検知は7.5%でした。目標の80%には届いていません。誤検知を10%以下にそろえて同じデータで比べると、拾えた割合は yomiyasu 50%、natural-japanese 20%、このプラグイン 60% です（この比較の閾値は test の上で選んだ参考値）。点数の並べ方の正しさ（AUC）は yomiyasu 0.79、このプラグイン 0.77 で、ほぼ同じです。詳しくは精度にあります。

何をするか

検査は機械で行うので、同じ文には毎回同じ結果が出ます。規則92件と構造の検査7件を持ち、検査ではモデルを呼びません。数百字の返答なら1回の検査はおよそ1ミリ秒、1万字でも20ミリ秒ほどです（手元の Mac での中央値は、数百字で0.9ミリ秒、1万字で13〜16ミリ秒）。

基準は行き先で変わります。業務メールと社外文では「です・ます」を必須にし、チャットは緩めにします。SNS では絵文字を数えず、技術文書では見出しやコードを数えません。

既定は「検査して記録するだけ」で、返答は変えません。

届く前に直すこともできます（任意。既定では切ってあります）。mode: enforce にすると、基準を超えた返答を利用者自身のモデルで書き直します。差し替えるのは、数字・曜日・宛名・会社名・署名や見出しの行・「」で囲んだ名前・英字の製品名・URL・コードが元のままで、否定の向きが変わらず、点数が基準を下回ったときだけです。それ以外は元の返答を届けます。

意味が変わらないことは、機械では保証しません。関門が守るのは、いま挙げた決まった項目だけです。業務メールで使うなら、CLI・TUI・Desktop で /ja-check を打ち、変わった行を確かめてから送ってください。Telegram やメールなどのゲートウェイでは、変わった行を後から見る手段がありません。

English summary: below.

導入（3手）

Hermes v0.21.4以上が必要です（古ければ hermes update）。

hermes plugins install TakeshiTGAL/hermes-plugin-ja-writing-guard --enable
hermes config set plugins.entries.ja-writing-guard.settings.mode enforce   # 任意。省くと検査と記録だけ
hermes gateway restart                                                      # ゲートウェイを使う場合。CLI は次の起動から

プラグインカタログに載った後は hermes plugins install ja-writing-guard --enable でも入ります。手元のコピーで試すときは、clone したフォルダで hermes plugins install "file://$PWD" --enable を実行します。

場面を変えるときは hermes config set plugins.entries.ja-writing-guard.settings.surface business_email のように指定します。Desktop アプリでは Plugins タブの歯車から同じ設定ができます。

使い方

モデルに使わせる

ツール ja_writing_check が登録されます。「このメールを自然な日本語に直して」と頼むと、モデルは検査し、指摘された所だけを直し、もう一度検査します。同梱スキル ja-writing-guard:rewrite-ja に直し方の手順と例があります。

自分で検査する

チャットで /ja-check を使います。

/ja-check external 平素より格別のご高配を賜り、厚く御礼申し上げます。本サービスは、配送業務をシームレスに効率化し、お客様のビジネスに新たな価値を提供します。
/ja-check            ← 引数なしで、直前の返答の検査結果を表示。書き直したときは変わった行も出す（CLI・TUI・Desktop のみ）

ツールの返り値（抜粋）:

{"surface": "chat", "score": 96, "threshold": 40, "verdict": "rewrite", "reasons": ["ai_like"],
 "summary": "AI的な言い回し 96/100（chat の基準 40）。指摘 5 件（多い順: 定型句・常套句・おもねり・決まり文句の応対・型どおりの構成）。書き直しの対象です。",
 "findings": [{"rule": "sycophancy.great_q", "label": "「素晴らしい質問ですね」", "line": 1, "col": 1,
               "excerpt": "素晴らしい質問ですね！結論から言うと、毎日少…", "hint": "前置きを削り、答えから書く。", "source": "original"}]}

場面（surface）

surface	行き先	基準	文体の基準	緩めるもの・厳しくするもの
chat（既定）	チャットの返答	40	常体も可	前置き・締めの決まり文句とおもねりに厳しい
business_email	社内外の業務メール	35	「です・ます」必須	Markdown と絵文字に厳しい
external	お知らせ・リリース・案内	40	「です・ます」必須	宣伝調の言葉に厳しい
sns	X・note などの投稿	35	常体も可	絵文字・感嘆符は数えない
tech_doc	README・設計メモ・手順書	45	常体も可	見出し・箇条書き・太字・コードは数えない

platform_surfaces で配信先ごとに場面を変えられます（例: {"email": "business_email", "slack": "chat"}）。

「AI 的な言い回しの点数」と「場面の文体の基準（です・ます必須など）」は別々に報告します。人が「である調」で書いた通知は、AI 的な言い回しの点数は低くても、社外文の場面では基準に合わないので、reasons に register が付き、書き直しの対象になります。人もよく書くものや、書き直しでも残すべき依頼の文は、指摘はしても点数には入れません（counted: false）。いまは「させていただきます」の重ねと、SNS の「コメントで教えてください」のお願いの2つです（問いかけの直後にコメントのお願いが続く「〜は何ですか？ぜひコメントで教えてください」の型は点数に入れます。問いかけだけ、お願いだけなら数えません）。

設定

設定	既定	意味
mode	report	report: 検査して記録だけ（返答は変えない）。enforce: 基準を超えたら書き直して届ける。off: 何もしない
surface	chat	既定の場面
platform_surfaces	{}	配信先ごとの場面
threshold	0	0なら場面の既定値
max_attempts	2	書き直しで呼ぶモデルの回数（1〜3）
rewrite_timeout	20	1回の呼び出しの上限秒数
time_budget	25	書き直し全体の持ち時間。5秒未満を指定しても5秒として扱う。Hermes の plugins.hook_callback_timeout（既定30秒）より3秒短くなるよう自動で縮める（こちらが優先）
accept_partial	false	書き直しで点数は下がったが基準を下回らなかったとき、false は元の返答を、true は書き直した文を届ける
min_chars	40	これより短い返答は検査しない

書き直しの前後

5本とも examples/rewrite/ にあります。書き直しは、プラグインがモデルへ送る文面そのものに、別の LLM がモデル役として答えたものです（2回目は、1回目が基準を下回らなかったときに Hermes と同じ手順で送る、理由つきの依頼への返答）。tests/test_examples.py が毎回この表の数字を実測し直します。

場面	点数（前 → 最良の書き直し）	試行	既定で届く文	検出した主な癖と結果
業務メール	39 → 0	1	書き直し	締めのあいさつの重ね。「させていただきます」の重ねは参考の指摘で、点数には入れない
社外文	100 → 0	2	書き直し	太字ラベルの箇条書き、「〜ことができます」×4、宣伝語。1回目は「新たな価値」を「新しい価値をつくり続けて」と言い換えただけで基準40を超えたため、理由を添えた2回目で基準を下回った
SNS	82 → 11	1	書き直し	「——」、「通過点にすぎません」、「〜は何ですか？ぜひコメントで教えてください」の締めの型。お願いの文そのものは依頼なので残す
技術文書	91 → 0	1	書き直し	「3つの原則」の宣言、「〜について説明します」の予告、「〜することが可能です」、「シンプルかつ堅牢」
チャット	98 → 31	1	書き直し	「素晴らしい質問ですね」、「結論から言うと」、太字だけの行の見出し、「以下にご紹介します」

5本とも、既定（accept_partial: false）で書き直しが届きます。社外文の2回目は「シームレスに」を「途切れずに」、「連携できます」を「無理なく連携できます」と言い換えていて、言い回しの細かな足し算までは関門で止めていません（否定の形をした副詞「無理なく」「途切れず」は否定として数えません）。2回とも基準を下回らない場合、既定では元の返答が届き、accept_partial: true なら点数が下がった最良の書き直しが届きます。

チャットの例（前）:

素晴らしい質問ですね！仕事と資格の勉強を両立させたいというその姿勢、本当に素敵だと思います。

結論から言うと、**「毎日の短い時間を積み重ねること」**が最も重要です。以下に、具体的な方法をご紹介します。

**1. 朝の30分を確保する** 出勤前は、一日の中でも集中力が高い時間帯です。まずは毎朝6時半から7時までの30分を、勉強時間として固定してみましょう。

（中略）

あなたならきっと合格できます！応援しています。ほかにも気になることがあれば、いつでも気軽に聞いてくださいね😊

（後）:

いちばん大事なのは、毎日の短い時間を積み重ねることです。

まず、朝の30分を確保しましょう。出勤前は、一日の中でも集中力が高い時間帯です。毎朝6時半から7時までの30分を、勉強時間として固定してみてください。

（中略）

応援しています。ほかにも気になることがあれば、いつでも聞いてくださいね😊

「6時半から7時」「30分」「1日20問」「来年3月」「StudyPocket」はすべて残り、主張（短い時間の積み重ねがいちばん大事）も変わっていません。削られたのは、おもねり・前置き・根拠のない励ましです。最後の「いつでも聞いてください」は呼びかけの文なので残しています。

強制モードの仕組み

transform_llm_output hook を使います。Hermes がこの hook を呼ぶのは、ツールの呼び出しが終わって最終の返答ができた後、利用者に届けて会話記録に保存する前です。差し替えた文が会話記録にも残ります。

1. 返答が日本語で min_chars 以上なら検査します。
2. enforce で、点数が基準以上か文体の基準に合わないときだけ、ctx.llm（利用者が設定したモデル）に書き直しを頼みます。指摘の位置と直し方を渡し、「意味を変えない・足さない・数字や名前やコードはそのまま・依頼や約束の文は消さない」を指示します。
3. 返ってきた文を検査し直し、次の関門を全部通ったときだけ差し替えます。
   • コードブロック・インラインコード・URL・@ と # が元のまま
   • 指摘箇所の外の数字が全部残り、新しい数字が増えていない
   • 宛名（〜様・〜さん）、名乗り（〜の中川です）、会社名（株式会社〜。前後の文字まで一致）、「」で囲んだ短い名前、英字の語（製品名など）が残っている
   • 曜日（（水）など）と午前・午後が変わっていない
   • 句点のない行（件名・宛名・部署・署名・見出し）で指摘のないものが一字も変わっていない
   • 否定の向きが変わっていない（指摘の外で否定されていた語は否定のまま、新しく否定される語がない）
   • 長さが極端に変わっておらず、点数が下がり、文体の基準も悪化していない
   • 点数が基準を下回っている（accept_partial: true なら、下がっていれば可）
4. 通らなければ理由を添えてもう1回だけ頼み、それでも駄目なら元の返答を届けます。モデルの呼び出しが失敗・時間切れでも元の返答を届けます。

承認の仕組みには触れません（ツールを呼ばず、人の入力も待ちません）。cron やゲートウェイの無人実行でも止まりません。

知っておいてほしい制約

• 返答が遅れます: enforce では、基準を超えた返答は書き直しにかかった時間（モデル次第で数秒〜最大25秒）だけ遅れて届きます。Hermes は hook を plugins.hook_callback_timeout（既定30秒）で打ち切るため、書き直し全体を time_budget（既定25秒。ホストの設定より3秒短く自動で縮める）に収め、持ち時間を過ぎた結果は使いません（abandoned と記録）。本物のプロバイダでの所要時間は、この版ではまだ測っていません。
• ストリーミング: CLI で表示のストリーミング（display.streaming: true、CLI の既定）を使うと、元の返答が先に流れ、書き直し後の文はその後に「post-stream transformation」として表示されます。届く前に差し替えたい場合は hermes config set display.streaming false にしてください。ゲートウェイ（Telegram など）のストリーミングでは、流した発言を書き直し後の文で上書きします。
• 同じ hook を使う他のプラグインとの共存: Hermes は transform_llm_output で最初に返された文字列だけを使います。たとえば jp-charts は、モデルが添付し忘れたグラフの MEDIA: 行を返答に足しますが、こちらが書き換えるとその追加が捨てられます。そこで、(1) 既定の report では返答を書き換えません。(2) enforce でも、返答にすでにある MEDIA: 行は書き直しから外して末尾にそのまま戻します。(3) enforce でも、その回にツールが MEDIA: 行を返していたら書き換えません（観察だけの post_tool_call hook で記録）。添付を落とすより、言い回しの直しを見送るほうを選びます。CJK の文字を消す cjk_sanitizer は漢字も消すため、日本語の返答では併用しないでください。
• 関門の範囲: 関門が守るのは上に挙げたものだけです。「堅牢」のような主張の言葉を宣伝語として削ることはあり、意味の細部まで機械で保証するものではありません。大事な文書は、差し替えの前後を /ja-check で確かめてください。

精度

誤検知は、人が書いた文のうち「書き直しの対象」と判定された割合です。

人の文と AI の文を同じ数ずつ用意し、場面ごとの既定の基準で「書き直しの対象」と判定された割合を測りました。規則と基準は別の120本（dev・tune）で決め、test の120本は規則を変えずに測りました（作成の経緯は eval/README.md）。

• 人の文40本: 官公庁・自治体のお知らせや Q&A、青空文庫の随筆、日本語で書かれた OSS の文書、国会会議録の発言（2023年以前のものを優先。出典とライセンスは eval/data/README.md）。
• A. AI っぽい文40本: LLM に「生成AIが書きがちな典型的な書き方」で書かせたもの。癖が何か所も出る「強め」20本と、1〜2か所だけの「弱め」20本。書き手は検出の規則を見ていません。
• B. 既定の AI 出力40本: LLM がふだんどおりに書いたもの。

結果（A: AI っぽい文 対 人の文）

	書き直しの対象	対象外
AI っぽい文40本	24（強め20/20、弱め4/20）	16
人の文40本	3	37

検出率（典型的な癖を入れた文のうち、書き直しの対象になった割合）60%、誤検知7.5%。文体の基準（です・ます必須など）も含めた判定では、検出率62.5%・誤検知10%（官公庁の「である調」の文1本が業務メールの基準に合わない）。

目標にしていた「検出率80%以上・誤検知10%以下」には届いていません（誤検知は満たし、検出率が60%）。癖が何か所も出る文は全部拾えます。1か所だけの弱い癖（「心よりお詫び申し上げます」のような、人も普通に使う丁寧表現が1つ浮いている程度）は20本中4本しか拾えません。人の業務文でも使う言い回し1つで書き直しの対象にすると、人の文の誤検知が増えるためです。

人の文の誤検知3本の中身: 青空文庫の随筆の「――」（文学では普通の記号）、消費者庁のメールの半角「!」と「〜することが可能です」、技術ガイドラインの「特に重要なのは」「〜することができます」「〜という点で」。

測定の経緯: この test を規則を固めて初めて測ったときは、検出率60%・誤検知7.5%でした（これが未見のデータでの数字です）。その後、第三者のレビュー5回で見つかった点（規則の不具合3件、「させていただきます」の重ねと SNS のお願いを点数から外す、広報文の決まり文句の規則を足し、決意の定型句は別々の文に2回以上で数える）を直して測り直したのが上の数字で、初回と同じになりました。ただし、もう未見のデータとは言えません。test の中身を見て規則を足したことはありません。また、この test の前に一度、別の40本を test として使い、検出率50%・誤検知18%で不合格だったため、それを分析して規則を直し（そのデータは tune に回した）、新しく作った40本を今の test にしています。

他の製品の規則と、同じデータで比べる

各製品の規則（正規表現で抜き出せたものはそれを、yomiyasu と natural-japanese は同梱の検査スクリプトそのもの）を同じ80本に掛けました。

製品の規則	製品自身の判定基準での検出率／誤検知	dev で決めた閾値での検出率／誤検知	AUC	誤検知10%以下での検出率（参考）
ja-writing-guard	60% / 8%	62% / 15%	0.77	60%
yomiyasu	70% / 25%	48% / 2%	0.79	50%
natural-japanese	0% / 0%	20% / 8%	0.70	20%
textlint-rule-preset-ai-writing	32% / 10%	22% / 5%	0.62	32%
humanizer-ja（gonta223）	50% / 25%	50% / 18%	0.66	28%
Humanizer JP（matsutouya）	48% / 28%	38% / 28%	0.60	22%
patina	57% / 57%	5% / 5%	0.50	8%
参考: ja-technical-writing（AI 的な言い回し用ではない）	100% / 100%	5% / 5%	0.57	15%
参考: japanese-humanizer（geonwoo。同上）	100% / 100%	5% / 5%	0.59	15%
参考: JTF-style（表記規則。同上）	15% / 18%	15% / 18%	0.49	10%

• 製品自身の判定基準: このプラグインは場面の基準。yomiyasu は指摘が1件でもあれば、natural-japanese は diagnose.md の機械スコアが70未満で「AI っぽい」。規則を抜き出した製品には判定の基準がないため、こちらで「1か所でも一致すれば」としました。参考の3製品は文章の校正用で、この基準で並べると100%/100%のように意味のない値になります。
• dev で決めた閾値: dev と tune の120本で人の文の誤検知が10%以下になる閾値を選び、そのまま test に当てた値。このプラグインはこの方法だと誤検知が15%になります。
• AUC: AI っぽい文と人の文を点数で並べたとき、正しく上下が付く割合（0.5が当てずっぽう、1.0が完全）。
• 誤検知10%以下での検出率: test の上で閾値を選んだ値で、どの製品にとっても上限の目安です（参考）。
• natural-japanese は長い文書向けの統計の検査が主で、数百字の業務文ではほとんど発火しません（想定している文書の長さの違いです）。

このプラグインは、製品自身の基準で誤検知10%以下を保ったまま、最も多く拾えました。並べ方の正しさ（AUC）は yomiyasu（0.79）とほぼ同じで、上回ってはいません。

参考: B. 既定の AI 出力

いまのモデルがふだんどおりに書いた業務メールやお知らせは、人の文の誤検知を10%以下に抑えると、どの製品の規則でも2割ほどまでしか拾えませんでした（yomiyasu は製品自身の基準なら45%を拾いますが、人の文の誤検知も25%です）。このプラグインは40本中1本（2.5%）で、AUC は0.39と、むしろ人の官公庁文のほうが高い点数になります。癖のない文は書き直す必要がない、という設計です。書いたのが人かモデルかを見分ける用途には使えません。

限界

• 規則づくりの AI 文も test の AI 文も、同じ生成元（Claude）に同じ種類の指示で書かせたものです。規則がこの書き手の癖に合っている分、他社のモデルの文では結果が下がる可能性があります。
• 人の文はライセンス上公開できるものに限ったため、官公庁の文が多く、民間の業務メールや個人の SNS 投稿は入っていません。民間の業務メールでの誤検知は測れていません。
• 規則の多くは語や型の一致です。言い回しを少し変えた癖は拾えません。
• SNS の「〜は何ですか？よかったらコメントで教えてください」の締めは、人も書く型です。この型1つで基準を超えるため、個人の SNS 投稿では誤検知があり得ます（個人の SNS 投稿での誤検知は測っていません）。

先発との差

日本語の AI 的な言い回しを直す道具では、yomiyasu と natural-japanese がよく使われています。どちらも Agent Skill（モデルへの指示）で、規則に基づく Python の検査も同梱しています。このプラグインは両者の構造（規則を表で持つ、直し方の指示と例文を持つ、検出は機械・判断は書き手）を写し、Hermes の中で自動で動く形にしました。

	yomiyasu	natural-japanese	ja-writing-guard
形	Agent Skill＋検査スクリプト	Agent Skill＋検査スクリプト	Hermes プラグイン（ツール＋hook＋スキル）
検査が走るとき	モデルがスキルに従ってスクリプトを呼んだとき	同左	すべての日本語の返答で自動（hook）。ツールとしても呼べる
返答を届く前に直す	なし（モデル任せ）	なし（モデル任せ）	mode: enforce。数字・名前・URL・コード・否定を守る関門つき。失敗時と時間切れは元の返答
既定の動き	―	―	検査と記録だけ（返答を変えない）
場面ごとの基準	分野（tech/business/essay）を指示文で切り替え	ジャンル（essay/tech/business）で閾値を切り替え	行き先（メール/社外文/SNS/技術文書/チャット）で重み・基準・敬体必須を切り替え。配信先ごとの自動切り替え
文体の基準（敬体必須など）	指示文で判断	なし	AI 的な言い回しとは別に機械で判定・報告
位置の報告	行番号	行番号	文字位置・行・桁・抜粋・直し方
依存	標準ライブラリ	sudachipy と辞書	標準ライブラリのみ
規則の数	約60（語33・型18・書式と文末の検査）	約60語＋統計の検査	92件＋構造の検査7件。全規則に当たるべき例文とテスト（MIT の9製品から取り込み、比較表）
誤検知の数字	自前のコーパスで計測	人103本・AI 81本で校正	人の文40本（未見）で計測。同じデータで他製品の規則とも比較（上の「精度」）

開示

• ネットワークへは自分からは接続しません。環境変数も読みません。
• enforce のときだけ、基準を超えた返答1件につき1回（1回目が関門を通らないか基準を超えたままのときだけ2回目。max_attempts で1〜3回）、ctx.llm で利用者が設定したモデル（プロバイダ）にその返答の本文を送ります。プロバイダの利用料がかかり、その返答は書き直しの時間だけ遅れて届きます。
• 直前の返答の検査結果（点数と、指摘の短い抜粋）は、CLI・TUI・Desktop のときだけ、そのプロセスのメモリに持ちます（/ja-check で表示するため）。ディスクには書きません。ゲートウェイのプロセスは何も持たないので、共有のチャットで /ja-check を打っても誰の返答も見えません。Hermes のログには、場面・点数・指摘の件数・モードを1行書きます（書き直したときは結果と秒数も1行）。返答の本文は書きません。
• enforce は、transform_llm_output を推論なしの変換に使うという Hermes の想定から外れ、ctx.llm で推論を1〜2回使います。既定では無効で、利用者が明示的に選んだときだけ動きます。
• Hermes の設定のうち plugins.hook_callback_timeout の1項目だけを読みます（読むだけ。持ち時間をそれより短くするため）。読むのに使う hermes_cli.config.load_config_readonly は公開のプラグイン API ではないので、将来の版で読めなくなった場合は time_budget の値をそのまま使います。
• post_tool_call hook はツールの結果に MEDIA: が含まれるかだけを見て、その回の印（セッションと回の ID）をメモリに15分だけ持ちます。結果の中身は保存しません。
• 自己更新はしません。シェルコマンドは実行しません。

開発

pytest -q                                   # 単体テスト（オフライン）
hermes plugins validate . --install-deps    # カタログの CI と同じ検証
python eval/run_eval.py                     # 精度の再計測（eval/README.md）

Python 3.11以上（Hermes の要件）。実行時の依存はありません。

帰属とライセンス

MIT（LICENSE）。規則と書き直しの原則は、yomiyasu・natural-japanese ほか MIT の9製品から取り込みました。帰属は NOTICE、評価データの出典とライセンスは eval/data/README.md にあります。

English

ja-writing-guard is rule-based proofreading for Japanese business text in Hermes Agent. It finds and fixes the AI-style phrasing that often shows up in Japanese emails, notices and docs: stock phrases, monotonous sentence endings, overused symbols and Markdown (em dashes, **bold** in emails), and English-calque grammar. It checks wording, not authorship: it does not tell whether a person or a model wrote a text, and it flags human text that has the same habits.

Limits, up front:

• It rarely flags today's models when they write plainly (1 of 40 unseen texts).
• The human texts used to measure false positives are mostly Japanese government pages (texts that can be republished); private business email and personal social posts were not measured.
• Every AI-side evaluation text was written by one model family (Anthropic's Claude); results on other vendors' models may be lower.

Accuracy on the unseen test split: 60% of 40 texts written with typical AI-style habits caught, at 7.5% false positives on 40 human texts; the 80% target was not reached. With the cut-off set for at most 10% false positives on the same data (chosen on the test split, a reference value), yomiyasu catches 50%, natural-japanese 20% and this plugin 60%; ranking quality (AUC) is about the same (yomiyasu 0.79, this plugin 0.77). Details are in the Japanese section above.

• ja_writing_check tool: deterministic, offline checker (92 rules + 7 structural checks, standard library only; about 1 ms for a few hundred characters and about 15 ms for 10,000, median on a Mac). Returns a 0-100 score, the surface threshold, and each finding with character offsets, line, column, excerpt and a fix hint.
• transform_llm_output hook: checks every final Japanese answer. Default mode: report only logs (and, on CLI/TUI/Desktop, keeps the latest report in memory); the answer is never changed. Opt-in mode: enforce rewrites an answer over the threshold (or one that breaks the surface's register policy, e.g. です・ます required in emails) with the user's own model via ctx.llm. The rewrite is delivered only if code, URLs, handles, numbers outside the flagged spans, addressee/company/quoted names, ASCII names, weekdays, 午前/午後 and unflagged signature/heading lines survive, negation keeps its direction, the length stays sane, and the score drops under the threshold (or merely goes down, with accept_partial: true); otherwise the original is delivered. These checks do not prove that the meaning is unchanged. For business email, use enforce on CLI/TUI/Desktop and run /ja-check to see the changed lines before sending; on gateways (Telegram, email and others) the changed lines cannot be viewed afterwards.
• post_tool_call hook (read-only): notes turns in which a tool returned a MEDIA: line; enforce mode leaves those answers alone so attachments added by other plugins (e.g. jp-charts) or the gateway are never dropped. MEDIA: lines already in an answer are kept verbatim.
• Surfaces: chat, business_email, external, sns, tech_doc change rule weights, thresholds and register checks; platform_surfaces maps delivery platforms to surfaces.
• /ja-check slash command and a bundled rewrite-ja skill.

Requires Hermes v0.21.4 or later. Install: hermes plugins install TakeshiTGAL/hermes-plugin-ja-writing-guard --enable (once listed in the catalog, hermes plugins install ja-writing-guard --enable; to try a local clone, hermes plugins install "file://$PWD" --enable inside it), then optionally hermes config set plugins.entries.ja-writing-guard.settings.mode enforce.

Caveats: in enforce mode, flagged answers arrive later by the rewrite time (up to the 25 s budget, kept under Hermes' 30 s hook timeout); with CLI token streaming on, the original streams first and the rewrite prints after it (set display.streaming: false to replace before display); transform_llm_output is first-string-wins across plugins (handled as above for attachments; do not combine with cjk_sanitizer, which strips kanji). Disclosure: no network calls of its own; reads one Hermes setting (plugins.hook_callback_timeout, read-only, via a non-public helper with a fallback); enforce mode sends flagged answers to the user's configured provider (one call per flagged answer; a second one only when the first rewrite fails the checks or is still over the threshold; max_attempts allows 1 to 3); on local surfaces only, the latest report is kept in process memory (nothing on disk besides one log line with the score).

Structure follows nanaism/yomiyasu and coji/natural-japanese (MIT); rules also come from textlint-ja presets, devswha/patina and others (MIT). See NOTICE and docs/comparison.md.