Плагины Claude для текстов: десять навыков для авторов статей, октябрь 2026

Разобрал по README, файлам навыков и манифестам два десятка плагинов и навыков Claude для работы с текстом и оставил десять: редактура, вычитка машинных оборотов, бриф под поиск, обложки и иллюстрации. Отдельно о том, что из этого работает с русским языком, как всё это ставится и чего плагины не умеют. Данные на 9 октября 2026 года.

Модель выдаёт гладкий, легко узнаваемый текст. Сначала идёт подводка, потом мысль, потом три прилагательных подряд, а в конце вывод, который просто пересказывает абзац. Читатель распознаёт этот почерк со второй строки и перестаёт доверять всему остальному. Вычитывать такое вручную можно, только вот объяснять модели одно и то же приходится в каждом новом чате заново.

За 2026 год эту работу разложили по плагинам и навыкам для Claude. Один навык работает редактором и держит каталог машинных оборотов. Другой выступает соавтором и не позволяет писать без контекста. Есть набор для обложек и иллюстраций, а есть конвейер блога с проверками перед выдачей. На GitHub подобных репозиториев сотни: по словам humanizer и skill находится 699 проектов, по словам claude, writing и skill ещё 1874. У самого заметного 55 тысяч звёзд.

Я прошёл по README, файлам навыков и манифестам двух десятков проектов и выбрал десять, которые пригодятся человеку, пишущему статьи. Отдельно проверял, что из этого умеет работать с русским текстом, ведь почти всё написано под английский. Звёзды, версии и даты сняты с GitHub 9 октября 2026 года. Сам я эти инструменты месяцами не гонял. Всё ниже взято из документации и исходников, и там, где автор проекта что-то обещает, я так и пишу: обещает.

Плагин, навык, маркетплейс: три слова, которые путают

Навык (skill) устроен просто: это папка с файлом SKILL.md. В шапке файла есть два обязательных поля, имя и описание, ниже идёт инструкция для модели. Рядом могут лежать справочники и скрипты. Модель держит в памяти только описания установленных навыков и подгружает нужный целиком, когда задача на него похожа. Формат открыт и называется Agent Skills, поэтому один и тот же навык работает в Claude Code, Codex, Cursor и десятках других агентов.

Плагин стоит на уровень выше. Это пакет, в котором могут лежать навыки, команды со слэшем, субагенты, хуки и подключения к внешним сервисам по протоколу MCP. Плагин ставится и обновляется как целое.

Маркетплейс представляет собой каталог плагинов: репозиторий с файлом marketplace.json. Официальный каталог Anthropic подключается в Claude Code сам, сторонние добавляются одной командой.

Для темы статьи важна одна цифра. В официальном каталоге на 9 октября 315 плагинов. 123 из них относятся к разработке, 69 к продуктивности, 39 к базам данных. Плагина для работы над текстом статьи там нет. Из полезного автору нашлись поиск Exa и подключения к Notion и Canva. Всё, о чём пойдёт речь ниже, живёт в отдельных репозиториях, и у каждого свой автор со своим представлением о качестве.

Как это ставится: три пути

Claude Code, плагином. Две команды внутри сессии: добавить каталог и поставить плагин из него.

Вторая команда не ставит плагин сразу. Она открывает карточку, где перечислено, что именно приедет: навыки, команды, хуки, серверы MCP. Там же выбирается область действия. Вариантов три: для вас во всех проектах, для всех участников репозитория или только для вас в этом репозитории. Терминал, десктопное приложение и расширение VS Code читают одни и те же файлы настроек, так что плагин, поставленный в одном месте, виден в остальных. В облачных сессиях на claude.ai/code браузера плагинов нет.

Любой агент, через Skills CLI. Утилита npx skills находит установленных агентов и спрашивает, куда положить навык.

Без флага —global навык попадёт только в текущий проект. Это самый переносимый путь, и многие авторы называют его основным.

Приложение Claude, архивом. В веб-версии и десктопе навык загружается как ZIP: раздел Customize, вкладка Skills, плюс, Create skill, Upload a skill. Работает на всех тарифах, включая бесплатный, но в настройках должна быть включена возможность Code execution and file creation. Папка навыка должна лежать в корне архива. Архив репозитория целиком, который GitHub отдаёт по кнопке Download ZIP, подходит не всегда: у humanizer-ru навык лежит глубже, и автор выкладывает отдельный готовый файл. В части README путь описан по-старому, через Settings и Capabilities.

Как я отбирал

Критериев четыре. Навык правит текст, а не переписывает его заново, и не дописывает факты. У него есть проверяемая механика: список правил, оценка или скрипт. Репозиторий живой, то есть последние правки свежие. И его можно поставить без серверов, ключей и подписок хотя бы в базовом режиме.

Звёзды в списке приведены для ориентира. Порядок мест мой, и он рассчитан на автора, который пишет по-русски. Поэтому первым стоит проект с 427 звёздами, а не с 55 тысячами.

1. ilyautov/humanizer-ru: редактура русского текста, сканер, сверка фактов. Звёзд 427, последняя правка 7 октября.
2. blader/humanizer: убирает машинные обороты, 26 паттернов. Звёзд 55,1 тыс., последняя правка 28 сентября.
3. anthropics/skills: соавторство в три этапа, файлы Word и PDF. Звёзд 180,1 тыс., последняя правка 9 октября.
4. coreyhaines31/marketingskills: копирайтинг и редактура в семь проходов. Звёзд 53,9 тыс., последняя правка 8 октября.
5. conorbronsdon/avoid-ai-writing: детектор, три режима, словарь замен. Звёзд 4,9 тыс., последняя правка 8 октября.
6. AgriciDaniel/claude-seo: бриф статьи и проверка под поиск. Звёзд 18,6 тыс., последняя правка 4 октября.
7. JimLiu/baoyu-skills: обложки, иллюстрации, перевод, разметка. Звёзд 26,5 тыс., последняя правка 10 сентября.
8. anthropics/knowledge-work-plugins: черновик по брифу, голос бренда. Звёзд 28,0 тыс., последняя правка 9 октября.
9. AgriciDaniel/claude-blog: конвейер блога с пятью проверками. Звёзд 2,3 тыс., последняя правка 9 октября.
10. hardikpandya/stop-slop: страница запретов и оценка из 50. Звёзд 17,9 тыс., последняя правка 17 марта.

Десятка

1. humanizer-ru: редактор для русского текста

Единственный проект в десятке, сделанный под русский язык с нуля. Лицензия MIT, версия 3.31.3, автор публикует под ником ilyautov.

Внутри каталог из 67 признаков машинного текста и 21 жёсткий запрет. Запреты знакомы каждому, кто читал нейросетевые статьи: «В современном мире», «Стоит отметить, что», «Раскрыть потенциал», «Комплексный подход». Признаки тоньше: канцелярит, кальки с английского, нагромождение причастий, равномерная плотность абзацев, мораль в финале.

Главное отличие в процедуре. Навык не переписывает текст. Он размечает конкретные места, для каждого решает, оставить его, сказать яснее или срезать, а потом сверяет результат с исходником по утверждениям. Режимов четыре: редактура, аудит без правок, точечная работа с одной категорией и тихая проверка собственных русских черновиков агента.

В комплекте сканер на Python. Он ставит тексту оценку чистоты от 0 до 100 и работает без модели, поэтому на одном тексте всегда даёт один результат. Тот же сканер поднимается как сервер MCP с двумя инструментами. scan_text возвращает балл и найденные обороты с позициями. compare_texts сравнивает «было» и «стало» и показывает, не появились ли в правке новые числа, даты, имена и ссылки и не пропали ли старые. Для статьи с фактурой второй инструмент ценнее первого.

Подпишитесь на рассылку журнала!

Отвечайте на запросы журналистов на Pressfeed и получайте публикации в СМИ! В первом письме промокод на 3 дня безлимитных ответов

Даю согласие на обработку моих персональных данных в соответствии с Политикой обработки персональных данных

Попробовать без установки можно на сайте проекта: сканер там считает в браузере, и текст никуда не отправляется.

Оговорок две. По умолчанию навык вычищает все длинные тире. Если вы держитесь издательской типографики, скажите ему об этом прямо, иначе статья вернётся с запятыми на их месте. И балл сканера ничего не говорит об авторстве. Автор пишет это сам: высокий балл не гарантирует удачной редактуры, результат надо перечитывать.

55,1 тысячи звёзд, MIT, автор blader. Репозиторий вышел 18 января 2026 года. Практически все похожие проекты, в том числе русскоязычные, считают его точкой отсчёта. Обзор Analytics Vidhya от 5 августа фиксировал 33,7 тысячи звёзд. За два месяца набежало больше двадцати тысяч.

Правила взяты со страницы Википедии «Signs of AI writing»: по ней редакторы энциклопедии вычищают правки, сделанные машиной. В нынешней версии 26 паттернов, разбитых на шесть групп. В августе было 33, каталог потом пересобрали. Пять самых сильных навык правит с самого первого появления:

• противопоставление «не X, а Y»;
• эффектная фраза в конце абзаца;
• изречение, которое только звучит глубоко;
• разгон перед мыслью вроде «вот в чём дело»;
• спор с возражением, которого никто не высказывал.

Остальные помечены как слабые. Одно тире или один пассив сами по себе ничего не значат, важен только их скопление.

В устройстве навыка я бы выделил три решения. Работу он показывает: первый вариант, короткая критика того, что всё ещё звучит искусственно, финал. Ничего не выдумывает: если фразе не хватает конкретной детали, спросит её у автора. И умеет работать с файлом, меняя только прозу, не трогая код, шапку и адреса ссылок. Голос подстраивается по образцу, для этого хватает двух или трёх абзацев вашего текста.

README честен там, где другие авторы молчат. Цель навыка в том, чтобы текст хорошо читался человеком. Обход детекторов целью не объявлен, и большую часть результата детекторы по-прежнему помечают. Слепой тест, на который ссылается автор, маленький: 16 сравнений, во всех судьи предпочли правку исходнику.

Для плагина нужен Claude Code версии 2.1.142 или новее. Для приложения Claude достаточно скачать репозиторий архивом и загрузить как навык. На русском тексте он работает частично, об этом ниже есть отдельный раздел.

3. Навыки Anthropic: соавтор и офисные файлы

Репозиторий anthropics/skills собрал 180 тысяч звёзд, но это витрина формата, а не набор для пишущего человека. Из 12 навыков плагина example-skills автору статей нужен один, doc-coauthoring.

Он устроен как сценарий из трёх этапов. На первом модель собирает контекст: кто читатель, какого результата вы ждёте от текста, есть ли шаблон. Потом она просит выложить всё, что вы знаете по теме, в любом порядке. На втором этапе документ строится по разделам, с вариантами и правкой каждого. Третий этап самый полезный, и руками его делают редко: готовый текст отдают свежему экземпляру Claude без контекста и смотрят, что он понял неправильно. Так находятся дыры, которых автор не видит, потому что слишком хорошо знает предмет.

Навык писали под спецификации и служебные документы, но большой статье схема подходит так же. Соседний internal-comms держит форматы внутренних рассылок и отчётов. Второй плагин, document-skills, отвечает за файлы Word, PDF, PowerPoint и Excel. Эти четыре навыка открыты для чтения, но свободной лицензии у них нет.

/plugin marketplace add anthropics/skills /plugin install example-skills@anthropic-agent-skills

В приложении Claude ставить ничего не нужно: по словам Anthropic, на платных тарифах эти навыки уже доступны. В README есть оговорка, которую стоит прочитать. Навыки опубликованы как демонстрация, и поведение Claude в продукте может от них отличаться.

4. marketingskills: копирайтинг и семь проходов редактуры

53,9 тысячи звёзд, MIT, автор Кори Хейнс. В наборе 50 навыков для маркетолога продукта, от аудита SEO до ценообразования. Автору статей пригодятся четыре: copywriting, copy-editing, content-strategy и social.

Сильнее всех copy-editing. Текст проходит семь последовательных проверок, и у каждой свой вопрос:

1. Ясно ли написано.
2. Выдержаны ли голос и тон.
3. Зачем это читателю.
4. Чем доказано.
5. Достаточно ли конкретно.
6. Есть ли эмоция.
7. Снят ли риск для читателя.

После каждого прохода навык возвращается к предыдущим и смотрит, не сломал ли их. Отдельным блоком идёт проверка на машинные обороты с точными правилами: вопрос с ответом самому себе, двоеточие перед «откровением», перечень из трёх отрицаний. Один совет оттуда годится для любого языка. Подбор синонимов создаёт новые штампы, поэтому надо вернуться к факту и переписать от него. Если факта нет, навык ставит метку [NEED: …] и ничего не выдумывает.

Все навыки набора сначала читают общий документ product-marketing с описанием продукта, аудитории и позиционирования. Его заполняют один раз, иначе советы будут общими.

npx skills add coreyhaines31/marketingskills —skill copywriting copy-editing

Ограничения понятные. Набор рассчитан на англоязычный маркетинг софта: посадочные страницы, рассылки, запуск продукта. Для колонки или технического разбора половина проходов лишняя. Проект живёт на деньги партнёров. Их интеграции перечислены открыто и отделены от основных навыков.

5. avoid-ai-writing: детектор со словарём

4,9 тысячи звёзд, MIT, последняя правка 8 октября. Если humanizer опирается на суждение модели, то здесь ставка сделана на механику. В каталоге 74 категории паттернов и таблица замен на 112 слов в трёх уровнях. Слова первого уровня помечаются всегда, второго при скоплении, третьего только при высокой плотности.

Режимов три:

• Rewrite делает до двух проходов правки и возвращает одну финальную версию.
• Detect только помечает и делит находки на настоящие проблемы и спорные случаи.
• Edit правит файл на месте минимальными изменениями и отказывается трогать код и конфигурацию.

Есть пять профилей голоса и отдельный скрипт-детектор, который ставит тексту балл из командной строки.

Автор аккуратно описал установку под Cowork. Там навыки подхватываются только из установленных плагинов, и простая копия в папке ~/.claude/skills найдена не будет.

/plugin marketplace add conorbronsdon/avoid-ai-writing /plugin install avoid-ai-writing@conorbronsdon-skills

Правила и детектор откалиброваны под английский, README говорит об этом в первых строках. Для русского текста словарь замен бесполезен.

6. claude-seo: бриф до текста и проверка после

18,6 тысячи звёзд, MIT. Это большой плагин для аудита сайтов: 26 вложенных навыков и 19 субагентов. Автору статей из него нужны три команды.

/seo content-brief <тема> собирает бриф: целевые запросы, структуру, внутренние ссылки. /seo content <адрес> оценивает готовую страницу по критериям E-E-A-T из руководства для асессоров Google. /seo geo <адрес> проверяет, насколько текст пригоден для цитирования в ответах нейросетевого поиска.

/plugin marketplace add AgriciDaniel/claude-seo /plugin install claude-seo@agricidaniel-claude-seo /seo setup

Третья команда обязательна. Она создаёт изолированное окружение Python и ставит браузер Chromium для рендера страниц. Без ключей Google плагин работает, но скорость загрузки оценивает лабораторно, а не по полевым данным.

Плагин целиком ориентирован на Google. В его README нет ни слова о Яндексе, так что для Рунета это инструмент проверки структуры и полноты текста. Семантику для Яндекса он не соберёт.

7. baoyu-skills: обложка, иллюстрации, перевод

26,5 тысячи звёзд, MIT, автор Баоюй (JimLiu). В наборе больше двадцати навыков, и они закрывают то, чем остальные проекты не занимаются: всё вокруг текста.

• baoyu-cover-image делает обложку по содержанию статьи. Параметров пять: тип, палитра, манера, текст на картинке и настроение. Палитр 11, манер 7.
• baoyu-article-illustrator читает статью, находит места, где нужна схема или иллюстрация, и рисует их в едином стиле.
• baoyu-format-markdown превращает сырой текст в размеченный: шапка, заголовки, списки, выделения.
• baoyu-translate переводит в трёх режимах, от быстрого до полного цикла с вычиткой.
• baoyu-url-to-markdown и baoyu-youtube-transcript достают исходники: страницу в чистый Markdown, ролик в текст.

Понадобятся Node.js и умение запускать npx bun. Рисует картинки вовсе не Claude. Навык генерации ходит за ними к сторонним моделям (OpenAI, Google, OpenRouter, Replicate и другим), так что ключом хотя бы от одной придётся обзавестись.

Автор сам предупреждает не ставить всё сразу: каждый лишний навык занимает место в контексте агента при каждом запуске. Навыки публикации в набор тоже входят, но рассчитаны на X, WeChat и Weibo.

8. Marketing от Anthropic: черновик по брифу и голос бренда

Репозиторий knowledge-work-plugins (28 тысяч звёзд, Apache 2.0) содержит 11 плагинов по профессиям. Их делали для Cowork, но в Claude Code они тоже ставятся. Плагин marketing даёт семь команд, и две из них про тексты.

/draft-content пишет черновик по короткому брифу: тип материала, тема, аудитория, ключевые мысли, тон и объём. /brand-review сверяет готовый текст с голосом бренда, терминологией и стилевым руководством. Руководство описывается один раз в локальном файле настроек, после чего обе команды применяют его без напоминаний.

Из чего собран плагин? Из Markdown и JSON, кода в нём нет. Авторы прямо называют его отправной точкой, которую надо переписать под свою компанию. Пример из README обещает «цепляющий заголовок, вступление с крючком, подзаголовки под SEO и понятный призыв к действию». Так описывают ровно тот шаблонный текст, который вычищают проекты с первых двух мест, а значит ставить плагин имеет смысл в паре с редактором. Ещё одна деталь из документации: автообновление для этого каталога по умолчанию выключено.

9. claude-blog: конвейер с пятью проверками

2,3 тысячи звёзд, MIT, версия 2.2.0 от 26 августа. Автор тот же, что у claude-seo, и размах тот же: 30 команд /blog, пять субагентов, 252 теста.

Идея в том, что автор не должен быть первым рецензентом. Прежде чем черновик покажут человеку, он проходит пять проверок:

1. Найдены ли нужные инструменты и ключи.
2. Собран ли полный комплект: Markdown, HTML, PDF и обложка.
3. Не разваливается ли вёрстка на трёх ширинах экрана.
4. Какую оценку поставил субагент-рецензент.
5. Открываются ли ссылки и картинки.

Рецензент ставит балл по шкале в 100 пунктов. Ниже 90 черновик уходит на доработку, попыток три.

Нужен Python 3.11 или новее. Обложку плагин добывает по цепочке: сервер генерации картинок, API Gemini, платные стоки, открытый каталог Openverse. Берётся первый источник, который ответил.

Это самый тяжёлый проект в десятке, и ради одной статьи ставить его незачем. Он оправдан, когда блог ведётся потоком и на английском. Автор предлагает и установку скриптом через curl, рядом опубликована контрольная сумма установщика. Сверьте её или ставьте плагином.

10. stop-slop: одна страница запретов

17,9 тысячи звёзд, MIT. Самый маленький проект: файл SKILL.md и три справочника с фразами, структурами и примерами. Правил восемь, и среди них есть жёсткие: убрать все наречия, никакого пассива, ни одного длинного тире, не начинать предложение с вопросительного слова. В конце текст оценивается по пяти шкалам от 1 до 10: прямота, ритм, доверие к читателю, естественность, плотность. Меньше 35 из 50 означает, что текст надо переписать.

Ценность в размере. Файл читается за три минуты, его можно положить в базу знаний проекта в приложении Claude или вставить в системный промпт любой модели. Плагином он не оформлен.

Минусов два. Репозиторий не менялся с 17 марта. А запрет на все наречия при буквальном переносе на русский обедняет текст, поэтому справочники придётся переписать под себя.

Что осталось за пределами десятки

sepia (3,1 тысячи звёзд, создан 28 августа). Работает на уровне структуры текста, а не слов. Автор опирается на исследование StoryScope: по одним структурным признакам классификатор отличает машинную прозу от человеческой с показателем macro-F1 93,2%, и правка стиля этого не лечит. Для технических статей у навыка свои правила: начинать с проблемы, показать один настоящий тупик, занять позицию, давать числа вместе с условиями. Калибровка английская и китайская.

article-writing из набора ECC (275,7 тысячи звёзд у репозитория). Короткий навык с дельными правилами: начинать с конкретного (примера, числа, снимка экрана) и объяснять после примера, а не до. Но это один файл из сотен в наборе для разработчиков, и ставить весь набор ради него не стоит.

claude-skills-journalism (416 звёзд). Единственный найденный набор про проверку, а не про стиль: порядок проверки фактов, верификация источников по методу SIFT, расшифровка интервью. Сделан под американскую редакцию, со стилем AP и запросами по закону о свободе информации.

smixs/humanizer-ru (187 звёзд). Второй русский проект, проще первого: 38 паттернов, линтер на Python, режим «это писала нейросеть?» со списком улик и цитатами. Перед каждым выпуском автор прогоняет 19 сценариев и 127 проверок, в том числе на сохранность фактов и цифр.

Научные наборы. academic-research-skills (51 тысяча звёзд) и claude-scientific-writer (2,4 тысячи) ведут статью от обзора литературы до ответа рецензентам. Это отдельный жанр со своими правилами, и в общий список я их не включал.

Русский текст: что переносится, а что нет

Две вещи ловят английские навыки. Одна из них слова. К русскому тексту неприменимы списки вроде delve, leverage и testament, как и правила про дефисы в составных прилагательных или про фигурные кавычки. Вторая вещь структура. Сюда попадают противопоставление «не X, а Y», тройки однородных членов, эффектная фраза в конце каждого абзаца, вопрос с немедленным ответом. Модель пишет так на любом языке, значит структурные правила humanizer к русскому тексту применимы.

Английские каталоги канцелярита не знают совсем. «Осуществляет деятельность», «является», «в рамках», «данный», цепочки существительных в родительном падеже. Русский читатель по этим приметам опознаёт казённый и машинный текст, а ловят их только русские проекты.

Два замера из документации humanizer-ru полезно помнить.

Первый про тире. В отзывах и историях на корпусе LLMTrace (14 763 русских текста от 30 генераторов) длинное тире ставят от 2 до 8% людей и от 28 до 33% машин. В энциклопедических статьях картина обратная. В разговорном жанре тире выдаёт машину, в справочном не значит ничего.

Второй про жанр. Строгий список запретов на 35 158 русских научных аннотациях срабатывал на 35,9% человеческих текстов, то есть человека от модели не отличал. С поправкой на жанр ложных срабатываний осталось 4,2%. Вывод практический: гонять сканер по научной или юридической статье без указания жанра бессмысленно.

И про детекторы. По данным того же проекта, лучший специализированный детектор для русского показывает около 86% точности на бенчмарке AINL-Eval 2025. Это ошибка в каждом седьмом случае. На русском английские детекторы ошибаются в обе стороны: помечают живой текст как машинный и пропускают аккуратный машинный.

Чего плагины не делают

Не проводят через детекторы. Прямо об этом пишут авторы обоих главных проектов. У humanizer обход детекторов не заявлен целью, у humanizer-ru сказано, что гарантии нет. Плагин не решит задачу, если от статьи требуют «процент человечности».

Не проверяют факты. Сверка в humanizer-ru сравнивает числа, даты и имена в двух версиях текста. Она скажет, что в правке появилась новая цифра. Верна ли исходная, она не знает. Ошибка из черновика аккуратно переедет в чистовик.

Не дают материала. Опыт, замер, пример из практики, неудобная деталь. Хорошие навыки это понимают и просят недостающее у автора. Плохие заполняют пустоту гладкими словами.

Не отменяют чтения. Правка по правилам тоже оставляет след: текст, из которого убраны все тире, все наречия и все тройки, узнаётся не хуже исходного. Автор sepia формулирует это так: калибруйтесь по человеческому распределению, а не выворачивайте машинное наизнанку.

Безопасность и расход контекста

Плагин может запускать хуки и серверы MCP, то есть выполнять код на вашей машине. Карточка установки в Claude Code показывает состав плагина в разделе Will install, и читать её нужно до установки. В README официального каталога Anthropic стоит предупреждение: компания не контролирует, что входит в плагины, и не может проверить, что они работают как заявлено и не изменятся. Это сказано про курируемый каталог. К сторонним репозиториям оно относится тем более.

Что имеет смысл делать:

• читать SKILL.md и скрипты до установки, особенно если навык тянет зависимости или ходит в сеть;
• ставить незнакомое в область одного репозитория, а не на всю машину;
• не запускать установщики через curl без сверки контрольной суммы;
• помнить, что сторонние каталоги по умолчанию не обновляются сами: это неудобно, зато плагин не поменяется без вашего ведома.

Два главных риска чужих навыков называет справочный центр Claude: внедрение инструкций в промпт и утечку данных.

Второй расход невидимый. Каждый установленный навык добавляет своё описание в контекст каждой сессии. Команда claude plugin details <имя> показывает, сколько токенов плагин занимает постоянно и какой из его навыков самый тяжёлый. На вкладке Installed есть раздел Not used recently, и раз в месяц туда полезно заглядывать.

Свой навык, если готовые не подошли

Чужие правила закрепляют все проекты из десятки. У издания или автора обычно есть свои: какие слова не употребляем, как оформляем числа, с чего начинаем раздел. Годами такие правила живут в головах редакторов и в старых переписках, а модели их приходится пересказывать заново.

Навык для этого пишется за вечер. Нужна папка с одним файлом:

Поле description важнее, чем кажется. Модель решает по нему, подключать ли навык, поэтому в описании должно быть сказано, когда он нужен, а не только что он делает. Папка кладётся в ~/.claude/skills для Claude Code или загружается архивом в приложение.

В плагине example-skills от Anthropic есть skill-creator, навык для написания навыков. Он ведёт по тем же шагам и помогает проверить, срабатывает ли описание на нужных запросах. Готовые проекты из десятки при этом остаются лучшими образцами. По humanizer видно, как описывать паттерн парой «было и стало». По copy-editing видно, как разбить редактуру на проходы с одним вопросом в каждом.

С чего начать: три набора

Вы пишете по-русски сами. Поставьте humanizer-ru и используйте его в режиме аудита: он показывает места и не правит без спроса. Сервер со сверкой фактов подключается одной командой:

Для длинных материалов добавьте doc-coauthoring ради третьего этапа, чтения текста свежей моделью. Больше на старте ничего не нужно.

Блог продукта на английском. Связка marketingskills (навыки copywriting и copy-editing) и humanizer закрывает черновик и вычитку. Бриф под поиск даёт claude-seo. Этого хватает на две или три статьи в неделю.

Редакция или поток. Здесь выгоднее собрать свой плагин, чем ставить чужой конвейер. Плагин marketing от Anthropic годится как каркас: в нём уже есть место для голоса бренда и команда проверки. Обложки и иллюстрации можно взять из baoyu-skills, а claude-blog изучить как пример того, как проверки записываются в код и не остаются на совести автора.

Самую дешёвую проверку можно сделать сегодня. Возьмите свою последнюю опубликованную статью, откройте сайт humanizer-ru и вставьте текст в сканер. Он ничего не правит и никуда текст не отправляет, а список найденных оборотов покажет, нужен ли вам редактор такого рода.

Источники

• Документация Claude Code об установке плагинов: code.claude.com/docs/en/discover-plugins
• Справочный центр Claude о навыках: support.claude.com/en/articles/12512180-use-skills-in-claude
• Официальный каталог плагинов: github.com/anthropics/claude-plugins-official
• Навыки Anthropic: github.com/anthropics/skills
• Плагины для Cowork: github.com/anthropics/knowledge-work-plugins
• humanizer-ru: github.com/ilyautov/humanizer-ru
• humanizer: github.com/blader/humanizer
• marketingskills: github.com/coreyhaines31/marketingskills
• avoid-ai-writing: github.com/conorbronsdon/avoid-ai-writing
• claude-seo и claude-blog: github.com/AgriciDaniel/claude-seo, github.com/AgriciDaniel/claude-blog
• baoyu-skills: github.com/JimLiu/baoyu-skills
• stop-slop: github.com/hardikpandya/stop-slop
• sepia: github.com/Nanako0129/sepia
• Обзор от 5 августа 2026 года: analyticsvidhya.com/blog/2026/08/top-5-claude-writing-skills

Полная версия: https://teletype.in/@techonotes/plaginy-claude-dlya-napisaniya-statey