Kann ich Rephrasy vibecoden?

NEIN · nicht sinnvoll

Preis noch nicht geprüftKategorie ✍️ ki-schreibenersetzt von 0 Personen

Preis für Deutschland

Europreis noch nicht geprüft

noch nicht am Original geprüft · Preisseite des Anbieters ↗ · so prüfen wir

Eine Umschreib-Hülle, die Text weniger roboterhaft klingen lässt, baust du in einer Sitzung, und für diese Aufgabe ist der Eigenbau wirklich gut. Was du nicht in einer Sitzung baust, ist das eigentliche Produkt: eigene feinabgestimmte Modelle plus eine laufende Auswertung gegen Detektoren (GPTZero, Turnitin, Copyleaks, Pangram), die gezielt auf LLM-umgeschriebenen Text nachtrainieren. Ein promptbasiertes Umschreiben bewegt Detektorwerte unzuverlässig, und Detektoren driften monatlich, also hört ein statischer Prompt, der heute funktioniert, leise auf zu funktionieren. Ist dein Maßstab 'liest sich natürlich', bau es. Ist dein Maßstab 'besteht Detektoren verlässlich', liegt der Graben im Modell und im Auswertungs-Laufband, nicht im Textfeld.

der Prompt

Build me a local AI-text humanizer workbench. This is the honest consolation build: it makes AI text read naturally, it does NOT promise to beat AI detectors.

Stack: Node 22 + Express, vanilla JS frontend, SQLite via better-sqlite3. No build step.

- One page on localhost:5180: input textarea left, output pane right, a Humanize button, and a strength select (light touch / standard / heavy rewrite).
- Humanize calls an LLM (Anthropic or OpenAI, key in .env) with a fixed system prompt per strength level that: varies sentence length and rhythm, cuts hedging and filler ('delve', 'moreover', 'it's important to note'), swaps uniform paragraph shapes for uneven ones, and keeps meaning, facts, names, and numbers intact. Stream the output.
- A word-level diff view between input and output (the `diff` npm package) so I can see exactly what changed.
- A Re-roll button that re-humanizes the current output with a different seed phrase in the prompt, keeping the last 5 attempts switchable via tabs.
- Every run saved to SQLite: timestamp, strength, input, output. History page with the last 100 runs and copy buttons.
- Cmd+Enter runs humanize.
- .env.example with the key name; README states clearly: output is for readability, no detector-bypass guarantee, and text leaves the machine only for the LLM call.
- Out of scope, deliberately: detector score checking, browser extension, accounts, multi-language tuning, API access.

Antworte mir auf Deutsch. Oberfläche, Kommentare und README auf Deutsch, alle Bezeichner wie Tabellen, Spalten, Variablen, Routen und Dateinamen bleiben Englisch.

$ im Agenten öffnen (Prompt ist vorausgefüllt, du drückst Enter) oder direkt kopieren · dieser Bauplan ist noch auf Englisch, die Bitte um deutsche Antworten hängt unten dran

warum Menschen weiterhin bezahlen

Weil 'klingt für mich menschlich' und 'besteht Turnitin' verschiedene Produkte sind. Promptbasierte Umschreibungen sind genau das, worauf moderne Detektoren trainieren, also sind Eigenbau-Ergebnisse Glückssache und werden mit jedem Detektor-Update schlechter. Zahlende Kunden kaufen eine gepflegte Bestehensrate: Jemand anders stimmt Modelle ab, misst gegen jede Detektor-Version neu und trägt die Kosten des Nachtrainierens, wenn das Wettrüsten weiterzieht.

Anmerkung der Redaktion

Eintrag vom Rephrasy-Team beigesteuert, das Urteil ist gegen das eigene Interesse argumentiert: die Hülle ist leicht, die Bestehensrate ist das Produkt. Ob man Detektoren an Schulen umgehen sollte, ist eine andere Frage.

was du verlierst

xfeinabgestimmte Modelle, die gezielt darauf trainiert sind, KI-Detektoren zu überstehen

xlaufende Neuprüfung, wenn GPTZero, Turnitin, Copyleaks oder Pangram aktualisieren

xeingebaute Detektorbewertung, um die Ausgabe vor der Nutzung zu prüfen

xüber 50 Sprachen und eigene Schreibstile

xChrome-Erweiterung und REST-API

Vorarbeit · nutze diese Projekte, wenn du nicht selbst bauen willst

Nichts, das wir guten Gewissens empfehlen können. Deshalb gibt es den Prompt.

auf X teilen ↗„Ich habe Rephrasy mit einem Prompt ersetzt.“