Humanizador
Uma habilidade para Claude Code e OpenCode que remove sinais de escrita gerada por IA de textos, fazendo-os soar mais naturais e humanos.
Instalação
Claude Code
Clone diretamente no diretório de habilidades do Claude Code:
mkdir -p ~/.claude/skills
git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer
Ou copie o arquivo de habilidade manualmente se você já tiver este repositório clonado:
mkdir -p ~/.claude/skills/humanizer
cp SKILL.md ~/.claude/skills/humanizer/
OpenCode
Clone diretamente no diretório de habilidades do OpenCode:
mkdir -p ~/.config/opencode/skills
git clone https://github.com/blader/humanizer.git ~/.config/opencode/skills/humanizer
Ou copie o arquivo de habilidade manualmente se você já tiver este repositório clonado:
mkdir -p ~/.config/opencode/skills/humanizer
cp SKILL.md ~/.config/opencode/skills/humanizer/
Nota: O OpenCode também verifica
~/.claude/skills/para compatibilidade, portanto, se você usar ambas as ferramentas, um único clone em~/.claude/skills/humanizer/é suficiente.
Uso
Claude Code
/humanizer
[cole seu texto aqui]
OpenCode
/humanizer
[cole seu texto aqui]
Ou peça ao modelo para humanizar o texto diretamente em qualquer uma das ferramentas:
Please humanize this text: [your text]
Calibragem de Voz
Para combinar com seu estilo pessoal de escrita, forneça uma amostra da sua própria escrita:
/humanizer
Here's a sample of my writing for voice matching:
[paste 2-3 paragraphs of your own writing]
Now humanize this text:
[paste AI text to humanize]
A habilidade analisará seu ritmo de frase, escolhas de palavras e peculiaridades, e então as aplicará na reescrita em vez de produzir uma saída genérica "limpa".
Visão Geral
Baseado no guia "Sinais de escrita de IA" da Wikipédia, mantido pelo WikiProject AI Cleanup. Este guia abrangente vem de observações de milhares de instâncias de texto gerado por IA.
A habilidade também inclui uma passagem final de auditoria "obviamente gerado por IA" e uma segunda reescrita, para capturar IA-ismos remanescentes no primeiro rascunho.
Percepção Chave da Wikipédia
"LLMs usam algoritmos estatísticos para adivinhar o que deve vir a seguir. O resultado tende ao resultado mais estatisticamente provável que se aplica à maior variedade de casos."
30 Padrões Detectados (com Exemplos de Antes/Depois)
Padrões de Conteúdo
| # | Padrão | Antes | Depois |
|---|---|---|---|
| 1 | Inflação de significância | "marcando um momento crucial na evolução de..." | "foi estabelecido em 1989 para coletar estatísticas regionais" |
| 2 | Citação de nomes notáveis | "citado no NYT, BBC, FT e The Hindu" | "Em uma entrevista de 2024 ao NYT, ela argumentou..." |
| 3 | Análises superficiais com gerúndio | "simbolizando... refletindo... exibindo..." | Remover ou expandir com fontes reais |
| 4 | Linguagem promocional | "aninhado na região deslumbrante" | "é uma cidade na região de Gonder" |
| 5 | Atribuições vagas | "Especialistas acreditam que desempenha um papel crucial" | "de acordo com uma pesquisa de 2019 de..." |
| 6 | Desafios formulaicos | "Apesar dos desafios... continua a prosperar" | Fatos específicos sobre os desafios reais |
Padrões de Linguagem
| # | Padrão | Antes | Depois |
|---|---|---|---|
| 7 | Vocabulário de IA | "Na verdade... adicionalmente... testamento... cenário... exibindo" | "também... permanecem comuns" |
| 8 | Evitação de cópula | "serve como... apresenta... ostenta" | "é... tem" |
| 9 | Paralelismos negativos / negações finais | "Não é apenas X, é Y", "..., sem adivinhação" | Declare o ponto diretamente |
| 10 | Regra dos três | "inovação, inspiração e insights" | Use um número natural de itens |
| 11 | Ciclagem de sinônimos | "protagonista... personagem principal... figura central... herói" | "protagonista" (repetir quando for mais claro) |
| 12 | Falsos intervalos | "do Big Bang à matéria escura" | Liste os tópicos diretamente |
| 13 | Voz passiva / fragmentos sem sujeito | "Nenhum arquivo de configuração necessário" | Nomeie o agente quando ajudar na clareza |
Padrões de Estilo
| # | Padrão | Antes | Depois |
|---|---|---|---|
| 14 | Travessões em/en | "instituições—não o povo—no entanto isso continua—" | Corte-os: pontos, vírgulas, dois pontos ou parênteses |
| 15 | Uso excessivo de negrito | "OKRs, KPIs, BMC" | "OKRs, KPIs, BMC" |
| 16 | Listas com cabeçalho inline | "Desempenho: Desempenho melhorou" | Converter para prosa |
| 17 | Títulos em Maiúsculas | "Negociações Estratégicas E Parcerias" | "Negociações estratégicas e parcerias" |
| 18 | Emojis | "🚀 Fase de Lançamento: 💡 Percepção Chave:" | Remover emojis |
| 19 | Aspas curvas | disse “o projeto” | disse “o projeto” |
| 26 | Pares de palavras hifenizadas | "multifuncional, orientado a dados, voltado ao cliente" | Remover hífens em pares de palavras comuns |
| 27 | Tropos de autoridade persuasiva | "Em sua essência, o que importa é..." | Declare o ponto diretamente |
| 28 | Anúncios sinalizadores | "Vamos mergulhar", "Aqui está o que você precisa saber" | Comece com o conteúdo |
| 29 | Cabeçalhos fragmentados | "## Desempenho" + "Velocidade importa." | Deixe o cabeçalho fazer o trabalho |
| 30 | Escrita ancorada em diff | "Esta função foi adicionada para substituir..." | Descreva o que faz, não o que mudou |
Padrões de Comunicação
| # | Padrão | Antes | Depois |
|---|---|---|---|
| 20 | Artefatos de chatbot | "Espero que isso ajude! Me avise se..." | Remover completamente |
| 21 | Avisos de corte | "Embora os detalhes sejam limitados nas fontes disponíveis..." | Encontre fontes ou remova |
| 22 | Tom bajulador | "Ótima pergunta! Você está absolutamente certo!" | Responda diretamente |
Enchimento e Hedging
| # | Padrão | Antes | Depois |
|---|---|---|---|
| 23 | Frases de enchimento | "A fim de", "Devido ao fato de que" | "Para", "Porque" |
| 24 | Hedging excessivo | "poderia potencialmente possivelmente" | "pode" |
| 25 | Conclusões genéricas | "O futuro parece brilhante" | Planos ou fatos específicos |
Exemplo Completo
Antes (com cara de IA):
Ótima pergunta! Aqui está um ensaio sobre este tópico. Espero que isso ajude!
A codificação assistida por IA serve como um testemunho duradouro do potencial transformador dos grandes modelos de linguagem, marcando um momento crucial na evolução do desenvolvimento de software. No cenário tecnológico de rápida evolução de hoje, essas ferramentas inovadoras—aninhadas na interseção da pesquisa e prática—estão remodelando como os engenheiros idealizam, iteram e entregam, sublinhando seu papel vital nos fluxos de trabalho modernos.
Em sua essência, a proposta de valor é clara: simplificar processos, melhorar a colaboração e promover o alinhamento. Não se trata apenas de autocompletar; trata-se de desbloquear a criatividade em escala, garantindo que as organizações possam permanecer ágeis enquanto oferecem experiências perfeitas, intuitivas e poderosas aos usuários. A ferramenta serve como catalisador. O assistente funciona como parceiro. O sistema permanece como base para inovação.
Observadores da indústria notaram que a adoção acelerou de experimentos de hobby para implementações em toda a empresa, de desenvolvedores individuais para equipes multifuncionais. A tecnologia foi destaque no The New York Times, Wired e The Verge. Adicionalmente, a capacidade de gerar documentação, testes e refatorações mostra como a IA pode contribuir para melhores resultados, destacando a interação intrincada entre automação e julgamento humano.
- 💡 Velocidade: A geração de código é significativamente mais rápida, reduzindo o atrito e capacitando os desenvolvedores.
- 🚀 Qualidade: A qualidade da saída foi aprimorada através de treinamento melhorado, contribuindo para padrões mais elevados.
- ✅ Adoção: O uso continua a crescer, refletindo tendências mais amplas da indústria.
Embora detalhes específicos sejam limitados com base nas informações disponíveis, poderia-se potencialmente argumentar que essas ferramentas podem ter algum efeito positivo. Apesar dos desafios típicos de tecnologias emergentes—incluindo alucinações, viés e responsabilidade—o ecossistema continua a prosperar. A fim de realizar plenamente esse potencial, as equipes devem se alinhar com as melhores práticas.
Em conclusão, o futuro parece brilhante. Tempos emocionantes estão por vir enquanto continuamos essa jornada rumo à excelência. Me avise se você gostaria que eu expandisse alguma seção!
Depois (Humanizado):
Assistentes de codificação de IA podem acelerar as partes chatas do trabalho. Eles são ótimos em boilerplate: arquivos de configuração e o pequeno código de cola que você não quer escrever. Eles também podem ajudá-lo a esboçar um teste, mas você ainda precisa lê-lo.
A parte perigosa é o quão confiantes as sugestões parecem. Eu já aceitei código que compilou e passou no lint, e depois descobri que não fazia sentido porque eu parei de prestar atenção.
Se você tratá-lo como autocompletar e revisar cada linha, é útil. Se você usá-lo para evitar pensar, ele o ajudará a enviar bugs mais rapidamente.
O único suporte real são os testes. Sem eles, você está principalmente julgando vibrações.
Referências
- Wikipédia: Sinais de escrita de IA - Fonte primária
- WikiProject AI Cleanup - Organização mantenedora
Histórico de Versões
- 2.7.0 - Adicionado padrão #30 (escrita ancorada em diff); tornado os travessões em/en um corte rígido em vez de "uso excessivo"; expandido #21 para cobrir preenchimento especulativo de lacunas ("mantém um perfil baixo"). 30 padrões no total.
- 2.6.0 - Passagem de limpeza: consolidado as seções duplicadas do fluxo de trabalho, restringido a orientação de personalidade ao conteúdo onde a voz é desejada, removido a subseção de identificação de modelo e condensado o exemplo trabalhado. Sem alteração nos 29 padrões.
- 2.5.1 - Adicionada uma regra de voz passiva / fragmento sem sujeito, elevando o total para 29 padrões
- 2.5.0 - Adicionados padrões para enquadramento persuasivo, sinalização e cabeçalhos fragmentados; expandido paralelismos negativos para cobrir negações finais; apertada a redação em torno do uso excessivo de travessão; corrigida a redação do frontmatter para usar "frases de enchimento"
- 2.4.0 - Adicionada calibragem de voz: combinar o estilo pessoal de escrita do usuário a partir de amostras
- 2.3.0 - Adicionado padrão #25: uso excessivo de pares de palavras hifenizadas
- 2.2.0 - Adicionada uma auditoria final "obviamente gerado por IA" + prompts de reescrita de segunda passagem
- 2.1.1 - Corrigido exemplo do padrão #18 (aspas curvas vs retas)
- 2.1.0 - Adicionados exemplos de antes/depois para todos os 24 padrões
- 2.0.0 - Reescrita completa baseada no conteúdo bruto do artigo da Wikipédia
- 1.0.0 - Lançamento inicial
Licença
MIT