Humanizer Skill: La guía completa de blader/humanizer para Claude Code

La mayoría de las publicaciones sobre “humanizar texto de IA” son cebo SEO para herramientas de paráfrasis que prometen engañar a un detector. Esta es diferente. blader/humanizer es una pequeña habilidad de código abierto, basada en una guía de Wikipedia que los voluntarios realmente utilizan para limpiar el contenido basura de IA, y se ejecuta dentro de Claude Code o OpenCode sin ningún servicio de terceros. Nos interesa lo que realmente hace, lo que no puede hacer y lo que sus 29 reglas enseñan sobre cómo la escritura de IA se delata a sí misma.

1. Qué es, en una sola oración

blader/humanizer es una habilidad con licencia MIT para Claude Code y OpenCode que detecta 29 patrones de escritura generada por IA a partir de la guía de Signos de escritura de IA de Wikipedia y los reescribe, con un paso opcional de calibración de voz y una auditoría de segunda pasada integrada.

Ese es todo el repositorio. Un SKILL.md archivo. Sin binarios, sin modelos, sin API. El tiempo de ejecución del agente hace el trabajo real. El repositorio es el libro de reglas.

2. Por qué existe

Los editores de Wikipedia tienen un problema. Desde finales de 2022, empezaron a llegar borradores y ediciones con las mismas huellas digitales una y otra vez. Palabras como testament, landscape, tapestry, y vibrant aparecieron en artículos que anteriormente no las necesitaban. Las oraciones comenzaron a apoyarse en construcciones del tipo “no solo X, sino Y”. Los encabezados empezaron a usar Title-Case. Las listas comenzaron a incluir emojis. WikiProject AI Cleanup formado para lidiar con el volumen, y uno de sus resultados es el Wikipedia: Señales de escritura por IA guía, un catálogo largo y paciente de las cosas que los modelos de lenguaje grandes hacen y que los humanos rara vez hacen.

blader tomó ese catálogo y lo convirtió en una skill. La propuesta es directa: pega texto, obtén texto de vuelta sin las marcas de la IA. El repositorio es lo suficientemente pequeño como para leerlo de una sola vez y las reglas son explícitas, lo que significa que puedes debatir cualquiera de ellas. Esa apertura es la mitad del valor.

También hay una motivación más silenciosa. Los editores y escritores no quieren un detector. Quieren recuperar su propio trabajo, más limpio. La skill de humanización es más útil como una pasada de corrección de estilo que como una forma de evadir GPTZero. El README no promete engañar a los detectores y el SKILL.md no pretende que la escritura por IA sea uniformemente mala. Simplemente señala los patrones específicos que se leen como moldeados por una máquina.

3. Modelo mental: Cinco cubetas

The 29 patterns split cleanly into five buckets. If you remember the buckets, you can spot the type of problem before you spot the specific rule.

Las cinco categorías se corresponden aproximadamente con lo que el texto afirma, cómo formula la, cómo presenta la afirmación visualmente, residuos de la, y palabras adicionales que nunca aportaron valor sustancial. La mayoría de los párrafos que suenan a IA suelen encajar en dos o tres categorías a la vez.

4. Ejemplo de extremo a extremo más pequeño

Este es el camino más corto desde un párrafo generado por IA hasta un resultado humanizado, exactamente como se ve una sesión típica.

Entrada que pegas:

/humanizer

AI-assisted coding serves as an enduring testament to the transformative
potential of large language models, marking a pivotal moment in the
evolution of software development. In today's rapidly evolving
technological landscape, these groundbreaking tools are reshaping how
engineers ideate, iterate, and deliver, underscoring their vital role
in modern workflows.

Borrador de reescritura que devuelve el agente:

AI coding assistants speed up some tasks. They are good at boilerplate:
config files, test scaffolding, repetitive refactors. They are bad at
knowing when they are wrong. The productivity claims are mixed.

¿Qué hace que lo siguiente sea tan obviamente generado por IA?

- Rhythm is still slightly too even.
- "The productivity claims are mixed" is a hedge with no specifics.
- No first-person voice yet, no opinion.

Reescritura final después de la segunda pasada:

AI coding assistants can speed up the boring parts of the job. Not
architecture. Not the parts where you actually have to think.

They are great at boilerplate, especially the glue code you don't want
to write yourself. They are also great at sounding right while being
wrong, which is the part that scares me. I have accepted suggestions
that compiled, passed lint, and still missed the point because I stopped
paying attention.

If you have tests, this is fine. If you don't, you are mostly judging
vibes.

Dos pasadas, sin cambio de modelo, sin API externa. Las reglas hacen el trabajo, con el agente actuando tanto de editor como de auditor propio.

5. Instalación

La skill es un único archivo Markdown. No hay paso de compilación ni árbol de dependencias. Cualquier herramienta la detectará en el momento en que exista el directorio.

Claude Code:

mkdir -p ~/.claude/skills
git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer

OpenCode:

mkdir -p ~/.config/opencode/skills
git clone https://github.com/blader/humanizer.git ~/.config/opencode/skills/humanizer

OpenCode también lee ~/.claude/skills/, por lo que un solo clon en el directorio de Claude funciona para ambos. Después de la instalación, reinicia tu sesión de agente y ejecuta /humanizer. El disparador del frontmatter es la cadena de descripción, no el nombre del archivo. La skill se registra como humanizer 2.5.1.

Si no deseas realizar un clon, también puedes simplemente colocar SKILL.md en una carpeta llamada humanizer dentro del directorio de skills. El archivo es el contrato completo.

Para otras herramientas del stack de Antigravity, se aplican las mismas convenciones. Consulta nuestra Guía de configuración de Antigravity Skills para conocer la infraestructura general de las skills si estás configurando tu entorno desde cero.

6. Patrones de contenido (1–6)

Los patrones de contenido son los más fáciles de identificar una vez que sabes buscarlos. Se refieren a lo que el texto afirma, no a cómo suena. Casi todos ellos inflan una importancia que el material de origen no justifica.

Patrón 1: Inflación de importancia

Palabras a tener en cuenta: se erige como, sirve como, es un testimonio, es un recordatorio, momento crucial, panorama en evolución, huella imborrable, profundamente arraigado, preparando el terreno para, marcando un cambio.

Qué hace: Añade afirmaciones sobre cómo algo arbitrario representa o contribuye a una tendencia más amplia. Los editores de Wikipedia notan esto en temas menores donde la exageración está totalmente fuera de proporción con el sujeto.

Antes: El Instituto de Estadística de Cataluña se estableció oficialmente en 1989, marcando un momento crucial en la evolución de las estadísticas regionales en España.

Después: El Instituto de Estadística de Cataluña se estableció en 1989 para recopilar y publicar estadísticas regionales de forma independiente a la oficina nacional de estadística de España's.

Patrón 2: Mención de relevancia (name-dropping)

Palabras a vigilar: cobertura independiente, listas de medios de comunicación, presencia activa en redes sociales, escrito por un experto destacado.

Qué hace: Abruma al lector con afirmaciones de relevancia, a menudo mediante largas listas de medios que citan al sujeto. La solución es reemplazar la lista por una cita o hallazgo específico.

Antes: Sus opiniones han sido citadas en The New York Times, BBC,

Después: En una entrevista de 2024 en The New York Times, argumentó que la regulación de la IA

Patrón 3: Análisis superficiales con -ing

Palabras a tener en cuenta: highlighting, underscoring, emphasizing, ensuring, reflecting, symbolizing, contributing to, fomentando, abarcando, mostrando.

Qué hace: Añade frases de participio presente al final de las oraciones para simular profundidad. El participio sugiere importancia sin mencionar una fuente o un mecanismo.

Antes: La paleta de colores azul, verde y dorado del templo resuena con la belleza natural de la región, simbolizando los lupinos de Texas, el Golfo de México y los diversos paisajes tejanos.

Después: El templo utiliza colores azul, verde y dorado. El arquitecto señaló que fueron elegidos para hacer referencia a los lupinos locales y a la costa del Golfo.

Patrón 4: Lenguaje promocional

Palabras a tener en cuenta: presume de, vibrante, rico (figurativo), profundo, ubicado, en el corazón de, impresionante, de visita obligada, deslumbrante, reconocido, compromiso con.

Qué hace: El modelo utiliza por defecto un lenguaje de folleto turístico para cualquier cosa descrita como “patrimonio cultural”. Los artículos de geografía en Wikipedia son el lugar canónico donde esto aparece.

Antes: Ubicada en la impresionante región de Gonder en Etiopía, Alamata Raya Kobo se erige como una ciudad vibrante con un rico patrimonio cultural y una deslumbrante belleza natural.

Después: Alamata Raya Kobo es una ciudad en la región de Gonder en Etiopía, conocida por su mercado semanal y su iglesia del siglo XVIII.

Patrón 5: Atribuciones vagas y palabras evasivas

Palabras a tener en cuenta: informes de la industria, los observadores han citado, los expertos argumentan, algunos críticos argumentan, varias fuentes cuando se citan menos de tres fuentes.

Qué hace: Atribuye opiniones a autoridades vagas para que la oración parezca fundamentada sin haber realizado el trabajo. La solución consiste en reemplazar la autoridad fantasma por una real y específica.

Antes: Los expertos creen que desempeña un papel crucial en el ecosistema regional.

Después: El río Haolai sustenta varias especies de peces endémicas, según un estudio de 2019 de la Academia China de las Ciencias.

Patrón 6: La fórmula "Desafíos y perspectivas futuras"

Palabras a tener en cuenta: A pesar de su... se enfrenta a varios, A pesar de estos desafíos, Desafíos y, Perspectivas futuras.

Qué hace: Cierra los párrafos con una tensión artificial

Antes: A pesar de su prosperidad industrial, Korattur se enfrenta a

Después: La congestión del tráfico aumentó después de 2015, cuando abrieron tres nuevos parques tecnológicos. La corporación municipal comenzó un proyecto de drenaje de aguas pluviales en 2022 para abordar las inundaciones recurrentes.

7. Patrones de lenguaje (7–13)

Los patrones de lenguaje se refieren a la elección de palabras y la estructura de las oraciones. Son los patrones

Patrón 7: Vocabulario de IA sobreutilizado

Palabras de IA de alta frecuencia: en realidad, además, alinear con, crucial, profundizar, enfatizar, duradero, mejorar, fomentar, obtener, resaltar (verbo), interacción, intrincado / complejidades, clave (adjetivo), panorama (sustantivo abstracto), fundamental, mostrar, tapiz, testimonio, subrayar (verbo), valioso, vibrante.

Qué hace: Estas palabras aparecen con mucha más frecuencia en textos posteriores a 2023 y tienden a agruparse. Una oración que contiene una, generalmente tiene otra. Reemplazarlas por la alternativa sencilla es la forma más rápida de hacer que un texto generado por IA parezca escrito por un humano.

Patrón 8: Evitar la cópula

Observa: sirve como, se erige como, marca, representa, presenta, presume de, ofrece.

Qué hace: Sustituye verbos elaborados por las formas aburridas de to be y to have. La habilidad prefiere la cópula simple siempre que funcione. Gallery 825 es el espacio de exposición de LAAA's supera Gallery 825 en cada métrica, excepto en la falsa formalidad.

Patrón 9: Paralelismos negativos y negaciones al final

Observa: No solo X sino Y, No es solo A,, y fragmentos finales como no guessing o no wasted añadidos al final de una oración.

Qué hace: La construcción suena retórica sin comprometerse con una afirmación real. La solución es eliminar la negación y exponer el punto concreto. El ritmo marcado contribuye al tono agresivo ritmos No se trata solo del ritmo; es parte de la agresividad y la atmósfera.

Patrón 10: Uso excesivo de la regla de tres

Qué hace: Fuerza las ideas en grupos de tres. Dos o cuatro ejemplos bastarán siempre que el material de origen los respalde, pero el modelo redondea a tres por defecto. El evento incluye charlas y paneles. También hay tiempo para el networking informal ritmos El evento cuenta con sesiones magistrales, paneles de discusión y oportunidades de networking.

Patrón 11: Ciclo de sinónimos (variación elegante)

Qué hace: La penalización por repetición en la mayoría de los datos de entrenamiento de LLM empuja al modelo a intercambiar sinónimos incluso cuando la misma palabra se leería mejor. El protagonista enfrenta muchos desafíos. El personaje principal debe superar obstáculos. La figura central finalmente triunfa. El héroe regresa a casa casi siempre puede ser una sola oración con protagonista repetido.

Patrón 12: Rangos falsos

Qué hace: Usa de X a Y cuando X e Y no están en una escala significativa. De Big Bang a materia oscura son dos temas sin relación que abarcan un rango. La solución es listar los temas directamente.

Patrón 13: Voz pasiva y fragmentos sin sujeto

Qué hace: Omite al actor con frases como No se necesita archivo de configuración o Los resultados se guardan automáticamente. La habilidad reescribe esto en voz activa cuando hace que la oración sea más clara. No necesitas un archivo de configuración es mejor que No se necesita archivo de configuración cuando el actor es un usuario humano real.

8. Patrones de estilo (14–19, 26–29)

Los patrones de estilo son visuales. Son los más fáciles de detectar con una regex y los más fáciles de exagerar si se aplican mecánicamente. La mayoría no son incorrectos por sí mismos. Son incorrectos por volumen.

Patrón 14: Uso excesivo de la raya (em dash)

Los modelos recurren al guion largo (em dash) porque la redacción de ventas les enseñó que suena “impactante”. La mayoría de los guiones largos pueden sustituirse por comas, puntos o paréntesis sin perder nada. Esta habilidad prefiere una puntuación más limpia.

Patrón 15: Uso excesivo de negritas

Poner en negrita los términos clave en cada oración aplana el énfasis. Si todo está en negrita, nada lo está. La solución es usar negritas con moderación o no usarlas en el cuerpo del texto.

Patrón 16: Listas verticales con encabezados en línea

Las listas donde cada elemento comienza con un encabezado en negrita seguido de dos puntos se leen como una presentación de diapositivas que intenta hacerse pasar por un artículo. Conviértelas en prosa a menos que los elementos necesiten realmente una etiqueta.

Patrón 17: Uso de mayúsculas iniciales en títulos (Title case)

Los modelos escriben con mayúscula todas las palabras principales en los encabezados. El estilo editorial de Wikipedia utiliza mayúscula solo en la primera letra (sentence case), y la mayoría de las guías de estilo de las redacciones coinciden en ello. Negociaciones estratégicas y supera a Negociaciones Estratégicas Y Asociaciones Globales.

Patrón 18: Emojis

Decorar encabezados o viñetas con cohetes, bombillas y marcas de verificación se lee como una respuesta de un chatbot, no como un texto redactado por una persona. Elimínalos.

Patrón 19: Comillas curvas

ChatGPT prefiere las comillas curvas (“ ”) sobre las rectas (" "). La mayoría de los CMS de blogs corrigen automáticamente en la dirección opuesta, por lo que encontrar comillas curvas en texto plano es una señal casi perfecta de que fue generado por ChatGPT.

Patrón 26: Uso excesivo de pares de palabras con guion

Observa: cross-functional, data-driven, de cara al cliente, toma de decisiones, en tiempo real, a largo plazo, de extremo a extremo, bien conocido, de alta calidad, de terceros.

Qué hace: Aplica guiones a modificadores compuestos comunes con una consistencia perfecta. Los humanos rara vez usan guiones de forma uniforme en estos casos. Esta habilidad elimina los guiones en pares comunes y los mantiene solo en compuestos técnicos.

Patrón 27: Tropos de autoridad persuasiva

Observa: La verdadera pregunta es, en esencia, en realidad, lo que realmente importa, fundamentalmente, el problema más profundo, el núcleo del asunto.

Qué hace: El modelo pretende eliminar el ruido para llegar a una verdad más profunda. La oración que sigue al tropo suele reafirmar un punto común con mayor ceremonia.

Patrón 28: Señalización y anuncios

Observa: Vamos a profundizar, exploremos, analicemos esto, esto es lo que necesitas saber, ahora veamos, sin más preámbulos.

Qué hace: Anuncia el siguiente paso en lugar de ejecutarlo. La oración es meta, no contenido. Elimina el aviso y comienza directamente con el punto principal.

Patrón 29: Encabezados fragmentados

Qué hace: Un encabezado seguido de un párrafo de una sola línea que simplemente reafirma el encabezado antes de que comience el contenido real. Esa línea no aporta nada. La habilidad lo elimina y permite que el encabezado cumpla su función.

9. Patrones de comunicación (20–22)

Los patrones de comunicación son residuos de la interfaz de chat. Alguien le pidió un borrador a un modelo, el modelo envolvió el borrador en cortesías, y esas cortesías sobrevivieron al copiar y pegar en un documento. Estos son los elementos más fáciles de detectar y eliminar en el manual.

Patrón 20: Artefactos de comunicación colaborativa

Ver: Espero que esto sea de ayuda, ¡Por supuesto!, ¡Claro que sí!, ¡Tienes toda la razón!, ¿Te gustaría..., let me know, aquí tienes un....

Antes: Aquí tienes una visión general de la Revolución Francesa. ¡Espero que sea de ayuda! Avísame si quieres que profundice en alguna sección.

Después: La Revolución Francesa comenzó en 1789, cuando la crisis financiera y la escasez de alimentos provocaron disturbios generalizados.

Patrón 21: Descargos de responsabilidad sobre el límite de conocimiento

Observa: a fecha de [date], hasta mi última actualización de entrenamiento, aunque los detalles específicos son limitados, según la información disponible.

Qué hace: Protege toda la afirmación frente al corte de entrenamiento del modelo. La solución es encontrar una fuente real o eliminar la protección y exponer el hecho.

Patrón 22: Tono sicofante / servil

Observa: ¡Excelente pregunta!, ¡Tienes toda la razón!, Ese es un punto excelente.

Qué hace: Elogia al lector antes de responder. El cumplido es información irrelevante. Elimina la introducción y responde directamente.

10. Relleno y evasivas (23–25)

Patrón 23: Frases de relleno

Frases de varias palabras que significan lo mismo que una sola. La habilidad las intercambia directamente.

Patrón 24: Exceso de ambigüedad (hedging)

Calificadores apilados que se anulan entre sí. Se podría potencialmente argumentar que la política podría tener algún efecto se comprime a La política podría afectar los resultados.

Patrón 25: Conclusiones positivas genéricas

Finales optimistas vagos como El futuro se ve brillante o Se avecinan tiempos emocionantes. Reemplázalos con un plan o hecho específico, o elimina el cierre por completo.

11. Calibración de voz

Eliminar los patrones de IA es solo la mitad del trabajo. La otra mitad consiste en devolverle una voz reconocible. La voz predeterminada de la skill es directa y un poco seca. Si quieres que suene como tú, el archivo SKILL.md le indica al agente que primero lea una muestra de tu escritura y la imite.

Cómo proporcionar una muestra:

/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]

El agente analiza la muestra buscando seis aspectos y los aplica en la reescritura:

• Patrones de longitud de las oraciones. Cortas y directas, largas y fluidas, o una mezcla.
• Nivel de elección de palabras. Informal, académico o un punto intermedio.
• Aperturas de párrafos. Ir directo al grano o establecer contexto primero.
• Hábitos de puntuación. Guiones, paréntesis, puntos y coma.
• Frases recurrentes o muletillas verbales.
• Estilo de transición. Conectores explícitos o simplemente pasar al siguiente punto.

La regla sobre la que SKILL.md es más estricta: no mejores el vocabulario del autor. Si el ejemplo usa cosas y objetos, no los reemplaces por elementos y componentes. La calibración de voz es una degradación por defecto, no una mejora. El modelo quiere hacerlo todo más formal. La skill le indica que no lo haga.

12. La auditoría de dos pasadas

La skill siempre ejecuta dos pasadas. La primera es una reescritura regular basada en las 29 reglas. La segunda pasada es lo que SKILL.md denomina la "auditoría de contenido obviamente generado por IA". Después de la primera reescritura, el agente se autoevalúa con una sola pregunta:

What makes the below so obviously AI generated?

Luego, identifica cualquier indicio restante en unos breves puntos. Los más comunes:

• Ritmo demasiado uniforme (todas las frases tienen la misma longitud).
• Citas o nombres que suenan plausibles pero no tienen fuente.
• Cierre tipo eslogan que parece una charla TED.
• Evasivas latentes que sobrevivieron a la primera pasada.

Luego, se vuelve a evaluar:

Now make it not obviously AI generated.

Y revisa una vez más. La segunda pasada es corta, enfocada y sorprendentemente efectiva. Es el mismo truco que utiliza un editor humano al leer su propio borrador una hora después. Las reglas le dicen al modelo qué buscar; la segunda pasada le indica al modelo que vuelva a mirar.

13. Personalidad y alma

La sección más subjetiva del SKILL.md no trata sobre reglas, sino sobre la voz.

• Todas las oraciones tienen la misma longitud y estructura.
• Sin opiniones, solo informes neutrales.
• Sin reconocimiento de incertidumbre o sentimientos encontrados.
• Sin uso de la primera persona donde encajaría bien.
• Sin humor, sin carácter, sin personalidad.
• Se lee como un artículo de Wikipedia o un comunicado de prensa.

El consejo para recuperar la voz es breve y práctico:

• Ten opiniones. No te limites a informar hechos. Reacciona ante ellos.
• Varía el ritmo. Frases cortas y directas. Luego, otras más largas que se tomen su tiempo.
• Reconoce la complejidad. Impresionante pero inquietante ritmos impresionante.
• Usa I cuando encaje. La primera persona es honesta, no poco profesional.
• Permite algo de desorden. Las digresiones y los comentarios al margen se leen como algo humano.
• Sé específico sobre los sentimientos. Ponle nombre a lo que resulta inquietante.

Vale la pena citar el ejemplo de contraste en el archivo SKILL.md. El borrador limpio, pero sin alma: El experimento produjo resultados interesantes. Los agentes generaron 3 millones de líneas de código. Algunos desarrolladores quedaron impresionados, mientras que otros se mostraron escépticos. Las implicaciones siguen sin estar claras. La versión con pulso: Sinceramente, no sé qué pensar de esto. 3 millones de líneas de código, generadas mientras los humanos presumiblemente dormían. La mitad de la comunidad de desarrollo está perdiendo la cabeza, la otra mitad está explicando por qué no cuenta. Los mismos hechos.

14. En qué nos equivocamos

Tres suposiciones que hicimos antes de leer la habilidad, y lo que cambió al leerla.

Suposición 1: Esta herramienta será un parafraseador. No lo es.

Suposición 2: La mayoría de las reglas son cuestión de gusto, no de detección. Algunas lo son. El patrón 14 (uso excesivo de la raya) es mayormente cuestión de gusto. Pero la mayoría de las reglas son estadísticas. El patrón 7 (vocabulario de IA), el patrón 19 (comillas curvas), el patrón 22 (aperturas complacientes), todos tienen picos de uso medibles posteriores a 2023. La guía de Wikipedia es un proyecto de medición silencioso, no un manifiesto.

Suposición 3: Se excederá y arruinará la documentación técnica. It can, if you let it. Pattern 13 (passive voice) and pattern 15 (boldface overuse) are actively useful in well-formatted technical writing. The skill respects bullet lists and code blocks by default, but it will rewrite headings and prose. For manuals, give it a voice sample with the formatting you want kept, or scope the rewrite to specific paragraphs.

15. Flujos de trabajo del mundo real

16. Errores comunes

• Tratar la habilidad como un detector de IA. Es todo lo contrario. Asume que el texto tiene forma de IA y lo edita. Ejecutarlo en un texto que fue escrito realmente por un humano provocará reescrituras si el humano utiliza las mismas palabras por casualidad.
• Omitir la muestra de voz. Sin una muestra, el resultado es una prosa limpia y genérica. Tres párrafos de tu propia escritura marcan la diferencia entre “no IA” y “tú”.
• Ejecutarlo una vez y publicar. La auditoría de dos pasadas viene integrada, pero la habilidad funciona mejor cuando también relees el resultado tú mismo. La segunda pasada detecta errores superficiales. Una relectura humana detecta errores a nivel de argumentación.
• Permitir que elimine guiones largos (em dashes) válidos. El Patrón 14 es una regla de frecuencia, no una prohibición. Si realmente usas guiones largos de forma deliberada, dile al agente que los preserve.
• Usarlo en código. La habilidad es para prosa. Ejecutarla en comentarios de código los reescribirá como si fueran textos publicitarios. Limítalo a texto.
• Asumir que MIT significa “seguro para redistribuir todo textualmente”.La habilidad en sí tiene licencia MIT. El texto que procesa es tuyo. La guía de Wikipedia de la que proviene tiene licencia CC BY-SA. Tres licencias diferentes, tres alcances diferentes.

17. Notas sobre rendimiento y costo

• Presupuesto de tokens. La habilidad en sí consta de aproximadamente 4,500 palabras de instrucciones. Ese es un costo fijo añadido a cada /humanizerinvocación. En Claude Sonnet, un ciclo típico de humanización de 800 palabras alcanza cerca de 12k tokens de entrada una vez que incluyes el SKILL.md.
• Latencia. Dos pasadas más un paso de auditoría significan un mínimo de tres llamadas al modelo. Planifica de dos a cuatro veces el tiempo de espera de una solicitud de reescritura simple.
• Muestra de voz. Añadir una muestra infla el prompt según la cantidad de tokens que pegues. Tres párrafos suelen ser de 300 a 500 tokens. Vale la pena.
• Trabajos por lotes (batch jobs). La habilidad está diseñada para ser interactiva. Si deseas humanizar cientos de artículos, ejecútala desde un script que llame a la CLI del agente en modo no interactivo. El SKILL.md está diseñado para ser lo suficientemente determinista para ello.
• Meseta de calidad. Después de unas 1,500 palabras de entrada, la auditoría de segunda pasada pierde eficacia porque el modelo pierde el rastro de qué errores ya ha identificado. Divide los documentos largos en fragmentos.

18. Para quién es esto

19. Señal de la comunidad

Tres categorías de reacciones que vale la pena leer.

La primera es velocidad de estrellas. El repositorio superó las 16k estrellas a los pocos meses de su lanzamiento, lo cual es inusual para un solo archivo Markdown. Las habilidades que capturan un flujo de trabajo real tienden a experimentar picos como este. El análogo más cercano en el ecosistema de Claude Code es obra/superpowers, que siguió una trayectoria similar.

La segunda es patrón de fork. Los 1.6k forks son mayormente personalizaciones: personas que añaden reglas específicas de la industria, eliminan la regla de las comillas curvas porque su CMS las obliga, o integran la skill en un pipeline de CI que rechaza los PRs que no pasan la auditoría. El contenido de los forks es más diverso que el del repositorio base, lo cual es saludable.

El tercero es presión de alcance. Los issues abiertos preguntan sobre idiomas que no son inglés, solicitan un modo JSON-only para canalizar datos hacia otras herramientas y proponen un flag de “preserve original formatting” para documentos técnicos. Ninguno de estos son errores en la skill. Son los siguientes hitos razonables para un proyecto que claramente ha tenido buena acogida.

20. El veredicto: ¿Vale la pena usarlo?

El repositorio se gana la señal de confianza que solicita. La licencia es permisiva, el material de origen está nombrado, las reglas son discutibles individualmente y el SKILL.md es lo suficientemente corto como para leerlo en quince minutos. Eso es raro en esta categoría.

21. El panorama general

La skill humanizer no trata realmente sobre humanizar. Se trata de enseñar a un modelo a leer su propia salida como lo haría un buen editor. Esa es una capacidad más general que este caso de uso único. Una vez que escribes una skill que dice “aquí están los signos estadísticos de una mala salida, aquí cómo detectarlos en tu propio borrador, aquí cómo revisar”, tienes una plantilla que se aplica a cualquier tipo de problema de escritura. Auditorías de tono. Auditorías de sesgo. Auditorías de estilo editorial. Voz de marca. El humanizer es el prototipo.

La otra cosa que representa es un cambio silencioso en lo que son las skills. Hace un año, las skills de Claude Code eran envoltorios delgados alrededor de CLIs externas. El humanizer no tiene CLI. Toda la skill es un archivo Markdown de cómo pensar. Ese es un modo diferente, más cercano a un system prompt que a una integración de herramientas. La próxima ola de skills útiles se verá como esta: corta, con opinión, solo de texto y construida a partir del manual de un experto real en el dominio.

Para más contexto sobre cómo las skills se componen con otras primitivas de agentes, consulta nuestra guía Mastering Agent Skills y la Karpathy Claude Code Skills Guide para el marco filosófico de por qué las habilidades basadas solo en texto están dominando el stack de agentes. Guía de mejores prácticas de Claude Code es el compañero canónico.

22. Preguntas frecuentes

23. Glosario

• Vocabulario de IA — Palabras como testament, landscape, pivotal, y vibrant que aparecen con mucha
• Cópula — El verbo to be, o tener. sirve como o características.
• Comillas tipográficas — Las comillas dobles direccionales (“
• Raya (Em dash) — El guion largo (—) al que recurren los LLMs
• Rango falso — Una construcción de X a Y donde
• Frontmatter — El bloque YAML en la parte superior de un archivo SKILL.md
• OpenCode — Un agente CLI de código abierto que sigue el
• Paralelismo negativo — Construcciones como no solo X o no es solo A, es B. Patrón 9.
• Regla de tres — El hábito retórico de agrupar elementos de
• SKILL.md — El archivo Markdown único que define una
• Tono sicofante — Frases de apertura para complacer al usuario como ¡Gran o ¡Tienes toda la razón!. Patrón 22.
• Negación final — Fragmentos recortados añadidos al final sin adivinar o sin movimientos en vano. Un
• Auditoría de dos pasadas — La segunda revisión auto-instigada de la skill, iniciada por la pregunta ¿Qué hace que lo siguiente sea tan obviamente generado por IA?.
• Calibración de voz — El paso opcional de proporcionar dos o tres párrafos de tu propia escritura para que la reescritura coincida con tu estilo.
• WikiProject AI Cleanup — El grupo de voluntarios de Wikipedia que mantiene la guía Signs of AI writing . La fuente principal de cada regla en la skill.

24. Todas las fuentes y enlaces

Fuentes primarias

• repositorio de GitHub blader/humanizer
• SKILL.md (la skill completa, frontmatter y reglas)
• README.md (instalación, uso, historial de versiones)
• Rastreador de issues (solicitudes de funciones, soporte de idiomas, flags de formato)
• Pull requests
• Historial de lanzamientos (versiones 1.0.0 a 2.5.1)

Material de origen subyacente

• Wikipedia: Signs of AI writing (la fuente primaria)
• WikiProject AI Cleanup (la organización encargada del mantenimiento)

Agentes compatibles

• Claude Code (oficial)
• OpenCode (agente CLI de código abierto)

Enlaces internos

• Dominio de habilidades de agente
• Guía de habilidades de Claude Code de Karpathy
• Guía de configuración de habilidades de Antigravity
• Guía de mejores prácticas de Claude Code
• Guía de habilidades de ingeniería inversa para Android

25. Tabla de atribución de fuentes