tool-humanizer

name	tool-humanizer
description	Detecta y elimina patrones de escritura AI en cualquier texto. Devuelve score 0-10 (10 = totalmente humano) y reescritura con sugerencias específicas. Usado como gate por skills marketing-* antes de entregar contenido. Invocable solo o en pipeline-mode dentro de otra skill.

tool-humanizer

Cuándo se invoca

• Cualquier skill marketing-* la llama al final como quality gate
• Usuario pega un texto y dice "humaniza esto", "quita el tono AI", "suena demasiado a ChatGPT"
• tool-output-verifier la incluye como uno de sus checks

Process

Paso 1 · Recibir input

Modo standalone:

• Texto pegado en chat o ruta a archivo .md / .txt

Modo pipeline (invocada desde otra skill):

{
  "text": "...",
  "context": "linkedin-post|blog|email|whatsapp|...",
  "score-only": true|false,
  "max-rewrites": 1
}

Paso 2 · Análisis de patrones AI

Lee references/ai-tells.md y aplica los detectores:

Detectores estructurales (-1 cada uno):

• Em-dashes (—) en lugar de coma o paréntesis
• Listas de 3 elementos cada vez (regla de 3 abusada)
• "It's not just X, it's Y" (estructura típica GPT)
• Triple emoji al inicio o final
• Cierres con "in conclusion", "to summarize", "moving forward"

Detectores léxicos (-0.5 cada uno):

• "Leverage", "delve into", "navigate", "tapestry", "robust", "seamless", "synergy"
• "In today's fast-paced world", "in the realm of", "at the end of the day"
• "It's worth noting that", "it's important to note", "needless to say"
• Adverbios excesivos ("incredibly", "remarkably", "surprisingly")

Detectores de patrón (-1.5 cada uno):

• 3+ frases consecutivas empezando igual
• Párrafo monotemático con frases todas de longitud parecida (>20 palabras cada una)
• Negación-afirmación encadenada: "no es X, es Y. No es Z, es W"
• Bullet point con misma estructura sintáctica todo el bloque

Paso 3 · Score

score = 10 - sum(penalties)
score = max(0, score)

Interpretación:

• 9-10 → suena humano, OK entregar
• 7-8 → aceptable pero hay tells; sugerir 2-3 cambios
• 5-6 → claramente AI; reescribir parcialmente
• 0-4 → AI slop completo; reescribir desde cero

Paso 4 · Reescritura (si score < 7)

Aplicar reglas en orden:

1. Eliminar muletillas léxicas — sustituir por sinónimos específicos del contexto
2. Romper la regla de 3 — si hay 3 elementos paralelos, dejar 2 o 4
3. Variar arranques de frase — alternar pronombre, verbo, conector
4. Sustituir em-dashes por puntos, comas o paréntesis según fluidez
5. Aterrizar abstracciones — frases tipo "navigate complexity" → "tomar decisiones cuando hay 5 opciones contradictorias"
6. Romper monotonía rítmica — alternar frases cortas (5-10 palabras) con largas (20+)
7. Preservar la voz del operador — leer brand-context/voice/voice-profile.md si existe; usar registro apropiado según context del input

Paso 5 · Validación post-rewrite

Re-pasar el detector. Si tras 1 rewrite sigue < 7:

• Devolver con flag needs_human_pass: true
• No volver a reescribir automáticamente (riesgo de empeorar / alucinar)

Paso 6 · Output

Modo standalone:

## Score: 6.5/10

### Patrones AI detectados
- 3 em-dashes en 4 frases (-3)
- "leverage" usado 2 veces (-1)
- Lista de 3 abusada en 2 párrafos (-2)

### Versión humanizada
<texto reescrito>

### Cambios principales
- "Leverage AI" → "Usar IA"
- Em-dashes → comas y puntos
- Lista de 3 → 2 puntos directos

Modo pipeline (devuelto a la skill que llamó):

{
  "score": 6.5,
  "passes_gate": false,
  "rewritten_text": "...",
  "issues": ["em-dash overuse", "leverage twice", "rule-of-three abuse"],
  "needs_human_pass": false
}

Paso 7 · Cierre

• Si fue invocación standalone: mostrar comparativa al usuario
• Si fue pipeline: devolver al caller, no escribir nada más
• Append a context/learnings.md si detectaste un patrón AI nuevo no documentado en ai-tells.md (proponer expandir el detector)

Outputs

Standalone: archivo en projects/tool-humanizer/<fecha>-<titulo>/{original.md, humanized.md, report.md}

Pipeline: JSON al caller, sin archivos físicos.

Skills que llama

Ninguna. Es una tool primitiva (no orquesta nada).

Edge cases

• Texto muy corto (<20 palabras): score automático 8 (no hay suficiente para juzgar). No reescribir.
• Idioma no castellano o inglés: degradar a checks estructurales solo (em-dashes, longitud, listas). El léxico AI es language-specific.
• Operador no tiene brand-voice configurada: usar registro neutro divulgativo (B genérico). Marcar en output: "Sin voice profile cargado, resultado puede no encajar 100% con tu voz".
• Texto poético o creativo: las reglas de "AI slop" no aplican igual; preguntar al usuario si quiere skip humanizer.

Examples

Ver references/examples.md para 3 casos: LinkedIn post, email cliente, blog post.

Knowledge

• references/ai-tells.md — listado completo de patrones AI detectables (mantenido)
• references/examples.md — 3 casos completos antes/después con scoring