tool-output-verifier

name	tool-output-verifier
description	Quality gate antes de entregar outputs al cliente. Hace 4 checks (humanizer score, brand voice match, length per platform, factuality flags) y devuelve score 0-10 con sugerencias específicas. Las skills marketing-* y operations-* la invocan automáticamente como último paso. Pasa o bloquea.

tool-output-verifier

Cuándo se invoca

• Skills marketing-copywriting, marketing-blog-writer, marketing-email-sequence, etc. la invocan en su último paso (gate obligatorio)
• Usuario pega un texto y dice "verifica esto antes de mandarlo"
• Manualmente: /verify <ruta> (slash command si se crea en futura versión)

Process

Paso 1 · Recibir input + contexto

Input mínimo:

{
  "text": "...",
  "platform": "linkedin|x|blog|email|whatsapp|landing|...",
  "purpose": "post|email-cliente|email-nurture|landing-section|..."
}

Paso 2 · Check 1 · Humanizer

Invoca tool-humanizer en pipeline-mode.

• Threshold por plataforma:
  • linkedin/blog: humanizer ≥ 7
  • email cliente premium: humanizer ≥ 8
  • email nurture / WhatsApp comunidad: humanizer ≥ 6
  • landing page (copy comercial): humanizer ≥ 8

Paso 3 · Check 2 · Brand Voice match

Lee brand-context/voice/voice-profile.md y los registers (register-a-formal.md, register-b-divulgativo.md, register-c-cercano.md).

Detecta el registro apropiado según platform + purpose:

• email cliente premium → A (formal)
• propuesta comercial → A (formal)
• LinkedIn → B (divulgativo)
• blog → B (divulgativo)
• X/Twitter → B (divulgativo, más corto)
• email nurture → B con un toque cercano
• WhatsApp comunidad → C (cercano)
• comentarios redes → C (cercano)

Compara el texto vs registro esperado:

• ¿Vocabulario coincide? (palabras del registro presentes vs prohibidas)
• ¿Tono coincide? (formal vs cercano)
• ¿Longitud de frases coincide? (formal frases largas, cercano cortas)

Score 0-10 sobre brand-voice match. Threshold: ≥ 7.

Paso 4 · Check 3 · Length per platform

Revisa límites de plataforma:

Plataforma	Mínimo	Máximo	Ideal
Twitter/X (post)	100 chars	280 chars	200-260
Twitter/X (thread tweet)	100 chars	280 chars	220-270
LinkedIn (post)	600 chars	3000 chars	1200-1800
LinkedIn (article)	800 words	2000 words	1200-1500
Blog post	800 words	2500 words	1200-1800
Instagram caption	100 chars	2200 chars	300-700
Email subject	30 chars	60 chars	40-50
Email body	50 words	600 words	150-300
WhatsApp comunidad	50 chars	1500 chars	200-500
Landing hero	5 words	12 words	7-9
Landing CTA	2 words	5 words	2-3

Score basado en si está dentro del rango ideal, aceptable o fuera.

Paso 5 · Check 4 · Factuality flags

Detectar afirmaciones que requieren verificación humana:

• Estadísticas con números concretos ("47%", "tripled in 2025")
• Citas atribuidas a personas o empresas
• Claims de competidores o productos
• Números de teléfono, emails, URLs específicas

Por cada flag: marcar pero NO bloquear (el operador decide). Anotar en el report.

Paso 6 · Score combinado

total_score = (humanizer_score * 0.4) + (brand_voice_score * 0.4) + (length_score * 0.2)
factuality_flags = [list]

Decisión final:

• total_score ≥ 8 AND humanizer ≥ threshold AND brand_voice ≥ 7 → ✅ pasa el gate
• Si falla cualquier threshold → ❌ no pasa, sugerencias para arreglar
• factuality_flags siempre se reportan, no bloquean automáticamente

Paso 7 · Output

## Output Verification Report

**Overall**: 7.8 / 10 → ❌ NO PASA (humanizer 6.5 < 7)

### Checks
- ✅ Length: dentro del rango ideal (1450 chars en LinkedIn post, ideal 1200-1800)
- ❌ Humanizer: 6.5 / 10 (3 em-dashes, "leverage" usado 2 veces)
- ✅ Brand voice: 8.5 / 10 (registro B divulgativo correcto)
- ⚠️ Factuality: 2 flags
  - "47% de mejora en productividad" (línea 12) — verificar fuente
  - "según Gartner 2025" (línea 18) — confirmar cita

### Sugerencias para subir humanizer
1. Sustituir em-dashes por comas o puntos
2. Cambiar "leverage" por "usar" o "aplicar" en líneas 4 y 9
3. Reescribir línea 7 ("Es no solo X, sino también Y")

### ¿Reescribimos? (sí/no)
Si dices sí, invoca tool-humanizer con max-rewrites:1.

Paso 8 · Pipeline-mode (cuando otra skill llama)

Si score-only: true, devolver solo:

{
  "passes_gate": false,
  "score": 7.8,
  "humanizer": 6.5,
  "brand_voice": 8.5,
  "length": 9.0,
  "factuality_flags": [...],
  "blocking_reason": "humanizer below threshold (6.5 < 7)"
}

La skill caller decide:

• Reintentar con tool-humanizer
• Aceptar score si no es bloqueante
• Devolver al usuario con warning

Paso 9 · Cierre

• Append a context/learnings.md si detectaste:
  • Patrón de fallo recurrente en una skill ("marketing-copywriting siempre falla humanizer en email")
  • Configuración de threshold inadecuada para una plataforma

Outputs

Standalone:

• projects/tool-output-verifier/<fecha>-<titulo>/report.md

Pipeline: JSON al caller.

Skills que llama

• tool-humanizer (siempre, paso 2)

Edge cases

• No hay brand-voice configurada: skip Check 2, baja peso a 30% humanizer + 30% brand-voice (que devuelve 5 default) + 40% length. Marcar warning.
• Plataforma desconocida: usar defaults (humanizer ≥ 7, length flexible). Pedir al usuario clarificar plataforma.
• Texto multi-idioma: validar cada idioma por separado, dar score promedio.
• Threshold conflicting con purpose: ej. email "personal a un amigo" no requiere humanizer 8. Pedir al usuario que confirme purpose si humanizer falla por threshold.

Examples

Ver references/examples.md para casos completos.

Knowledge

• references/platform-limits.md — tabla mantenida de límites por plataforma
• references/examples.md — casos pase / fallo / borderline