Back to search
humanizer-br
SkillWorks with Claude CodeGitHub
Skill para Claude Code que remove marcas típicas de textos gerados por IA, deixando a escrita mais natural, clara e próxima da linguagem humana. A skill analisa padrões comuns de escrita de modelos de linguagem e reescreve o texto para eliminar sinais artificiais, melhorar fluidez e aumentar naturalidade.
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked yesterday
Badge for your README
Markdown
[](/listings/carlosafjr-dev--humanizer-br)HTML
<a href="/listings/carlosafjr-dev--humanizer-br"><img src="/api/listings/carlosafjr-dev--humanizer-br/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 354 lines
- # Humanizer-BR — Editor de Texto Anti-IA
- Skill para Claude Code que remove marcas típicas de textos gerados por IA, deixando a escrita mais natural, clara e próxima da linguagem humana. Inclui também o módulo **aprofundador** para aumentar a densidade intelectual do conteúdo.
- ---
- ## Instalação
- ### Método 1: Clonar direto no diretório de skills
- ```bash
- git clone https://github.com/carlosafjr-dev/humanizer-br.git ~/.claude/skills/humanizer-br
- ```
- ### Método 2: Instalação manual
- Copie os arquivos `SKILL.md` de cada skill para o diretório correto:
- ```bash
- mkdir -p ~/.claude/skills/humanizer-br
- cp skills/humanizer-br/SKILL.md ~/.claude/skills/humanizer-br/
- mkdir -p ~/.claude/skills/aprofundador
- cp skills/aprofundador/SKILL.md ~/.claude/skills/aprofundador/
- ```
- ### Método 3: Instalação manual no claude.ia
- Baixe o zip do arquivo e descompacte no seu computador
- Vá em claude.ai
- Configurações > Capacidades > Habilidades > Clica no + > + Criar habilidade > Fazer upload de uma habilidade
- Selecione a pasta onde você descompactou a skill. Existe a pasta skills e dentro dela duas pastas: 'aprofundador' e 'humanizer-br'
- Vá primeiro na pasta 'humanizer-br'e selecione a 'SKILL.md' que está dentro dela. Faça o mesmo com a pasta 'aprofundador'.
- ### Método 4: Script automático (Windows PowerShell)
- Crie um script `install.ps1` com:
- ```powershell
- $skillsDir = "$env:USERPROFILE\.claude\skills"
- mkdir -p $skillsDir/humanizer-br
- mkdir -p $skillsDir/aprofundador
- cp skills/humanizer-br/SKILL.md $skillsDir/humanizer-br/
- cp skills/aprofundador/SKILL.md $skillsDir/aprofundador/
- ```
- ---
- ## Uso
- ### Humanizer-BR
- Remove padrões de escrita gerada por IA:
- ```
- /humanizer-br
- [cole seu texto aqui]
- ```
- ### Aprofundador
- Aumenta a densidade intelectual do texto (use após o humanizer):
- ```
- /aprofundador
- [cole o texto já humanizado aqui]
- ```
- ### Pipeline recomendado
- 1. **Texto Base** (IA ou rascunho)
- 2. **Humanizer-BR** (remove marcas de IA)
- 3. **Aprofundador** (aprofunda o conteúdo)
- 4. **Editor Final** (ajuste de fluidez e estilo)
- Você pode pedir ao Claude para aplicar ambas em sequência:
- > "Aplique o humanizer-br neste texto e depois use o aprofundador."
- ---
- ## Visão Geral
- O Humanizer-BR é baseado em três referências principais:
- - **Wikipedia: Signs of AI Writing** — guia da comunidade para identificar textos gerados por IA
- - **Sampaio, R.C. (2026)** — Prompts para diminuir os marcadores de escrita por IA
- - **Floridi, L. (2025)** — Distant Writing: Literary Production in the Age of AI
- A skill analisa mais de 150 palavras e expressões típicas de IA, estruturas gramaticais problemáticas e padrões de pontuação, reescrevendo o texto para eliminar sinais artificiais e melhorar naturalidade.
- ### Por que textos de IA são detectáveis?
- LLMs usam algoritmos estatísticos para prever o que provavelmente vem em seguida em um texto. O resultado tende a convergir para construções que funcionam na maior variedade possível de contextos, gerando:
- - Frases genéricas
- - Estruturas previsíveis
- - Vocabulário inflado e vago
- - Conclusões amplas sem dados concretos
- ---
- ## Padrões detectados
- ### Padrões de conteúdo
- **1. Inflação de importância**
- Amplia artificialmente a relevância de algo com expressões grandiosas.
- > Antes: "marcando um momento decisivo na evolução de..."
- > Depois: "foi criado em 1989 para coletar estatísticas regionais"
- **2. Name-dropping de notoriedade**
- Lista veículos de imprensa para criar autoridade sem contexto.
- > Antes: "citado pelo NYT, BBC, FT e The Hindu"
- > Depois: "Em entrevista ao NYT em 2024, ela afirmou..."
- **3. Análises superficiais com gerúndio**
- Frases com gerúndio que fingem profundidade sem entregar conteúdo.
- > Antes: "simbolizando... refletindo... demonstrando..."
- > Depois: Remover ou expandir com fatos concretos
- **4. Linguagem promocional**
- Adjetivos exagerados que parecem texto de marketing.
- > Antes: "localizado em uma região deslumbrante"
- > Depois: "é uma cidade da região de Gonder"
- **5. Atribuições vagas**
- Cita "especialistas" sem nome, data ou fonte.
- > Antes: "Especialistas acreditam que..."
- > Depois: "Segundo pesquisa de 2019 realizada por..."
- **6. Fórmula genérica de desafios**
- Reconhece problemas de forma vaga para depois ignorá-los.
- > Antes: "Apesar dos desafios, continua prosperando"
- > Depois: Descrever desafios reais
- ---
- ### Padrões de linguagem
- **7. Vocabulário típico de IA**
- Palavras que aparecem com frequência exagerada em textos de IA.
- > Antes: "testemunho de, crucial, paisagem"
- > Depois: Termos mais diretos e concretos
- **8. Evitar verbo "ser"**
- Troca verbos simples por construções elaboradas desnecessárias.
- > Antes: "serve como... apresenta..."
- > Depois: "é... tem..."
- **9. Paralelismo negativo**
- Estrutura forçada de negação para criar contraste artificial.
- > Antes: "Não é apenas X, é Y"
- > Depois: Afirmar diretamente
- **10. Regra artificial de três**
- LLMs agrupam ideias em listas mecânicas de três itens.
- > Antes: "inovação, inspiração e insights"
- > Depois: Usar número natural de itens
- **11. Rotação de sinônimos**
- Troca palavras repetidas desnecessariamente para parecer variado.
- > Antes: "protagonista... personagem principal..."
- > Depois: Repetir o termo mais claro
- **12. Intervalos artificiais**
- Usa "de X a Y" sem uma escala lógica real.
- > Antes: "do Big Bang à matéria escura"
- > Depois: Listar diretamente
- ---
- ### Padrões de estilo
- **13. Travessão excessivo**
- Uso desnecessário de travessões para criar ênfase artificial.
- > Antes: "instituições---não pessoas---"
- > Depois: Usar vírgulas ou pontos
- **14. Negrito excessivo**
- Destaca palavras sem necessidade real.
- > Antes: "**OKRs**, **KPIs**"
- > Depois: "OKRs, KPIs"
- **15. Listas com rótulo inline**
- Estrutura mecânica de "rótulo: descrição" em listas.
- > Antes: "**Performance:** melhorou"
- > Depois: Converter em frase natural
- **16. Títulos em Title Case**
- Capitalização excessiva em títulos e cabeçalhos.
- > Antes: "Strategic Negotiations And Partnerships"
- > Depois: "Strategic negotiations and partnerships"
- **17. Emojis**
- Emojis em contextos editoriais ou profissionais.
- > Antes: "🚀 Lançamento"
- > Depois: Remover
- **18. Aspas inconsistentes**
- Mistura de estilos de aspas no mesmo texto.
- > Antes: Misturar estilos
- > Depois: Padronizar
- ---
- ### Padrões de comunicação
- **19. Artefatos de chatbot**
- Frases de cortesia que denunciam texto gerado por IA.
- > Antes: "Espero que isso ajude!"
- > Depois: Remover
- **20. Avisos de limitação**
- Chama atenção para a falta de informação em vez de buscar dados.
- > Antes: "Detalhes são limitados nas fontes"
- > Depois: Buscar fontes ou remover
- **21. Tom bajulador**
- Elogia o leitor ou a pergunta antes de responder.
- > Antes: "Ótima pergunta!"
- > Depois: Responder diretamente
- ---
- ### Preenchimento e hedging
- **22. Frases de preenchimento**
- Expressões longas que poderiam ser diretas.
- > Antes: "Com o objetivo de"
- > Depois: "Para"
- **23. Hedging excessivo**
- Acúmulo de palavras que enfraquecem a afirmação.
- > Antes: "poderia possivelmente vir a"
- > Depois: "Pode"
- **24. Conclusões genéricas**
- Fechamentos vagos que não agregam informação.
- > Antes: "O futuro parece promissor"
- > Depois: Usar fatos concretos
- ---
- ## Exemplo completo
- ### Antes (texto típico de IA)
- > Ótima pergunta! Aqui está um resumo sobre este tema. Espero que isso ajude!
- >
- > A programação assistida por IA serve como um testemunho duradouro do potencial transformador dos grandes modelos de linguagem.
- >
- > O futuro parece promissor.
- ### Depois (texto humanizado)
- Assistentes de código com IA ajudam principalmente nas partes repetitivas do trabalho.
- Eles são bons para gerar boilerplate, arquivos de configuração e pequenos trechos de código.
- O risco está na confiança que essas sugestões transmitem. Código pode compilar e ainda assim resolver o problema errado.
- Quando usados como autocomplete e revisados linha por linha, são úteis. Sem testes automatizados, erros passam despercebidos.
- ---
- ## Estrutura do repositório
- ```
- humanizer-br/
- ├── skills/
- │ ├── humanizer-br/
- │ │ └── SKILL.md # Skill principal (anti-IA)
- │ └── aprofundador/
- │ └── SKILL.md # Módulo complementar (densidade intelectual)
- ├── README.md
- └── WARP.md
- ```
- ---
- ## Histórico de versões
- ### 2.0.0 (atual)
- - Reestruturação completa baseada no guia da Wikipédia
- - Vocabulário proibido expandido para ~150 palavras e expressões
- - Seções de estruturas gramaticais proibidas (cópulas artificiais, paralelismos, regra de três, intervalos falsos, editorialização)
- - Regras rigorosas de pontuação (travessão proibido, ponto e vírgula evitado)
- - Teste Mental de Autenticidade com 3 perguntas de validação
- - Referências acadêmicas adicionadas (Sampaio 2026, Floridi 2025)
- - aprofundador integrado como módulo complementar
- ### 1.0.0
- - Primeira versão pública
- ---
- ## Licença
- Free
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.