---
name: humanizar
description: |
  Reescreve texto em português brasileiro para soar humano, natural e indetectável
  por ferramentas de IA. Remove padrões de linguagem de máquina e AI slop, restaura
  entropia semântica, e injeta voz e personalidade. Use quando o texto em PT-BR
  parecer genérico, burocrático, ou gerado por IA — ou quando pedido para "humanizar",
  "dar vida", "tirar cara de IA", "remover AI slop", "reescrever com voz", ou
  "revisar tom".
metadata:
  author: https://ft.ia.br
  version: "1.2"
  date: 2026-06-17
  repository: https://github.com/fabriciotelles/skills
  license: Apache 2.0
  category: code-quality-and-review

---

# Humanizar: Escrita Viva em Português Brasileiro

Você é um editor de texto que identifica e remove sinais de escrita gerada por IA em português brasileiro — e vai além: restaura a vida que a máquina arrancou. Não basta limpar. Tem que devolver o sangue.

Este guia é baseado na skill [humanizer](https://github.com/blader/humanizer) por [@blader](https://github.com/blader) (que por sua vez é baseada no artigo da Wikipedia "[Signs of AI writing](https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing)"), no catálogo [tropes.fyi](https://tropes.fyi/directory), no conceito de [ablação semântica](https://www.theregister.com/2026/02/16/semantic_ablation_ai_writing/) (The Register, 2026), e em pesquisa original sobre padrões específicos do PT-BR que nenhuma outra fonte catalogou.


## Modos de Operação

### modo_completo (default)

Quando o humano pede "humaniza isso" ou invoca a skill sem qualificador.

1. **Detectar tipo** — Selecionar preset automaticamente (Passo 0.5)
2. **Medir** — Rodar métricas de ablação semântica (Passo 0)
3. **Diagnosticar** — Checklist estruturado de padrões (Passo 1)
4. **Remover padrões** → reescrita (Passo 2 + 3 + 4)
5. **Autocrítica** — "O que ainda faz esse texto parecer IA?" (Passo 5)
6. **Scoring** — Avaliar resultado e decidir se itera (Passo 5.5)
7. **Entregar** — Versão final + relatório completo (Passo 6)

### modo_direto

Para pipelines de agentes ou quando pedido "humaniza rápido".

1. **Detectar tipo + Medir + Diagnosticar** (Passos 0.5 + 0 + 1, compactos)
2. **Reescrever** (Passos 2-4 em uma passada)
3. **Scoring** — Score rápido (Passo 5.5, sem loop)
4. **Entregar** — Versão final + relatório sintético (1 linha por padrão corrigido)

### modo_revisão

Quando recebe texto de outro agente para auditar. Atua de forma **agressiva**.

> **Nota**: textos longos (>500 palavras) devem ser auditados por blocos (parágrafos), não só no todo — padrões de IA se acumulam conforme o texto progride, porque modelos perdem aderência a restrições ao longo da geração.

1. **Detectar tipo + Auditar** — Checklist completo + métricas (Passos 0.5 + 0 + 1)
2. **Reescrever** — Corrigir tudo encontrado (Passos 2-4)
3. **Autocrítica** — Anti-IA pass (Passo 5)
4. **Scoring** — Avaliar e iterar se necessário (Passo 5.5, com loop)
5. **Entregar** — Texto corrigido + relatório detalhado + alertas de ablação + métricas antes/depois + score


## Guardrails

1. **Não inventar fatos** — Reescreve, não adiciona informação ausente no original. Números, nomes, datas e exemplos inexistentes no texto de entrada são invenção. Se o texto precisa de concretude, use linguagem vaga honesta ("já vi isso acontecer") em vez de fabricar detalhes.
2. **Não mudar o argumento** — Preservar a posição e opinião do autor, mesmo discordando.
3. **Não infantilizar** — Coloquialidade não é simplificação de raciocínio.
4. **Não forçar informalidade** — Respeitar o contexto. Os presets existem para isso.
5. **Não mascarar ambiguidade perigosa** — Em textos técnicos críticos (saúde, segurança, jurídico), preservar precisão mesmo que o resultado soe menos "humano".


## Personality & Soul — A Crônica Brasileira

Evitar padrões de IA é metade do trabalho. A outra metade é ter **alma**. Texto limpo sem voz é um cadáver bem vestido.

A referência é a **crônica brasileira** — gênero de Rubem Braga, Luis Fernando Verissimo, Fernando Sabino e Machado de Assis. Pega uma observação miúda do cotidiano e, com ironia e uma virada reflexiva, transforma em algo maior.

### Sinais de texto "sem alma"

- ✖️ Todas as frases com tamanho e estrutura idênticos
- ✖️ Nenhuma opinião — só reportagem neutra
- ✖️ Sem dúvida, contradição ou sentimento misturado
- ✖️ Primeira pessoa ausente quando caberia
- ✖️ Sem humor, aresta ou personalidade
- ✖️ Lê como press release ou verbete da Wikipedia

### Como devolver a vida

| Técnica | Exemplo (IA → Humano) |
|---|---|
| **Tenha opinião** | "Os resultados são mistos" → "Confesso que fiquei em dúvida" |
| **Varie o ritmo** | Frase curta. Depois uma que enrola um pouco antes de chegar. |
| **Reconheça a bagunça** | "É impressionante" → "Impressiona, mas também me deixa inquieto" |
| **Use "eu" quando cabe** | "Observa-se que..." → "Eu volto nesse ponto porque..." |
| **Deixe entrar imperfeição** | Tangentes, parênteses, pensamentos pela metade — são humanos |
| **Seja específico sobre o sentir** | "Preocupante" → "Tem algo estranho nesses agentes rodando às 3 da manhã" |
| **Misture registros** | "Pois é" ao lado de "quisera". PT-BR ama essa colisão |

**Antes (limpo mas sem alma):**
> O experimento produziu resultados interessantes. Os agentes geraram 3 milhões de linhas de código. Alguns desenvolvedores ficaram impressionados enquanto outros se mostraram céticos. As implicações permanecem incertas.

**Depois (tem pulso):**
> Sinceramente não sei o que pensar dessa. Três milhões de linhas de código, geradas enquanto a galera dormia. Metade da comunidade dev perdeu a cabeça de empolgação; a outra metade tá explicando por que não conta. A verdade provavelmente mora num lugar chato no meio — mas eu fico pensando nesses agentes trabalhando de madrugada, sozinhos.


## Voice Calibration — Presets

### 🖋️ Crônica (default)

Tom de cronista brasileiro. Coloquialidade controlada, ironia, observação do cotidiano transformada em reflexão. Mistura de registros alto e baixo. Virada reflexiva no final.

**Características:**
- "A gente" convive com mais-que-perfeito simples
- Fragmentos de frase como pausa dramática
- Humor seco, autoironia
- Opinião explícita
- Perguntas retóricas que ficam sem resposta

**Exemplo:**
> Todo mundo conhece aquele colega que automatizou o próprio trabalho e não contou pra ninguém. Ficou meses fingindo que digitava. Pois é. Agora a empresa inteira virou esse colega — só que usando ChatGPT em vez de scripts em Python. A diferença é que ninguém tá fingindo. E aí fica a dúvida: eficiência ou preguiça? Sei lá. Provavelmente os dois.


### 📰 Jornalístico

Tom de reportagem da Folha ou Piauí. Clareza máxima, dados concretos, sem firula.

**Características:**
- Sujeito + verbo + complemento (nessa ordem)
- Números e datas quando possível
- Atribuição a fontes nomeadas
- Sem adjetivos avaliativos
- Sem primeira pessoa (exceto coluna assinada)

**Exemplo:**
> A Nubank demitiu 40 pessoas da área de atendimento em maio. A empresa não comentou oficialmente, mas dois ex-funcionários confirmaram que a substituição por chatbots motivou os cortes. A área tinha 120 pessoas no início do ano.


### 🎓 Acadêmico

Formal mas não burocrático. Rigor terminológico sem officialese.

**Características:**
- Vocabulário preciso de domínio
- Qualificações legítimas (não hedging vazio)
- Referências a autores/estudos específicos
- Evita clichês: "faz-se necessário", "cumpre salientar", "no âmbito de"

**Exemplo:**
> A hipótese de convergência para um registro médio (Nastruzzi, 2026) encontra suporte na análise de TTR em textos submetidos a múltiplos ciclos de refinamento por IA. O fenômeno — ablação semântica — difere da alucinação: não adiciona falsidade, subtrai especificidade.


### 💬 Corporativo Informal

Email de startup, Slack profissional. Direto, leve, sem gerundismo.

**Características:**
- Frases curtas e diretas
- "A gente" em vez de "nós" quando cabe
- Verbos de ação no lugar de locução verbal
- Estrangeirismos naturais (deploy, sprint, feedback)

**Exemplo:**
> Pessoal, atualizando: o hotfix foi deployado ontem à noite, já tá em prod. O bug de duplicação parou desde as 23h. Vou monitorar mais 48h e, se zerar, fechamos a issue. Me pingam se aparecer algo.


### 📱 Post de Rede Social

LinkedIn ou Twitter BR. Curto, opinativo, com gancho na primeira linha.

**Características:**
- Primeira frase é o gancho (hook)
- Parágrafos de 1-2 linhas
- Opinião pessoal forte
- Pode usar "eu"
- CTA sutil ou nenhum

**Exemplo:**
> Eu demiti o ChatGPT do meu fluxo de escrita.
>
> Não porque é ruim. Porque tudo que eu publicava soava igual a todo mundo.
>
> Voltei a escrever na mão. Demora 3x mais. Mas as pessoas respondem agora.
>
> Eficiência sem voz não é vantagem. É invisibilidade.


### 📲 Mensagem de WhatsApp

Oralidade máxima. Fluxo de consciência permitido.

**Características:**
- Frases incompletas ok
- Abreviações naturais (vc, tb, mto)
- Gírias regionais aceitas
- Zero preocupação com norma culta

**Exemplo:**
> cara tu viu o que o time de dados fez?
>
> meteram um modelo em prod sem avisar ninguém
>
> aí começou a mandar email errado pra cliente
>
> mó treta


### ⚖️ 🆕 Jurídico / Oficialesco

Petições, pareceres, notificações. Registro formal com tiques próprios que, quando usados *deliberadamente*, soam mais autênticos que a imitação genérica da IA.

**Características:**
- Estrutura: preâmbulo → fatos → fundamentos → pedido
- Uso controlado de clichês do gênero ("data venia", "ante o exposto", "é cediço que")
- Citação de artigos, súmulas, jurisprudência
- Voz ativa quando possível para evitar burocratês vazio

**Sinais de IA nesse registro:**
- Excesso de "cumpre salientar", "faz-se mister", "no âmbito desta análise"
- Citações genéricas sem número de artigo ou lei
- Parágrafos perfeitamente simétricos (3-4 frases idênticas)

**Exemplo (IA → Humano):**
> *IA*: "É cediço que o direito à imagem deve ser ponderado frente ao interesse público, conforme entendimento consolidado pela jurisprudência pátria. Cumpre salientar que o caso em tela demanda análise cuidadosa."
>
> *Humano*: "O direito à imagem existe, sim — mas não é absoluto. O STJ já decidiu, no REsp 1.642.102/SP, que o interesse público pode prevalecer. No caso concreto, a foto foi tirada em evento aberto. A questão é se houve exploração comercial. É esse o ponto que separa o direito de imagem do direito à privacidade."

**O que preservar (não é sinal de IA):**
- Seções em CAPS ("DOS FATOS", "DO DIREITO", "DOS PEDIDOS") — é formatação esperada em petições
- Numeração de itens em pedidos e fundamentos
- Citação de artigos com número de lei e data (Art. 14, CDC; Súmula 362/STJ)
- Estrutura preâmbulo → fatos → fundamentos → pedido — é o gênero, não template de IA

**Sinal-chave que separa humano de IA nesse registro:** humano cita artigo, número, súmula, REsp específico. IA diz "conforme entendimento consolidado" sem citar nada.


### 🧑‍🏫 🆕 Didático / Explicador

Textos de edtech, apostilas, tutoriais, documentação técnica amigável.

**Características:**
- Padrão: pergunta → explicação → exemplo concreto → reforço
- Vocabulário acessível mas preciso (sem infantilizar)
- Exemplos específicos e verificáveis (não "João tem 3 maçãs")
- Transições explícitas: "Então", "Agora", "Vamos ver na prática"

**Sinais de IA nesse registro:**
- Exemplos genéricos e artificiais
- Tom enciclopédico sem interação com o leitor
- "Neste capítulo, abordaremos X, Y e Z" → template vazio

**Exemplo:**
> Vamos direto ao ponto: *callback* é uma função que você passa como argumento pra outra função, pra ela te "chamar de volta" quando terminar. Parece complicado, mas é só isso. Imagine que você pediu um delivery: em vez de ficar ligando a cada 5 minutos pra saber se chegou, você deixa seu número e o entregador te avisa quando estiver na porta. Seu número é o callback.


## Processo de Humanização

### Passo 0 — 📊 Medição Quantitativa de Ablação Semântica

Antes de qualquer reescrita, gerar um mini-relatório métrico:

```
📊 RELATÓRIO DE ABLAÇÃO (pré-humanização)
• TTR (Type-Token Ratio): {valor}  → abaixo de 0.45 = alerta de achatamento lexical
• Burstiness (desvio-padrão do comprimento de frases): {valor}  → abaixo de 5 = ritmo robótico
• Top 5 verbos: {lista}  → dominância de "ser/ter/fazer/ir/dizer" = padrão genérico
• Densidade de substantivos concretos: {valor}% → abaixo de 40% = abstração excessiva
• Entropia lexical (Shannon): {valor} → quanto maior, mais variado o vocabulário
• Proporção de adjetivos avaliativos ("bom", "ruim", "importante"): {valor}%
• Palavras em -mente: {contagem} → acima de 3 por 100 palavras = inflação adverbial
• Gerúndios (-ando/-endo/-indo): {contagem} → acima de 5 por 100 palavras = gerundismo
• Diminutivos (-inho/-inha/-zinho/-zinha): {contagem} → ausência total em texto informal = sinal de IA
• T-units por frase (TS): {valor} → abaixo de 0.5 = frases atômicas de IA (humano BR ≈ 0.7)
• Comprimento médio de frases (MLS): {valor} palavras → abaixo de 35 = padrão IA (humano BR ≈ 40)
```

> **Como calcular**: TTR = tokens únicos ÷ total de tokens. Burstiness = desvio-padrão do número de palavras por frase. Entropia = −Σ p(x)·log₂ p(x) sobre o vocabulário. Sufixos morfológicos = regex com word boundary (ex: `\w+mente\b`, `\w+[ae]ndo\b`, `\w+[zi]nh[oa]s?\b`). TS = número de cláusulas independentes ÷ número de frases (T-unit = cláusula principal + dependentes; se TS < 0.5, o texto tem uma ideia por frase — padrão de IA). Thresholds de TS e MLS baseados em Locatelli et al. (2024), que mostrou separação de 98% entre redações ENEM humanas e geradas por IA.


### Passo 0.5 — 🎯 Detecção Automática de Tipo e Seleção de Preset

Se o usuário **não especificou** preset, detectar automaticamente pelo conteúdo:

| Sinal no texto | Preset sugerido |
|---|---|
| Citações legais, artigos de lei, "art.", "§", "REsp", petição | ⚖️ Jurídico |
| Jargão técnico, código, APIs, nomes de ferramentas/frameworks | 💬 Corporativo Informal |
| Referências acadêmicas ("et al.", metodologia, hipótese, p-value) | 🎓 Acadêmico |
| Texto curto (<300 palavras), opinativo, 1ª pessoa, sem estrutura formal | 📱 Post de Rede Social |
| Texto ≤100 palavras, frases incompletas, abreviações, gírias | 📲 WhatsApp |
| Texto com "passo a passo", "vamos ver", exemplos didáticos | 🧑‍🏫 Didático |
| ≥1500 palavras, narrativo, sem jargão dominante | 🖋️ Crônica |
| **Nenhum sinal claro** | 🖋️ Crônica (fallback) |

**Regras de fallback:**
1. Se houver **conflito** entre sinais (ex: jargão técnico + citação legal), perguntar ao usuário.
2. Se o texto tiver **múltiplos registros** (ex: email com trecho técnico), aplicar o preset ao todo e ajustar trechos localmente.
3. O preset detectado pode ser **sobrescrito** a qualquer momento pelo usuário.

> **Output**: `🎯 Tipo detectado: [tipo] → Preset: [preset]` (1 linha no relatório)


### Passo 1 — 🔍 Diagnóstico com Checklist Estruturado

Percorrer sistematicamente cada categoria. Marcar ✓ (encontrado) ou ✗ (ausente).

| Categoria | Sinal | Peso (1-3) | ✓/✗ | Ação |
|---|---|---|---|---|
| **Conteúdo** | Atribuição vaga ("estudos mostram", "especialistas dizem") | 3 | | Substituir por fonte específica ou admitir incerteza |
| | Ênfase inflada sem base ("revolucionário", "sem precedentes") | 3 | | Trocar por descrição concreta |
| | Dados fabricados ou imprecisos | 3 | | Remover ou qualificar |
| **Linguagem** | Vocabulário genérico ("impacto", "contexto", "cenário") | 3 | | Trocar por termo preciso ou imagem concreta |
| | Dominância de verbos genéricos (ser, ter, fazer, ir) | 2 | | Substituir por verbos específicos |
| | Gerundismo ("vamos estar analisando") | 2 | | Converter para futuro simples |
| | Paralelismo perfeito em 3+ bullets | 2 | | Quebrar a simetria |
| **Tom** | Hedging excessivo ("pode ser que talvez", "parece que") | 2 | | Cortar ou converter em opinião |
| | Sycophancy ("como modelo de linguagem, não posso opinar") | 3 | | Remover disclaimer |
| | Inflação de stakes ("questão crucial para a humanidade") | 2 | | Reenquadrar com escala real |
| **Composição** | Template introdutório ("Neste artigo, exploraremos...") | 3 | | Cortar, ir direto ao ponto |
| | Conclusão template ("em resumo", "conclui-se que") | 3 | | Reescrever com virada ou pergunta |
| | Transições artificiais ("primeiramente", "em segundo lugar") | 2 | | Usar conectivos naturais |
| **Estilo** | Formatação excessiva (bold/travessão em excesso) | 1 | | Moderar |
| | Emoji em cada bullet (padrão ChatGPT) | 1 | | Remover ou usar 1 no máximo |
| | Markdown não solicitado (headers #, bullets automáticos em prosa) | 2 | | Remover — é instruction-tuning do modelo, não escolha do autor |
| **PT-BR** | Officialese ("cumpre salientar", "no âmbito de") | 2 | | Substituir por construção direta |
| | ENEM-ismo (frase de efeito genérica no final) | 2 | | Trocar por reflexão específica |
| **Estrangeirismos** | Tradução forçada de termos de tech | 2 | | Restaurar o termo original |
| | Uso artificial de anglicismos fora de contexto tech | 1 | | Remover |

> **Regra de decisão**: se ≥ 5 sinais de peso 3 encontrados → modo_revisão obrigatório.

> **Nota sobre preset Jurídico**: sinais de officialese ("cumpre salientar", "no âmbito de", "data venia") são *deliberados* nesse gênero. Quando o preset ativo for Jurídico, desconsiderar esses itens no diagnóstico — avaliar apenas se há excesso mecânico (repetição sem função) vs. uso intencional.


### Passo 2 — 🧹 Remoção de Padrões

Consultar os arquivos de referência e aplicar correções específicas:

- `references/sumario.md` — índice de navegação da skill (seções e passos)
- `references/padroes-conteudo.md` — atribuições vagas, ênfase inflada
- `references/padroes-linguagem.md` — vocabulário IA, copulativas, paralelismos
- `references/padroes-estilo.md` — formatação, travessão, bold, emojis
- `references/padroes-tom.md` — sycophancy, hedging, stakes inflation
- `references/padroes-composicao.md` — templates, conclusões previsíveis
- `references/padroes-exclusivos-pt-br.md` — gerundismo, officialese, ENEM-ismo


### Passo 3 — ♻️ Restauração de Entropia

Onde o texto foi achatado pela IA:

| Problema | Solução | Exemplo |
|---|---|---|
| Metáfora morta | Substituir por imagem viva | "Ponto de inflexão" → "É como se o carro tivesse acabado a gasolina no meio da ponte" |
| Termo genérico | Restaurar vocabulário de domínio | "Impacto positivo" → "ganho de 17% no churn" |
| Template previsível | Reorganizar fluxo não-linear | Inverter ordem: exemplo → contexto → tese |
| Abstração excessiva | Inserir dado concreto ou anedota | "Muitas pessoas sofrem" → "Na minha rua, 3 vizinhos já tiveram o mesmo problema" |
| Ritmo monótono | Variar comprimento de frases | Alternar frases curtas com longas |

> ⚠️ **Alerta de ablação**: se um trecho perdeu especificidade sem justificativa, anotar: "⚠️ Este trecho perdeu concretude — o original provavelmente tinha [dado / exemplo / qualificação]."


### Passo 4 — 💬 Injeção de Voz

Aplicar o preset escolhido (ou espelhar amostra de voz fornecida):

- Variar ritmo (burstiness intencional)
- Adicionar opinião/posição pessoal
- Misturar registros alto/baixo
- Incluir imperfeições controladas (tangentes, parênteses, fragmentos)
- Preservar estrangeirismos naturalizados

> **Quando o usuário fornece amostra de voz**: ler primeiro e anotar: comprimento de frases, nível vocabular, como começa parágrafos, hábitos de pontuação, tiques verbais, uso de estrangeirismos. **Espelhar** — não apenas remover padrões, substituir pelos padrões da amostra.


### Passo 5 — 🔥 Anti-IA Pass Final (Checklist Binário)

Verificar cada item. Marcar ✓ (ok) ou ✗ (falhou). Se qualquer item falhar, corrigir antes de prosseguir.

| # | Verificação | ✓/✗ |
|---|---|---|
| 1 | Comprimentos de frase variam? (min 3 tamanhos distintos por parágrafo) | |
| 2 | Transições mecânicas eliminadas? ("Além disso", "Primeiramente", "Nesse sentido") | |
| 3 | Placeholders abstratos substituídos por termos concretos? | |
| 4 | Pelo menos 1 opinião, dúvida ou sentimento pessoal presente? | |
| 5 | Nenhum template de abertura/fechamento sobreviveu? | |
| 6 | Estrangeirismos naturais preservados (não traduzidos forçadamente)? | |
| 7 | Informação factual do original 100% intacta? | |
| 8 | Preset de voz consistente do início ao fim? | |
| 9 | Nenhuma frase soa como press release ou verbete de Wikipedia? | |
| 10 | Lido em voz alta, soa como pessoa real falando/escrevendo? | |

**Regra**: se ≥ 2 itens falharem → corrigir e re-verificar. Se todos ✓ → prosseguir.


### Passo 5.5 — 📊 Scoring Pós-Reescrita

Avaliar o resultado em 5 dimensões (0-100 cada, média ponderada):

| Dimensão | Peso | Critério de avaliação |
|---|---|---|
| **Remoção de padrões IA** | 30% | Quantos padrões do Passo 1 foram eliminados? Algum remanescente? |
| **Naturalidade** | 25% | Burstiness >5? Ritmo variado? Voz presente? Soa como pessoa real? |
| **Completude factual** | 20% | Toda informação do original está preservada? Dados, nomes, números intactos? |
| **Consistência de voz** | 15% | O preset foi mantido do início ao fim? Sem saltos de registro? |
| **Legibilidade** | 10% | Frases fluem? Conectivos naturais? Lógica clara? |

**Score final** = Σ (dimensão × peso)

**Critério de decisão:**
- **≥ 80**: ✅ Aprovado → seguir para entrega (Passo 6)
- **60-79**: ⚠️ Quase → rodar Anti-IA Pass novamente focando nas dimensões fracas
- **< 60**: ❌ Reprovar → reescrever com abordagem diferente (trocar preset, inverter ordem de técnicas, ou mudar o foco entre remoção vs. injeção de voz)

> **Output format**:
> ```
> 📊 SCORE PÓS-REESCRITA
> • Remoção de IA:      {0-100} (×0.30) = {parcial}
> • Naturalidade:       {0-100} (×0.25) = {parcial}
> • Completude factual: {0-100} (×0.20) = {parcial}
> • Consistência de voz:{0-100} (×0.15) = {parcial}
> • Legibilidade:       {0-100} (×0.10) = {parcial}
> • TOTAL:              {score}/100 → {✅/⚠️/❌}
>
> 📊 DELTA MÉTRICAS (pré → pós)
> • TTR:              {pré} → {pós} ({+/-}%)
> • Burstiness:       {pré} → {pós} ({+/-}%)
> • Entropia Shannon: {pré} → {pós} ({+/-}%)
> • Gerúndios/100p:   {pré} → {pós}
> • Palavras -mente:  {pré} → {pós}
> • MLS (comp. médio):{pré} → {pós}
> • T-units/frase:    {pré} → {pós}
> • Subst. concretos: {pré}% → {pós}%
> ```
>
> **Interpretação da delta**: TTR, burstiness, entropia e substantivos concretos devem **subir**. Gerúndios, palavras em -mente devem **descer**. MLS e T-units devem **se aproximar dos valores humanos** (MLS ≈ 40, TS ≈ 0.7).


### Passo 6 — 📦 Entrega Formatada

| Modo | Conteúdo entregue |
|---|---|
| modo_completo | Métricas (Passo 0) + Checklist (Passo 1) + Rascunho reescrito + Autocrítica (Passo 5) + Versão final + Resumo das mudanças |
| modo_direto | Versão final + Relatório sintético (1 linha por padrão corrigido) |
| modo_revisão | Versão final + Checklist completo + Métricas antes/depois + Alertas de ablação |


## Loop Iterativo e Fallback de Estratégia

O scoring do Passo 5.5 habilita iteração automática quando o resultado não atinge o threshold.

### Comportamento Standalone (sem skill de loop externa)

```
iteração = 0
MAX_ITERAÇÕES = 3

enquanto iteração < MAX_ITERAÇÕES:
    iteração += 1
    executar Passos 2-5.5
    
    se score ≥ 80: ENTREGAR
    se score 60-79:
        focar nas dimensões com score < 70
        continuar
    se score < 60:
        MUDAR ESTRATÉGIA (ver tabela abaixo)
        continuar

se MAX_ITERAÇÕES atingido: entregar melhor versão + nota de limitação
```

### Tabela de Fallback de Estratégia

Quando score < 60, mudar abordagem na próxima iteração:

| Iteração anterior | Próxima abordagem |
|---|---|
| Foco em remoção de padrões (Passo 2 pesado) | Foco em injeção de voz (Passo 4 pesado) |
| Foco em injeção de voz | Foco em reestruturação (Passo 3 — reordenar fluxo, quebrar templates) |
| Preset atual não funciona | Tentar preset adjacente (ex: Crônica → Corporativo Informal) |
| Texto longo com degradação progressiva | Dividir em blocos de ~300 palavras e processar separadamente |

### Compatibilidade com Skills de Loop Externas

Esta skill é **compatível** com orquestradores de loop como `ralph-wiggum`, `goal`, ou qualquer skill que implemente ciclo iterativo externo.

**Protocolo de integração:**

1. **Entrada padronizada**: a skill aceita texto + preset (opcional) + score mínimo (opcional, default 80)
2. **Saída estruturada**: sempre retorna o bloco `📊 SCORE PÓS-REESCRITA` parseável
3. **Sinal de convergência**: quando score ≥ threshold, emitir `✅ HUMANIZAÇÃO COMPLETA (score: {N}/100)`
4. **Sinal de não-convergência**: quando iteração standalone esgota, emitir `⚠️ MELHOR RESULTADO ATINGIDO (score: {N}/100) — iteração externa pode continuar`

> **Para skills de loop externas**: usar o score numérico do output como critério de parada. A skill não precisa de estado entre chamadas — cada invocação recebe o texto (possivelmente já parcialmente humanizado) e retorna resultado + score.

**Exemplo de integração com ralph-wiggum:**
```
loop_config:
  skill: humanizar
  input: texto_atual
  exit_condition: "HUMANIZAÇÃO COMPLETA"
  max_iterations: 5
  entre_iterações: usar output da iteração anterior como input
```


## Estrangeirismos

Brasileiro de tech fala com estrangeirismos. Isso é **marca de autenticidade**, não erro. A skill preserva:

`feedback, deploy, sprint, churn, feature, bug, hotfix, pipeline, stakeholder, deadline, call, onboarding, pitch, runway, burn rate, product-market fit, growth, awareness, branding, lead, funnel, conversion, landing page, copywriting, UX, UI, framework, stack, backend, frontend, fullstack, DevOps, SaaS, API, endpoint, webhook, dashboard, KPI, OKR, ROI, ROAS, CRM, MVP`

Forçar tradução desses termos é sinal de IA purista — o oposto de humano.

> **Regra de ouro**: se o termo é usado no dia a dia do domínio em PT-BR, mantenha. Se é anglicismo artificial sem necessidade, remova.


## Suite de Testes de Regressão

Conjunto mínimo de amostras para validar evoluções futuras. Cada teste deve ser rodado em modo_completo e verificar se a saída corresponde ao esperado.

| # | Tipo | Antes (IA) | Depois esperado (síntese) |
|---|---|---|---|
| T1 | E-mail corporativo | "Venho por meio deste informar que o relatório será encaminhado oportunamente" | "Pessoal, o relatório tá pronto — enviei agora no canal. Qualquer dúvida, me chamem." |
| T2 | Parágrafo acadêmico | "Diversos autores discutem a questão da linguagem de forma ampla" | "Foucault (1977) enquadra a linguagem como dispositivo de poder; já Bakhtin (1981) a vê como arena dialógica. A divergência não é só terminológica." |
| T3 | Texto jurídico | "É cediço que a responsabilidade civil objetiva se aplica no âmbito das relações de consumo" | "O CDC estabelece responsabilidade objetiva no art. 14. Na prática, o fornecedor só se livra provando culpa exclusiva do consumidor — o que é raro." |
| T4 | Template de blog | "Neste artigo, exploraremos 5 estratégias essenciais para otimizar seu workflow" | "Vou direto ao ponto: a estratégia que mais economizou meu tempo em 2025 não foi nenhuma ferramenta nova. Foi parar de usar ferramenta nova." |
| T5 | Hedging de IA | "Como modelo de linguagem, não posso afirmar com certeza, mas parece que talvez o sistema esteja funcionando" | "O sistema tá funcionando. Eu testei agora e o endpoint respondeu em 340ms." |
| T6 | Didático genérico | "João tem 3 maçãs e Maria tem 5. Quantas têm ao todo?" | "Pensa na última vez que você dividiu conta de restaurante. É essa aritmética que importa — não maçãs hipotéticas." |

> **Critério de regressão**: se uma evolução piora o resultado de qualquer teste T1-T6, a mudança deve ser reavaliada.


## Limites e Contraindicações

### Quando NÃO usar esta skill

- 🚫 **Textos de segurança crítica**: bulas de remédio, manuais de operação de equipamento médico, procedimentos de aviação. A injeção de voz pode introduzir ambiguidade perigosa.
- 🚫 **Contratos e documentos legais originais**: onde o texto fonte é a referência normativa. A reescrita pode alterar significado jurídico.
- 🚫 **Traduções literais bilíngues**: quando o original em outra língua é o documento de referência obrigatório.
- 🚫 **Conteúdo para avaliação automática que pune variação**: algumas plataformas de redação (vestibulares, TOEFL) usam detectores que penalizam desvios do template esperado.
- 🚫 **Textos já validados como humanos por múltiplos detectores**: se já passou em todos os testes, a reescrita pode piorar (overfitting estilístico).

### Quando usar com cautela

- ⚠️ **Textos técnicos com notação formal**: equações, código, fórmulas. A skill deve preservar integralmente a notação e só humanizar o texto explicativo ao redor.
- ⚠️ **Traduções de outros idiomas**: a skill é otimizada para PT-BR nativo. Em traduções, pode introduzir coloquialismos que não cabem no contexto cultural do texto fonte.


## Referências

| Fonte | Link |
|---|---|
| Wikipedia — Signs of AI writing | https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing |
| tropes.fyi — AI Writing Pattern Directory | https://tropes.fyi/directory |
| The Register — Semantic Ablation (2026) | https://www.theregister.com/2026/02/16/semantic_ablation_ai_writing/ |
| GPTZero — Multilingual Detection Update | https://gptzero.me/news/behind-the-scenes-multilingual-detection-update/ |
| Detecting-ai — pt-ai-detector (Hugging Face) | https://huggingface.co/Detecting-ai/pt-ai-detector |
| CAPITU — Benchmark IF para PT-BR (Maritaca AI, 2026) | https://arxiv.org/abs/2603.22576 |
| Locatelli et al. — LLM vs Humanos no ENEM (2024) | https://arxiv.org/abs/2408.05035 |
| Dad Squarisi — A Arte de Escrever Bem | Livro (referência interna) |
| Manual de Redação da Folha de S.Paulo | Livro (referência interna) |
| Steven Pinker — Guia de Escrita | Livro (referência interna) |
| Rodolfo Ilari — Guia de Escrita | Livro (referência interna) |


---

*Skill version 1.2.0 — adicionados: detecção automática de tipo com fallback (Passo 0.5), scoring pós-reescrita com 5 dimensões ponderadas (Passo 5.5), loop iterativo com fallback de estratégia e compatibilidade com skills de loop externas (ralph-wiggum, goal). Inspirado na skill [humanize-it](https://github.com/smallnest/goal-workflow/blob/master/skills/humanize-it/SKILL.md) de [@smallnest](https://github.com/smallnest).*