li-human
Skill0 starsChanged 26 days agoMITView on GitHub
Saca la huella de máquina de cualquier borrador en español o inglés (rayas, léxico de manual, calcos del inglés, caracteres invisibles, mezcla de voseo y tuteo) y lo puntúa con un panel de cinco chequeos antes de que salga. Usalo cuando un texto tiene que sonar humano, cuando el usuario dice "humanizá esto", "¿suena a IA?", "sacale las rayas", "limpialo", "¿me van a detectar?", y antes de mostrar cualquier post, comentario, respuesta o DM de LinkedIn.
10 other projects use a version of this.
Adopted by
Most recently taken up by
- gladosAagman/linkedin-agent-skilltheir own version, first seen Nov 15, 2026
- furkanbilalakyuz/linkedin-agent-skill-trtheir own version, first seen Nov 8, 2026
- HemanthMChakravarthy/linkedin-agent-skillstheir own version, first seen Nov 8, 2026
- mkmlabs-ai/linkedin-agenttheir own version, first seen Nov 8, 2026
- mubaid/dsh-linkedin-agenttheir own version, first seen Oct 25, 2026
- robbiehaynes/job-searchtheir own version, first seen Oct 20, 2026
Other versions10 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 10
- Jakeschincariol/linkedin-agent-skill★ 514same name
- avi691/linkedin-agent-skill★ 5same name
- mkmlabs-ai/linkedin-agent★ 4same name
- nessalazne/linkedin-agent-skill★ 3same name
- postzen-dev/linkedin-agent-skill★ 3same name
- HemanthMChakravarthy/linkedin-agent-skills★ 2same name
- gladosAagman/linkedin-agent-skill★ 1same name
- furkanbilalakyuz/linkedin-agent-skill-tr★ 0same name
- mubaid/dsh-linkedin-agent★ 0same name
- robbiehaynes/job-search★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository14 other files it gives its agents.
- CLAUDE.mdCLAUDE.md
- li-auditSkill
- li-bilingueSkill
- li-carouselSkill
- li-commentSkill
- li-dmSkill
- li-inboxSkill
- li-lectoresSkill
- li-planSkill
- li-postSkill
- li-profileSkill
- li-replySkill
- li-repurposeSkill
- li-territorioSkill
The file
Files
li-human
Dos herramientas que corren de verdad. Usalas; no lo hagas a ojo.
python3 humanize.py borrador.txt --report --registro voseo # limpia y muestra qué cambió
python3 detect.py borrador.txt --registro voseo # puntúa, cinco chequeos
python3 detect.py antes.txt despues.txt # muestra la diferenciaEl idioma se detecta solo (--lang es|en para forzarlo). El registro sale de
~/.claude/linkedin/voice.md (campo Registro): voseo, tuteo, usted,
neutro o espana. Si no hay registro definido, usá auto, que igual marca
cuando el texto mezcla formas.
Los léxicos viven en lexicons/es.json y lexicons/en.json. Son para editar:
si una palabra es jerga legítima de la industria del usuario ("escalable",
"apalancamiento" en finanzas), sacala del archivo.
Qué se arregla solo
- Caracteres invisibles. Espacios de ancho cero, word joiners, guiones blandos, BOM, caracteres de etiqueta, espacios duros. Un teclado no los produce y sobreviven al copiar y pegar.
- Tipografía. Raya a coma, comillas curvas a rectas, elipsis a tres puntos, viñeta a guion. La raya es la que importa: en LinkedIn en español casi nadie la tipea.
- Lo que tiene reemplazo exacto. Conectores de ensayo ("asimismo", "por ende", "no obstante"), relleno ("es importante destacar que", "cabe señalar que", que se borran y la oración se recapitaliza) y calcos con equivalente fijo ("hace sentido" a "tiene sentido", "al final del día" a "al final", "en orden a" a "para").
Nunca mete una palabra de otro idioma. El original reemplazaba "crucial" por "important" en textos en español; eso ya no pasa y hay un test que lo verifica.
Qué se marca para que lo reescribas vos
En español casi todos los adjetivos y verbos de manual necesitan concordar en género y número, o cambian de sentido según el contexto. Por eso se marcan, no se reemplazan: "robusto/a/os/as", "potenciar", "innovador", "sinergia", "crucial", "paradigma", "llevar al siguiente nivel", "la clave está en", "juega un rol", "me complace anunciar", "apasionado por". El informe muestra la palabra tal como aparece y una nota de qué poner en su lugar.
Y las estructuras, que son la huella más fuerte:
- "No es solo X, es Y" / "No es X. Es Y." / "No se trata de X, se trata de Y"
- "No solo X, sino también Y"
- Pregunta-revelación sola en una línea: "¿El resultado?", "¿La clave?", "¿Por qué?"
- "Spoiler:", "Plot twist:", "Esto es lo que aprendí", "Leelo de nuevo", "Hilo 🧵"
- "Hoy quiero hablar de..." como apertura
- Tríadas de tres palabras ("cultura, innovación y sinergia")
- Cebo: "¿Qué opinan?", "¿Coincidís?", "Contame en comentarios", "Comentá GUÍA y te lo mando"
- Cierre de ensayo: "En resumen", "En conclusión", "En definitiva"
- Mayúsculas de título en inglés: "Cómo Escalar Tu Equipo De Datos". En español va mayúscula solo la primera palabra; esto es un calco directo.
- Listas con emojis como viñetas (✅ 👉 🔹), tres o más.
- Broetry: ocho párrafos o más donde casi todos son una frase suelta.
- Mezcla de registros: "tenés" y "tienes" en el mismo post. Es la marca de
IA más clara en un texto rioplatense, porque los modelos tutean por defecto.
Con
--registro voseotambién marca formas de España ("tenéis", "vale,"). - Mezcla de vocabulario regional: "ordenador" y "celular" en el mismo
post. Con
--registro espanamarca palabras de LatAm, y convoseo, las de España. - Largo de oraciones uniforme.
Y las marcas del español de traducción, que son las que más delatan un texto generado en inglés y pasado al español:
- Gerundio de posterioridad: "Migramos el sistema, logrando bajar los costos". Va en dos oraciones.
- Pasiva con "por" repetida: "fue desarrollado por el equipo". El español prefiere la activa.
- Dos adverbios en -mente en la misma oración.
- Posesivo calcado: "levanté mi mano" en vez de "levanté la mano".
- Mayúscula en meses, días e idiomas a mitad de oración: "en Enero", "en Español".
- Andamiaje escolar: "en primer lugar... en segundo lugar".
- Calcos de frase: "en una base diaria", "tomar ventaja de", "en términos de", "a nivel de equipo", "agregar valor". "Al día de hoy" y "es por ello que" se reemplazan solos.
Lo que no se toca: la raya de diálogo (—Nos vamos —me dijo., o después
de dos puntos) es ortografía española correcta, así que humanize.py la deja y
detect.py no la cuenta como huella. Solo se cambia la raya usada a la
inglesa, como inciso con espacios. Tampoco se agregan ni se sacan ¿ y ¡.
Para escribir con las palabras, los números y la moneda de la región del
usuario, leé regiones.md en esta carpeta.
Reescribí cada línea marcada a mano, manteniendo el sentido, y volvé a correr
detect.py. Esa es la parte que lleva de REVISAR a PASA, y es la que un
script no puede hacer.
Los cinco chequeos
| chequeo | qué mide | cómo se ve la máquina |
| VARIACIÓN | variación del largo de oraciones (las cortas cuentan) | todas las oraciones del mismo largo |
| CONCRECIÓN | cifras con unidad ("ocho meses", "11 puntos", "USD 40k"), fechas, siglas, nombres propios, citas textuales | sustantivos abstractos, ningún dato |
| LÉXICO | términos de manual cada 100 palabras | vocabulario de folleto |
| HUELLA | invisibles, rayas, comillas curvas | tipografía perfecta |
| VOZ (es) | persona gramatical, primera persona del pasado, marcas de oralidad, apartes entre paréntesis, registro coherente, estructuras | nadie habla, nadie hizo nada, mezcla "tú" y "vos" |
En inglés, VOZ sigue midiendo contracciones y pronombres como el original.
El veredicto pondera el promedio al 60% y el chequeo más débil al 40%, porque a un detector le alcanza con una señal. PASA pide 70 o más y ningún chequeo debajo de 55.
Decilo con honestidad
Son cinco heurísticas locales basadas en las señales que miran los detectores públicos. Corren en la máquina del usuario y no suben nada. No son GPTZero, Originality, Copyleaks, Winston ni Turnitin, no llaman a sus APIs y no pueden prometer su veredicto. No le digas a nadie que su texto es "indetectable".
Y una más: el objetivo no es engañar a un detector, es que el texto suene a la
persona que lo firma. Si el borrador pasa el panel pero no dice nada que solo
esa persona podría decir, no está listo. Para eso está /li-lectores.
Orden de trabajo
humanize.py borrador.txt -o limpio.txt --report --registro <registro>- Leé las secciones 4 y 5 del informe. Reescribí esas líneas vos.
detect.py borrador.txt limpio.txt --registro <registro>para mostrar antes y después.- Si no da PASA, arreglá el chequeo más débil que nombra la salida y repetí. Dos vueltas es normal. Cinco quiere decir que el borrador se escribió con fórmula: la solución es otro borrador, no más pasadas.
- Mostrale al usuario el texto limpio y el puntaje. Nunca el puntaje solo.
Tests
python3 tests/run_tests.pyCubren que no se cuele inglés, la mezcla de registros, la separación entre un texto humano real y uno de manual, URLs intactas y caracteres invisibles.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

