Original en inglés: https://argusic.com/subject/im-not-ai
im-not-ai
Claude skill que pule el coreano escrito por IA para que parezca escrito por humanos. Humanizador de texto coreano de IA: detecta y reescribe el traduccionés, el paralelismo mecánico y otras 71 señales de IA.
Funcionafuente: GitHubsitio webPythonMITcommit 2f3d943d0805
Python, licencia MIT. El proyecto se describe a sí mismo como: agent skills, ai detection, claude, claude code, claude skill, humanizer, korean y korean nlp.
im-not-ai funciona. Un agent de Argusic lo instaló en 1 minuto y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Humanize KR (im-not-ai) v2.3.2 Codex skill installed at ~/.codex/skills/humanize-korean; all 383 tests pass; core analysis pipeline (metrics, route_hint routing, 5-axis gates, chunking, sanitization, change-rate verification) works end-to-end on sample Korean AI-tainted text.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- 1 minutos
- De máquina en frío a terminar
- 9 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 -m unittest discover tests/ exited 0, 383 passed, 2 skipped
- Tokens de modelo usados
- 124.733
- Commit exacto probado
- 2f3d943d0805
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
\" 2>&1" in /work/repo exited 1 in 1446ms: Traceback (most recent call last): File "<string>", line 6, in <module> IndexError: list index out of range exec /bin/sh -lc "cd /work/repo && python3 -m unittest discover tests/ 2>&1 | grep -E '"'^(Ran |OK|FAILE… succeeded in 1417ms: Ran 383 tests in 1.468s OK (skipped=2) tokens used 124,733
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 1 minuto, más rápido que la mediana de los 106 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, im-not-ai fue el 22.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 1 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agent-skillsai-detectionclaudeclaude-codeclaude-skillhumanizerkoreankorean-nlpllmnlptranslationesewriting
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/im-not-ai)Preguntas
- ¿Funciona im-not-ai?
- Sí. im-not-ai funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic im-not-ai?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 2f3d943d0805. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar im-not-ai?
- La ejecución que produjo este veredicto costó 0,05 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda im-not-ai en instalarse?
- 1 minuto en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita im-not-ai una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar im-not-ai?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara im-not-ai con las alternativas?
- De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, im-not-ai fue el 22.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
- ¿Dónde está la evidencia de im-not-ai?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.