Original em inglês: https://argusic.com/subject/humanize-text
humanize-text
Humanizador de IA de código aberto: reescreve texto gerado por IA em prosa natural e humana. Reescrita com LLM + tradução com múltiplos motores, com rastreamento passo a passo. Python CLI, n8n e Docker.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 79bb396acfc3
Python, licença MIT. O projeto se descreve como: ai humanizer, ai humanizer api, ai rewriter, ai text humanizer, ai tools, ai writing, ai writing assistant e deepseek.
humanize-text executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1,5 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Project installs in a venv, all 40 unit tests pass, CLI entry point works, and real OpenRouter LLM rewriting (Steps 1-2 of the pipeline) is verified end-to-end.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- pip install fails due to externally-managed-environment (PEP 668) in container1 minuto
- test_openrouter_provider failed because pre-existing OPENROUTER_API_KEY env var overrode test config value per code design1 minuto
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 10 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 40/40 pytest tests passed; real OpenRouter chat_completions returned 'pineapple'; full 4-step pipeline executed with real LLM (Chinese then Japanese rewrite) + mocked Google/Niutrans; CLI --help and --json output verified
- Tokens de modelo usados
- 60.580
- Commit exato testado
- 79bb396acfc3
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
All verified. Here's the final report: **Install**: Created a venv (container blocks system pip). `pip install -e ".[legacy]"` succeeded. … **Bug fix**: `test_Argusic_provider` failed because the container's `OPENROUTER_API_KEY` env var ov… **Real LLM verification**: The Argusic API key in the environment is valid — `chat_completions` ret… **Full pipeline**: Steps 1–2 (LLM rewrites) ran against real Argusic API. Google Translate (`deep_t… tokens used 60,580 All verified. Here's the final report: **Install**: Created a venv (container blocks system pip). `pip install -e ".[legacy]"` succeeded. … **Bug fix**: `test_Argusic_provider` failed because the container's `OPENROUTER_API_KEY` env var ov… **Real LLM verification**: The Argusic API key in the environment is valid — `chat_completions` ret… **Full pipeline**: Steps 1–2 (LLM rewrites) ran against real Argusic API. Google Translate (`deep_t…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 1,5 minutos.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,05 |
Tópicos (de GitHub)
ai-humanizerai-humanizer-apiai-rewriterai-text-humanizerai-toolsai-writingai-writing-assistantdeepseekhumanize-ai-texthumanize-texthumanizer-apillmn8nnlpparaphrasingpythontext-humanizertext-processingtext-rewritingundetectable-ai-alternative
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/humanize-text)Perguntas
- humanize-text executa?
- humanize-text executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou humanize-text?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 79bb396acfc3. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar humanize-text?
- A execução que produziu este veredito custou US$ 0,05: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar humanize-text?
- 1,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- humanize-text precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar humanize-text?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de humanize-text?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.