AI-SLOP Detector — ferramenta de análise e detecção de “código falso exagerado” criado por IA

(github.com/flamehaven01)

2 pontos por flamehaven01 2026-01-09 | Ainda não há comentários. | Compartilhar no WhatsApp

Esta ferramenta nasceu de uma experiência pessoal de fracasso.

Há alguns dias, eu publiquei com toda a confiança
o repositório chamado
“HRPO-X v1.0.1 – implementação de framework híbrido de otimização de raciocínio”,
um nome grandioso.
Eu acreditava que era um projeto que implementava a arquitetura com base em um artigo recente.

Mas a primeira reação logo após a publicação destruiu completamente minha expectativa.

“Entrei para ver por via das dúvidas, e era exatamente isso mesmo.
Um repositório de AI Slop feito de pura alucinação (Hallucination).”

No começo, achei que fosse só um comentário maldoso.
Mas, quando abri o código de novo e examinei tudo linha por linha,
a crítica era dolorosamente precisa.

O problema não era a “intenção”, mas a “densidade”

Esse projeto não era um demo simples,
mas o resultado de uma pesquisa sobre o processo de transformar um artigo em uma arquitetura de produção.

Havia design de arquitetura
A árvore de pastas estava organizada
Existia arquivo de configuração (Config)
Definições de classes e interfaces completas
Até o algoritmo interno de auditoria (audit) passava normalmente

Por fora, parecia perfeito.
Até mesmo os linters existentes ou verificações de integridade estrutural passavam sem problemas.

Mas, investigando a causa,
eu encontrei um problema fatal.

“A integridade estrutural (Structural Integrity) era perfeita,
mas a densidade de conteúdo (Content Density) estava convergindo para 0.”

Ou seja,

A casca (Shell) parecia convincente
Mas a lógica real da implementação estava vazia ou era só pass
E o restante estava preenchido apenas com comentários excessivamente enfeitados

Não tive como deixar de admitir que isso era
o padrão típico de lixo em código gerado por IA,
ou seja, “AI Slop”.

A ferramenta criada por causa disso: AI-SLOP Detector

Foi por isso que criei o AI-SLOP Detector.

O objetivo é simples.

Não medir o quão bem o código funciona
E sim o quanto existe de diferença entre o código e a explicação
observando isso de forma estática

Para isso, a ferramenta usa os seguintes indicadores.

O que ela detecta

Os padrões de AI Slop definidos no README se dividem, em linhas gerais, em três tipos.

1. Empty Function Slop (função vazia)

A explicação é complexa
Mas a implementação real da função está no nível de pass

2. Buzzword Inflation (inflação de jargões)

Independentemente da complexidade do código,
termos como neural, transformer, quantum, enterprise
são usados em excesso

3. Overhyped Comments (comentários supervalorizados)

Em uma lógica simples,
comentários repetem expressões como “inovador” e “state-of-the-art”

Método de análise (resumo)

O AI-SLOP Detector é baseado em Python AST
e calcula vários indicadores em paralelo para gerar um Deficit Score (0–100).

Indicadores principais

LDR (Logic Density Ratio)

Proporção da lógica real no código total
Critério: abaixo de 45% recebe classificação CRITICAL(F)

Inflation Score

Relação entre a densidade de buzzwords (jargões exagerados/de fachada) em documentos e comentários e a complexidade do código
Critério: 2,0x ou mais é CRITICAL

DDC (Dependency Density Check)

import não utilizado
Proporção de dependências sem sentido

Pattern Registry

empty function
except sem especificação
uso excessivo de TODO / FIXME etc.
detecção de vários padrões típicos de código gerado por IA

Combinando esses valores, a ferramenta classifica o resultado nos seguintes estados.

CLEAN
SUSPICIOUS
INFLATED
CRITICAL

Estado do projeto

Python 3.8+
Fornece CLI e Python API
34 testes aprovados
Versão mais recente: v2.5.0 (2026-01-09)

Para quem é esta ferramenta

Pessoas que usam ferramentas no-code / low-code
Desenvolvedores que precisam revisar código gerado por IA
Quem encontra com frequência “repositórios que parecem plausíveis, mas passam uma sensação estranha”

O objetivo é oferecer para essas pessoas
sinais que permitam explicar “por que este código parece estranho”.

Por fim

O HRPO-X v1.0.1 mencionado acima passou por uma refatoração completa
e agora foi reorganizado de forma mais realista como uma versão educacional.

Espero que este texto e esta ferramenta
possam ajudar, mesmo que um pouco,
pessoas que estejam passando por preocupações semelhantes.

Força para todos os desenvolvedores!