Bullshit Detector es un proyecto de código abierto publicado en GitHub por Serhii Korniienko que convierte a cualquier agente de IA compatible con el estándar Agent Skills (Claude Code, Codex, OpenCode, Cursor, Gemini CLI, ChatGPT y otros) en un verificador de afirmaciones pieza por pieza. El usuario pega una URL —un vídeo de YouTube o TikTok, un artículo, un PDF o un tuit— y el agente devuelve un informe con veredictos por afirmación (confirmada, plausible, engañosa, falsa o no verificable), un escaneo de señales de hype, un análisis de incentivos y una puntuación de 0 a 10 sobre el grado de «bullshit» del contenido. Para poder operar, el proyecto incluye además una skill de ingesta llamada fetch-content que descarga transcripciones de YouTube y TikTok mediante yt-dlp, extrae artículos con técnicas de readability, procesa tuits por endpoints gratuitos y, cuando no hay subtítulos, recurre a una transcripción local con mlx-whisper sobre Apple Silicon, todo sin claves de API de pago.
La separación entre ingesta (scripts deterministas que normalizan texto y metadatos) y análisis (el agente razona, busca en la web y emite veredictos) es una de las claves del diseño: añadir nuevas fuentes como podcasts o hilos largos no obliga a reescribir la lógica de verificación. El repositorio publica dos informes de ejemplo: un vídeo financiero de 1,16 millones de visitas sobre «14 formas de ganar dinero con IA» que obtiene un 5/10 (4 afirmaciones confirmadas, 2 plausibles, 3 engañosas y 3 no verificables) y un clip de TikTok de 552.000 visitas sobre un supuesto sol gemelo, valorado con un 9/10 por mezclar vocabulario astronómico real con una cosmología inventada. La instalación se realiza con el instalador skills.sh o como plugin de Claude Code, y el autor desaconseja usar ambos a la vez para evitar duplicar las skills.