Presentamos Unsame: acaba con los patrones repetitivos de la IA en cada post, respuesta y changelog

Si usas un LLM para una tarea que se repite — un post diario, respuestas a menciones, guiones semanales, correos de prospección, respuestas de soporte, changelogs — te topas con el mismo muro en pocos días. El modelo tiene una única forma de hacerlo. Alargas el prompt. Añades «sé creativo». Subes la temperatura. El resultado conserva la misma forma con otros sustantivos, los mismos patrones de escritura de IA de siempre, y acabas reescribiendo a mano, que es justo lo que el modelo debía quitarte de encima.

Nos topamos con esto mientras construíamos agentes, y construimos algo para resolverlo. Unsame es un Playbook Engine alojado que se lanza hoy en unsame.io. No escribe tu texto. Antes de cada generación le dice a tu propio modelo cómo abordar esta ocasión concreta — y no le repetirá el enfoque que acabas de usar.

¿Por qué un LLM escribe todo de la misma manera?

Por cómo se entrenan los modelos, y no se arregla desde el prompt.

El alineamiento estrecha la salida. Entrenar con las preferencias de evaluadores empuja al modelo hacia las pocas respuestas «típicas» que a ellos les gustan. El artículo Verbalized Sampling (arXiv 2510.01171) lo llama colapso de modo (mode collapse).
La temperatura del LLM añade ruido, no enfoques nuevos. Una temperatura más alta baraja palabras dentro de un mismo enfoque. No lleva al modelo a otro distinto.
«Hazlo diferente esta vez» tampoco funciona. Un modelo al que se le pide elegir al azar no puede aportar el azar que eso requiere — mira String Seed of Thought (arXiv 2510.21150).

Detrás del primer problema hay un segundo. Cuando cada salida sigue una sola plantilla, el modelo suele no haberse fijado en lo específico de la entrada. Los lectores notan ambas cosas, y es lo que la gente llama AI slop.

Nuestra conclusión: la elección del enfoque tiene que ocurrir fuera del modelo, a partir de una lista explícita, con entropía real y memoria de lo ya usado. Eso es todo el producto.

¿Qué hace Unsame?

Llamas a Unsame antes de cada generación con la entrada — un post al que responder, una mención, un evento, o nada en absoluto para un hueco planificado. Devuelve un protocolo: un bloque corto que pones en el prompt de tu modelo. Esta es su forma (un ejemplo ilustrativo, no una salida medida):

Situation: reacting to someone's post.
Engage with:
- they claim local models can't do agentic coding
- their one run looped for an hour
Use:
- glm-5.3 test run finished the task in 14 min
Approach: quote their point, add the missing angle, end with a question back
Form: length: short; opener: statement
Always: one real example from own work
Voice: casual, concrete, no emojis
Never: politics, competitor names
Do not repeat: hot_take (2 of the last 10)

Léelo de arriba abajo:

Situación y ganchos. Cuál de tus situaciones aplica y los puntos exactos de la entrada con los que el texto debe engancharse. Es lo que mantiene la salida específica en lugar de genérica.
Hechos. Los datos que aportaste y que encajan con esta entrada, para que el modelo use material real.
Enfoque y formato. Uno de tus enfoques que encaje, elegido con aleatoriedad real y penalizando los recientes. El motor nunca toma la opción de mayor puntuación, y el sorteo se siembra con entropía del sistema operativo.
Voz, siempre, nunca. Se copian tal cual en cada protocolo. Nunca se varían, nunca se desaprenden, nunca se retiran.
No repetir. Lo que se usó hace poco, para que el modelo lo evite.

Tu modelo, con tu clave, escribe el texto. Unsame nunca ve la clave y nunca escribe una palabra de la salida.

¿En qué se diferencia de una biblioteca de prompts o de subir la temperatura del LLM?

Una biblioteca de prompts te da el mismo prompt cada vez. Unsame lee la entrada, detecta de qué situación se trata, extrae aquello con lo que hay que engancharse y elige un enfoque distinto y adecuado, con memoria de lo que ya usó. Dentro de un ámbito — por ejemplo una cuenta o un boletín — ninguna combinación de enfoque y formato se repite dentro de la ventana reciente mientras exista una sin usar.

La temperatura varía las palabras dentro de un enfoque. Unsame varía el enfoque en sí y deja tu voz y tus reglas intactas. Son palancas diferentes, y quieres ambas: estrategia fija, ejecución variada.

¿Qué es un playbook?

El playbook es tu parte del trato. Contiene tu objetivo, tu voz, tus reglas de siempre y de nunca, tus situaciones (los tipos de entrada que recibes) y tus formas de hacerlo (los enfoques que estás dispuesto a usar en cada una), más un par de ejes de formato como la longitud o la apertura. Unsame solo varía la elección entre ellos.

No tienes que escribirlo desde una página en blanco. Siémbralo con una frase y edita el resultado como un archivo YAML:

curl -s "${H[@]}" $BASE/v1/goals -d '{
  "goal": "indie_dev_x",
  "goal_text": "grow the account as an indie dev: one post a day, reply to mentions",
  "voice": "casual, concrete, no emojis",
  "never": ["politics", "competitor names"]
}'

Obtienes un borrador con un puñado de situaciones y formas de hacerlo. Cada escritura es una versión numerada que puedes leer y exportar. Puedes fijar un enfoque para eximirlo del filtro anti-repetición, o vetar uno para que nunca se elija. Sembrar un playbook cuesta créditos porque usa un LLM; probarlo con dry-run no toca tu historial.

¿Aprende?

Sí, y tú conservas el control. Lo que se aprende no es el texto de tu modelo, sino el playbook. Cuando una entrada no encaja con nada de lo que escribiste, el aprendiz puede proponer una situación o un enfoque nuevo a partir de cómo son realmente tus entradas. Eliges el modo por objetivo:

off — no se aprende nada y no se guardan entradas. El playbook es exactamente lo que escribiste.
propose — las entradas que el playbook resolvió mal se agrupan en propuestas. Tú aceptas, editas o rechazas cada una.
auto — las propuestas entran como pruebas en una pequeña parte de los sorteos y se promueven o se retiran según los resultados.

El aprendiz nunca edita tus nodos. Tras cada generación puedes informar de lo ocurrido — un reward de 0 a 1, chosen, rejected o una proporción edited — y el motor pondera los enfoques que funcionan para ti. Si pides varios sorteos por llamada y eliges uno, un solo informe marca el resto como rechazados. Informar es siempre gratis.

¿Qué se ejecuta en el camino crítico?

La parte de Unsame que se ejecuta en cada llamada no genera texto. Los juicios como «qué situación encaja» o «este gancho es concreto» son preguntas tipadas de sí/no y de elección que responde Jev, un modelo de TypeSafe que no puede escribir una frase — añadimos soporte para ese tipo de modelo a Octolib a principios de este otoño. La selección en sí es matemática simple sobre tu playbook: ajuste, novedad y peso, con un suelo de entropía para que nunca colapse en una sola opción.

Dos consecuencias que nos importan. Primera, no hay ningún LLM generativo en el camino de la llamada. Segunda, no hay alternativa silenciosa: si el juez no está disponible tras un reintento, la API devuelve 503 judge_unavailable en lugar de entregarte sin avisar un enfoque aleatorio o elegido por palabras clave. Una respuesta inventada que parece correcta es peor que un error visible.

¿Dónde encaja?

Allí donde el trabajo se repite, la variedad importa y la estrategia de la casa es fija:

posts y respuestas en redes sociales;
newsletters y aperturas de blog;
guiones de vídeo, pódcast y contenido corto;
prospección en frío y respuestas de ventas;
respuestas de soporte y de comunidad;
textos de anuncios, landing y producto;
escritura para desarrolladores, como changelogs y notas de versión;
cualquier agente o pipeline que se atasca en una sola estrategia.

Encaja mal con documentos únicos, textos legales y de cumplimiento, y cualquier caso donde la variedad sea un defecto. Preferimos decirlo a venderte una herramienta para el trabajo equivocado.

¿Cómo pruebo el servidor MCP remoto o la API HTTP?

A través de un asistente de IA, sin código. Unsame ejecuta dos servidores MCP remotos tras su propio inicio de sesión OAuth 2.1, así que no hay claves de API que pegar en tu asistente. Para usar Unsame como servidor MCP de Claude Code:

claude mcp add --transport http unsame-engine https://unsame.io/mcp/engine
claude mcp add --transport http unsame-author https://unsame.io/mcp/author

Ejecuta /mcp, elige cada servidor y selecciona Authenticate; tu navegador abre un inicio de sesión con enlace mágico. El servidor engine es el que un agente llama antes y después de escribir (advise, report). El servidor author sirve para crear y editar playbooks desde el chat. Después pide: «Use unsame-author to set up a playbook for my daily indie-dev posts on X: casual, concrete, no emojis, never politics.» y luego «Write today's post. Call unsame-engine advise first and follow the advice.»

Los mismos servidores funcionan con Codex CLI, Claude Desktop, los conectores personalizados de claude.ai y los conectores de ChatGPT, y como servidor MCP de Cursor — los pasos para cada uno están en la documentación.

Desde tu propio backend. Una llamada HTTP por generación. Obtén un token con la concesión client-credentials y luego:

curl -s -H "Authorization: Bearer $TOKEN" -H 'Content-Type: application/json' \
  -H "Idempotency-Key: post-2026-11-05" https://unsame.io/v1/advise -d '{
  "goal": "indie_dev_x",
  "scope": "acct:me",
  "kind": "reply",
  "input": {"text": "Local models cannot do agentic coding. My run looped for an hour.", "author": "@someone"},
  "facts": ["glm-5.3 test run finished the task in 14 min", "we ship a CLI agent"],
  "k": 1
}'

Pon draws[0].advice en el prompt de sistema de tu modelo, genera y cierra el círculo:

curl -s -H "Authorization: Bearer $TOKEN" -H 'Content-Type: application/json' \
  https://unsame.io/v1/report -d '{"draw_id": "…", "outcome": {"chosen": true}}'

La misma Idempotency-Key dentro de 24 horas devuelve la respuesta almacenada y no cobra nada. Hay clientes de TypeScript (@unsame/sdk) y de Python (unsame) que gestionan el token por ti, y el esquema completo es un documento OpenAPI desde el que puedes generar un cliente en cualquier lenguaje.

¿Cuánto cuesta?

La unidad es un crédito, y un crédito es un sorteo. Una llamada advise con k=3 son tres créditos. Es el único número que necesitas para prever una factura.

Plan gratuito: créditos mensuales, sin tarjeta. Los créditos no se acumulan. Está pensado como prueba — un sorteo por llamada y un número reducido de objetivos.
Planes de pago: créditos incluidos cada mes más exceso a un precio por crédito, con un límite de gasto que controlas tú. Al llegar al límite se devuelve 429 quota_exceeded; nunca genera una factura sorpresa. La calidad del protocolo es la misma en todos los planes; los planes difieren en cuántos objetivos, sorteos por llamada y peticiones por segundo permite el motor, y en si el aprendizaje puede funcionar en auto.
Paquetes prepago: para quienes construyen sobre la API y no quieren suscripciones. Compras créditos y los gastas al mismo precio por crédito.

Informar, leer, las estadísticas, exportar y validar son gratis en todos los planes. Cuando se te acaban los créditos recibes un error con la fecha de reinicio — nunca un protocolo peor. Los planes y precios actuales están en unsame.io.

¿Qué no afirmamos?

No prometemos más interacción. En este post no hay cifras de mejora porque aún no las hemos medido en cuentas reales, y no daremos ninguna hasta tenerlas. Lo que Unsame afirma es el mecanismo: un enfoque distinto cada vez, anclado en la entrada, con una voz fija. Puedes comprobar cada parte tú mismo — la demo en vivo de la página principal te permite pegar una entrada y pulsar el botón tres veces para ver tres protocolos distintos que se enganchan a los mismos ganchos.

Sobre los datos: tus entradas solo se conservan cuando el aprendizaje está activado, y puedes exportarlas o borrarlas en cualquier momento.

Pruébalo

Unsame se lanza hoy. El plan gratuito solo pide un correo, sin tarjeta:

Abre unsame.io, prueba la demo y conecta el MCP con el comando de una línea de arriba.
O crea un cliente de API en el panel y haz tu primera llamada advise.

Si quieres acabar con el AI slop en una tarea de escritura repetida cuyo resultado se ha vuelto plano, prueba Unsame primero en esa y cuéntanos qué tal en [email protected].

— Don

Unsame es un Playbook Engine para la escritura repetida con IA, desarrollado por Muvon Un Limited. Pruébalo en unsame.io.