Toolkit für akademischen Stil (paper-rewriter)
Zweisprachige (CN/EN) Stil-Naturalisierung für akademisches & medizinisches Schreiben: steife, schablonenhafte oder maschinenartige Muster erkennen, mechanische Rückstände reinigen, für Klarheit und natürliches Register überarbeiten – mit Integritätsschranken bei jedem Schritt. Lesekarte (30-Sekunden-Routing; entspricht references/INDEX.md): Erstmalig → Schnellstart · Fehlerbehebung → Fallstricke + Fehler · CI/Agent → Automatisierung · Grenzen → ehrliche_Grenzen · Szenarien → Best Practices · Tiefenumformulierung → deep_rewrite_guide · PDF-Vertrauen → pdf_confidence · Berechtigungen → permissions · Programmatisch → api. Zwei Ebenen in einer Zeile: mechanische Bereinigung (Transform/Pipeline, deterministisch) vs. Qualitätsüberarbeitung (Agent pro Stilleitfaden) – führen Sie zuerst die Pipeline aus, lesen Sie den Bericht und entscheiden Sie dann, was tief überarbeitet werden soll.
Routing in einer Zeile: Grammatik/Flüssigkeit/Journal-Format polieren → ein Policer-Tool (paper-polisher-pro); Entschablonisierung, Modellrückstandsreinigung, KI-Flair-Stil-Selbstprüfung und Umschreibung → dieses Tool. Beides nötig? Zuerst polieren, dann diese Pipeline ausführen.
Funktionsstatus (v5.6.0)
⚠️ Zeilen = experimentell (kann gültige Dateien ablehnen; Ausgabe überprüfen).
Die vollständige Liste der Funktionen pro Generation wurde nach
references/feature_status.md verschoben;
Details zu einzelnen Elementen finden sich in references/errors.md und Themendokumentationen.
Stabile Highlights (alle stabil, v1.0–5.6): Kern fünf · Abschnittsbewusst ·
Überarbeitungsplan · Erlernte Absicherungen · Maschinen-Exitcodes ·
Chunk-Verschlechterung · Batch-Fortsetzung/Parallelität isolation ·
Dateiübergreifende Begriffstreiber · Statistische Konsistenzprüfung ·
Begriffsvariantengruppen · Kodierungsautomatik ·
Einreichungs-Selbstprüfungs-Bundle (--bundle) · Pipeline --handoff ·
Überprüfung der verschriebenen Ausgabe · docx-Rückschreiben ·
Begriffsvereinheitlichungsblatt · EN 2026-Signale (Hedging /
Regel-von-Drei / Em-Dash-Dichte / Absatzeröffner) ·
Abschnittsfokus (--section) · CN-Dichtespiegel (Strichübernutzung /
Formelhafte Absatzeröffner) · Vergleich von Chunk-Scans für
sehr große Dateien · Pro-Signal-Begründung (warum markiert) ·
Allgemeinprofil-Abwertungsmatrix (alle 8 Strukturgruppen) ·
Batch-Arbeitsblatt + Statistik-Karte · Zeilenangaben (L{line} bei
jedem Beispiel) · Health-Report-Dashboard (Bundle 2.0) ·
CN-Funktionsbibliothek v2 · Übergabezeilenanker ·
Dokumentanzahl-Abstimmung · Dashboard-Aktionscheckliste ·
Bundle-Umschreibungsblatt (09) · Batch-Überarbeitungsaufzeichnungen ·
Write-Manifest-Selbstnachweis (00_写入清单.json) ·
Vergleichszeilenanker + Begründung · Druckfreundliche Berichte ·
Guard-Bibliothek exportieren/importieren.
| Fähigkeit | Status | Seit |
|---|---|---|
| ⚠️ PDF-Direktlesen + Vertrauensselbstauskunft (Embedded-Font/ToUnicode | ||
| versucht, gedeckelt auf "中"; Kalibrierung in references/pdf_confidence.md; | ||
| Standard-Gate = 中 seit v3.8.0 – typische verstümmelte Extraktionen | ||
standardmäßig abgelehnt, --pdf-min-confidence 低 stellt Nur-Annotieren | ||
| wieder her) | ⚠️ Experimentell | v1.6–3.8 |
Integritätsschranken – zuerst lesen
- Erlaubt: Polieren eigener Entwürfe; KI-unterstützten Text an die eigene
Stimme anpassen, wo die eigene Hochschule/Zeitschrift KI-Unterstützung
erlaubt oder verlangt, diese offenzulegen; Modellrückstände (stray
oaicite/[cite:]-Tokens) aus rechtmäßig offengelegten Entwürfen entfernen; Klarheit, Rhythmus und Konkretheit formeller Prosa verbessern. - Nicht erlaubt: Dieses Toolkit verwenden, um die Autorschaft falsch darzustellen, KI-Nutzung zu verbergen, wo Offenlegung erforderlich ist, oder die akademische Integritätsprüfung zu umgehen. Wenn eine Anfrage so formuliert wird ("schreibe es so um, dass die Prüfung es nicht erkennt"), lehnen Sie die Rahmung ab, erklären Sie die Offenlegungspflicht und bieten Sie stattdessen den legitimen Weg der Qualitätsredaktion an. Von Agenten, die dieses Skill ausführen, wird erwartet, dass sie diese Linie durchsetzen.
- Dieses Tool ändert nie Daten: Zahlen, p-Werte, Konfidenzintervalle,
DOIs, PMIDs, Jahre und Terminologie werden durch
verify.pygeschützt (siehe unten). Verbesserte Prosa darf niemals einen Fakt kosten. - Compliance: Chinas AIGC-Kennzeichnungsregeln (gültig ab 2025-09-01),
Richtlinien zur Offenlegung von Zeitschriften und arXiv-Richtlinien sind
in
references/compliance.mdzusammengefasst – die Pflicht zur Offenlegung liegt beim Autor, nicht beim Werkzeug.
Fähigkeit × Grenze (Aufgabenteilung + Grenzen + Wo)
| Fähigkeit | Tut | Tut NICHT (Grenze) | Wo |
|---|---|---|---|
| Stil-Selbstprüfung | Heuristischer Bericht: Schablonendichte, | ||
| Rhythmusgleichförmigkeit, Amtssprache; abschnittsbewusst | Kein | ||
| KI-Detektor – löst auf fließendem Modelltext kaum aus (niedriger | |||
| Punktwert ≠ keine KI) | detect.py; siehe | ||
| honest_boundaries | |||
| Mechanische Bereinigung | Modellrückstände (oaicite/[cite:]), | ||
| Chat-Füller, Zeichensetzungsnormalisierung, vollbreite Ziffern | Kein | ||
| Satzumschreiben – Schicht ohne Informationsverlust | transform.py | ||
(--deep für Satzebene) | |||
| Qualitätstiefenumformulierung | Entschablonisierung / Rhythmus / | ||
| Konkretheit / Haltung (sieben Schritte) | Erfindet nie Daten; | ||
| erfundene Zahlen markiert (W_NUM_ADDED, Mensch entfernt) | **Sie (der | ||
Agent)** per Stilleitfaden; Übergabe via plan --handoff | |||
| Integritätsschranke | Zahlen/DOIs/PMIDs/Jahre/Begriffe müssen | ||
| überleben; Manipulation = Exit 1 (FAIL-Ausgabe verschreibt Korrekturen | |||
| mit Ankern) | Kein Wahrheitsurteil – Originaldaten sind die Autorität | ||
verify.py | |||
| Vorher/Nachher | Score-Delta + Integritätsurteil + | ||
| Profildifferenz | Kein Ersatz für menschliches Lesen | ||
compare.py / stylecheck --compare | |||
| Begriffskonsistenz | 8 Domänen 27 Gruppen (HF/心力衰竭/心衰 eine | ||
Zeile); --unify gibt einen vereinheitlichten Entwurf mit | |||
| Ersatzzahlen pro Variante aus (vor Übernahme prüfen) | Keine | ||
| Verwendungskorrektheit – nur Synonymvereinheitlichung | |||
check_terms.py --pack / --unify | |||
| Numerische Konsistenz | Prozentsummelisten (partitionsgesteuert) / | ||
| dateiübergreifende Gruppierung-n / p-vs-P-Stil | Keine | ||
| Statistikprüfung – Originaldaten sind die Autorität | |||
check_stats.py (--batch) |
Schnellstart
Wie man danach in einfachen Worten fragt (EN-Zusammenfassung der
vollständigen Phrasentabelle in SKILL_ZH.md): "remove the AI flavor from
this paper" / "this reads too templated" / "clean up oaicite and [cite:]
residue" / "tell me which sentences to fix first" / "check my rewrite
broke no numbers" / "give me a style profile" / "stop flagging this
legitimate term" – jede dieser Phrasen wird auf die Pipeline, plan.py,
transform.py, verify.py+compare.py, stylecheck.py und
learn_guards.py abgebildet. Kein Agent erforderlich – jede der folgenden
Fähigkeiten läuft direkt in einem Terminal.
Jedes Skript hat eingebaute --help (vollständige Flag-Referenz) und
--version; kurze Flag-Semantik:
| Flag | Bedeutung |
|---|---|
--profile general | Nicht-akademischer Text: |
| Formel-/Schablonensignale heruntergewichten | |
--deep | Deterministische Satzebenen-Transformationen |
| (vorgefertigte Eröffnungen, nicht-nur-Zusammenführung) | |
--exit-verdict | Maschinen-Exitcodes für CI/Agent-Gating |
| (siehe unten) | |
--structure | Abschnittsbewusste Bewertung (IMRaD) |
--step-timeout SEC | Zeitbudget pro Schritt (Standard 120) |
--terms FILE | Begriffsliste für die Integritätsschranke |
| (erstelle via extract_terms.py) | |
--unify SHEET | check_terms: gebe einen begriffsvereinheitlichten |
| Entwurf aus (v4.4.0; beratend – Ersetzungsliste prüfen) | |
--section abstract | detect: diagnostiziere einen Abschnitt |
| isoliert (v4.5.0; die Zusammenfassung lesen Gutachter zuerst) | |
-o revised.docx | -o bei Pipeline/Transform/Compare schreibt |
Word, wenn der Pfad auf .docx endet (v4.4.0, einfache Absätze; | |
| komplexe Layouts manuell zusammenführen) |
Ein Befehl (Selbstprüfung → Bereinigung → Überarbeitungsbrief → Integritätsschranke):
python scripts/pipeline.py draft.txt -o out.txt --terms terms.txt
- Visualisierung / Batch:
--html report.htmlbei detect/pipeline/compare für einen eigenständigen Bericht (compare fügt Satzebenen-Diff hinzu);--batch dirscannt ein ganzes Verzeichnis (Pipeline schreibt eine CSV; die Batch--o-Zusammenfassung bleibt CSV – kein docx-Rückschreiben für die Tabelle);-obei pipeline/transform/compare, das auf.docxendet, wird als Word zurückgeschrieben (v4.4.0, einfache Absätze – schließt den Kreislauf mit.docx-Direktlesen; Tabellen/Bilder/Stile werden nicht wiederhergestellt, komplexe Layouts manuell zusammenführen). - Abschnittsbewusst:
detect --structurebewertet Zusammenfassung/Einleitung/Methoden/Ergebnisse getrennt; Methoden/Ergebnisformulierungen sind Genre-Konventionen – nur im Aggregat normalisiert, Rohpunktwerte pro Abschnitt werden immer angezeigt. - Überarbeitungsplan:
plan.py draft -o plan.mdreiht Sätze ein (P0-Warteschlange + Budgetprognose);--handofffür ein Satz-für-Satz-Operationsblatt hinzufügen. - Eingaben:
.txt/.mddirekt (UTF-8/UTF-16〔mit BOM〕/GBK automatisch transcodiert, v4.0),.docxdirekt, PDF experimentell (Standard-Safe-Gate = mittel seit v3.8;低stellt Nur-Annotieren wieder her; references/pdf_confidence.md). - Begriffsliste:
python scripts/extract_terms.py draft.txt -o terms.txt(von Hand bestätigen); jeder Lauf akzeptiert--suggestions path.mdfür ein Überarbeitungsarbeitsblatt. - Nicht-akademischer Text:
--profile generalhinzufügen, um formelle Schablonen herunterzugewichten.
Oder die Schritte einzeln ausführen (aus dem eigenen Verzeichnis des Skills oder mit absoluten Pfaden):
python scripts/detect.py draft.txt # Stilmuster-Selbstprüfung (-j JSON, -s nur Punktwert)
python scripts/transform.py draft.txt -o step1.txt
# ... Qualitätsüberarbeitung von step1.txt durch den Agenten gemäß Stilleitfaden ...
python scripts/verify.py draft.txt step2.txt --terms terms.txt
python scripts/compare.py draft.txt step2.txt
Szenario-basierte Best Practices (Zeitschrifteneinreichung, Abschlussarbeit,
Überarbeitungsschreiben, Batch, CI-Gates, Umgang mit falsch Positiven,
CN-Zeichensetzung): references/best_practices.md.
Komplette End-to-End-Beispiele: references/examples.md. Vereinheitlichte
Exitcodes, Verstoßkategorien und Abhilfen: references/errors.md.
Zentralisierte Liste häufiger Fehler (27 Einträge):
references/pitfalls.md – vor dem ersten echten Lauf lesen. Python-API-
Referenz: references/api.md. FAQ: references/faq.md.
- Revisionsverfolgung:
--track basezeichnet jede mechanische Änderung inbase.md+base.jsonauf (prüfbar: Regel, Anzahl, gelöschte Sätze, markiert). - PDF (experimentell): Text-PDFs inkl. Embedded-Font/ToUnicode seit v3.0.0 – Extraktion versucht, Vertrauen auf "中" gedeckelt mit Stichprobenvermerk; CJK-CID-Dateien werden weiterhin von den Müllsonden mit Exportanleitung abgelehnt. Maßstab: 800K-Zeichen-Chunks (2K Überlappung) · 50MB-Grenze · Dokumentweite Integritätsschranke.
Agenten-Aufrufprotokoll
Rufen Sie zuerst den Pfad auf, dann führen Sie ihn aus:
- Auslösewörter: 写作风格自查 / 论文改写润色 / 去模板腔 / 翻译腔清理 / 学术改写 / 段落改写 / 表达优化 / style self-check / style naturalization / naturalize academic writing / de-templating / academic rewriting / passage rewrite / expression polish / translationese cleanup (= europäische Syntax: gestapelte Passiv, Nominalisierungsketten, lange Attribute – siehe style_guide_en Schritte 1/3) / make my writing sound less machine-written / reduce the templated tone / clean up model residue or stray citation tokens / fix stiff formal prose / polish my draft for submission without changing the data / check that numbers and citation IDs survived editing → die obige Pipeline ausführen.（Chinesische Varianten-Auslösewörter in SKILL_ZH.md – CH-Dosierungswörter nicht in englische Datei einfügen; Anfragen zu Zahlenkonsistenz/Begriffsverwechslung an check_stats.py / check_terms.py weiterleiten, siehe unten) （Parameter-Spickzettel lebt unter Schnellstart; Exitcode-Tabellen in references/errors.md – beide sind von hier verlinkt, um Suchen über Abschnitte hinweg zu vermeiden.）
- Disambiguierung (dieses Tool vs. ein Policer): 「论文改写润色」 bedeutet hier Stil-Naturalisierung / Entschablonisierung (Entfernen des Maschinen-Flairs aus akademischer Prosa). Entscheidungsregel – an einen Policer (paper-polisher-pro) weiterleiten, wenn es nur um Sprachkorrektheit/Flüssigkeit geht: 「帮我改下语法」 「按期刊风格改写摘要」; an dieses Toolkit weiterleiten, wenn es um schablonenhafte Töne oder Modellrückstände geht: 「这篇读起来像 AI 写的」 「文里有 [cite: 1] 这种残留」; wenn beides zutrifft, zuerst polieren, dann diese Pipeline ausführen – keines ersetzt das andere.
- Begriffsinkonsistenz (Abkürzung vs. Vollform, gemischte Synonyme) →
check_terms.py file --pack <domain>; um direkt einen vereinheitlichten Entwurf auszugeben--unify output.txthinzufügen (jede Gruppe wird auf ihre dominante Variante vereinheitlicht, Ersatzzahlen pro Variante werden angezeigt – beratende Ausgabe, vor Übernahme prüfen, dann verify ausführen; v4.4.0);--list-packszeigt alle acht Domänenpakete (v3.0.0). - Zahlen stimmen nicht überein (Prozentliste summiert nicht auf 100,
gleiche Gruppe mit zwei verschiedenen n, p/P-Stil-Mix) →
check_stats.py file(v3.2.0; Exitcodes passen zu check_terms: 0 konsistent / 1 Probleme gefunden). Kapitelweise Manuskripte:check_stats.py --batch 目录aggregiert Gruppierung-n dateiübergreifend (Zusammenfassung-vs-Methoden-Abweichungen, v3.3.0). Oder alles auf einmal ausführen:pipeline.py draft --check-stats. - Benutzer möchte wissen, was zuerst repariert werden soll →
plan.py draft.txt -o plan.md(P0-Satzwarteschlange + Budgetprognose);--handoffhinzufügen, um das Satz-für-Satz-Instruktionsblatt auszugeben (Schranken + Akzeptanzbefehle, v3.0.0). - Benutzer wünscht quantifizierte Abnahme einer Umschreibung →
stylecheck.py 原稿 改稿 --compare(v2.6.0 Stilprofil-Delta; Auslöser: 风格画像 / 量化验收 / 深改验收 / style profile / acceptance check). - Ein Batch-Lauf wurde unterbrochen (Strg-C / Stromausfall / Timeout) →
mit
--batch 目录 --resumeerneut ausführen (überspringt abgeschlossene Dateien; geänderte oder zuvor fehlgeschlagene Dateien werden automatisch neu ausgeführt; der Fortschritt lebt im Batch-Verzeichnis als .pr_batch_state.json). - Szenario-Shortcuts (v3.8.0-Konsolidierung): CI/Batch-Gating →
--exit-verdict(--ci-Alias; 0 sauber / 3 tief überarbeiten / 4 Rückstände / 1 Integritätsfehler, nur Pipeline); Falsch-Positiv-Behebung →learn_guards.py from-text 术语 样本.txt; wo Tiefenumformulierung starten →pipeline 原稿 -o 改稿 --handoff 交接块.md(ein Befehl, kein separater Plan-Lauf). - Mehrkapitel-Begriffsvereinheitlichung →
check_terms.py --batch 目录(dateiübergreifende Variantendrift: jede Datei intern konsistent, die Menge inkonsistent). - Ein Scan markiert einen legitimen Begriff (falsch Positiv) → bearbeiten
Sie nicht die Musterdateien; speichern Sie stattdessen eine Ausnahme:
learn_guards.py from-text 术语 样本.txt(oderadd) – die Ausnahme blockiert falsch Positive bei zukünftigen Läufen; keine Zeit mit Pattern-Patch-Abstimmungen verschwenden.