CommunityBildgithub.com

Persönliches Handschriftstudio

Mit diesem Skill erstellen Sie aus echten Papierfotos eine persönliche Schriftzeichenbibliothek, prüfen die Abdeckung, ergänzen fehlende Zeichen und generieren programmatisch handgeschriebene PDFs und mehrseitige Dokumente ohne KI-Artefakte.

Was ist Persönliches Handschriftstudio?

Dieser Skill orchestriert einen vollständig programmatischen Hands-chriftpipeline für KI-Agenten wie Claude Code, Cursor oder Codex. Er wandelt echte Papierfotos (DNG, HEIC, JPG, PNG) in eine wiederverwendbare persönliche Glyphenbibliothek um und erstellt realistische, handschriftliche mehrseitige Dokumente und PDFs – ohne KI-generierte Schriftart-Artefakte. Der Workflow umfasst Arbeitsbereichsinitialisierung, Abdeckungsprüfung gegen einen Zielentwurf, geführte Zeichenextraktion mit obligatorischer visueller Kontaktbogenprüfung, sowie fotorealistische Layout- und PDF-Rendering mit natürlicher Basislinienwelle, Strichstärkennormalisierung und Schreibvariationen. Unterstützte Plattformen: alle Python-Umgebungen (3.10+ mit Pillow/Numpy, empfohlen mit uv). Typische Anwendungsfälle: Digitalisierung der eigenen Handschrift, Erstellung oder Erweiterung einer persönlichen Glyphenbibliothek, Erstellung handschriftlicher Hausaufgaben, Notizen oder Laborberichte. Besonderheiten: automatische Schattenentfernung und Papierdurchschein-Korrektur, Überlaufprüfung, Ausgabe als hochauflösende PNG-Seiten und kombiniertes PDF.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Elizhng/personal-handwriting/tree/HEAD

Installed? Explore more Bild skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Persönliches Handschriftstudio?

Wandeln Sie echte Stift-auf-Papier-Fotos Ihrer Handschrift in eine wiederverwendbare persönliche Glyphenbibliothek um und programmatisch realistische handschriftliche mehrseitige Dokumente und PDFs – ganz ohne KI-generierte Schriftart-Artefakte.

Übersicht

Dieser Skill orchestriert eine geschlossene, 100% programmatische Handschriftpipeline:

  1. Arbeitsbereich initialisieren: Lokalen persönlichen Arbeitsbereich anlegen (außerhalb von Git via .gitignore).
  2. Abdeckungsprüfung: Zielentwurf (pages.json oder reiner Text) gegen glyphs/manifest.json scannen und die exakte minimale Liste (oder druckbares A4-Schreibblatt) fehlender Zeichen erstellen.
  3. Foto-Vorverarbeitung & geführtes Einlesen: .DNG / .HEIC / .JPG / .PNG-Fotos mit Beleuchtungsnormalisierung (Schatten und Papierdurchscheinen entfernen) dekodieren, Zeichen plattformübergreifend durch zeilengeführte verbundene Komponenten-Clusterung segmentieren und eine obligatorische visuelle Kontaktbogenprüfung vor dem Übernehmen der Glyphen durchführen.
  4. Realistisches Layout & PDF-Rendering: Seiten auf Blankopapier oder benutzerdefinierten Vorlagen mit 2× supersampelter Strichstärkennormalisierung (~0,6 mm Gelstift-Konsistenz), gleitender Fenster-Multivarianten-Deduplizierung, natürlicher Grundlinienwelle, wackligen handgezeichneten Tabellen/Gleichungen und 100% Zeichenabdeckungsprüfung komponieren.

Abhängigkeiten

  • Laufzeit: uv (empfohlen) oder Python 3.10+ mit pillow und numpy. scripts/handwrite.py enthält PEP 723 Inline-Metadaten, daher stellt uv run scripts/handwrite.py ... Abhängigkeiten automatisch auf macOS, Linux und Windows bereit.
  • Optional:
    • ffmpeg (oder pillow-heif) zum Dekodieren von .HEIC-Fotos.
    • macOS swift nur bei Verwendung des optionalen freiformatierten Apple Vision OCR-Extraktors (siehe references/macos_vision_ocr.md).

Schnellstart

# 1. Persönlichen Arbeitsbereich initialisieren (mit optionalem USST-Laborbericht-Vorlagenbeispiel)
uv run scripts/handwrite.py init --workspace ./my_handwriting --with-example

# 2. Prüfen, welche Zeichen aus einem Entwurf in Ihrer Glyphenbibliothek fehlen
uv run scripts/handwrite.py check \
  --content ./my_handwriting/content/sample_pages.json \
  --manifest ./my_handwriting/glyphs/manifest.json \
  --output ./my_handwriting/coverage_report.json \
  --grid-dir ./my_handwriting/missing_grid

# 3. Foto eines handschriftlichen Blattes vorverarbeiten (DNG / HEIC / JPG / PNG)
uv run scripts/handwrite.py preprocess \
  --input ./my_handwriting/photos/sheet1.jpg \
  --output-dir ./my_handwriting/preprocessed

# 4. Testlauf zum Zuschneiden & visuelle Prüfung vor Übernahme in manifest.json
uv run scripts/handwrite.py ingest \
  --input ./my_handwriting/preprocessed/sheet1_ink.png \
  --rows-spec ./my_handwriting/content/rows_spec.json \
  --manifest ./my_handwriting/glyphs/manifest.json \
  --contact-dir ./my_handwriting/contact_sheets \
  --dry-run

# 5. Nach visueller Inspektion des Debug-Overlays & Kontaktbogens Glyphen übernehmen (--dry-run weglassen)
uv run scripts/handwrite.py ingest \
  --input ./my_handwriting/preprocessed/sheet1_ink.png \
  --rows-spec ./my_handwriting/content/rows_spec.json \
  --manifest ./my_handwriting/glyphs/manifest.json \
  --contact-dir ./my_handwriting/contact_sheets

# 6. Realistische mehrseitige handschriftliche PNGs und kombiniertes PDF rendern
uv run scripts/handwrite.py render \
  --content ./my_handwriting/content/sample_pages.json \
  --manifest ./my_handwriting/glyphs/manifest.json \
  --assets-dir ./my_handwriting \
  --output-dir ./my_handwriting/output \
  --pdf-name report.pdf

Standard-Agenten-Workflow

Stufe 1: Abdeckungsprüfung vor Aufforderung zum Schreiben

  • Den Entwurf des Benutzers in eine strukturierte pages.json (siehe references/page_schema.md) konvertieren oder einen reinen .txt-Entwurf direkt an check übergeben.
  • uv run scripts/handwrite.py check ... ausführen, um die genauen fehlenden Zeichen, sortiert nach Häufigkeit, zu berechnen.
  • Den Benutzer bitten, nur die fehlenden Zeichen mit einem schwarzen Gelstift auf weißem Papier handschriftlich zu schreiben (empfehlen, 2–4 Varianten für häufige Zeichen, Ziffern 0–9 und Satzzeichen zu schreiben, damit gerenderte Seiten natürlich aussehen), und ein flaches, gleichmäßig beleuchtetes Foto zu machen.

Stufe 2: Vorverarbeitung, zeilengeführtes Einlesen & obligatorische visuelle Prüfung

  1. preprocess ausführen, um .DNG / .HEIC / .JPG / .PNG in <base>_clean.png und <base>_ink.png (transparentes RGBA) zu dekodieren. --crop x0,y0,x1,y1 (normalisiert 0.0–1.0) verwenden, wenn das Foto Schreibtischkanten oder Schatten enthält.
  2. Eine rows_spec.json erstellen, die die in jeder Zeile geschriebenen Zeichen auflistet (mit "□" oder "SKIP" durchgestrichene Fehler oder Streublobs ignorieren; siehe examples/usst_lab_report/sample_rows_spec.json).
  3. ingest immer zuerst mit --dry-run ausführen. Sowohl <base>_debug.png (Begrenzungsrahmen über der Tinte) als auch <base>_sheet.png (beschrifteter Einzelzeichen-Kontaktbogen) mit Ihrem Datei-Lese-/Vision-Tool inspizieren.
  4. Null Fehlausrichtungen, Tintenkleckse oder abgeschnittene Striche bestätigen. Erst dann ingest ohne --dry-run erneut ausführen, um Glyphen in manifest.json zu übernehmen (plattformübergreifend case-sichere Dateinamen: upper_<X>_k.png, lower_<x>_k.png, sym_u<4hex>_k.png, <ch>_k.png).

Stufe 3: Rendern & Seite-für-Seite-Qualitätssicherung

  1. render ausführen. Das Skript erzwingt eine 100%ige Zeichenabdeckungsprüfung (verify_all_chars_covered) und bricht sofort ab, wenn ein Zeichen fehlt.
  2. Jede gerenderte page_<N>.png visuell inspizieren:
    • Vertikalen Füllprozentsatz in stdout prüfen; wenn [WARNING] ... overflowed bottom margin erscheint, --font-size verringern (typischer Bereich 28–34), line_h_ratio (1.38–1.50) straffen oder den Inhalt auf eine zusätzliche Fortsetzungsseite aufteilen.
    • Prüfen, ob Deckblattfelder sauber auf den Linien ausgerichtet sind, Tabellen keinen Zelltext abschneiden und die Strichstärken gleichmäßig aussehen.

Referenz der Hilfsskripte

UnterbefehlBeschreibungWichtige Flags
initSauberen persönlichen Arbeitsbereich erstellen--workspace, --with-example
checkGlyphenabdeckung & optionales A4-Raster fehlender Zeichen berechnen--content, --manifest, --output, --grid-dir
preprocessFoto dekodieren und schattenfreie RGBA-Tinte extrahieren--input, --output-dir, --crop, --hi, --lo
ingestZeilengeführtes Ausschneiden in RGBA-Glyphen + Prüfbögen--input, --rows-spec, --manifest, --contact-dir, --dry-run, --source-id
contact-sheetBeschrifteten Kontaktbogen aus manifest.json generieren--manifest, --output, --chars
renderpages.json auf Vorlagen rendern & PDF exportieren--content, --manifest, --output-dir, --assets-dir, --pdf-name, --font-size, --messiness, --seed

Häufige Fehler

  1. Visuelle --dry-run-Prüfung bei ingest überspringen: Ein einziger durchgestrichener Klecks oder ein Paar benachbarter Striche kann die gesamte Zeilenbeschriftung verschieben. Vor der Übernahme immer <base>_debug.png und <base>_sheet.png inspizieren.
  2. KI-Bildgenerierung oder Systemschriftart-Fallbacks verwenden: Niemals handschriftliche Seiten mit Diffusionsmodellen generieren oder Systemschriftarten für fehlende Zeichen einsetzen. Immer echte fehlende Glyphen via check → ingest erfassen.
  3. Fall-Konflikte auf case-insensitiven Dateisystemen: Auf macOS (APFS) und Windows (NTFS) überschreiben sich A_0.png und a_0.png. Immer handwrite.py verwenden (erzwingt upper_A_0.png / lower_a_0.png / sym_uXXXX_0.png).
  4. macOS sips in Sandboxes aufrufen: sips kann in sandboxierten Umgebungen stillschweigend komplett schwarze Bilder ausgeben. handwrite.py preprocess verarbeitet .DNG in reinem Python und .HEIC via pillow-heif oder ffmpeg.
  5. Persönliche Handschrift in Git übertragen: Persönliche Arbeitsbereiche (glyphs/, photos/, output/) außerhalb des Skill-Repositorys oder in gitignorierten Pfaden belassen.

Verwandte Skills