Paper Format Agent
Verwenden Sie diesen Skill für lokale akademische Dokumentformatierung. Er ist für .docx-Arbeiten und eine separate Formatspezifikation in .docx, .doc oder .txt ausgelegt.
Sicherheitsvorgaben
- Laden Sie niemals private Arbeiten oder Formatierungsvorlagen auf externe Dienste hoch, es sei denn, der Benutzer bittet ausdrücklich darum.
- Behandeln Sie studentische Arbeiten, Manuskripte, Gutachten und Schulvorlagen als sensible Daten.
- Ändern Sie keine akademischen Inhalte, es sei denn, der Benutzer hat sich ausdrücklich dafür entschieden. Standardmäßig nur Formatierungsänderungen.
- Speichern Sie Berichte und generierte Dokumente in einem vom Benutzer angegebenen Ausgabeverzeichnis.
Standard-Workflow
- Bestätigen Sie die Eingabedateien:
--format-file: Formatvorlage oder Vorlagentext.--paper-file: Quellarbeit, aktuell.docx.--out-dir: Ausgabeverzeichnis für Berichte und generierte Dokumente.
- Führen Sie die CLI im Nur-Formatierungs-Modus aus:
python -m paper_format_agent.cli \
--format-file "format_guide.docx" \
--paper-file "paper.docx" \
--out-dir "./output" \
--engine auto \
--strict-required-sections
- Untersuchen Sie die generierten Artefakte:
formatted_paper_v3.docx: repariertes Dokument.format_rules.json: extrahierte Regeln.format_report.json: maschinenlesbare Punktzahl und Prüfungen.format_report.html: menschenlesbarer Bericht.modify_log.json: Formatierungsvorgänge.engine_report.json: Ergebnis der Nachbearbeitungs-Engine.
- Überprüfen Sie die Content-Guard-Felder in
format_report.json:content_changedsollte normalerweisefalsesein.content_guard_enforcedsollte normalerweisetruesein.
- Wenn eine Regel falsch ist, aktualisieren Sie die Regelerkennung oder -bewertung und fügen Sie einen minimalen Testfall hinzu.
Validierung
Führen Sie diese Schritte aus, bevor Sie die Arbeit zurückgeben:
python tools/validate_skill.py
python -m unittest discover -s tests -p "test_*.py"
python tools/compile_check.py
python tools/release_audit.py
Hinzufügen von Vorlagenunterstützung
- Fügen Sie den kleinstmöglichen repräsentativen Regeltext hinzu, der zum Reproduzieren des Verhaltens erforderlich ist.
- Bevorzugen Sie deterministische Regelerkennung gegenüber rein LLM-basierter Interpretation.
- Fügen Sie Tests für extrahierte Ränder, Schriftgröße, Zeilenabstand, erforderliche Abschnitte, Überschriften, Bildunterschriften oder Referenzen hinzu.
- Committen Sie keine echten studentischen Dokumente. Verwenden Sie synthetischen Text oder anonymisierte Fixtures.
Überprüfung der Ausgabe
Lesen Sie zuerst format_report.json, dann format_report.html, wenn der Benutzer eine menschenlesbare Zusammenfassung benötigt. Priorisieren Sie Probleme in dieser Reihenfolge:
- Inhalt unerwartet geändert.
- Erforderliche Abschnitte oder Überschriften wurden falsch klassifiziert.
- Seiteneinrichtung, Ränder, Schriftarten oder Zeilenabstand sind falsch.
- Bildunterschriften, Referenzen, Tabellen oder Nummerierung sehen falsch aus.
- Berichtswortlaut oder Punkteerklärung ist unklar.
Beitragsfreundliche Aufgaben
Gute erste PRs fallen normalerweise in eine dieser Kategorien:
- Fügen Sie einen synthetischen Test für eine Schul-, Zeitschriften- oder Konferenzformatierungsregel hinzu.
- Verbessern Sie einen Regelerkenner mit einem eng gefassten Regex oder Parser.
- Verbessern Sie die Berichtsklarheit, ohne die Bewertungssemantik zu ändern.
- Fügen Sie einen Regressionstestfall zu
docs/regression_manifest.sample.jsonhinzu. - Verbessern Sie diesen Skill-Workflow oder die Metadaten in
agents/openai.yaml.