Communitygithub.com

papier_format_agent

DOCX-Formatierung für akademische Arbeiten mit einem Content-Fingerabdruck-Schutz: beweist, dass nur das Format geändert wird, nie der Text. Auch als Agenten-Skill installierbar.

Was ist papier_format_agent?

Der Paper Format Agent ist ein Skill für lokale, datenschutzorientierte Formatierung akademischer Dokumente im .docx-Format. Er extrahiert Formatierungsregeln aus einer separaten Formatvorlage (ebenfalls .docx, .doc oder .txt) und wendet sie auf die Quelldatei an, ohne den wissenschaftlichen Inhalt zu verändern – geschützt durch einen Content-Fingerabdruck (content fingerprint guard). Dieser Skill ist ideal für Forscher, Studierende und Autoren, die Manuskripte, Konferenzbeiträge oder Abschlussarbeiten schnell und konsistent an die Vorgaben von Zeitschriften, Hochschulen oder Konferenzen anpassen müssen, ohne sensible Inhalte an externe Dienste zu senden. Er unterstützt Workflows über die Kommandozeile (CLI) und kann als Agenten-Skill in Umgebungen wie Claude Code, Cursor oder Codex integriert werden. Der Skill arbeitet deterministisch: Er erzeugt eine formatierte .docx-Datei, extrahierte Regeln als JSON, einen maschinenlesbaren Bericht mit Prüfung der Inhaltsintegrität, einen menschenlesbaren HTML-Bericht sowie ein Änderungsprotokoll. Der Content-Fingerabdruck wird in `format_report.json` als `content_changed`-Flag überwacht; standardmäßig ist dies `false`. Beiträge zur Weiterentwicklung sind willkommen: Neue Testfälle für spezifische Formatierungsregeln, verbesserte Rule Extractor oder klarere Berichte können leicht über Pull Requests eingebracht werden.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add zxyasfas/paper_format_agent

In Ihrer bevorzugten KI fragen

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

Dokumentation

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

  1. Bestätigen Sie die Eingabedateien:
    • --format-file: Formatvorlage oder Vorlagentext.
    • --paper-file: Quellarbeit, aktuell .docx.
    • --out-dir: Ausgabeverzeichnis für Berichte und generierte Dokumente.
  2. 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
  1. 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.
  2. Überprüfen Sie die Content-Guard-Felder in format_report.json:
    • content_changed sollte normalerweise false sein.
    • content_guard_enforced sollte normalerweise true sein.
  3. 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:

  1. Inhalt unerwartet geändert.
  2. Erforderliche Abschnitte oder Überschriften wurden falsch klassifiziert.
  3. Seiteneinrichtung, Ränder, Schriftarten oder Zeilenabstand sind falsch.
  4. Bildunterschriften, Referenzen, Tabellen oder Nummerierung sehen falsch aus.
  5. 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.json hinzu.
  • Verbessern Sie diesen Skill-Workflow oder die Metadaten in agents/openai.yaml.

Verwandte Skills