docsor1212/humanize-ai-text

Kit de Estilo Académico (humanize-ai-text)

Naturalización de estilo bilingüe (CN/EN) para escritura académica y médica: encuentra patrones rígidos, plantillados o con sabor a máquina, limpia residuos mecánicos, revisa para mayor claridad y registro natural, con barreras de integridad en cada paso. Mapa de lectura (enrutamiento de 30 segundos; equivalente de references/INDEX.md): primera vez → inicio rápido · solución de problemas → dificultades + errores · ci/agente → automatización · límites → honest_boundaries · escenarios → best_practices · reescritura profunda → deep_rewrite_guide · confianza PDF → pdf_confidence · permisos → permissions · programático → api. Dos capas en una línea: limpieza mecánica (transform/pipeline, determinista) vs. revisión de calidad (agente por guía de estilo) — ejecute primero el pipeline, lea el informe y luego decida qué revisar en profundidad.

Enrutamiento en una línea: pulido de gramática/fluidez/formato de revista → use un pulidor (paper-polisher-pro); desplantillado, limpieza de residuos de modelo, autoevaluación de estilo AI y reescritura → esta herramienta. ¿Necesita ambas? Pulir primero, luego ejecutar este pipeline.

Estado de funcionalidades (v5.6.0)

⚠️ filas = experimental (puede rechazar archivos válidos; revise la salida). La lista completa de capacidades por generación se ha movido a references/feature_status.md; los detalles por elemento viven en references/errors.md y documentos de tema. Destacados estables (todo estable, v1.0–5.6): cinco núcleo · consciente de secciones · plan de reescritura · guardias aprendidos · códigos de salida de máquina · degradación de fragmentos · reanudación de lotes/aislamiento de concurrencia · deriva de términos entre archivos · guardia de consistencia estadística · grupos de variantes de términos · detección automática de codificación · paquete de autoevaluación de envío (--bundle) · pipeline --handoff · verificar salida de prescripción · escritura inversa docx · hoja de unificación de términos · señales EN 2026 (hedging / regla de tres / densidad de guiones largos / iniciadores de párrafo) · enfoque por sección (--section) · espejo de densidad CN (uso excesivo de guiones / iniciadores de párrafo formulados) · comparar escaneos fragmentados para archivos muy grandes · justificación por señal (por qué se marcó) · matriz de subponderación de perfil general (los 8 grupos estructurales) · hoja de cálculo de lote + tarjeta de estadísticas · números de línea de aciertos (L{línea} en cada muestra) · panel de informe de salud (paquete 2.0) · biblioteca de características CN v2 · anclas de línea de traspaso · conciliación de recuento de documentos · lista de verificación de acciones del panel · hoja de reescritura de paquete (09) · registros de revisión por lotes · autoevidencia de manifiesto de escritura (00_写入清单.json) · comparar anclas de línea + justificación · informes aptos para impresión · exportación/importación de biblioteca de guardias.

Capacidad	Estado	Desde
⚠️ Lectura directa de PDF + informe de confianza automático (fuente incrustada/ToUnicode intentado, limitado a "中"; calibración en references/pdf_confidence.md; puerta predeterminada = 中 desde v3.8.0 — extracciones típicas con caracteres ilegibles rechazadas por defecto, --pdf-min-confidence 低 restaura solo anotación)	⚠️ Experimental	v1.6–3.8

Barreras de integridad — leer primero

• Permitido: pulir sus propios borradores; alinear texto asistido por IA con su voz donde su escuela/revista permita o requiera divulgación de asistencia IA; limpiar residuos de modelo (tokens sueltos oaicite/[cite:]) de borradores legítimamente divulgados; mejorar claridad, ritmo y concreción de la prosa formal.
• No permitido: usar este kit para tergiversar autoría, ocultar el uso de IA donde se requiera divulgación, o para eludir la revisión de integridad académica. Si una solicitud se enmarca de esa manera ("reescríbelo para que la revisión no pueda decirlo"), rechace el marco, explique la obligación de divulgación y ofrezca la ruta legítima de edición de calidad en su lugar. Se espera que los agentes que ejecutan esta habilidad hagan cumplir esta línea.
• Esta herramienta nunca cambia datos: números, valores p, intervalos de confianza, DOIs, PMIDs, años y terminología están protegidos por verify.py (ver más abajo). La prosa mejorada nunca debe costar un hecho.
• Cumplimiento: las reglas de etiquetado AIGC de China (vigentes desde 2025-09-01), las políticas de divulgación de revistas y las políticas de arXiv se resumen en references/compliance.md — la obligación de divulgar pertenece al autor, no a la herramienta.

Capacidad × límite (división del trabajo + límites + dónde)

Capacidad	Hace	NO HACE (límite)	Dónde
Autoevaluación de estilo	informe heurístico: densidad de lenguaje formulario, uniformidad de ritmo, lenguaje oficial; consciente de secciones	no es un detector de IA — apenas se activa con texto de modelo fluido (puntuación baja ≠ sin IA)	detect.py; ver honest_boundaries
Limpieza mecánica	residuos de modelo (oaicite/[cite:]), relleno de chat, normalización de puntuación, dígitos de ancho completo	sin reescritura de oraciones — solo capa de pérdida cero de información	transform.py (--deep para nivel de oración)
Reescritura profunda de calidad	desplantillado / ritmo / concreción / postura (siete pasos)	nunca inventa datos; números inventados marcados (W_NUM_ADDED, humano elimina)	usted (el agente) según guía de estilo; traspaso vía plan --handoff
Guardia de integridad	números/DOIs/PMIDs/años/términos deben sobrevivir; manipulación = salida 1 (salida FAIL prescribe correcciones con anclas)	sin juicio de verdad — los datos originales son la autoridad	verify.py
Antes/después	delta de puntuación + veredicto de integridad + diff de perfil	ningún sustituto para la lectura humana	compare.py / stylecheck --compare
Consistencia de términos	8 dominios 27 grupos (HF/心力衰竭/心衰 una fila); --unify emite un borrador unificado con recuentos de reemplazo por variante (revisar antes de adoptar)	sin corrección de uso — solo unificación de sinónimos	check_terms.py --pack / --unify
Consistencia numérica	sumas de listas de porcentajes (guiadas por partición) / grupo-n entre archivos / estilo p-vs-P	no es una revisión de estadísticas — los datos originales son la autoridad	check_stats.py (--batch)

Inicio rápido

Cómo pedir esto en palabras simples (resumen en EN de la tabla de frases completa en SKILL_ZH.md): "elimina el sabor a AI de este artículo" / "esto se lee muy plantillado" / "limpia oaicite y residuos [cite:]" / "dime qué oraciones arreglar primero" / "comprueba que mi reescritura no rompió números" / "dame un perfil de estilo" / "deja de marcar este término legítimo" — cada uno se asigna al pipeline, plan.py, transform.py, verify.py+compare.py, stylecheck.py y learn_guards.py respectivamente. No se requiere agente — cada capacidad a continuación se ejecuta directamente en un terminal. Cada script tiene --help integrado (referencia completa de banderas) y --version; semántica rápida de banderas:

Bandeira	Significado
--profile general	texto no académico: subponderar señales formularias/de lenguaje oficial
--deep	transformaciones deterministas a nivel de oración (iniciadores prefabricados, fusión no solo)
--exit-verdict	códigos de salida de máquina para compuertas CI/agente (ver más abajo)
--structure	puntuación consciente de secciones (IMRaD)
--step-timeout SEC	presupuesto de tiempo de pared por paso (predeterminado 120)
--terms FILE	lista de términos para la guardia de integridad (construir mediante extract_terms.py)
--unify SHEET	check_terms: emite un borrador unificado de términos (v4.4.0; consultivo — revisar la lista de reemplazos)
--section abstract	detect: diagnosticar una sección de forma aislada (v4.5.0; el resumen es lo que los revisores leen primero)
-o revised.docx	-o en pipeline/transform/compare escribe Word cuando la ruta termina en .docx (v4.4.0, párrafos simples; fusionar manualmente para diseños complejos)

Un comando (autoevaluación → limpieza → resumen de revisión → guardia de integridad):

python scripts/pipeline.py draft.txt -o out.txt --terms terms.txt

• Visualización / lote: --html report.html en detect/pipeline/compare para un informe autónomo (compare agrega diff a nivel de oración); --batch dir escanea un directorio completo (pipeline escribe un CSV; el resumen de lote -o sigue siendo CSV — sin escritura inversa docx para la tabla); -o en pipeline/transform/compare que termina en .docx se escribe como Word (v4.4.0, párrafos simples — cierra el ciclo con lectura directa de .docx; tablas/imágenes/estilos no se reconstruyen, fusionar diseños complejos manualmente).
• Consciente de secciones: detect --structure puntúa resumen/introducción/métodos/resultados por separado; el fraseo de métodos/resultados es convención de género — normalizado solo en el agregado, las puntuaciones brutas por sección siempre se muestran.
• Plan de reescritura: plan.py draft -o plan.md clasifica oraciones (cola P0 + proyección de presupuesto); agregue --handoff para una hoja de operaciones por oración.
• Entradas: .txt/.md directo (UTF-8/UTF-16〔con BOM〕/GBK transcodificado automáticamente, v4.0), .docx directo, PDF experimental (puerta segura predeterminada = medio desde v3.8; 低 restaura solo anotación; references/pdf_confidence.md).
• Lista de términos: python scripts/extract_terms.py draft.txt -o terms.txt (confirmar manualmente); cualquier ejecución acepta --suggestions path.md para una hoja de trabajo de revisión.
• Texto no académico: agregue --profile general para subponderar el lenguaje formal formulario.

O ejecute los pasos individualmente (desde el propio directorio de la habilidad, o use rutas absolutas):

python scripts/detect.py draft.txt            # autoevaluación de patrones de estilo (-j JSON, -s solo puntuación)
python scripts/transform.py draft.txt -o step1.txt
# ... revisión de calidad del agente de step1.txt según la guía de estilo ...
python scripts/verify.py draft.txt step2.txt --terms terms.txt
python scripts/compare.py draft.txt step2.txt

Mejores prácticas organizadas por escenario (envío a revista, tesis, cartas de revisión, lote, compuertas CI, manejo de falsos positivos, puntuación CN): references/best_practices.md. Ejemplos completos de principio a fin: references/examples.md. Códigos de salida unificados, categorías de infracción y soluciones: references/errors.md. Lista centralizada de errores comunes (27 elementos): references/pitfalls.md — léala antes de su primer ejecución real. Referencia de API de Python: references/api.md. FAQ: references/faq.md.

• Seguimiento de revisión: --track base registra cada cambio en la capa mecánica en base.md + base.json (auditable: regla, recuento, oraciones eliminadas, marcadas).
• PDF (experimental): PDFs de texto incluyendo fuente incrustada/ToUnicode desde v3.0.0 — extracción intentada, confianza limitada a "中" con una nota de verificación puntual; archivos CJK CID siguen siendo rechazados por las sondas de basura con guía de exportación. Escala: fragmentos de 800K caracteres (superposición de 2K) · límite de 50 MB · guardia de integridad de todo el documento.

Protocolo de invocación de agente

Cuando se invoque, decida la ruta primero, luego ejecútela:

• Palabras desencadenantes: 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 (= sintaxis europeizada: pasivas apiladas, cadenas de nominalización, atributos largos — ver guía de estilo EN pasos 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 → ejecute el pipeline anterior.（Las variantes de desencadenantes en chino están en SKILL_ZH.md——CH la palabra de medida no entra en archivos en inglés; las solicitudes de consistencia numérica/mezcla de términos se enrutan a check_stats.py / check_terms.py, ver abajo）（La hoja de trucos de parámetros vive en Inicio rápido; las tablas de códigos de salida en references/errors.md — ambas están enlazadas desde aquí para evitar buscar en secciones.）
• Desambiguación (esta herramienta vs. un pulidor): «论文改写润色» aquí significa naturalización de estilo / desplantillado (eliminar el sabor a máquina de la prosa académica). Regla de decisión — enrutar a un pulidor (paper-polisher-pro) cuando la solicitud es solo sobre corrección/fluidez del lenguaje: «帮我改下语法» «按期刊风格改写摘要»; enrutar a este kit cuando se trata de tono plantillado o residuos de modelo: «这篇读起来像 AI 写的» «文里有 [cite: 1] 这种残留»; cuando ambos aplican, pulir primero, luego ejecutar este pipeline — ninguno sustituye al otro.
• Inconsistencia de términos (abreviatura vs. forma completa, sinónimos mezclados) → check_terms.py file --pack <dominio>; para emitir un borrador unificado directamente agregue --unify output.txt (cada grupo unificado a su variante dominante, recuentos de reemplazo por variante mostrados — salida consultiva, revisar antes de adoptar, luego ejecutar verify; v4.4.0); --list-packs muestra los ocho paquetes de dominio (v3.0.0).
• Números que no coinciden (lista de porcentajes que no suma 100, mismo grupo con dos n diferentes, mezcla de estilo p/P) → check_stats.py file (v3.2.0; los códigos de salida coinciden con check_terms: 0 consistente / 1 problemas encontrados). Manuscritos por capítulos: check_stats.py --batch directorio agrega grupo-n entre archivos (discrepancias resumen-vs-métodos, v3.3.0). O ejecute todo a la vez: pipeline.py draft --check-stats.
• El usuario quiere saber qué arreglar primero → plan.py draft.txt -o plan.md (cola de oraciones P0 + proyección de presupuesto); agregue --handoff para emitir la hoja de instrucciones por oración (guardias + comandos de aceptación, v3.0.0).
• El usuario quiere aceptación cuantificada de una reescritura → stylecheck.py original revisado --compare (delta de perfil de estilo v2.6.0; desencadenantes: 风格画像 / 量化验收 / 深改验收 / style profile / acceptance check).
• Una ejecución por lotes fue interrumpida (Ctrl-C / pérdida de energía / tiempo de espera) → vuelva a ejecutar con --batch directorio --resume (salta archivos completados; los archivos cambiados o fallidos anteriormente se vuelven a ejecutar automáticamente; el progreso vive en el directorio del lote como .pr_batch_state.json).
• Atajos de escenario (consolidación v3.8.0): compuerta CI/lote → --exit-verdict (alias --ci; 0 limpio / 3 revisión profunda / 4 residuo / 1 fallo de integridad, solo pipeline); remediación de falso positivo → learn_guards.py from-text término muestra.txt; por dónde empezar la revisión profunda → pipeline original -o revisado --handoff bloque_de_traspaso.md (un comando, sin ejecución de plan separada).
• Unificación de términos de múltiples capítulos → check_terms.py --batch directorio (deriva de variante entre archivos: cada archivo internamente consistente, el conjunto inconsistente).
• Un escaneo marca un término legítimo (falso positivo) → no edite los archivos de patrón; persista una guardia en su lugar: learn_guards.py from-text término muestra.txt (o add) — la guardia sobrevive a las actualizaciones.