toolkit-de-estilo-académico (paper-rewriter)

Kit de herramientas de estilo académico (paper-rewriter)

Naturalización de estilo bilingüe (CN/EN) para escritura académica y médica: encuentra patrones rígidos, plantillados o con sabor a máquina, limpia los desechos mecánicos, revisa para mayor claridad y registro natural — con salvaguardas de integridad en cada paso. Mapa de lectura (ruta de 30 segundos; equivalente a references/INDEX.md): primera vez → inicio rápido · solución de problemas → errores + dificultades · ci/agente → automatización · límites → honest_boundaries · escenarios → best_practices · reescritura profunda → deep_rewrite_guide · confianza en 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) — ejecuta primero el pipeline, lee el informe y luego decide qué revisar a fondo.

Enrutamiento en una línea: corrección gramatical/fluidez/formato de revista → usa un pulidor (paper-polisher-pro); desplantillado, limpieza de residuos de modelos, autocontrol de estilo tipo IA y reescritura → esta herramienta. ¿Necesitas ambas? Primero pule y luego ejecuta este pipeline.

Estado de funcionalidades (v5.6.0)

⚠️ filas = experimental (puede rechazar archivos válidos; revisa 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 temáticos. Destacados estables (todo estable, v1.0–5.6): cinco núcleos · consciente de secciones · plan de reescritura · protecciones aprendidas · códigos de salida de máquina · degradación de fragmentos · reanudación/aislamiento de concurrencia en lotes · deriva de términos entre archivos · Guardia de consistencia estadística · grupos de variantes de términos · detección automática de codificación · Paquete de autocontrol para envío (--bundle) · pipeline --handoff · verificar salida de prescripción · escritura en docx · hoja de unificación de términos · Señales EN 2026 (hedging / regla de tres / densidad de guiones / abridores de párrafo) · enfoque por sección (--section) · espejo de densidad CN (uso excesivo de guiones / abridores de párrafo formuláicos) · comparar escaneos fragmentados para archivos muy grandes · justificación por señal (por qué se marcó) · matriz de ponderación general (los 8 grupos estructurales) · hoja de cálculo de lote + tarjeta de estadísticas · números de línea de golpe (L{línea} en cada muestra) · panel de informe de salud (bundle 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 del bundle (09) · registros de revisión por lotes · autoevidencia del manifiesto de escritura (00_写入清单.json) · anclas de línea de comparación + justificación · informes aptos para impresión · exportación/importación de biblioteca de guardias.

Capacidad	Estado	Desde
⚠️ Lectura directa de PDF + autoinforme de confianza (fuente incrustada/ToUnicode intentado, limitado a "medio"; calibración en references/pdf_confidence.md; puerta predeterminada = medio desde v3.8.0 — extracciones típicamente distorsionadas rechazadas por defecto, --pdf-min-confidence bajo restaura solo anotaciones)	⚠️ Experimental	v1.6–3.8

Salvaguardas de integridad — leer primero

• Permitido: pulir tus propios borradores; alinear texto asistido por IA con tu voz donde tu escuela/revista permite o requiere la divulgación de asistencia de IA; limpiar residuos de modelos (tokens oaicite/[cite:] perdidos) de borradores divulgados legítimamente; mejorar la claridad, el ritmo y la concreción de la prosa formal.
• No permitido: usar este kit de herramientas para tergiversar la autoría, ocultar el uso de IA cuando se requiere divulgación, o para eludir la revisión de integridad académica. Si una solicitud se formula así ("reescríbelo para que la revisión no pueda decirlo"), rechaza el planteamiento, explica la obligación de divulgación y ofrece la vía legítima de edición de calidad en su lugar. Se espera que los agentes que ejecuten 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: reglas de etiquetado AIGC de China (vigentes desde 2025-09-01), políticas de divulgación de revistas y políticas de arXiv resumidas 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
Autocontrol de estilo	informe heurístico: densidad de fórmulas, uniformidad de ritmo, lenguaje oficial; consciente de secciones	no es un detector de IA — apenas se activa en texto de modelo fluido (puntuación baja ≠ sin IA)	detect.py; ver honest_boundaries
Limpieza mecánica	residuos de modelo (oaicite/[cite:]), rellenos de chat, normalización de puntuación, dígitos de ancho completo	sin reescritura de oraciones — capa solo sin pérdida de información	transform.py (--deep para nivel de oración)
Reescritura profunda de calidad	desplantillado / ritmo / concreción / postura (siete pasos)	nunca inventa datos; los números inventados se marcan (W_NUM_ADDED, el humano los elimina)	tú (el agente) según guía de estilo; traspaso vía plan --handoff
Guardia de integridad	los números/DOIs/PMIDs/años/términos deben sobrevivir; manipulación = salida 1 (la 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 + diferencia de perfil	sin 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 estadística — los datos originales son la autoridad	check_stats.py (--batch)

Inicio rápido

Cómo pedir esto en palabras simples (resumen EN de la tabla de frases completa en SKILL_ZH.md): "quita el sabor a IA de este artículo" / "esto suena demasiado plantillado" / "limpia los residuos de oaicite y [cite:]" / "dime qué oraciones arreglar primero" / "verifica que mi reescritura no rompió ningún número" / "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 una terminal. Cada script tiene --help integrado (referencia completa de banderas) y --version; semántica rápida de banderas:

Banderas	Significado
--profile general	texto no académico: reducir peso de señales formuláicas/de relleno
--deep	transformaciones deterministas a nivel de oración (abridores enlatados, fusión no solo)
--exit-verdict	códigos de salida de máquina para CI/gating de 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 vía extract_terms.py)
--unify SHEET	check_terms: emitir un borrador unificado de términos (v4.4.0; asesoramiento — revisar la lista de reemplazos)
--section abstract	detectar: 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 (autocontrol → limpieza → breve 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 todo un directorio (pipeline escribe un CSV; el resumen -o del lote sigue siendo CSV — no hay escritura en 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; las tablas/imágenes/estilos no se reconstruyen, fusionar diseños complejos manualmente).
• Consciente de secciones: detect --structure puntúa resumen/introducción/métodos/resultados por separado; la redacción de métodos/resultados es una convención de género — normalizada solo en el agregado, las puntuaciones brutas por sección siempre se muestran.
• Plan de reescritura: plan.py draft -o plan.md clasifica las oraciones (cola P0 + proyección de presupuesto); añade --handoff para una hoja de operaciones por oración.
• Entradas: .txt/.md directo (UTF-8/UTF-16〔con BOM〕/GBK transcodificación automática, v4.0), .docx directo, PDF experimental (puerta segura predeterminada = medio desde v3.8; bajo restaura solo anotaciones; references/pdf_confidence.md).
• Lista de términos: python scripts/extract_terms.py draft.txt -o terms.txt (confirmar a mano); cualquier ejecución acepta --suggestions path.md para una hoja de trabajo de revisión.
• Texto no académico: añade --profile general para reducir el peso de fórmulas formales.

O ejecuta los pasos individualmente (desde el propio directorio del skill, o usa rutas absolutas):

python scripts/detect.py draft.txt            # autocontrol de patrones de estilo (-j JSON, -s solo puntuación)
python scripts/transform.py draft.txt -o step1.txt
# ... revisión de calidad por 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

Prácticas recomendadas organizadas por escenario (envío a revista, tesis, cartas de revisión, lotes, puertas 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 violación y soluciones: references/errors.md. Lista centralizada de errores comunes (27 elementos): references/pitfalls.md — léelo antes de tu primera ejecución real. Referencia de API de Python: references/api.md. Preguntas frecuentes: references/faq.md.

• Seguimiento de revisiones: --track base registra cada cambio en la capa mecánica en base.md + base.json (auditable: regla, recuento, oraciones eliminadas, marcado).
• PDF (experimental): PDF de texto, incl. fuente incrustada/ToUnicode desde v3.0.0 — extracción intentada, confianza limitada a "medio" con una nota de verificación puntual; los archivos CJK CID aún son 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 del agente

Cuando se invoca, decide primero la ruta, luego ejecútala:

• 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 pasos 1/3 de la guía de estilo) / 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 → ejecuta el pipeline anterior.（Las palabras desencadenantes en chino variante están en SKILL_ZH.md——CH no pone palabras matizadas en archivos en inglés; las solicitudes de consistencia numérica/confusión de términos se enrutan a check_stats.py / check_terms.py, ver más abajo） （La hoja de trucos de parámetros está en Inicio rápido; las tablas de códigos de salida en references/errors.md — ambos están enlazados desde aquí para evitar buscar entre 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 de herramientas 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 se aplican ambas, pulir primero, luego ejecutar este pipeline — ninguna sustituye a la otra.
• Inconsistencia de términos (abreviatura vs forma completa, sinónimos mezclados) → check_terms.py file --pack <domain>; para emitir un borrador unificado directamente añade --unify output.txt (cada grupo unificado a su variante dominante, recuentos de reemplazo por variante mostrados — salida informativa, 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 estilos 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 目录 agrega grupo-n entre archivos (discrepancias entre resumen y métodos, v3.3.0). O ejecuta 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); añade --handoff para emitir la hoja de instrucciones por oración (guardias + comandos de aceptación, v3.0.0).
• El usuario quiere una aceptación cuantificada de una reescritura → stylecheck.py 原稿 改稿 --compare (v2.6.0 delta del perfil de estilo; 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 / corte de energía / tiempo de espera) → vuelve a ejecutar con --batch 目录 --resume (omite archivos completados; los archivos cambiados o fallados previamente se vuelven a ejecutar automáticamente; el progreso vive en el directorio de lotes como .pr_batch_state.json).
• Atajos de escenario (consolidación v3.8.0): puertas CI/lote → --exit-verdict (alias --ci; 0 limpio / 3 revisión profunda / 4 residuo / 1 fallo de integridad, solo pipeline); remediación de falsos positivos → learn_guards.py from-text 术语 样本.txt; por dónde empezar la revisión profunda → pipeline 原稿 -o 改稿 --handoff 交接块.md (un comando, sin ejecución separada del plan).
• Unificación de términos entre capítulos → check_terms.py --batch 目录 (deriva de variantes entre archivos: cada archivo internamente consistente, el conjunto inconsistente).
• Un escaneo marca un término legítimo (falso positivo) → no edites los archivos de patrones; persiste una guardia en su lugar: learn_guards.py from-text 术语 样本.txt (o add) — la guardia se aplicará automáticamente en futuros escaneos. Para eliminar una guardia: learn_guards.py drop <id>.
• Eliminación de rellenos de chat → transform.py draft.txt --chat (elimina frases como "Ciertamente", "En conclusión", "Como se mencionó anteriormente").
• Normalización de puntuación → transform.py draft.txt --punctuation (normaliza comillas curvas, guiones, puntos suspensivos).
• Normalización de dígitos → transform.py draft.txt --digits (convierte dígitos de ancho completo a ancho estándar para chino e inglés).
• Generar informe HTML → detect.py draft.txt --html report.html (informe autónomo con visualización de patrones de estilo).
• Comparar dos archivos → compare.py original.txt revised.txt (muestra diferencias a nivel de línea con resaltado de cambios).
• Generar hoja de trabajo de revisión → plan.py draft.txt -o plan.md --handoff (emite una hoja de trabajo por oración con guardias y comandos de aceptación).

Notas de uso para el agente

• Siempre ejecuta verify.py después de la reescritura profunda para garantizar que no se hayan alterado datos.
• Usa --exit-verdict en entornos CI para obtener códigos de salida de máquina que indiquen el estado de la revisión.
• Para archivos PDF, el valor predeterminado es rechazar extracciones de baja confianza; si es necesario, usa --pdf-min-confidence bajo.
• Las listas de términos deben confirmarse manualmente después de la extracción automática.
• Los falsos positivos deben manejarse con learn_guards.py, no editando los archivos de patrones.
• Las ejecuciones por lotes se pueden reanudar después de una interrupción con --resume.
• La unificación de términos es una sugerencia; revisa la salida antes de adoptarla.
• La consistencia estadística verifica sumas de porcentajes y tamaños de muestra, pero no es una revisión estadística completa.

Hoja de trucos de parámetros

Banderas	Significado
--help	Muestra ayuda detallada para cualquier script
--version	Muestra la versión del script
--json	Salida en formato JSON (para scripts detect/verify/compare)
--silent	Suprime la salida de registro detallada
--debug	Habilita la salida de depuración
--log FILE	Escribe el registro en un archivo específico
--no-color	Deshabilita la salida de color

Integración de CI

Para integrar este skill en un pipeline de CI/CD:

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

Códigos de salida:

• 0: Limpio (sin problemas de estilo, sin residuos, datos intactos)
• 1: Falla de integridad (datos alterados, ejecutar verify.py para detalles)
• 3: Se sugiere revisión profunda (problemas de estilo detectados)
• 4: Residuos de modelo encontrados y limpiados

Escenarios de uso

Envío a revista:

1. detect.py draft.txt --structure para el perfil de estilo
2. plan.py draft.txt -o plan.md --handoff para la hoja de trabajo de revisión
3. Revisión de calidad por agente según la guía de estilo
4. verify.py original draft_revised.txt --terms terms.txt para guardia de integridad
5. compare.py original draft_revised.txt para comparación antes/después

Tesis/tesina:

1. Ejecución por lotes con pipeline.py --batch 目录 para todos los capítulos
2. Unificación de términos con check_terms.py --batch 目录
3. Consistencia estadística con check_stats.py --batch 目录
4. Seguimiento de revisión con --track base por capítulo

Cartas de revisión:

1. detect.py response_letter.txt para autocontrol de estilo
2. transform.py response_letter.txt -o cleaned.txt para limpieza mecánica
3. Revisión de calidad por agente centrada en claridad y tono

Instalación

Este skill está diseñado para ejecutarse con la biblioteca estándar de Python 3.6+. No requiere dependencias externas. Clona el repositorio y ejecuta los scripts desde su directorio o usando rutas absolutas.

Licencia

Este toolkit está destinado a fines educativos y de investigación. Consulte references/compliance.md para conocer las políticas de licencia y divulgación.