¿Qué hace Paper Format Agent?
Usa esta habilidad para el formateo de documentos académicos con prioridad local. Está diseñada para documentos .docx y una especificación de formato separada en .docx, .doc o .txt.
Valores Predeterminados de Seguridad
- Nunca subas documentos privados o guías de formato a servicios externos a menos que el usuario lo solicite explícitamente.
- Trata los trabajos de estudiantes, manuscritos, comentarios de revisores y plantillas escolares como datos sensibles.
- No modifiques el contenido académico a menos que el usuario opte explícitamente. Por defecto, solo se realizan cambios de formato.
- Mantén los informes y documentos generados en un directorio de salida proporcionado por el usuario.
Flujo de Trabajo Estándar
- Confirma los archivos de entrada:
--format-file: guía de formato o texto de plantilla.--paper-file: documento fuente, actualmente.docx.--out-dir: directorio de salida para informes y documentos generados.
- Ejecuta el CLI en modo solo formato:
python -m paper_format_agent.cli \
--format-file "format_guide.docx" \
--paper-file "paper.docx" \
--out-dir "./output" \
--engine auto \
--strict-required-sections
- Inspecciona los artefactos generados:
formatted_paper_v3.docx: documento reparado.format_rules.json: reglas extraídas.format_report.json: puntuación y comprobaciones legibles por máquina.format_report.html: informe legible por humanos.modify_log.json: operaciones de formato.engine_report.json: resultado del motor de postprocesamiento.
- Verifica los campos de guardián de contenido en
format_report.json:content_changednormalmente debe serfalse.content_guard_enforcednormalmente debe sertrue.
- Si una regla es incorrecta, actualiza la lógica de extracción o puntuación de reglas y añade un caso de prueba mínimo.
Validación
Ejecuta estos antes de entregar el trabajo:
python tools/validate_skill.py
python -m unittest discover -s tests -p "test_*.py"
python tools/compile_check.py
python tools/release_audit.py
Al Añadir Soporte para Plantillas
- Añade el texto de regla representativo más pequeño necesario para reproducir el comportamiento.
- Prefiere la extracción determinista de reglas sobre la interpretación exclusiva con LLM.
- Añade pruebas para márgenes extraídos, tamaño de fuente, interlineado, secciones requeridas, encabezados, títulos de figuras o referencias.
- No subas documentos reales de estudiantes. Usa texto sintético o fixtures anonimizados.
Al Revisar la Salida
Lee format_report.json primero, luego inspecciona format_report.html si el usuario necesita un resumen legible por humanos. Prioriza los problemas en este orden:
- Contenido cambiado inesperadamente.
- Secciones requeridas o encabezados mal clasificados.
- Configuración de página, márgenes, fuentes o interlineado incorrectos.
- Títulos de figuras, referencias, tablas o numeración con aspecto incorrecto.
- Redacción del informe o explicación de la puntuación poco clara.
Tareas Amigables para Contribuciones
Las buenas primeras solicitudes de extracción suelen encajar en una de estas categorías:
- Añadir una prueba sintética para una regla de formato escolar, de revista o de conferencia.
- Mejorar un extractor de reglas con una expresión regular o analizador de alcance limitado.
- Mejorar la claridad del informe sin cambiar la semántica de puntuación.
- Añadir un caso de regresión a
docs/regression_manifest.sample.json. - Mejorar este flujo de trabajo de habilidad o los metadatos de
agents/openai.yaml.