docsor1212/paper-rewriter（学术论文改写工具）

学术风格工具箱 (paper-rewriter)

面向学术与医学写作的中英双语风格自然化：找出生硬、模板化或带有机器感 的表达模式，清理机械性残留物，修订以提高清晰度和自然语域——每一步 都保持完整性护栏。 阅读导航（30秒路由；相当于 references/INDEX.md）： 首次使用 → 快速入门 · 故障排除 → 陷阱+错误 · CI/代理自动化 → 自动化 · 限制 → 诚实边界 · 场景 → 最佳实践 · 深度改写 → 深度改写指南 · PDF置信度 → pdf_confidence · 权限 → permissions · 编程方式 → api。 两行合一：机械清理（transform/pipeline，确定性）vs 质量修订（代理按风格 指南进行）——先运行 pipeline，阅读报告，再决定哪些需要深度修订。

一行路由：语法/流畅度/期刊格式润色 → 使用润色工具 (paper-polisher-pro)；去模板化、模型残留清理、AI风格自查和改写 → 使用本工具。 两者都需要？先润色，再运行本 pipeline。

功能状态 (v5.6.0)

⚠️ 标记的行 = 实验性（可能拒绝有效文件；请审查输出）。完整的逐代能力列表已移至 references/feature_status.md；各项详情位于 references/errors.md 和主题文档中。稳定亮点（全部稳定，v1.0–5.6）：核心五项 · 章节感知 · 改写计划 · 学习型护栏 · 机器退出码 · 块降级 · 批量恢复/并发隔离 · 跨文件术语漂移 · 统计一致性防护 · 术语变体分组 · 编码自动检测 · 提交自检包 (--bundle) · pipeline --handoff · 验证处方输出 · docx 回写 · 术语统一表 · EN 2026 信号（缓冲语 / 三法则 / 长破折号密度 / 段落开头） · 逐章节焦点 (--section) · CN 密度镜像（破折号过度使用 / 公式化段落开头） · 超大文件的分块扫描对比 · 逐信号解释（为何标记） · 通用画像降权矩阵（全部 8 个结构组） · 批处理工作表 + 统计卡片 · 命中行号（每个样本上显示 L{行号}） · 健康报告仪表盘 (bundle 2.0) · CN 特征库 v2 · 交接行锚点 · 文档计数核对 · 仪表盘操作清单 · bundle 改写表 (09) · 批处理修订记录 · 写入清单自证 (00_写入清单.json) · 比较行锚点 + 解释 · 打印友好报告 · 护栏库导出/导入。

能力	状态	始于
⚠️ PDF 直接读取 + 置信度自报告（尝试内嵌字体/ToUnicode，上限"中"；校准在 references/pdf_confidence.md；自 v3.8.0 起默认门限 = 中 — 默认拒绝典型乱码提取，--pdf-min-confidence 低 恢复仅注释模式）	⚠️ 实验性	v1.6–3.8

完整性护栏 — 请先阅读

• 允许的：润色自己的草稿；在学校/期刊 允许或要求披露的 AI 辅助场景下，将 AI 辅助文本与自己的风格对齐；清理合法披露草稿中的模型残留（杂散 oaicite/[cite:] 令牌）；提高正式散文的清晰度、节奏和具体性。
• 不允许的：使用本工具包歪曲作者身份、在需要披露的情况下隐藏 AI 使用、或规避学术诚信审查。如果请求以这种方式提出（“改写它，让审查看不出来”），请拒绝此框架，解释披露义务，并提供合法的质量编辑路径。运行此技能的代理应强制执行此界限。
• 本工具从不更改数据：数字、p值、置信区间、DOI、PMIDs、年份和术语均由 verify.py 保护（见下文）。改进的散文绝不能以事实为代价。
• 合规性：中国 AIGC 标签规则（2025-09-01 生效）、期刊披露政策和 arXiv 政策总结于 references/compliance.md 中——披露义务属于作者，而非工具。

能力 × 边界（分工 + 限制 + 位置）

能力	做什么	不做什么（边界）	位置
风格自查	启发式报告：模板密度、节奏均匀性、官腔；章节感知	不是 AI 检测器——对流畅的模型文本几乎不触发（低分 ≠ 无 AI）	detect.py；见 honest_boundaries
机械清理	模型残留（oaicite/[cite:]）、聊天填充语、标点规范化、全角数字	不进行句子改写——仅零信息损失层	transform.py（--deep 用于句子级别）
质量深度改写	去模板化 / 节奏 / 具体性 / 立场（七步）	绝不编造数据；编造的数字会被标记（W_NUM_ADDED，由人工删除）	你（代理） 按风格指南操作；通过 plan --handoff 交接
完整性护栏	数字/DOIs/PMIDs/年份/术语必须保留；篡改 = 退出码 1（FAIL 输出出具带有锚点的修复方案）	无真值判断——原始数据是权威	verify.py
改前/改后	分数差值 + 完整性裁定 + 画像差异	不能替代人工阅读	compare.py / stylecheck --compare
术语一致性	8 域 27 组（HF/心力衰竭/心衰 一行）；--unify 生成统一草稿，附带每种变体替换计数（采纳前请审查）	不判断用法正确性——仅同义合并	check_terms.py --pack / --unify
数字一致性	百分比列表和（分块提示）/ 跨文件组 n / p 与 P 风格	非统计学审核——原始数据是权威	check_stats.py（--batch）

快速入门

如何用简单语言请求（完整短语表的英文摘要见 SKILL_ZH.md）： "去除这篇文章的 AI 味儿" / "读起来太模板化" / "清理 oaicite 和 [cite:] 残留" / "告诉我哪些句子需要先修改" / "检查我改写时没有破坏数字" / "给我一份风格画像" / "停止标记这个合法术语" —— 这些分别对应 pipeline、plan.py、transform.py、 verify.py+compare.py、stylecheck.py 和 learn_guards.py。 无需代理——以下每项能力均可直接在终端运行。 每个脚本都有内置的 --help（完整标志参考）和 --version； 快速标志语义：

标志	含义
--profile general	非学术文本：降低公式化/模板信号权重
--deep	确定性句子级变换（固定开头句式，不仅合并）
--exit-verdict	CI/代理门控的机器退出码（见下文）
--structure	章节感知评分（IMRaD）
--step-timeout SEC	每步的墙钟预算（默认 120）
--terms FILE	完整性护栏杆所使用的术语列表（由 extract_terms.py 构建）
--unify SHEET	check_terms：生成术语统一草稿（v4.4.0；建议性——请审查替换列表）
--section abstract	detect：单独诊断一个章节（v4.5.0；摘要通常是审稿人最先阅读的）
-o revised.docx	-o 在 pipeline/transform/compare 上，当路径以 .docx 结尾时写入 Word（v4.4.0，纯文本段落；复杂布局需手动合并）

一条命令（自检 → 清理 → 改写摘要 → 完整性护栏）：

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

• 可视化 / 批处理：在 detect/pipeline/compare 上使用 --html report.html 生成独立报告（compare 会添加句子级差异）；--batch dir 扫描整个目录（pipeline 写入 CSV；批处理 -o 摘要保持 CSV 格式——表格无法回写 docx）；-o 在 pipeline/transform/compare 上以 .docx 结尾时，会写回为 Word（v4.4.0，纯文本段落——与 .docx 直接读取形成闭环；表格/图片/样式不会重建，复杂布局需手动合并）。
• 章节感知：detect --structure 分别对摘要/引言/方法/结果进行评分；方法/结果部分的措辞属于体裁惯例——仅进行总体归一化，始终显示原始逐章节分数。
• 改写计划：plan.py draft -o plan.md 对句子进行优先级排序（P0 队列 + 预算预估）；添加 --handoff 生成逐句操作表。
• 输入：.txt/.md 直接（UTF-8/UTF-16〔含 BOM〕/GBK 自动转码，v4.0），.docx 直接，PDF 实验性（自 v3.8 起默认安全门限 = 中；低 恢复仅注释模式；references/pdf_confidence.md）。
• 术语列表：python scripts/extract_terms.py draft.txt -o terms.txt（手工确认）；任何运行均可接受 --suggestions path.md 以生成修订工作表。
• 非学术文本：添加 --profile general 以降低正式模板的权重。

或者逐步运行各个步骤（从技能自己的目录，或使用绝对路径）：

python scripts/detect.py draft.txt            # 风格模式自检（-j JSON，-s 仅分数）
python scripts/transform.py draft.txt -o step1.txt
# ... 按风格指南对 step1.txt 进行代理质量修订 ...
python scripts/verify.py draft.txt step2.txt --terms terms.txt
python scripts/compare.py draft.txt step2.txt

按场景组织的最佳实践（期刊投稿、学位论文、修稿信、批处理、CI 门控、假阳性处理、中文标点）： references/best_practices.md。 端到端工作示例：references/examples.md。统一退出码、违规分类及修正方案：references/errors.md。常见错误集中列表（27 项）：references/pitfalls.md——在首次真正运行前务必阅读。Python API 参考：references/api.md。FAQ：references/faq.md。

• 修订追踪：--track base 记录每个机械层更改到 base.md + base.json（可审计：规则、计数、被删除的句子、标记）。
• PDF（实验性）：自 v3.0.0 起支持含内嵌字体/ToUnicode 的文本 PDF——尝试提取，置信度上限为"中"，并附带抽样检查说明；CJK CID 文件仍被垃圾探测程序拒绝，并提供导出建议。规模：800K 字符块（2K 重叠）· 50MB 上限 · 全文完整性护栏。

代理调用协议

被调用时，先决定路径，然后执行：

• 触发词：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 (= 欧化句法：堆叠被动、名词化链、长定语——见 style_guide_en 第 1/3 步) / 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 → 运行上述 pipeline。（中文变体触发词见 SKILL_ZH.md——CH 分寸词不入英文文件；数字自洽/术语混用类请求路由到 check_stats.py / check_terms.py，见下）（参数速查表位于快速入门；退出码表格在 references/errors.md——两者均已链接至此，避免跨节查找。）
• 歧义消解（本工具 vs 润色器）：「论文改写润色」在此指风格自然化/去模板化（去除学术散文中的机器味）。决策规则——当请求仅涉及语言正确性/流畅性时，路由到润色器（paper-polisher-pro）：「帮我改下语法」「按期刊风格改写摘要」；当涉及模板化语气或模型残留时，路由到本工具包：「这篇读起来像 AI 写的」「文里有 [cite: 1] 这种残留」；两者兼有时，先润色，再运行此 pipeline——两者不能相互替代。
• 术语不一致（缩写与全称混用、同义词混用）→ check_terms.py file --pack <domain>；要直接生成统一草稿，添加 --unify output.txt（每组统一为其主导变体，显示每种变体的替换次数——建议性输出，采纳前请审查，然后运行 verify；v4.4.0）；--list-packs 显示全部八个领域包（v3.0.0）。
• 数字不一致（百分比列表和不等于 100、同一组有两个不同的 n、p/P 风格混用）→ check_stats.py file（v3.2.0；退出码与 check_terms 一致：0 一致 / 1 发现不一致）。分章节手稿：check_stats.py --batch 目录 跨文件汇总组 n（摘要与方法不匹配，v3.3.0）。或一次性运行全部：pipeline.py draft --check-stats。
• 用户想知道先修改什么 → plan.py draft.txt -o plan.md（P0 句子队列 + 预算预估）；添加 --handoff 生成逐句操作说明表（护栏 + 接受命令，v3.0.0）。
• 用户希望量化接受改写结果 → stylecheck.py 原稿 改稿 --compare（v2.6.0 风格画像差异；触发词：风格画像 / 量化验收 / 深改验收 / style profile / acceptance check）。
• 批处理运行被中断（Ctrl-C / 断电 / 超时）→ 用 --batch 目录 --resume 重新运行（跳过已完成文件；已更改或先前失败的文件自动重新运行；进度保存在批处理目录下的 .pr_batch_state.json 中）。
• 场景快捷方式（v3.8.0 整合）：CI/批处理门控 → --exit-verdict（--ci 别名；0 干净 / 3 深度修订 / 4 残留 / 1 完整性失败，仅 pipeline）；假阳性补救 → learn_guards.py from-text 术语 样本.txt；从何处开始深度修订 → pipeline 原稿 -o 改稿 --handoff 交接块.md（一条命令，无需单独运行 plan）。
• 多章节术语统一 → check_terms.py --batch 目录（跨文件变体漂移：每个文件内部一致，但集合不一致）。
• 扫描标记了合法术语（假阳性）→ 不要编辑模式文件；而是持久化一个护栏：learn_guards.py from-text 术语 样本.txt（或 add）——护栏基于学习而非模糊匹配（v3.8.0）；它将该术语添加到你当前配置的 guard 信任集中。查看已有护栏：learn_guards.py list。learn_guards.py 也适用于误标的单词（如口语、特定行话、小说中的角色名）。
• "没有 AI 痕迹"重构 → 在 pipeline 上使用 --extreme 以启用最高强度模式（去除任何可辨别的 AI 常用语言模式）；否则使用内置的完整性护栏；审查风险，然后彻底改写整个段落。

完整的语种触发词表（英文段落 + 中文段落）位于 SKILL_ZH.md — CH 分寸词不入英文文件；数字自洽/术语混用类请求路由到 check_stats.py / check_terms.py，见下。速查表位于快速入门；退出码表格在 references/errors.md。运行 python scripts/pipeline.py --help 查看完整标志参考。