Communitygithub.com

mumdark/nature-writing-studio

과학 원고를 Nature Portfolio 스타일의 영어로 재작성해주는 AI 스킬입니다. 750편의 Nature 계열 논문에서 추출한 지식 베이스와 편집 스타일 가이드를 기반으로 작동합니다.

nature-writing-studio란 무엇인가요?

이 스킬은 과학 원고를 Nature Portfolio가 요구하는 수준의 영어로 변환하는 데 특화되어 있습니다. 60개의 글쓰기 규칙, 122개의 구문, 132개의 AI-틸(tell) 금지 패턴, 22개의 도메인 레지스터, 12개의 섹션별 스켈레톤으로 구성된 풍부한 지식 베이스 덕분에 단순한 문장 수준의 다듬기부터 초록, 서론, 방법, 결과, 논의, 그림 설명 등 전체 논문 섹션 작성을 포괄합니다. 사용자가 'Nature 스타일로 써 줘', '중국어를 Nature 영어로 번역해 줘', 'AI가 쓴 듯한 표현을 제거해 줘'와 같은 요청을 할 때 자동으로 활성화됩니다. 입력 형식은 간단한 텍스트와 대상 섹션, 도메인 정보를 받아들이며, 다중 섹션 모드에서는 논리 흐름(logic_line), 이야기 아크(story_arc), 개체 레지스트리(entity_registry)를 먼저 생성한 후 각 섹션 프롬프트를 호출하고, 교차 섹션 감사(audit)를 수행합니다. 최종 출력은 inline Markdown 형식으로, 각 섹션별 정식 버전(text), 간결 버전(text_compact), 그리고 메타데이터(summary)를 포함합니다. 특히 AI가 저지르기 쉬운 데이터 조작(fabrication)과 em-dash 사용을 엄격히 검증하고 제거하는 안전장치가 내장되어 있습니다.

지원 대상✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/mumdark/nature-writing-studio/tree/HEAD/skill

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

nature-writing

Codex / Claude Code 스킬: 과학 텍스트를 Nature Portfolio 영어로 재작성합니다. 750편의 Nature 계열 논문 + 편집 스타일 가이드에서 추출했습니다. 지식 베이스: 60개의 글쓰기 규칙, 122개의 구문, 132개의 AI-틸(tell) 금지 단어 목록, 22개의 도메인 레지스터, 12개의 섹션별 스켈레톤.

이 스킬이 하는 일

사용자가 제공한 모든 과학 텍스트(주장 목록, 방법 문단, 초록 초안, 전체 서론 등)를 입력받아 다음을 생성합니다:

  1. text - Nature 수준의 영어 재작성.
  2. text_compact - 비교를 위한 60-70% 길이의 더 간결한 버전.
  3. summary - 다음을 포함한 메타데이터:
    • logic_line: 재작성의 논리 근거
    • rules_applied: knowledge/writing_rules.tsv의 규칙 ID (R001-)
    • patterns_used: knowledge/phrase_bank.tsv의 구문 ID (P001-)
    • ai_tells_avoided: 제거된 AI-틸 패턴
    • section: 대상 섹션 유형
    • domain: 추론되거나 제공된 도메인

target=multi_section인 경우, 오케스트레이터는 대신 섹션별 블록과 함께 최상위 meta 라인을 생성합니다. meta 라인에는 version_used, logic_line, entity_registry, cross_section 감사 결과, 그리고 선택적 degraded 플래그가 포함됩니다. 최종 두 버전의 완전한 논문을 만들기 위해 섹션별 text와 text_compact 문자열을 이어 붙이는 것은 에이전트(또는 사람 대면 레이어)의 책임입니다.

이 스킬을 사용해야 하는 경우

사용자가 다음 중 하나를 요청할 때 트리거합니다:

  • Nature 스타일 글쓰기, 다듬기, 재작성, 번역(중국어 → Nature 영어), 재구조화
  • 학술 글쓰기 업그레이드("Nature처럼 만들어 주세요")
  • 섹션 초안: 초록, 서론, 방법, 결과, 논의, 그림 설명
  • 문장 수준 다듬기: 단일 중국어 문장을 Nature 등급 영어로 변환
  • 다중 섹션 글쓰기: 사용자가 전체 초안(중국어 또는 영어)을 제공하고 Nature 스타일의 전체 논문을 원할 때; 섹션별 Markdown 블록 + 외부 에이전트가 두 개의 전체 논문 버전으로 이어 붙이는 summary 라인을 생성합니다.
  • AI-틸 제거: delve into, navigate complexities 등 제거
  • 도메인별 초안 작성(물리학 / 생물학 / 의학 / 재료 등)

호출 규칙

스킬은 다음과 같은 형태의 입력을 기대합니다:

input: <재작성할 텍스트>
target: <abstract | introduction | methods | results | discussion | figure_legend | sentence>
domain: <physics_condensed | biology_neuro | medicine_oncology | ... | general_nature>  (선택 사항)

문장 수준 다듬기의 경우 target = sentence이며, input은 단일 문장이나 짧은 구절일 수 있습니다.

전체 논문 오케스트레이션의 경우:

target: multi_section
input: <전체 초안, 중국어 또는 영어, 섹션 표시 불필요>
domain: <선택 사항>

multi_section 타겟은 prompts/sections/multi_section.txt를 오케스트레이터로 호출합니다. 섹션 순서를 자동 선택하고(SP001 기본값), logic_line + story_arc + entity_registry 사전 단계를 강제하며, 공유 컨텍스트로 각 섹션 프롬프트를 호출하고, 섹션별 Markdown 블록과 summary 라인을 출력합니다. 외부 에이전트(또는 사람 대면 레이어)는 각 섹션의 text와 text_compact를 두 개의 최종 전체 논문 버전으로 이어 붙입니다.

운영 절차 (에이전트용)

  1. 로드 prompts/system_writer.txt 및 prompts/style_guide.txt.

  2. 로드 prompts/sections/<target>.txt의 섹션별 프롬프트.

  3. 읽기 knowledge/writing_rules.tsv (60개 규칙), phrase_bank.tsv (122개 구문), anti_ai_patterns.tsv (132개 금지 목록), domain_register.tsv (도메인이 지정된 경우).

  4. 재작성 입력을 섹션 구조와 헤지 계층에 따라 처리합니다.

  5. Anti-AI 스캔: anti_ai_patterns.tsv와 일치하는 구문을 대체 또는 삭제합니다.

  6. 렌더링 전체 출력 계약(text, text_compact, summary)을 준수하여 결과를 생성합니다.

  7. 자가 점검 style_guide.txt의 "반환 전 빠른 정합성 확인" 기준에 따라 수행합니다.

  8. 다중 섹션 오케스트레이션 (target=multi_section인 경우에만). prompts/sections/multi_section.txt와 knowledge/cross_section_rules.tsv를 읽습니다. 그런 다음:

    • 오케스트레이터의 자동 버전 선택(SP001 기본값)을 통해 섹션 순서를 선택합니다.
    • 섹션 작성을 시작하기 전에 logic_line + story_arc + entity_registry를 필수 전제 조건으로 생성합니다.
    • shared_context 객체를 빌드하고 각 섹션의 입력 조각 앞에 (펜스로 구분하여) 추가합니다.
    • 버전 순서에 따라 각 섹션에 해당하는 섹션별 프롬프트를 호출합니다.
    • 섹션별로 기존 검증 레이어를 실행합니다. 실패 시 수정된 컨텍스트로 한 번 재실행합니다.
    • 모든 섹션이 완료되면 교차 섹션 감사(개체 차이, 헤지 사다리, 인용 누락, 약어 변동, 전환 중단, 숫자 형식, 참조 밀도)를 실행하고 meta.cross_section을 출력합니다.
    • 단일 섹션 예제와 동일한 형태의 inline Markdown 블록을 반환합니다. 각 섹션에 ## text / ## text_compact / ## summary가 있고, 그 뒤에 version_used, logic_line, entity_registry, cross_section, degraded를 나열하는 ## meta 블록이 옵니다. 산문을 이어 붙이지 **마십시오"; 에이전트가 수행합니다.
  9. 검증 (Verification Layer, 허위 방지): prompts/system_writer.txt에 정의된 검증 레이어(규칙 1a / 1b / 2 / 2.5 / 3)를 실행합니다. 두 가지 추적성 등급:

    • 규칙 1a (하드, 입력에 추적 가능해야 함): 사용자 연구에 대한 모든 데이터 주장 — 데이터, 통계, 표본 크기, 시점, 그림/인용 토큰, 사용자별 식별자(유전자 변이체, 세포주 ID, 데이터셃 엑세션), 사용자가 명시한 조건. 추적 불가능한 데이터 토큰은 위조입니다. 삭제하십시오.
    • 규칙 1b (소프트, 자유롭게 허용): 확립된 과학 지식(예: alternative splicing 또는 gene regulation 같은 메커니즘, Wnt 또는 MAPK 같은 잘 알려진 경로, 배경으로서의 모델 생물체, 일반적인 조직/세포 유형 범주, 일반적인 표현형/과정 용어). 이들은 사용자의 특정 발견을 설정하며 결코 위조가 아닙니다.
    • 결정 규칙: 사용자의 특정 유전자/숫자/세포를 다른 것으로 대체해도 여전히 참인 문장이면 규칙 1b(허용)입니다. 사용자 입력을 제거하면 문장이 거짓이 된다면 규칙 1a(추적 가능해야 함)입니다.
    • em-dash (U+2014)는 위조로 간주합니다(규칙 2). 감사 필드는 summary.untraceable_tokens — 빈 배열 [] = 통과; 비어 있지 않음 = 위조 발견, 재작성 다시 실행해야 함. 다중 섹션 모드에서는 위반 섹션이 text=null로 설정되고 meta.degraded에 나열됩니다. 삭제 전용, 삭제 후 재작성, 일반 지식 허용 사례에 대한 작업 예제를 참조하십시오.
  10. Em-dash 제거 (결정론적): 검증 레이어 통과 후 prompts/system_writer.txt 규칙 2.5의 strip_em_dash() 함수를 text와 text_compact 각각에 대해 실행합니다. 이는 소프트 규칙이 아닌 하드 사후 처리이며, 모든 LLM 패스 후에 실행됩니다. 반환되는 text와 text_compact에는 U+2014가 0개여야 합니다. 대체로 인해 문장이 깨지는 경우(예: , 로 시작), 문장 경계에서 다시 분할하십시오. 인공물을 수정하기 위해 새 콘텐츠를 만들지 마십시오.

출력 계약

## text
<Nature 수준 산문>

## text_compact
<60-70% 길이의 간결 버전>

## summary
- section: abstract
- domain: biology_neuro
- logic_line: <1-2 문장>
- rules_applied: [R001, R005]
- patterns_used: [P005, P008]
- ai_tells_avoided: [delve_into, in_this_paper]

기본값은 inline Markdown입니다. JSON으로 전환하거나 파일로 저장하는 것은 명시적인 사용자 요청(예: "JSON으로 출력", ".docx로 저장")이 있을 때만 수행합니다.

target=multi_section인 경우 출력 형식이 변경됩니다:

## text
<초록 텍스트> ... <방법 텍스트>     (오케스트레이터가 이어 붙임)

## text_compact
<초록 text_compact> ... <방법 text_compact>

## summary
- mode: multi_section
- version_used: SP001
    "logic_line": "<단일 문장>",
    "entity_registry": [...],
    "cross_section": {"entity_diff": [], "hedge_violations": [], "citation_gaps": [], "abbreviation_drift": [], "transition_breaks": [], "numeric_format_drift": [], "reference_density": [], "overall": "PASS"},
    "degraded": null
  }
}

에이전트(또는 사람 대면 레이어)는 sections를 순서대로 반복하며 각 섹션의 text를 (빈 줄로 구분하여) 하나의 최종 text로 연결한 다음, 각 섹션의 text_compact를 하나의 최종 text_compact로 연결합니다. 두 개의 이어 붙인 버전을 사용자가 읽을 수 있도록 제공합니다.

예시

사용자 입력 (중국어):

우리는 CRISPRi로 287개의 전사 인자를 스크리닝하여 이전에 보고된 적 없는 전사 인자인 ZNF219가 신경 분화를 억제한다는 것을 발견했습니다. 스킬 출력 (Nature 스타일): Here we applied CRISPRi screening to a panel of 287 transcription factors (TFs) and identified ZNF219, a previously uncharacterized TF, as a repressor of neural differentiation.

Summary: Logic: open with Here + method + scale; lead finding identifies a previously uncharacterized TF. Rules applied: R005 (Here we), R008 (hedge), R017 (avoid novel overuse). Patterns: P010, P013. AI-tells avoided: none (input was clean). Section: sentence. Domain: biology_neuro. Verification: 0 em-dash; 0 fabricated tokens; pass. 모든 토큰이 입력(287, CRISPRi, ZNF219, transcription factor, repressor, neural differentiation)에 추적 가능합니다.

그림 및 인용 자리표시자

사용자 입력에 그림 번호나 인용이 없는 경우, 산문에 명시적 자리표시자를 삽입하십시오:

  • 그림: (Fig. X), (Extended Data Fig. X), (Fig. 1a, b) (할당되지 않은 경우 리터럴 X 사용).
  • 인용: [citation needed], [1], [2] 또는 [1-]와 같은 숫자 위첨자 자리표시자.
  • 통계: [n = TBD], [P = TBD].

절대 묵묵히 생략하지 마십시오. 자리표시자는 정직합니다. 생략은 위조 위험을 초래합니다.

text vs text_compact

  • text: 헤지, 괄호 안의 여담, 조정된 중복이 포함된 전체 산문.
  • text_compact: 60-70% 길이. 괄호 안의 주의 사항과 쌍을 이루는 중복 절 중 하나를 제거합니다. 주요 주장, 메커니즘, 앵커 인용 및 모든 Anti-AI 수정 사항을 유지합니다.

두 버전은 측정 가능하게 달라야 합니다 — 최소 20% 길이 차이 또는 2개 이상의 실질적인 삭감.

다중 섹션 오케스트레이션의 경우, 이어 붙인 text는 모든 섹션의 text를 연결한 것이고, 이어 붙인 text_compact는 모든 섹션의 text_compact를 연결한 것입니다. 전체 길이 비율이 유지됩니다.

Anti-AI 정밀도

key라는 단어는 일부 Nature 맥락에서 허용됩니다(key result, key step, key parameter). key player, key regulator, key insight, key step toward, key role과 함께 사용될 때만 AI-틸로 간주됩니다. 정확한 정규식은 knowledge/anti_ai_patterns.tsv를 참조하십시오.

관련 스킬