Academic Style Toolkit (humanize-ai-text)

O que Academic Style Toolkit (humanize-ai-text) faz?

Naturalização de estilo bilíngue (CN/EN) para escrita acadêmica e médica: encontre padrões rígidos, modelados ou com sabor de máquina, limpe detritos mecânicos, revise para clareza e registro natural — com salvaguardas de integridade em cada etapa. Mapa de leitura (roteamento de 30 segundos; equivalente a references/INDEX.md): primeira vez → início rápido · solução de problemas → armadilhas + erros · ci/agente → automação · limites → honest_boundaries · cenários → best_practices · reescrita profunda → deep_rewrite_guide · confiança PDF → pdf_confidence · permissões → permissions · programático → api. Duas camadas em uma linha: limpeza mecânica (transform/pipeline, determinística) vs revisão de qualidade (agente por guia de estilo) — execute o pipeline primeiro, leia o relatório, então decida o que revisar profundamente.

Roteamento em uma linha: polimento de gramática/fluência/formato de periódico → use um polidor (paper-polisher-pro); desmodelagem, limpeza de resíduos de modelo, autoavaliação de estilo com sabor de IA e reescrita → esta ferramenta. Precisa de ambos? Pola primeiro, depois execute este pipeline.

Status dos recursos (v5.6.0)

⚠️ linhas = experimental (pode rejeitar arquivos válidos; revise a saída). A lista completa de capacidades por geração foi movida para references/feature_status.md; detalhes por item estão em references/errors.md e documentos de tópicos. Destaques estáveis (todos estáveis, v1.0–5.6): cinco principais · ciente de seção · plano de reescrita · guardas aprendidos · códigos de saída de máquina · degradação de bloco · retomada de lote/isolamento de concorrência · desvio de termo entre arquivos · guarda de consistência estatística · grupos de variantes de termos · detecção automática de codificação · pacote de auto-verificação de submissão (--bundle) · pipeline --handoff · verificação de saída de prescrição · write-back docx · planilha de unificação de termos · sinais EN 2026 (hedging / regra-de-três / densidade de travessão / aberturas de parágrafo) · foco por seção (--section) · espelho de densidade CN (uso excessivo de travessão / aberturas de parágrafo formulaicas) · comparar varreduras em bloco para arquivos muito grandes · justificativa por sinal (por que foi sinalizado) · matriz de ponderação de perfil geral (todos os 8 grupos estruturais) · planilha de lote + cartão de estatísticas · números de linha de acerto (L{linha} em cada amostra) · painel de relatório de saúde (pacote 2.0) · biblioteca de recursos CN v2 · âncoras de linha de handoff · reconciliação de contagem de documentos · lista de verificação de ações do painel · planilha de reescrita do pacote (09) · registros de revisão em lote · autoevidência do manifesto de escrita (00_写入清单.json) · âncoras de linha de comparação + justificativa · relatórios prontos para impressão · exportação/importação da biblioteca de guardas.

Capacidade	Status	Desde
⚠️ Leitura direta de PDF + autorrelato de confiança (fonte incorporada/ToUnicode tentado, limitado a "中"; calibração em references/pdf_confidence.md; portão padrão = 中 desde v3.8.0 — extrações tipicamente ilegíveis rejeitadas por padrão, --pdf-min-confidence 低 restaura apenas anotação)	⚠️ Experimental	v1.6–3.8

Salvaguardas de integridade — leia primeiro

• Permitido: polir seus próprios rascunhos; alinhar texto assistido por IA com sua voz onde sua escola/periódico permite ou exige divulgação de assistência IA; limpar resíduos de modelo (tokens oaicite/[cite:] perdidos) de rascunhos legitimamente divulgados; melhorar clareza, ritmo e concretude da prosa formal.
• Não permitido: usar este toolkit para deturpar autoria, ocultar o uso de IA onde a divulgação é exigida, ou para burlar a revisão de integridade acadêmica. Se uma solicitação for formulada dessa forma ("reescreva para que a revisão não perceba"), recuse o enquadramento, explique a obrigação de divulgação e ofereça o caminho legítimo de edição de qualidade. Espera-se que agentes executando este skill reforcem essa linha.
• Esta ferramenta nunca altera dados: números, valores-p, intervalos de confiança, DOIs, PMIDs, anos e terminologia são protegidos por verify.py (veja abaixo). Prosa melhorada nunca deve custar um fato.
• Conformidade: as regras de rotulagem AIGC da China (vigentes a partir de 2025-09-01), políticas de divulgação de periódicos e políticas do arXiv estão resumidas em references/compliance.md — a obrigação de divulgar pertence ao autor, não à ferramenta.

Capacidade × limite (divisão de trabalho + limites + onde)

Capacidade	Faz	NÃO FAZ (limite)	Onde
Autoavaliação de estilo	relatório heurístico: densidade de jargão burocrático, uniformidade rítmica, linguagem oficial; ciente de seção	não é um detector de IA — dificilmente dispara em texto fluente de modelo (pontuação baixa ≠ sem IA)	detect.py; veja honest_boundaries
Limpeza mecânica	resíduo de modelo (oaicite/[cite:]), preenchimento de chat, normalização de pontuação, dígitos de largura total	sem reescrita de frases — apenas camada de perda zero de informação	transform.py (--deep para nível de frase)
Reescrita profunda de qualidade	desmodelagem / ritmo / concretude / postura (sete etapas)	nunca inventa dados; números inventados sinalizados (W_NUM_ADDED, humano remove)	você (o agente) por guia de estilo; handoff via plan --handoff
Guarda de integridade	números/DOIs/PMIDs/anos/termos devem sobreviver; adulteração = saída 1 (saída FAIL prescreve correções com âncoras)	sem julgamento de verdade — dados originais são a autoridade	verify.py
Antes/depois	delta de pontuação + veredito de integridade + diff de perfil	não substitui leitura humana	compare.py / stylecheck --compare
Consistência de termos	8 domínios 27 grupos (HF/心力衰竭/心衰 uma linha); --unify emite um rascunho unificado com contagens de substituição por variante (revise antes de adotar)	sem correção de uso — apenas unificação de sinônimos	check_terms.py --pack / --unify
Consistência numérica	somas de lista de percentuais (orientadas por partição) / grupo-n entre arquivos / estilo p-vs-P	não é uma revisão estatística — dados originais são a autoridade	check_stats.py (--batch)

Início rápido

Como solicitar isso em palavras simples (resumo EN da tabela de frases completa em SKILL_ZH.md): "remova o sabor de IA deste artigo" / "isto parece muito modelado" / "limpe resíduos oaicite e [cite:]" / "diga-me quais frases corrigir primeiro" / "verifique se minha reescrita não quebrou números" / "me dê um perfil de estilo" / "pare de sinalizar este termo legítimo" — cada um mapeia para o pipeline, plan.py, transform.py, verify.py+compare.py, stylecheck.py e learn_guards.py respectivamente. Nenhum agente é necessário — toda capacidade abaixo é executada diretamente no terminal. Cada script tem --help embutido (referência completa de flags) e --version; semântica rápida de flags:

Flag	Significado
--profile general	texto não acadêmico: reduzir peso de sinais formulaicos/burocráticos
--deep	transformações determinísticas em nível de frase (aberturas padronizadas, fusão não-apenas)
--exit-verdict	códigos de saída de máquina para gate CI/agente (veja abaixo)
--structure	pontuação ciente de seção (IMRaD)
--step-timeout SEC	orçamento de tempo de parede por etapa (padrão 120)
--terms FILE	lista de termos para a guarda de integridade (construa via extract_terms.py)
--unify SHEET	check_terms: emitir um rascunho de termos unificado (v4.4.0; consultivo — revise a lista de substituições)
--section abstract	detect: diagnosticar uma seção isoladamente (v4.5.0; o resumo é o que os revisores leem primeiro)
-o revised.docx	-o no pipeline/transform/compare escreve Word quando o caminho termina em .docx (v4.4.0, parágrafos simples; mescle manualmente para layouts complexos)

Um comando (autoavaliação → limpeza → breve de revisão → guarda de integridade):

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

• Visualização / lote: --html report.html em detect/pipeline/compare para um relatório autossuficiente (compare adiciona diff em nível de frase); --batch dir varre um diretório inteiro (pipeline escreve um CSV; o resumo -o do lote permanece CSV — sem write-back docx para a tabela); -o no pipeline/transform/compare terminando em .docx é escrito de volta como Word (v4.4.0, parágrafos simples — fecha o ciclo com leitura direta de .docx; tabelas/imagens/estilos não são reconstruídos, mescle layouts complexos manualmente).
• Ciente de seção: detect --structure pontua resumo/introdução/métodos/resultados separadamente; fraseado de métodos/resultados é convenção de gênero — normalizado apenas no agregado, pontuações brutas por seção sempre mostradas.
• Plano de reescrita: plan.py draft -o plan.md classifica frases (fila P0 + projeção de orçamento); adicione --handoff para uma folha de operação por frase.
• Entradas: .txt/.md direto (UTF-8/UTF-16〔com BOM〕/GBK transcodificado automaticamente, v4.0), .docx direto, PDF experimental (portão seguro padrão = médio desde v3.8; 低 restaura apenas anotação; references/pdf_confidence.md).
• Lista de termos: python scripts/extract_terms.py draft.txt -o terms.txt (confirme manualmente); qualquer execução aceita --suggestions path.md para uma planilha de revisão.
• Texto não acadêmico: adicione --profile general para reduzir o peso do jargão formal.

Ou execute as etapas individualmente (do próprio diretório do skill, ou use caminhos absolutos):

python scripts/detect.py draft.txt            # autoavaliação de padrões de estilo (-j JSON, -s apenas pontuação)
python scripts/transform.py draft.txt -o step1.txt
# ... revisão de qualidade do agente do step1.txt conforme o guia de estilo ...
python scripts/verify.py draft.txt step2.txt --terms terms.txt
python scripts/compare.py draft.txt step2.txt

Melhores práticas organizadas por cenário (submissão a periódico, tese, cartas de revisão, lote, gates CI, tratamento de falso positivo, pontuação CN): references/best_practices.md. Exemplos completos passo a passo: references/examples.md. Códigos de saída unificados, categorias de violação e remediações: references/errors.md. Lista centralizada de erros comuns (27 itens): references/pitfalls.md — leia antes de sua primeira execução real. Referência da API Python: references/api.md. FAQ: references/faq.md.

• Rastreamento de revisão: --track base registra cada alteração na camada mecânica em base.md + base.json (auditável: regra, contagem, frases excluídas, sinalizadas).
• PDF (experimental): PDFs de texto, incluindo fonte incorporada/ToUnicode desde v3.0.0 — extração tentada, confiança limitada a "中" com uma nota de verificação amostral; arquivos CJK CID ainda rejeitados pelas sondas de lixo com orientação de exportação. Escala: blocos de 800.000 caracteres (2.000 de sobreposição) · limite de 50MB · guarda de integridade de documento inteiro.

Protocolo de invocação do agente

Quando invocado, decida o caminho primeiro, depois execute-o:

• Palavras de gatilho: 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 (= sintaxe europeizada: passivas empilhadas, cadeias de nominalização, atributos longos — veja guia de estilo_en etapas 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 → execute o pipeline acima.（Variantes de gatilho em chinês em SKILL_ZH.md——termos de proporção CH não entram em arquivos EN; solicitações de autoconsistência numérica/mistura de terminologia roteadas para check_stats.py / check_terms.py, veja abaixo）（A folha de dicas de parâmetros está em Início rápido; tabelas de código de saída em references/errors.md — ambos estão linkados a partir daqui para evitar busca entre seções.）
• Desambiguação (esta ferramenta vs um polidor): 「论文改写润色」 aqui significa naturalização de estilo / desmodelagem (remover o sabor de máquina da prosa acadêmica). Regra de decisão — roteie para um polidor (paper-polisher-pro) quando o pedido for apenas sobre correção/fluência de linguagem: 「帮我改下语法」 「按期刊风格改写摘要」; roteie para este toolkit quando for sobre tom modelado ou resíduo de modelo: 「这篇读起来像 AI 写的」「文里有 [cite: 1] 这种残留」; quando ambos se aplicam, polir primeiro, depois executar este pipeline — nenhum substitui o outro.
• Inconsistência de termos (abreviação vs forma completa, sinônimos misturados) → check_terms.py file --pack <domain>; para emitir um rascunho unificado diretamente, adicione --unify output.txt (cada grupo unificado para sua variante dominante, contagens de substituição por variante exibidas — saída consultiva, revise antes de adotar, depois execute verify; v4.4.0); --list-packs mostra todos os oito pacotes de domínio (v3.0.0).
• Números que não concordam (lista de percentuais não soma 100, mesmo grupo com dois n diferentes, mistura de estilo p/P) → check_stats.py file (v3.2.0; códigos de saída correspondem a check_terms: 0 consistente / 1 problemas encontrados). Manuscritos com capítulos: check_stats.py --batch 目录 agrega grupo-n entre arquivos (incompatibilidades resumo-vs-métodos, v3.3.0). Ou execute tudo de uma vez: pipeline.py draft --check-stats.
• Usuário quer saber o que corrigir primeiro → plan.py draft.txt -o plan.md (fila de frases P0 + projeção de orçamento); adicione --handoff para emitir a folha de instrução por frase (guardas + comandos de aceitação, v3.0.0).
• Usuário quer aceitação quantificada de uma reescrita → stylecheck.py 原稿 改稿 --compare (v2.6.0 delta de perfil de estilo; gatilhos: 风格画像 / 量化验收 / 深改验收 / style profile / acceptance check).
• Uma execução em lote foi interrompida (Ctrl-C / queda de energia / timeout) → execute novamente com --batch 目录 --resume (pula arquivos concluídos; arquivos alterados ou com falha anterior são executados novamente automaticamente; o progresso reside no diretório do lote como .pr_batch_state.json).
• Atalhos de cenário (consolidação v3.8.0): gate CI/lote → --exit-verdict (alias --ci; 0 limpo / 3 revisão profunda / 4 resíduo / 1 falha de integridade, apenas pipeline); remediação de falso positivo → learn_guards.py from-text 术语 样本.txt; por onde começar a revisão profunda → pipeline 原稿 -o 改稿 --handoff 交接块.md (um comando, sem execução de plano separada).
• Unificação de termos em vários capítulos → check_terms.py --batch 目录 (desvio de variante entre arquivos: cada arquivo internamente consistente, o conjunto inconsistente).
• Uma varredura sinaliza um termo legítimo (falso positivo) → não edite os arquivos de padrão; persista uma guarda: learn_guards.py from-text 术语 样本.txt (ou add) — a guarda

...

[truncado para tradução]