docsor1212/学术文本人性化工具

学术风格工具箱（学术文本人性化工具）

面向学术与医学写作的中英双语文本自然化工具：识别僵硬、模板化或带有机器痕迹的语病，清除机械性残留，参照风格指南进行清晰度和自然语气的修订——每一步都内置完整性护栏。 阅读导航（30秒快速索引；等效于 references/INDEX.md）：首次使用 → 快速入门 · 故障排查 → 常见陷阱与错误 · CI/智能体集成 → 自动化 · 限制说明 → 诚实边界 · 场景指南 → 最佳实践 · 深度改写 → 深度改写指南 · PDF置信度 → PDF置信度 · 权限说明 → 权限说明 · 程序化调用 → API。 一线两用：机械清理（transform/pipeline，确定性） vs 质量修订（依据风格指南的智能体修订）——先运行pipeline，阅读报告，再决定需要深度重写的部分。

一句话路由：语法/流畅性/期刊格式润色 → 使用润色工具（论文润色专家）；去模板化、清除模型残留、AI风格自检与改写 → 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)

⚠️ 行 = 实验性（可能拒绝有效文件；请复核输出）。每个版本的完整能力列表已移至 references/feature_status.md；逐项细节请参见 references/errors.md 及专题文档。稳定亮点（全部稳定，v1.0–5.6）：核心五项 · 章节感知 · 改写方案 · 学习性护栏 · 退出码 · 分块退化 · 批量恢复/并发隔离 · 跨文件术语漂移 · 统计一致性护栏 · 术语变体分组 · 编码自动检测 · 提交自检包（--bundle） · pipeline --handoff · verify规则输出 · docx回写 · 术语统一表 · EN 2026信号（模糊限定词 / 三重规则 / 长破折号密度 / 段落开头模式） · 按章节聚焦（--section） · CN密度镜像（破折号过度使用 / 公式化段落开头） · 大文件分块扫描对比 · 逐信号理由（为何标记） · 通用权重降级矩阵（全部8个结构组） · 批量工作表 + 统计卡片 · 命中行号（每个样本上标注 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 · 仪表盘操作检查清单 · bundle改写表（09） · 批量修订记录 · 写入清单自证（00_写入清单.json） · 比较行锚点与理由 · 适合打印的报告 · 护栏库导出/导入。

能力	状态	起始版本
⚠️ PDF直接读取 + 置信度自报告（内嵌字体/ToUnicode尝试，上限为“中”；校准请见 references/pdf_confidence.md；v3.8.0起默认门限 = 中——典型乱码提取默认拒绝，--pdf-min-confidence 低恢复只注模式）	⚠️ 实验性	v1.6–3.8

完整性护栏——请先阅读

• 允许的用途：润色自己的草稿；在学校/期刊允许或要求披露AI辅助的情况下，将AI辅助文本融入个人风格；清除合法披露草稿中的模型残留（杂散的 oaicite/[cite:] 标记）；提升正式散文的清晰度、节奏和具体性。
• 禁止的用途：使用本工具箱歪曲作者身份、在需要披露AI使用的场合隐藏AI使用、或破坏学术完整性审查。如果请求被如此框架（“改写它以至于检查看不出来”），请拒绝该框架，解释披露义务，并提供合法的质量编辑路径来代替。运行本技能的智能体应强制执行这一界限。
• 此工具永不更改数据：数字、p值、置信区间、DOI、PMID、年份和术语受 verify.py 保护（见下文）。改写的散文绝不能牺牲事实。
• 合规性：中国的AIGC标签规则（2025年9月1日生效）、期刊披露政策和arXiv政策汇总于 references/compliance.md——披露义务属于作者，而非工具。

能力 × 边界（分工 + 限制 + 位置）

能力	功能	不做什么（边界）	位置
风格自检	启发式报告：模板密度、节奏均匀性、官腔浓度；章节感知	非AI检测器——对流畅的AI文本几乎不触发（低分 ≠ 无AI）	detect.py；见 诚实边界
机械清理	模型残留（oaicite/[cite:]）、聊天填充词、标点规范、全宽数字	不进行句子改写——仅零信息损失层	transform.py（--deep 进行句子级）
质量深度改写	去模板化/节奏/具体性/立场（七个步骤）	绝不创造数据；新增数字会被标记（W_NUM_ADDED，由人工移除）	你（智能体） 依据风格指南；通过 plan --handoff 交接
完整性护栏	数字/DOI/PMID/年份/术语必须存活；篡改则退出码1（FAIL输出提供带锚点的修复方案）	不做真值判断——原始数据为权威	verify.py
改动前后对比	得分差 + 完整性裁决 + 风格画像对比	不能替代人工阅读	compare.py / stylecheck --compare
术语一致性	8个领域27个分组（HF/心力衰竭/心衰一行）；--unify 输出统一草稿，附带每个变体的替代计数（采用前需复核）	不判断用法正确性——仅同义词统一	check_terms.py --pack / --unify
数值一致性	百分比列表合计（分区提示）/ 跨文件组n / p值vsP值样式	非统计学审核——原始数据为权威	check_stats.py（--batch）

快速入门

如何用简单语言提出需求（完整短语表的中文对照详见 SKILL_ZH.md）：“去掉这篇论文的AI味” / “读起来太模板化了” / “清理 oaicite 和 [cite:] 残留” / “告诉我哪些句子需要先改” / “检查改写没有破坏数字” / “给我一个风格画像” / “停止标记这个合法术语”——分别对应 pipeline、plan.py、transform.py、verify.py+compare.py、stylecheck.py 和 learn_guards.py。无需智能体——以下每个能力都可在终端直接运行。 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（预制开头、不止合并）
--exit-verdict	用于CI/智能体门控的机器退出码（见下文）
--structure	章节感知评分（IMRaD）
--step-timeout SEC	每步运行超时（默认120秒）
--terms FILE	完整性护栏的术语列表（通过 extract_terms.py 构建）
--unify SHEET	check_terms：输出术语统一草稿（v4.4.0；咨询性——请复核替换列表）
--section abstract	detect：单独诊断某一章节（v4.5.0；摘要是审稿人最先读的部分）
-o revised.docx	pipeline/transform/compare 的 -o 在路径以 .docx 结尾时写入Word（v4.4.0，纯段落；复杂布局请手动合并）

一条命令（自检 → 清理 → 改写简报 → 完整性护栏）：

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

• 可视化/批量处理：--html report.html 作用于 detect/pipeline/compare 可产生自包含报告（compare添加句子级差异）；--batch dir 扫描整个目录（pipeline写入CSV；批处理的 -o 摘要保持CSV格式——表格不做docx回写）；-o 作用于 pipeline/transform/compare 以 .docx 结尾则回写为Word（v4.4.0，纯段落——与 .docx 直接读取形成闭环；表格/图片/样式不重建，复杂布局请手动合并）。
• 章节感知：detect --structure 分别评分子摘要/引言/方法/结果；方法/结果的措辞属于领域惯例——仅在汇总时归一化，原始章节得分始终显示。
• 改写方案：plan.py draft -o plan.md 对句子进行排序（P0队列 + 预算预估）；添加 --handoff 可输出每句操作表。
• 输入格式：.txt/.md 直接（UTF-8/UTF-16〔带BOM〕/GBK自动转码，v4.0），.docx 直接，PDF 实验性（v3.8起默认安全门限 = 中；低 恢复只注模式；references/pdf_confidence.md）。
• 术语列表：python scripts/extract_terms.py draft.txt -o terms.txt（人工确认）；任何运行可接受 --suggestions path.md 作为修订工作表。
• 非学术文本：添加 --profile general 以降低正式模板的权重。

或者单独运行各步骤（从本技能所在目录，或使用绝对路径）：

python scripts/detect.py draft.txt            # 风格模式自检（-j JSON，-s 仅得分）
python scripts/transform.py draft.txt -o step1.txt
# ... 根据风格指南对 step1.txt 进行智能体质量修订 ...
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、毕业论文、修改信、批量处理、CI门控、误报处理、中文标点）：references/best_practices.md。 完整端到端示例：references/examples.md。统一退出码、违规类别及修复方法：references/errors.md。常见错误集中列表（27项）：references/pitfalls.md——首次实际运行前请阅读。Python API参考：references/api.md。常见问题：references/faq.md。

• 修订追踪：--track base 将每个机械层更改记录到 base.md + base.json（可审计：规则、计数、删除的句子、标记）。
• PDF（实验性）：自v3.0.0起支持文本PDF，包括内嵌字体/ToUnicode——尝试提取，置信度上限为“中”并附抽查说明；CJK CID文件仍被垃圾探针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。

智能体调用协议

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、名词化链条、长定语——参见 style_guide_en 步骤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 → 运行上述 pipeline。（中文变体触发词见 SKILL_ZH.md——中文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；退出码表位于 references/errors.md——两者均从此链接，避免跨节查找。）
• 歧义消解（本工具 vs 润色工具）：这里的「论文改写润色」指的是风格自然化/去模板化（去除学术散文中的机器味道）。判断规则——仅涉及语言正确性/流畅性时路由到润色工具（论文润色专家）：「帮我改下语法」「按期刊风格改写摘要」；涉及模板化语气或模型残留时路由到此工具箱：「这篇读起来像 AI 写的」「文里有 [cite: 1] 这种残留」；两者都存在时，先润色再运行此pipeline——两者不能互相替代。
• 术语不一致（缩写 vs 全称、同义词混用）→ check_terms.py file --pack <domain>；要直接输出统一草稿，添加 --unify output.txt（每个分组统一为其主导变体，显示每个变体的替换计数——咨询性输出，采用前请复核，然后运行 verify；v4.4.0）；--list-packs 显示所有八个领域包（v3.0.0）。
• 数字不一致（百分比列表合计不等于100、同一组有两个不同的n、p/P样式混用）→ check_stats.py file（v3.2.0；退出码与 check_terms 一致：0 一致 / 1 存在问题）。多章节稿件：check_stats.py --batch 目录 汇总跨文件的组n（摘要vs方法不匹配，v3.3.0）。或一次全部运行：pipeline.py draft --check-stats。
• 用户想知道先改什么 → plan.py draft.txt -o plan.md（P0句子队列 + 预算预估）；添加 --handoff 输出每句操作表（护栏 + 接受命令，v3.0.0）。
• 用户希望量化接受改写 → 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）。
• 批量运行被中断（Ctrl-C / 断电 / 超时）→ 使用 --batch 目录 --resume 重新运行（跳过已完成文件；更改或之前失败的文件自动重新运行；进度存在于批量目录下的 .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 需深度改写 / 4 有残留 / 1 完整性失败，仅pipeline）；误报修复 → learn_guards.py from-text 术语 样本.txt；深度改写从何开始 → 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（误报）→ 不要编辑模式文件；改为持久化一个护栏：learn_guards.py from-text 术语 样本.txt（或 add）——护栏

…

[为翻译而截断]