Communitygithub.com

zxyasfas/論文格式代理

用於學術論文的 DOCX 格式器,具備內容指紋保護功能:確保僅修改格式,絕不變更文字。也可作為代理技能安裝。

論文格式代理 是什麼?

這是一個專為本地優先的學術文件格式化工作設計的 AI 代理技能。它支援 .docx 格式的論文以及 .docx、.doc 或 .txt 格式的獨立格式規範。其核心功能是「內容指紋保護」,透過在 format_report.json 中產生 content_changed 和 content_guard_enforced 等欄位,提供可驗證的保證,證明使用者的文字內容從未被修改,僅格式被調整。使用者可以透過 CLI 指令 (python -m paper_format_agent.cli) 執行此技能,指定格式檔、論文檔和輸出目錄。它會產生多個產出物,包括格式化後的文件、提取的規則、機器可讀的報告以及人類可讀的 HTML 報告。此技能設計為尊重隱私和安全性,預設不上傳私人論文或格式指南,除非使用者明確要求。它非常適合需要嚴格格式控制且對內容完整性有高度要求的學術寫作、投稿準備和同儕審查工作流程。

相容平台~Claude Code✓Codex CLI~Cursor
npx skills add zxyasfas/paper_format_agent

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

論文格式代理 是做什麼的?

使用此技能進行本地優先的學術文件格式化工作。它專為 .docx 論文以及 .docx、.doc 或 .txt 格式的獨立格式規範而設計。

安全預設

  • 除非使用者明確要求,否則絕不將私人論文或格式指南上傳至外部服務。
  • 將學生論文、手稿、審稿意見和學校模板視為敏感資料。
  • 除非使用者明確選擇加入,否則不得更改學術內容。預設僅進行格式化變更。
  • 將報告和產生的文件保存在使用者提供的輸出目錄中。

標準工作流程

  1. 確認輸入檔案:
    • --format-file:格式指南或模板文字。
    • --paper-file:原始論文,目前為 .docx 格式。
    • --out-dir:輸出目錄,用於存放報告和產生的文件。
  2. 以僅格式化模式執行 CLI:
python -m paper_format_agent.cli \
  --format-file "format_guide.docx" \
  --paper-file "paper.docx" \
  --out-dir "./output" \
  --engine auto \
  --strict-required-sections
  1. 檢查產生的工件:
    • formatted_paper_v3.docx:修復後的文件。
    • format_rules.json:提取的規則。
    • format_report.json:機器可讀的分數與檢查結果。
    • format_report.html:人類可讀的報告。
    • modify_log.json:格式化操作記錄。
    • engine_report.json:後處理引擎結果。
  2. 檢查 format_report.json 中的內容保護欄位:
    • content_changed 通常應為 false。
    • content_guard_enforced 通常應為 true。
  3. 如果規則有誤,請更新規則提取或評分邏輯,並加入最簡測試案例。

驗證

在回傳工作成果前,請執行以下步驟:

python tools/validate_skill.py
python -m unittest discover -s tests -p "test_*.py"
python tools/compile_check.py
python tools/release_audit.py

新增模板支援時

  • 加入重現該行為所需的最少代表性規則文字。
  • 優先使用確定性規則提取,而非僅依賴 LLM 解讀。
  • 針對提取的邊距、字型大小、行距、必要章節、標題、圖表標題或參考文獻加入測試。
  • 請勿提交真實的學生文件。請使用合成文字或匿名處理的測試資料。

審查輸出時

首先閱讀 format_report.json,如果使用者需要人類可讀的摘要,再檢查 format_report.html。請依以下順序優先處理問題:

  1. 內容意外變更。
  2. 必要章節或標題分類錯誤。
  3. 頁面設定、邊距、字型或行距錯誤。
  4. 圖表標題、參考文獻、表格或編號看起來錯誤。
  5. 報告用詞或分數說明不清楚。

適合貢獻的任務

良好的首次 PR 通常屬於以下類別之一:

  • 為某學校、期刊或會議的格式化規則新增合成測試。
  • 使用範圍明確的正規表達式或解析器改進規則提取器。
  • 在不改變評分語義的前提下改善報告清晰度。
  • 在 docs/regression_manifest.sample.json 中新增迴歸案例。
  • 改進此技能工作流程或 agents/openai.yaml 中繼資料。

相關技能