DD paper-rewriter
Набор инструментов для академического стиля письма, двуязычный CN/EN: Отчёты сканирования ИИ-стиля и самопроверки стилевых паттернов (отчёты сканирования только для обнаружения), детерминированная очистка текста (артефакты модели, пунктуация, вводные фразы), защитные механизмы целостности (числа, DOI, PMID, терминология должны остаться без изменений) и управляемая агентом естественность стиля для более ясной, естественной академической прозы (удаление шаблонов, устранение «машинного» перевода, ритм, конкретность). Создан для учёных, чьи формальные тексты звучат жёстко, шаблонно или как будто написаны машиной — особенно для неносителей языка (ESL). Включает проверки соответствия раскрытию информации об ИИ (правила маркировки Китая 2025-09) и защитные механизмы академической честности: этот инструмент улучшает качество письма для самопроверки; он не помогает искажать авторство, скрывать обязательное раскрытие информации об ИИ или обходить проверку на добросовестность. 100% локально, без загрузки, только стандартная библиотека Python. Связанные инструменты: paper-polisher-pro (общая полировка), pubmed-verifier, cite-holmes, academic-figures, cn-med-oa, doc-holmes.
машинный переводПоказать оригиналСкрыть оригинал«Academic writing style toolkit, bilingual CN/EN: AI flavor scan and st…»
Academic writing style toolkit, bilingual CN/EN: AI flavor scan and style-pattern self-check reports (scan reports are detection only), deterministic text cleanup (model artifacts, punctuation, filler phrases), integrity guardrails (numbers, DOIs, PMIDs, terminology must survive untouched), and agent-guided style naturalization for clearer, more natural academic prose (de-templating, de-translationese, rhythm, concreteness). Built for scholars whose formal writing reads stiff, templated or machine-flavored — especially non-native (ESL) authors. Includes AIGC-disclosure compliance checks (China 2025-09 labeling rules) and academic-integrity guardrails: this tool improves writing quality for self-review; it does not help misrepresent authorship, conceal required AI disclosure, or defeat integrity review. 100% local, zero upload, Python stdlib only. Related: paper-polisher-pro (broad polishing), pubmed-verifier, cite-holmes, academic-figures, cn-med-oa, doc-holmes.
Набор инструментов для академического стиля письма, двуязычный CN/EN: Отчёты сканирования ИИ-стиля и самопроверки стилевых паттернов (отчёты сканирования…
Как процесс D 41/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: scripts/patterns_*.json, scripts/user_guards.json
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.
Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
средняя Широкие права
meta-broad-allowed-toolsSKILL.md:1Заранее разрешены широкие инструменты: Bashallowed-tools: Read Write Bash Glob Grep
Просканировано файлов: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 6226 токенов (рекомендуется < 5000); вынесите детали в references/ - предупреждение
missing-refссылка на отсутствующий файл: scripts/patterns_*.json - предупреждение
missing-refссылка на отсутствующий файл: scripts/user_guards.json
Процессный рейтинг: все десять параметров 41/100
- 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/patterns_*.json, scripts/user_guards.json
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Стоимость исполнения. Тело инструкции 6226 токенов
- 100Шаги. Шагов: 46
- 100Согласованность. Имя и обязательные поля на месте
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 976: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- -32 из 14 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 46 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (11 из 11)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 51.