polish-prose

润色行文

将带有 AI 腔调或过度雕琢的草稿，改写成读起来像是出自严谨研究者之手的文字——不改动任何数字、论断或引文。如今，审稿人会识别大模型的行文套路（delve/leverage 之类的词汇、层层堆叠的 Moreover 段落、连串的 em dash、千篇一律的保留措辞），而残留的“Certainly! Here is...”或“[insert citation]”更是足以导致编辑直接拒稿的尴尬。本技能会以确定性方式找出所有这类问题，然后引导人类严谨参与改写：只改表达，不改内容。

适用场景

• “我的论文读起来像是 ChatGPT 写的”／“让这段文字更像人写的”／“去掉 AI 腔”
• “删掉那些 AI 常用词”／“它老是说 delve 和 leverage”
• “收紧／润色我的文字”／“这段太啰嗦了”
• “调整我的保留措辞”——贡献表述言过其实，或结果被层层“可能”淹没
• “让我的贡献陈述更主动”（“提出了一种方法……” → “我们提出……”）
• “我的术语使用一致吗？”（dataset 还是 data set、缩写规范、英式还是美式拼写）
• 在最终提交检查中，于 preflight-check 之前调用，或在使用任何 LLM 助手大量起草之后调用。

输入

1. 草稿：.tex 文件（导言区／数学内容／verbatim 内容会自动屏蔽）、.md／.txt 文件，或通过 stdin 粘贴的文本。
2. 可选：会议配置文件 venues/conferences/<venue>-<year>.yml（架构见 venues/schema.yml）——提供会议类别，以确定行文规范，并通过 review.llm_policy 说明 AI 使用披露义务。
3. 可选：项目术语表（每行格式为 canonical term = variant | variant），适用于团队已统一术语的情况。

流程

1. 先冻结技术内容。 编辑前建立不可触碰清单：每一个数字和单位、每一个 \cite 键、每一项明示结果、数据集名称和系统名称。保存快照：

   grep -oE '[0-9][0-9.,]*\s*(%|\\%|ms|s|GB|MB|x|×)?' draft.tex | sort | uniq -c > /tmp/numbers-before.txt
   

   编辑完成后（第 9 步），同一命令必须生成完全相同的输出。如果润色需要改动某项论断，请停止并告知用户——这是内容决策，不是风格编辑。

2. 确认会议行文规范和 LLM 政策。 如果提供了会议配置文件，请读取其 family（行文规范见 references/venue-register.md）和 review.llm_policy。依赖该政策之前，务必通过实时的 cfp_url 再次核实——这些政策每一轮都会变化。明确告知用户：润色 AI 辅助生成的文本，并不能免除披露义务。如果会议要求提供 AI 使用声明，请协助撰写诚实的声明；切勿将本技能说成规避披露要求的方法。

3. 运行检查工具（Python 3，仅使用标准库，不联网）：

   python3 scripts/prose_lint.py main.tex
   python3 scripts/terminology_check.py main.tex --allow GPS,SDK
   

   两个工具都接受 .tex、纯文本或表示 stdin 的 -；可使用 --json 输出机器可读结果，使用 --strict 在仍有问题时以退出码 1 退出。退出码：0 表示正常，1 表示严格检查未通过，2 表示输入错误。--allow 会跳过缩写定义检查，适用于所在领域普遍认为人人熟知的缩写；--glossary FILE 则会强制遵循术语表。检查结果是带行号的候选问题，不会自动替换——领域术语可能看起来像问题标记（例如“leverage scores”和“robust statistics”）。

4. 立即处理 RISK 级问题。 删除聊天机器人痕迹（“As an AI model...”、“Certainly! Here is...”、“[insert X]”）或补全占位内容，不得保留。多个会议会将未披露的大模型输出视为编辑直接拒稿的理由；未填写的占位符也意味着缺少引文——实际的引文需求应交由 verify-citations 处理，绝不可捏造引文。

5. 编辑阶段 A——词汇和结构特征。 打开 references/llm-tells.md，逐节检查。 对每个 WARN：如果它是领域术语，或确实是最恰当的词，就保留 （偶尔使用没问题，问题在于密度，而非是否出现）；否则按改写模式处理。 删除段落链中的 Moreover/Furthermore，打断这种衔接词的连续使用； 如果删除后逻辑不再连贯，说明段落顺序有问题，这一点值得留意。将 多余的 em-dash 改写为独立句子或逗号。以差异形式提出修改建议 （旧文 → 新文，并附行号），只有获得用户批准后才应用。

6. 编辑阶段 B——弱化措辞与主张。 按照 references/hedging-and-claims.md 调整： 贡献、定义和已完成的操作应去掉弱化措辞 （用「we propose」，而不是「we attempt to propose」）；对解释、 概括和局限恰当地保留一处弱化措辞；将双重弱化压缩为一处； 删除强调词（clearly、undoubtedly），要么证据足以支撑主张，要么就不作此主张。 将被动的贡献陈述改写为主动、具体的主张，明确说明新意所在。绝不能 超出论文自身证据所支持的范围强化主张，也绝不能弱化用户测得的结果。

7. 编辑阶段 C——术语。 对每个 compound-variant、 spelling-mix 和缩写问题，都用一行记录决策：列出各个变体及其计数， 让用户选择规范形式（默认采用多数形式；拼写遵循投稿场所的规范）， 然后统一应用。将决策记录在术语表文件中，并重新运行：

   python3 scripts/terminology_check.py main.tex --glossary glossary.txt
   

   规范缩写的使用：首次出现时定义，后续统一展开，不再使用的定义应删除。

8. 编辑阶段 D——投稿场所规范。 按照 references/venue-register.md 应用相应领域规范： 人称与语态约定、时态规则、拼写规范、缩写形式政策，以及 ML、systems、 HCI 和 LNCS 投稿场所之间的文体差异。未指定规范档案时，默认采用统一的 美式拼写，以及草稿中已占主导地位的约定。

9. 验证技术内容未变。 重新运行两个检查器（结果干净，或用户明确接受 每一项剩余问题）；重新运行步骤 1 的数字快照并进行差异比较——任何差异 都表示编辑阶段存在错误，必须回退；确认 \cite 的数量和键均未改变。 对编辑阶段 B 中每一句主张力度发生变化的句子，提供简短的修改前后对照表， 以便用户逐条确认。

10. CI 或提交前的可选关卡： 只要仍有任何 RISK/WARN，运行 prose_lint.py main.tex --strict 就会以状态码 1 退出，可将其作为 最终检查，与 preflight-check 一同使用。

输出

• 两份检查报告（Markdown 或 --json 格式），包含带行号的问题。
• 以差异形式提出修改建议，只有获得批准后才逐个阶段应用。
• 一份术语决策表，以及可复用的 glossary.txt。
• 一份验证说明：数字/引文差异检查无误、列出所有主张力度变化，并记录仍被接受的问题。

此技能不做什么

• 不是规避 AI 检测的工具。 目标是提升文本质量并保持诚实的表达风格， 而不是骗过分类器。如果用户的真实目的是向要求披露的投稿场所隐瞒 LLM 使用情况，应拒绝这一目标，展示该投稿场所的 llm_policy，并提出代为起草 披露内容。
• 不是内容编辑器。 它不会重组论证、添加引文，也不会改变论文的主张—— tailor-to-venue 负责调整定位，write-abstract 负责撰写摘要， verify-citations 负责处理参考文献。

与其他技能的关系

• write-abstract — 摘要专属结构和投稿 venue 元数据规范。
• preflight-check — 编辑初筛关卡；润色后运行。
• anonymize-paper — 处理身份信息泄露；此技能不会处理这些内容。
• verify-citations — 此处发现的任何引文需求都应转交给它处理。

适配你的学科

这些提示词词表不受学科限制，但行文风格因学科而异。请为你所在领域的期刊分支并调整 references/venue-register.md（许多期刊要求使用英式拼写或第三人称语态）， 扩展 --allow 缩略语列表，纳入你所在领域常用的缩略语，并在 prose_lint.py 的 TELL_PATTERNS 表中添加学科专属的提示。

防护措施

• 绝不更改数字、结果、主张、引文或技术表述； 只调整表达。每次都要通过第 9 步的差异核验。
• 绝不自动应用词表检查结果——每个 WARN 都需要审慎判断， 而领域术语（如“杠杆分数”）并无问题。
• 绝不为“[insert X]”占位符编造文本；应向用户索要实际内容，或将引文转交给 verify-citations 处理。
• 绝不将结果称为“无法检测”或“由人类撰写”；绝不协助规避 AI 使用披露要求——应指出 review.llm_policy，并根据当前的 cfp_url 重新核验。
• 绝不代表用户向任何系统提交内容。
• 报告中最多引用被标记的行；绝不在输出中复现论文的大段内容。

记忆

此技能使用用户论文目录中的共享 .paper-memory/ 约定（完整规范：paper-memory-convention.md）。

• **开始时：**读取 .paper-memory/lessons.md 和 profile.yml。根据 writing_preferences（风格特征、拼写、语态）设定目标行文风格，并优先关注已记录的 recurring 行文习惯（例如“你习惯用被动语态描述贡献”），先检查这些问题，而不是再次解释它们。
• **结束时：**按照共享格式追加持久有效的发现：- [YYYY-MM-DD] (polish-prose | <scope>) pattern -> recommendation（通过 reflect-and-improve 的 reflect_log.py append 执行，该命令会去重并添加日期）。跨多个草稿出现的提示或习惯属于 recurring；一次性修正属于 this-paper。不要记录常规的一次性编辑。
• 如果 .paper-memory/ 不存在，则按需创建，并提议将其加入项目的 .gitignore。它仅保存在本地；绝不上传，也不复制到此 repo。