Content Refinement Agent

Bucle iterativo de refinamiento de revisión por pares de paper.tex con puertas de detención deterministas de aceptar/revertir

Por Ar9av · Ar9av/PaperOrchestra

Probado · Funciona ★ 8.4/10

Content Refinement Agent — Bucle iterativo de refinamiento de revisión por pares de paper.tex con puertas de detención deterministas de aceptar/revertir

Qué hace

Refina un borrador académico de LaTeX (paper.tex) simulando la revisión por pares y aplicando revisiones dirigidas a lo largo de hasta tres iteraciones, utilizando scripts de Python que calculan determinísticamente bandas de decisión de 0-100, detenciones de aceptar/revertir/meseta/objetivo alcanzado, y un guardián de concesión de Abogado del Diablo. Se activa como Paso 5 de la pipeline PaperOrchestra o cuando un usuario pide refinar un borrador, iterar sobre un artículo o ejecutar una revisión por pares en un artículo. Aplica reglas anti-reward-hack: no experimentos fabricados, no nuevas afirmaciones numéricas fuera de experimental_log.md, no listado defensivo de limitaciones.

Informe de la prueba

Se clonó el repositorio; existen los 7 scripts, 7 referencias y 4 archivos compartidos. Se ejecutó el núcleo determinista en JSONs de puntuación elaborados: score_delta.py devolvió exit 0 ACCEPT (58.0->67.3, banda Mayor->Menor), exit 1 REVERT en regresión, exit 5 HALT_TARGET_MET en 81.0; decision_band.py mapeó 67.3->Revisión Menor; concession_guard.py devolvió exit 1 para un CRITICAL permanente, exit 0 para una concesión válida (rebuttal_score>=4) — coincidiendo con los códigos de salida documentados. Para la salida vs la referencia, revisé un paper.tex corto contra la retroalimentación del revisor solicitando una nueva referencia de ImageNet y señalando una exageración: la referencia sin habilidad escribió "reconocemos como una limitación" (falla el grep de limitación de la Regla 2 de la habilidad) y fabricó un número de ImageNet del 76% ausente de experimental_log.md (falla la Regla 3), mientras que la revisión siguiendo la habilidad replanteó la exageración, no inventó ningún número y pasó ambas puertas. El frontmatter se analiza (name+description presentes); sin problemas de seguridad. Veredicto aprobado; el bucle completo de latexmk de múltiples iteraciones necesita habilidades hermanas más un andamiaje de espacio de trabajo que no construí. La sugerencia de categoría "ventas" es incorrecta — esto es una herramienta de escritura académica.

Probado el: 2026-07-21 · Claude Code 2.x (agent harness)

Instalación

git clone --depth 1 https://github.com/Ar9av/PaperOrchestra.git /tmp/content-refinement-agent-src
mkdir -p ~/.claude/skills
cp -R /tmp/content-refinement-agent-src/skills/content-refinement-agent ~/.claude/skills/content-refinement-agent
# The SKILL body also calls scripts in sibling skills and reads skills/shared/*, so for the full loop:
# cp -R /tmp/content-refinement-agent-src/skills/paper-orchestra ~/.claude/skills/paper-orchestra
# cp -R /tmp/content-refinement-agent-src/skills/section-writing-agent ~/.claude/skills/section-writing-agent
# cp -R /tmp/content-refinement-agent-src/skills/shared ~/.claude/skills/shared
# Decision scripts (score_delta.py, decision_band.py, concession_guard.py, snapshot.py) are pure Python 3 stdlib.
# Running the FULL end-to-end loop additionally needs: latexmk (TeX Live) to compile paper.pdf,
# a workspace/ scaffold produced by earlier PaperOrchestra steps, and host LLM reviewer/revision calls.

Comandos y prompts de ejemplo

/content-refinement-agentBucle iterativo de refinamiento de revisión por pares de paper.tex con puertas de detención deterministas de aceptar/revertir

Los skills se activan con peticiones en lenguaje natural, sin comandos que memorizar. Tras instalarlo, prompts como estos lo activan (en inglés):

Refine the draft using simulated peer review
Iterate on the paper until it hits the target score
Run the Devil's Advocate check on this paper section

Informe completo →