Content Refinement Agent

Iteracyjna pętla udoskonalania recenzji paper.tex z deterministycznymi bramkami zatrzymania akceptacji/cofnięcia

Testowano · Działa ★ 8.4/10

Content Refinement Agent — Iteracyjna pętla udoskonalania recenzji paper.tex z deterministycznymi bramkami zatrzymania akceptacji/cofnięcia

Co robi ten skill

Udoskonala akademicki szkic LaTeX (paper.tex) poprzez symulację recenzji i stosowanie ukierunkowanych poprawek w maksymalnie trzech iteracjach, używając skryptów Python, które deterministycznie obliczają pasma decyzji 0-100, zatrzymania akceptacji/cofnięcia/plateau/osiągnięcia celu oraz strażnika ustępstw Devil's Advocate. Uruchamia się jako Krok 5 potoku PaperOrchestra lub gdy użytkownik prosi o udoskonalenie szkicu, iterację nad artykułem lub przeprowadzenie recenzji artykułu. Wymusza zasady anty-nagradzania-hacków: brak sfabrykowanych eksperymentów, brak nowych roszczeń liczbowych poza experimental_log.md, brak defensywnego wymieniania ograniczeń.

Raport z testu

Sklonowano repozytorium; wszystkie 7 skryptów, 7 referencji i 4 współdzielone pliki istnieją. Uruchomiono deterministyczny rdzeń na przygotowanych JSON-ach wyników: score_delta.py zwrócił exit 0 ACCEPT (58.0->67.3, pasmo Major->Minor), exit 1 REVERT przy regresji, exit 5 HALT_TARGET_MET przy 81.0; decision_band.py mapował 67.3->Minor Revision; concession_guard.py zwrócił exit 1 dla stałego CRITICAL, exit 0 dla ważnej koncesji (rebuttal_score>=4) — pasujące do udokumentowanych kodów wyjścia. Dla wyniku vs bazowego poprawiłem krótki paper.tex na podstawie opinii recenzenta, który prosił o nową bazę ImageNet i wskazywał na nadmierne twierdzenie: bazowe bez umiejętności napisało „uznajemy to za ograniczenie” (nie przechodzi Rule 2 grep umiejętności dotyczącego ograniczeń) i sfabrykowało liczbę 76% ImageNet, której brakowało w experimental_log.md (nie przechodzi Rule 3), podczas gdy poprawka z użyciem umiejętności przeformułowała nadmierne twierdzenie, nie wymyśliła żadnej liczby i przeszła obie bramki. Frontmatter parsowany (name+description obecne); brak zagrożeń bezpieczeństwa. Werdykt pass; pełna pętla wieloiteracyjna latexmk wymaga umiejętności pokrewnych plus rusztowania obszaru roboczego, którego nie zbudowałem. Wskazówka kategorii „sales” jest błędna — to narzędzie do pisania akademickiego.

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

Instalacja

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.

Komendy i przykładowe prompty

/content-refinement-agentIteracyjna pętla udoskonalania recenzji paper.tex z deterministycznymi bramkami zatrzymania akceptacji/cofnięcia

Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):

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

Pełny raport →