writing-polish

Name: writing-polish
Author: OpenRaiser

331stars19forks

How to install writing-polish?

openraiser/paperfit/writing-polish

$npx -y skills add OpenRaiser/PaperFit --skill writing-polish

Installs into the current project.

Summary

本技能为 Semantic Polish Agent 提供具体、可执行的语义微调策略与禁区规则。它定义了在排版手段用尽后，如何通过最小化文字增删来消除孤行寡行、控制页数预算或优化末页留白，同时严格保持学术内容的原意、数据和结论不变。

Files · 1

View on GitHub

SKILL.md

1	# Writing Polish Skill
2
3	## 概述
4
5	本技能为 Semantic Polish Agent 提供具体、可执行的语义微调策略与禁区规则。它定义了在排版手段用尽后，如何通过最小化文字增删来消除孤行寡行、控制页数预算或优化末页留白，同时严格保持学术内容的原意、数据和结论不变。
6
7	该技能不直接被 `orchestrator-agent` 调用，而是作为 `semantic-polish-agent` 的知识库和行为规范。所有语义级改写必须遵循本技能中定义的技巧和约束。
8
9	## 适用场景
10
11	\| 触发缺陷 \| 操作方向 \| 允许的改写幅度 \|
12	\|----------\|----------\|---------------\|
13	\| A1（孤行寡行） \| 缩短 1-2 行 \| 增删 3-8 词 \|
14	\| A2（末页留白） \| 扩展 2-4 行 \| 增加 20-50 词 \|
15	\| A3（页数预算） \| 缩短或扩展多行 \| 按需，但需分段执行 \|
16	\| 用户主动请求 \| 精炼或扩写特定段落 \| 用户指定 \|
17
18	## 输入规范
19
20	\| 输入项 \| 来源 \| 说明 \|
21	\|--------\|------\|------\|
22	\| 目标段落源码 \| `semantic-polish-agent` 提取 \| 需改写的一个或多个完整段落 \|
23	\| 改写目标 \| 调用方请求 \| `shorten` 或 `expand`，及期望行数变化 \|
24	\| 写作规范 \| `config/writing_rules.yaml` \| 时态、术语、禁用词等约束 \|
25	\| 上下文段落 \| `semantic-polish-agent` 提取 \| 前后各一段，用于保证语义连贯 \|
26
27	## 输出规范
28
29	本技能输出改写后的文本及变更元数据，供 `semantic-polish-agent` 整合为最终报告。
30
31	```json
32	{
33	"skill": "writing-polish",
34	"changes": [
35	{
36	"paragraph_id": 3,
37	"action": "shorten",
38	"net_word_change": -6,
39	"before_snippet": "It is worth noting that our method achieves state-of-the-art performance on several benchmark datasets.",
40	"after_snippet": "Our method achieves state-of-the-art results on several benchmarks.",
41	"techniques_used": ["remove_redundant", "phrase_to_word"],
42	"rationale": "移除冗余修饰词，将 'achieves state-of-the-art performance on several benchmark datasets' 压缩为 'achieves state-of-the-art results on several benchmarks'。语义等价，数据未变。"
43	}
44	],
45	"warnings": []
46	}
47	```
48
49	## 改写策略
50
51	### 通用原则
52
53	1. 最小修改优先：能改一词不改一句，能改一句不改一段。
54	2. 保持学术严谨：绝不改变数据值、引用标记、专有名词、核心声明。
55	3. 局部影响评估：每次改写后需编译验证，确保不引入新的孤行或溢出。
56	4. 可逆性：保留改写前文本，便于人工审查或回滚。
57
58	---
59
60	### 策略组 1：缩短（Shorten）
61
62	目标：在不损失信息的前提下减少字数/行数。
63
64	#### 技巧 1.1：删除冗余修饰词
65
66	移除对学术内容无实质贡献的修饰语。
67
68	- 删除强调性副词：`very`、`quite`、`extremely`、`highly`
69	- 删除填充短语：`It is worth noting that`、`It should be emphasized that`、`It is important to mention that`
70	- 删除冗余限定：`in a certain sense`、`to some extent`
71
72	示例：
73
74	```
75	修改前：It is worth noting that our method achieves very competitive performance.
76	修改后：Our method achieves competitive performance.
77	减少：5 词
78	```
79
80	#### 技巧 1.2：短语替换为单词
81
82	用更简洁的单词或缩写替代多词短语。
83
84	\| 原短语 \| 替换为 \|
85	\|--------\|--------\|
86	\| `in order to` \| `to` \|
87	\| `a large number of` \| `many` \|
88	\| `due to the fact that` \| `because` \|
89	\| `at the present time` \| `now` \|
90	\| `state-of-the-art methods` \| `SOTA methods`（需已定义） \|
91	\| `with respect to` \| `regarding` 或 `on` \|
92
93	示例：
94
95	```
96	修改前：We conduct experiments in order to evaluate the performance of the proposed approach.
97	修改后：We conduct experiments to evaluate our approach.
98	减少：5 词
99	```
100
101	#### 技巧 1.3：被动语态转主动语态
102
103	主动语态通常更简短且更有力。
104
105	```
106	修改前：The experiments were conducted by us on three datasets.
107	修改后：We conducted experiments on three datasets.
108	减少：3 词
109	```
110
111	#### 技巧 1.4：合并相邻短句
112
113	将两个紧密相关的短句合并为一句。
114
115	```
116	修改前：We used the Adam optimizer. The learning rate was set to 1e-4.
117	修改后：We used Adam with a learning rate of 1e-4.
118	减少：6 词
119	```
120
121	#### 技巧 1.5：使用标准学术缩写
122
123	在全文首次定义后，使用公认缩写。
124
125	\| 原词 \| 缩写 \|
126	\|------\|------\|
127	\| `state-of-the-art` \| `SOTA` \|
128	\| `natural language processing` \| `NLP` \|
129	\| `mean average precision` \| `mAP` \|
130
131	```
132	修改前：Our method outperforms previous state-of-the-art approaches on the natural language processing benchmark.
133	修改后：Our method outperforms previous SOTA approaches on the NLP benchmark.
134	减少：5 词（假设 SOTA/NLP 已定义）
135	```
136
137	#### 技巧 1.6：简化从句结构
138
139	将定语从句压缩为分词短语或前置定语。
140
141	```
142	修改前：The model which is trained on ImageNet achieves high accuracy.
143	修改后：The ImageNet-trained model achieves high accuracy.
144	减少：3 词
145	```
146
147	---
148
149	### 策略组 2：扩展（Expand）
150
151	目标：在不注水的前提下增加有实质内容的文字。
152
153	#### 技巧 2.1：显式化隐含因果关系
154
155	在结果陈述后补充简短的原因解释。
156
157	```
158	修改前：Our method outperforms the baseline by 3.2%.
159	修改后：Our method outperforms the baseline by 3.2%, likely because the attention mechanism better captures long-range dependencies.
160	增加：11 词
161	```
162
163	#### 技巧 2.2：补充结果解释
164
165	在表格或数据引用后，增加一句对关键发现的解读。
166
167	```
168	修改前：Table 2 shows the ablation results.
169	修改后：Table 2 summarizes the ablation study. Removing the temporal module causes a significant drop of 5.1%, confirming its importance for sequential modeling.
170	增加：18 词
171	```
172
173	#### 技巧 2.3：强化与相关工作的对比
174
175	在提及已有工作时，增加具体的差异说明。
176
177	```
178	修改前：Unlike previous work, we use a transformer-based architecture.
179	修改后：Unlike previous work that relied on recurrent networks with limited parallelization, we adopt a transformer architecture that scales more efficiently to long sequences.
180	增加：14 词
181	```
182
183	#### 技巧 2.4：添加局限性讨论
184
185	在结论或讨论部分，补充一句对当前方法局限性的客观陈述。
186
187	```
188	修改前：Future work will explore larger-scale datasets.
189	修改后：Future work will explore larger-scale datasets. A current limitation is the reliance on pre-trained word embeddings, which may not fully capture domain-specific terminology.
190	增加：17 词
191	```
192
193	#### 技巧 2.5：拆分长句为短句
194
195	通过增加句号拆分长句，可在不显著增加内容的情况下扩展行数。
196
197	```
198	修改前：Our method consists of three components: an encoder, a decoder, and a refinement module.
199	修改后：Our method consists of three components. First, the encoder extracts features from the input. Second, the decoder generates initial predictions. Finally, the refinement module iteratively improves the output.
200	增加：14 词，行数增加更多
201	```
202
203	#### 技巧 2.6：补充技术细节（谨慎）
204
205	在不泄露未公开信息的前提下，可适当补充已在论文其他部分出现过的技术细节。
206
207	```
208	修改前：We

OpenRaiserPublisher · 16 listings

Preview

OpenRaiser/PaperFit

# Writing Polish Skill

## 概述

本技能为 **Semantic Polish Agent** 提供具体、可执行的语义微调策略与禁区规则。它定义了在排版手段用尽后，如何通过最小化文字增删来消除孤行寡行、控制页数预算或优化末页留白，同时严格保持学术内容的原意、数据和结论不变。

该技能不直接被 `orchestrator-agent` 调用，而是作为 `semantic-polish-agent` 的知识库和行为规范。所有语义级改写必须遵循本技能中定义的技巧和约束。

RepoOpenRaiser/PaperFit

LicenseMIT

TypeSkills

CategoryDocumentation

UpdatedJun 2026

Repo stars331

First seenJul 22, 2026

People who liked this also viewed

6 picks

Type

writing-polish

331stars19forks

View on GitHub

How to install writing-polish?

openraiser/paperfit/writing-polish

$npx -y skills add OpenRaiser/PaperFit --skill writing-polish

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# Writing Polish Skill
2
3	## 概述
4
5	本技能为 Semantic Polish Agent 提供具体、可执行的语义微调策略与禁区规则。它定义了在排版手段用尽后，如何通过最小化文字增删来消除孤行寡行、控制页数预算或优化末页留白，同时严格保持学术内容的原意、数据和结论不变。
6
7	该技能不直接被 `orchestrator-agent` 调用，而是作为 `semantic-polish-agent` 的知识库和行为规范。所有语义级改写必须遵循本技能中定义的技巧和约束。
8
9	## 适用场景
10
11	\| 触发缺陷 \| 操作方向 \| 允许的改写幅度 \|
12	\|----------\|----------\|---------------\|
13	\| A1（孤行寡行） \| 缩短 1-2 行 \| 增删 3-8 词 \|
14	\| A2（末页留白） \| 扩展 2-4 行 \| 增加 20-50 词 \|
15	\| A3（页数预算） \| 缩短或扩展多行 \| 按需，但需分段执行 \|
16	\| 用户主动请求 \| 精炼或扩写特定段落 \| 用户指定 \|
17
18	## 输入规范
19
20	\| 输入项 \| 来源 \| 说明 \|
21	\|--------\|------\|------\|
22	\| 目标段落源码 \| `semantic-polish-agent` 提取 \| 需改写的一个或多个完整段落 \|
23	\| 改写目标 \| 调用方请求 \| `shorten` 或 `expand`，及期望行数变化 \|
24	\| 写作规范 \| `config/writing_rules.yaml` \| 时态、术语、禁用词等约束 \|
25	\| 上下文段落 \| `semantic-polish-agent` 提取 \| 前后各一段，用于保证语义连贯 \|
26
27	## 输出规范
28
29	本技能输出改写后的文本及变更元数据，供 `semantic-polish-agent` 整合为最终报告。
30
31	```json
32	{
33	"skill": "writing-polish",
34	"changes": [
35	{
36	"paragraph_id": 3,
37	"action": "shorten",
38	"net_word_change": -6,
39	"before_snippet": "It is worth noting that our method achieves state-of-the-art performance on several benchmark datasets.",
40	"after_snippet": "Our method achieves state-of-the-art results on several benchmarks.",
41	"techniques_used": ["remove_redundant", "phrase_to_word"],
42	"rationale": "移除冗余修饰词，将 'achieves state-of-the-art performance on several benchmark datasets' 压缩为 'achieves state-of-the-art results on several benchmarks'。语义等价，数据未变。"
43	}
44	],
45	"warnings": []
46	}
47	```
48
49	## 改写策略
50
51	### 通用原则
52
53	1. 最小修改优先：能改一词不改一句，能改一句不改一段。
54	2. 保持学术严谨：绝不改变数据值、引用标记、专有名词、核心声明。
55	3. 局部影响评估：每次改写后需编译验证，确保不引入新的孤行或溢出。
56	4. 可逆性：保留改写前文本，便于人工审查或回滚。
57
58	---
59
60	### 策略组 1：缩短（Shorten）
61
62	目标：在不损失信息的前提下减少字数/行数。
63
64	#### 技巧 1.1：删除冗余修饰词
65
66	移除对学术内容无实质贡献的修饰语。
67
68	- 删除强调性副词：`very`、`quite`、`extremely`、`highly`
69	- 删除填充短语：`It is worth noting that`、`It should be emphasized that`、`It is important to mention that`
70	- 删除冗余限定：`in a certain sense`、`to some extent`
71
72	示例：
73
74	```
75	修改前：It is worth noting that our method achieves very competitive performance.
76	修改后：Our method achieves competitive performance.
77	减少：5 词
78	```
79
80	#### 技巧 1.2：短语替换为单词
81
82	用更简洁的单词或缩写替代多词短语。
83
84	\| 原短语 \| 替换为 \|
85	\|--------\|--------\|
86	\| `in order to` \| `to` \|
87	\| `a large number of` \| `many` \|
88	\| `due to the fact that` \| `because` \|
89	\| `at the present time` \| `now` \|
90	\| `state-of-the-art methods` \| `SOTA methods`（需已定义） \|
91	\| `with respect to` \| `regarding` 或 `on` \|
92
93	示例：
94
95	```
96	修改前：We conduct experiments in order to evaluate the performance of the proposed approach.
97	修改后：We conduct experiments to evaluate our approach.
98	减少：5 词
99	```
100
101	#### 技巧 1.3：被动语态转主动语态
102
103	主动语态通常更简短且更有力。
104
105	```
106	修改前：The experiments were conducted by us on three datasets.
107	修改后：We conducted experiments on three datasets.
108	减少：3 词
109	```
110
111	#### 技巧 1.4：合并相邻短句
112
113	将两个紧密相关的短句合并为一句。
114
115	```
116	修改前：We used the Adam optimizer. The learning rate was set to 1e-4.
117	修改后：We used Adam with a learning rate of 1e-4.
118	减少：6 词
119	```
120
121	#### 技巧 1.5：使用标准学术缩写
122
123	在全文首次定义后，使用公认缩写。
124
125	\| 原词 \| 缩写 \|
126	\|------\|------\|
127	\| `state-of-the-art` \| `SOTA` \|
128	\| `natural language processing` \| `NLP` \|
129	\| `mean average precision` \| `mAP` \|
130
131	```
132	修改前：Our method outperforms previous state-of-the-art approaches on the natural language processing benchmark.
133	修改后：Our method outperforms previous SOTA approaches on the NLP benchmark.
134	减少：5 词（假设 SOTA/NLP 已定义）
135	```
136
137	#### 技巧 1.6：简化从句结构
138
139	将定语从句压缩为分词短语或前置定语。
140
141	```
142	修改前：The model which is trained on ImageNet achieves high accuracy.
143	修改后：The ImageNet-trained model achieves high accuracy.
144	减少：3 词
145	```
146
147	---
148
149	### 策略组 2：扩展（Expand）
150
151	目标：在不注水的前提下增加有实质内容的文字。
152
153	#### 技巧 2.1：显式化隐含因果关系
154
155	在结果陈述后补充简短的原因解释。
156
157	```
158	修改前：Our method outperforms the baseline by 3.2%.
159	修改后：Our method outperforms the baseline by 3.2%, likely because the attention mechanism better captures long-range dependencies.
160	增加：11 词
161	```
162
163	#### 技巧 2.2：补充结果解释
164
165	在表格或数据引用后，增加一句对关键发现的解读。
166
167	```
168	修改前：Table 2 shows the ablation results.
169	修改后：Table 2 summarizes the ablation study. Removing the temporal module causes a significant drop of 5.1%, confirming its importance for sequential modeling.
170	增加：18 词
171	```
172
173	#### 技巧 2.3：强化与相关工作的对比
174
175	在提及已有工作时，增加具体的差异说明。
176
177	```
178	修改前：Unlike previous work, we use a transformer-based architecture.
179	修改后：Unlike previous work that relied on recurrent networks with limited parallelization, we adopt a transformer architecture that scales more efficiently to long sequences.
180	增加：14 词
181	```
182
183	#### 技巧 2.4：添加局限性讨论
184
185	在结论或讨论部分，补充一句对当前方法局限性的客观陈述。
186
187	```
188	修改前：Future work will explore larger-scale datasets.
189	修改后：Future work will explore larger-scale datasets. A current limitation is the reliance on pre-trained word embeddings, which may not fully capture domain-specific terminology.
190	增加：17 词
191	```
192
193	#### 技巧 2.5：拆分长句为短句
194
195	通过增加句号拆分长句，可在不显著增加内容的情况下扩展行数。
196
197	```
198	修改前：Our method consists of three components: an encoder, a decoder, and a refinement module.
199	修改后：Our method consists of three components. First, the encoder extracts features from the input. Second, the decoder generates initial predictions. Finally, the refinement module iteratively improves the output.
200	增加：14 词，行数增加更多
201	```
202
203	#### 技巧 2.6：补充技术细节（谨慎）
204
205	在不泄露未公开信息的前提下，可适当补充已在论文其他部分出现过的技术细节。
206
207	```
208	修改前：We