Skip to content

Ryanzucchi/Eldritch_Lich / .agents/skills/critico-e-refinador-de-prosa-literaria-local

critico-e-refinador-de-prosa-literaria-local

Verified

Pipeline iterativo de critica e reescrita de prosa com dois agentes LLM locais para manter coerencia estilistica e factual.

critico-e-refinador-de-prosa-literaria-local

Descrição

A skill critico-e-refinador-de-prosa-literaria-local implementa um pipeline iterativo de crítica e reescrita de prosa gerada ou editada por IA para romances em português. Ela usa dois agentes de linguagem locais (um Crítico e um Refinador) em um loop de auto-aperfeiçoamento controlado por critério de parada rígido, garantindo a coerência estilística com a voz do autor, a eliminação de inconsistências factuais introduzidas durante a geração e a manutenção do tom narrativo original.

Quando usar

Gatilhos concretos e observáveis:

  • O sistema de IA gera um parágrafo de continuação de texto ou reescrita de cena no editor.
  • O autor solicita "Refinar Estilo" em um bloco de texto selecionado na interface.
  • Ocorre a saída de um bloco gerado no modo brainstorming antes de sua apresentação final ao autor.

Quando NÃO usar:

  • Em correções puramente ortográficas ou gramaticais (usar verificadores locais).
  • Em notas de brainstorming internas do autor que não serão incorporadas ao manuscrito.

Pré-requisitos

  • Modelo de linguagem local carregado e com capacidade de seguir instruções (Instruct-tuned).
  • Vetor de estilo de referência do autor ($\mathbf{v}_{ref}$) calculado pela skill extracao-de-metricas-estilisticas-cognitivo-literarias.
  • Acesso de leitura às triplas de worldbuilding ativas (GUF) para validação de consistência factual.

Processo (passo a passo executável)

  1. Pré-análise do Texto Gerado (Crítico — CLLM):
    • Enviar o texto gerado bruto e o contexto de worldbuilding ao agente Crítico local.
    • Instruir o Crítico a gerar um relatório JSON de inconsistências contendo:
      • style_issues: lista de frases que desviam do padrão estilístico do autor (verbosidade excessiva, estrutura passiva, adjetivos redundantes).
      • factual_issues: lista de inconsistências lógicas detectadas contra as triplas do GUF.
  2. Reescrita Orientada (Refinador — LLM):
    • Passar ao agente Refinador: o texto original, o relatório JSON do Crítico e exemplos de prosa do autor como in-context learning.
    • Instruir o Refinador a aplicar pontualmente apenas as correções indicadas no relatório, preservando integralmente a narrativa e a voz do autor nos demais trechos.
  3. Avaliação de Convergência (Critério de Parada):
    • Calcular o vetor de estilo do texto refinado ($\mathbf{v}_{novo}$).
    • Computar a distância estilística: $d_{novo} = ||\mathbf{v}{novo} - \mathbf{v}{ref}||_2$.
    • Encerrar o loop se: $d_{novo} < STYLE_DRIFT_THRESHOLD$ (convergiu) OU se o número de iterações atingiu MAX_REFINEMENT_LOOPS.
  4. Retorno ao Editor:
    • Retornar o texto refinado ao editor de forma translúcida (opacidade reduzida) enquanto o processamento ocorreu em background.
    • Exibir ao autor a comparação before/after e oferecer os botões "Aceitar" ou "Rejeitar Refinamento".

Parâmetros e configuração

  • MAX_REFINEMENT_LOOPS: Número máximo de iterações do ciclo Crítico-Refinador. Padrão: 2.
  • STYLE_DRIFT_THRESHOLD: Limiar máximo da distância estilística para considerar o texto convergido. Padrão: 0.25.
  • CRITIC_TEMPERATURE: Temperatura do agente Crítico. Padrão: 0.00 (determinístico).
  • REFINER_TEMPERATURE: Temperatura do agente Refinador. Padrão: 0.70 (alguma diversidade).

Armadilhas e como evitá-las

  • Armadilha: Loops de Refinamento Infinitos: o Crítico LLM é configurado com temperatura alta e gera novos problemas estilísticos em cada rodada de análise mesmo após o refinamento. O loop nunca converge e esgota os recursos da GPU local por horas. Mitigação: Impor o limite rígido e incondicional MAX_REFINEMENT_LOOPS = 2. Ao atingir o limite máximo de iterações, encerrar o loop imediatamente e retornar ao autor a versão com menor $d_{estilo}$ dentre todas as versões geradas durante as iterações, independentemente de o threshold ter sido satisfeito (Self-Refine, 2023).

Critérios de validação (Definition of Done)

  • O pipeline reduz a frequência de contradições factuais induzidas pela IA (ex: referências a entidades inexistentes no GUF) em pelo menos 80% em testes automatizados.
  • A latência total do ciclo completo de crítica + refinamento de um bloco de 300 palavras é inferior a 1,5 segundos em CPU local.

Fundamentação científica

  • Self-Refine (2023) - Self-Refine: Iterative Refinement with Self-Feedback - NeurIPS 2023
  • G-Eval (2023) - G-Eval: NLG Evaluation using GPT-4 with Better Human Alignment - arXiv 2023
  • In-Context Critique (2024) - In-Context Critique for Narrative Consistency - arXiv 2024
  • LiteraryBench (2026) - LiteraryBench: A Benchmark for AI-Assisted Literary Writing - arXiv 2026

Requisitos do projeto relacionados

  • RF-46 (consistência factual)
  • RF-172 (identificação de contradições)
  • RF-180 (reescrever com estilo)

Maturidade e riscos de adoção

Nível: Emergente. Risco: A qualidade do ciclo crítico depende da capacidade instrucional do modelo local. Modelos de 3B a 7B parâmetros podem gerar relatórios de inconsistência ruidosos ou incompletos. Fallback para v1: Substituir o loop duplo Crítico-Refinador por um único passo de refinamento com prompt único. Desativar a avaliação iterativa do vetor de estilo e retornar apenas o texto refinado em um único passo com temperatura conservadora.

Exemplos

Entrada (Texto IA gerado com problema):

Kael correu pela floresta até chegar a Valdris, seu querido mentor. — Mas Valdris havia morrido no capítulo 3 do GUF.

Saída esperada (Relatório do Crítico e texto refinado):

{
  "factual_issues": ["Valdris foi registrado como 'Morto' no GUF - capítulo 3."],
  "refined_text": "Kael correu pela floresta, tentando imaginar o que Valdris lhe diria naquele momento — se ainda estivesse vivo."
}

Caso de falha conhecido: O Crítico gerar 12 itens de "problemas de estilo" em um texto de 50 palavras, fazendo o Refinador destruir completamente o texto original e reescrever do zero.

writing-skillsobra/superpowersUse when creating new skills, editing existing skills, or verifying skills work before deploymentStars: 322kUpdated Claude CodeCodexVerifiedInstall
xlsxanthropics/skillsUse this skill any time a spreadsheet file is the primary input or output. This means any task where the user wants to: open, read, edit, or fix an existing .xlsx, .xlsm, .xltx, .csv, or .tsv file (e.g., adding columns, computing formulas, formatting, charting, cleaning messy data); create a new spreadsheet from scratch or from other data sources; or convert between tabular file formats. Trigger especially when the user references a spreadsheet file by name or path — even casually (like "the xlsx in my downloads") — and wants something done to it or produced from it. Also trigger for cleaning or restructuring messy tabular data files (malformed rows, misplaced headers, junk data) into proper spreadsheets. The deliverable must be a spreadsheet file. Do NOT trigger when the primary deliverable is a Word document, HTML report, standalone Python script, database pipeline, or Google Sheets API integration, even if tabular data is involved.Stars: 198kUpdated Claude CodeCodexVerifiedInstall
shipping-and-launchaddyosmani/agent-skillsPrepares production launches. Use when preparing to deploy to production, or when asking what needs to be in place before shipping. Use when you need a pre-launch checklist, when setting up monitoring, when planning a staged rollout, or when you need a rollback strategy.Stars: 119kUpdated Claude CodeCodexVerifiedInstall
childhoodthedotmack/claude-memBabysit a shipped release after merge, publication, or deployment. Verify published packages, production behavior, installed plugins, and late CI or user reports until the observation window is clean; use babysit for PR readiness before release.Stars: 118kUpdated Claude CodeCodexVerifiedInstall