Limpieza de Texto IA

Usa el skill de Dagu para crear un flujo de trabajo de limpieza de texto IA. Consulta las referencias de schema, coding agent y pitfalls para la sintaxis correcta. Pregunta al usuario: - ¿Quieren procesar un archivo o pegar texto en línea? (soportar ambos parámetros input_file e input_text) - ¿Cuántas rondas de reescritura? (por defecto: 2) - ¿Nivel de rigurosidad? (low/medium/high, por defecto: medium) Requisitos previos: al menos un CLI de agente de codificación IA instalado (claude o gemini). curl para obtener la referencia de Wikipedia. El flujo de trabajo tiene 4 pasos: detect_agent, setup, review_loop, finalize. Paso 1 — detect_agent: Generar la ruta completa del binario (no solo el nombre) ya que los scripts de Dagu pueden no tener el PATH completo del usuario. Verificar ubicaciones comunes como ~/.local/bin/ como respaldo. Agregar PATH: "${HOME}/.local/bin:${PATH}" al env de nivel superior. Paso 2 — setup: - Obtener la última página de Wikipedia "Signs of AI Writing" (wikitext sin procesar) vía curl. La URL debe ser una variable de entorno de nivel superior para que los usuarios puedan cambiarla. - Preparar el texto de entrada. Para input_file, usar cp. Para input_text, usar `printenv input_text` para escribirlo de forma segura en un archivo — NO usar ${input_text} directamente en scripts porque Dagu expande las variables antes de que el shell se ejecute. Ver el pitfall de printenv. - Escribir todas las variables de entorno multilínea/controladas por el usuario (WRITING_STYLE, ADDITIONAL_RULES, CHECK_STRICTNESS) en archivos auxiliares con un prefijo común en DAG_DOCS_DIR. Estos archivos son leídos por el paso del bucle y limpiados en finalize. Paso 3 — review_loop: Un único paso de script con un bucle for de bash (NO repeat_policy, NO un sub-DAG). El bucle ejecuta hasta max_rounds iteraciones: a. Construir un prompt con la referencia wiki, estilo (desde archivo), rigurosidad (desde archivo) y texto actual. Usar un delimitador heredoc entre comillas simples (<<'INSTR') para las instrucciones del sistema para que el shell no las expanda. b. Llamar al agente IA (CHECK_MODEL, ej. sonnet) para revisar el texto. Primera línea de salida: conteo de problemas. Líneas restantes: retroalimentación por problema con formato: ISSUE: "<cita>" | SIGN: <categoría> | FIX: <reescritura>. c. Guardar la retroalimentación en un archivo por ronda (ej. ${P}_feedback_round${ROUND}.txt) para que finalize pueda incluirlo en el informe. d. Extraer el conteo. Si es 0, interrumpir inmediatamente (no se necesita reescritura). e. Llamar al agente IA (REWRITE_MODEL, ej. opus) para reescribir. Escribir la salida directamente al archivo de texto, sobrescribiendo en el mismo lugar. CRÍTICO: NO referenciar variables de entorno multilínea como WRITING_STYLE o ADDITIONAL_RULES directamente en el script — Dagu las expande antes de que el shell se ejecute, lo que puede romper el análisis. Leerlas desde los archivos auxiliares escritos por setup vía cat en su lugar. Solo las variables de entorno simples (rutas, nombres de modelos, números) son seguras para usar directamente. Paso 4 — finalize: Construir un informe completo con: encabezado de metadatos (fecha, conteos de palabras, rigurosidad, conteos de problemas por ronda), luego una sección "Issues Found and Fixed" listando toda la retroalimentación por ronda, luego una sección "Final Text" con el texto reescrito. Limpiar todos los archivos auxiliares incluyendo los archivos de retroalimentación por ronda. Variables de entorno configurables (todas de nivel superior, fácilmente personalizables): - WRITING_STYLE: instrucciones de estilo de escritura objetivo multilínea (|) - CHECK_STRICTNESS: low/medium/high - CHECK_MODEL: modelo para revisión (más económico, ej. sonnet) - REWRITE_MODEL: modelo para reescritura (calidad, ej. opus) - ADDITIONAL_RULES: reglas adicionales más allá de la referencia de Wikipedia - WIKI_URL: URL raw de Wikipedia (intercambiable) - WIKI_EXCERPT_LINES: cuántas líneas del wiki alimentar a la IA Usar parámetros fuertemente tipados (name, type, description, default, minimum, maximum). Importante: revisar la referencia de pitfalls para soluciones conocidas. Seguir la referencia de coding agent para el comando no interactivo correcto y las flags de modelo.