step-4: add revise.py, step4-review skill, README update

- revise.py: automatic pre-processing (ALL-CAPS→##, numbered sections→###,
  TOC removal, broken paragraph merging, whitespace normalization);
  supports N. and Na. numbering patterns; universal heuristics
- .claude/commands/step4-review.md: Claude Code skill for qualitative
  review of clean.md (🔴/🟡/🟢 report + interactive fixes)
- README: document step-4 workflow with revise.py and /step4-review
- .gitignore: exclude step-4/*/ and step-4/revision_log.md

.claude/commands/step4-review.md

@@ -0,0 +1,62 @@
+---
+description: Revisione qualitativa del clean.md dopo il pre-processing automatico (step 4). Trova artefatti residui, paragrafi spezzati e header errati, poi propone le correzioni.
+allowed-tools: Read Bash Grep Edit
+argument-hint: <stem>
+---
+
+Esegui la revisione qualitativa di `step-4/$ARGUMENTS/clean.md`.
+
+**Profilo struttura:**
+!`cat step-4/$ARGUMENTS/structure_profile.json 2>/dev/null || echo "ERRORE: step-4/$ARGUMENTS/structure_profile.json non trovato — verifica che lo stem sia corretto"`
+
+**Statistiche file:**
+!`wc -l step-4/$ARGUMENTS/clean.md 2>/dev/null && grep -c "^## " step-4/$ARGUMENTS/clean.md 2>/dev/null | xargs -I{} echo "## headers: {}" && grep -c "^### " step-4/$ARGUMENTS/clean.md 2>/dev/null | xargs -I{} echo "### headers: {}"`
+
+---
+
+Analizza `step-4/$ARGUMENTS/clean.md` seguendo questi passi. Usa Grep e Read per raccogliere i casi concreti prima di riportarli.
+
+## Passo 1 — Righe orfane in corpo testo
+
+Cerca blocchi di testo standalone (separati da righe vuote, non header `#`) più corti di 80 caratteri che sembrino artefatti da PDF:
+- Firme o nomi di persone isolati (tutto maiuscolo o iniziali maiuscole seguite da punto)
+- Date o luoghi isolati
+- Titoli del documento ripetuti nel corpo
+- Numeri di pagina isolati
+- Riferimenti bibliografici fuori contesto
+
+Per ogni caso trovato: riporta numero di riga e testo.
+
+## Passo 2 — Paragrafi spezzati residui
+
+Cerca paragrafi che finiscono senza punteggiatura di fine frase (`.?!»)`), escludendo quelli che terminano con ` -` (interruzione stilistica intenzionale).
+
+Riporta i primi 5 casi con numero di riga e la fine del testo.
+
+## Passo 3 — Header sospetti
+
+Controlla i `##` e `###`:
+- `### N.` con solo numero e punto → **corretto**, non segnalare
+- `##` o `###` con contenuto ALL-CAPS non convertito in sentence-case → segnalare
+- `##` o `###` duplicati (stesso titolo che appare due volte) → segnalare
+- `##` con testo molto lungo (> 80 char) → segnalare come sospetto
+
+## Passo 4 — Sezioni quasi vuote
+
+Cerca `### ` header seguiti da un blocco di testo inferiore a 60 caratteri (sezione priva di contenuto utile per il RAG). Riporta i casi.
+
+## Report finale
+
+```
+🔴 BLOCCANTI (compromettono il chunking o la qualità del RAG)
+  ...
+
+🟡 MINORI (artefatti visibili ma non bloccanti)
+  ...
+
+🟢 OK
+  ...
+```
+
+Chiedi all'utente: "Vuoi che applichi le correzioni per i problemi 🔴? E per i 🟡?"
+Applica solo le correzioni esplicitamente approvate.