---
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.