rag-from-scratch/.claude/commands/step4-review.md at 65940336733064dc768fb16c8239bbefa7689156

Files

T

davide 1631dff80d 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

2026-04-13 12:21:30 +02:00

2.4 KiB

Raw Blame History

description, allowed-tools, argument-hint

description	allowed-tools	argument-hint
Revisione qualitativa del clean.md dopo il pre-processing automatico (step 4). Trova artefatti residui, paragrafi spezzati e header errati, poi propone le correzioni.	Read Bash Grep Edit	<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.

2.4 KiB Raw Blame History