PublishReady: Professionelle Schreibkontrolle

PublishReady ist ein deterministisches Schreibanalysesystem, das entwickelt wurde, um KI-Entwürfe in veröffentlichungsreife Texte zu verwandeln. Es dient als abschließende Qualitätssicherung für KI-generierte Texte und bietet lokale Metriken, Zielvorgaben und spezifische Revisionshebel, ohne Text an externe Dienste zu senden.

Die PublishReady-Pakete

Dieses Projekt ist als professionelles, geschichtetes Monorepo strukturiert, das spezialisierte Pakete enthält:

Kernpakete

• @veldica/publishready-mcp: Die Implementierung des Model Context Protocol (MCP) Servers (publishready-mcp).

• @veldica/publishready-cli: Das Befehlszeilen-Tool für lokale Analysen (publishready).

• @veldica/publishready-core: Die zentrale Orchestrierungs-Engine.

• @veldica/publishready-schemas: Vereinheitlichte Zod-Schemas und explizite Schnittstellen.

Zugrunde liegende Bibliotheken

• @veldica/prose-analyzer: Deterministische Stilsignale (Vielfalt, Dichte, Wiederholung, narrative Textur).

• @veldica/readability: Konsolidierte Bibliothek aller wichtigen Lesbarkeitsformeln.

• @veldica/prose-tokenizer: Eigenständige, Markdown-fähige Tokenisierung von Prosatexten.

• @veldica/prose-linter: Zielüberprüfungen, Revisionshebel, Inhaltsintegrität und deterministische Marker für KI-typische Prosa.

Related MCP server: readability-mcp-server

Installation

MCP-Server (Empfohlen)

Fügen Sie den Server zu Ihrer MCP-Client-Konfiguration hinzu:

{
  "mcpServers": {
    "publishready": {
      "command": "npx",
      "args": ["-y", "@veldica/publishready-mcp"]
    }
  }
}

Befehlszeile

npx @veldica/publishready-cli analyze sample.txt

Gehostetes MCP

Für Smithery-, VPS- oder Gateway-Bereitstellungen führen Sie den Server mit Streamable HTTP aus:

npx @veldica/publishready-mcp --transport=http --port=3000

Der MCP-Endpunkt ist /mcp; der Health-Endpunkt ist /health.

Hauptmerkmale

• Vorlagen-, Ziel- und Referenzmodi: Vergleichen Sie Texte mit integrierten Vorlagen, expliziten numerischen Zielen, Referenztexten oder wiederverwendbaren Referenzprofilen.

• Deterministische Metriken: Strukturelle Zählungen, Satz- und Absatzverteilungen, lexikalische Signale, Scannbarkeit, Fiktions-Proxys und Lesbarkeitsformeln.

• Spezifische Revisionshebel: Rangfolgenbasierte, evidenzgestützte Vorschläge wie shorten_long_sentences, replace_difficult_words und reduce_abstract_wording.

• Audit für KI-typische Prosa: Deterministisches Inventar von Markern für formelhafte, generische oder übermäßig polierte Prosa, einschließlich exakter Übereinstimmungen und verfolgter Phrasenzählungen.

• Unterstützung für Fiktion & Sachliteratur: Narrative Metriken für Dialoge, sensorische Dichte, abstrakte Formulierungen und Szenen-Pacing.

• Erklärbare Interpretation: Interpretation von Zielen und Metriken, die Zielgruppen, Anwendungsfälle, Stilauswirkungen und Kompromisse erläutert.

• Lokal & Privat: Stdio-fokussiert, deterministisch, keine externen API-Aufrufe und keine LLM-Wrapper.

MCP-Tool-Oberfläche

Der MCP-Server stellt 16 spezialisierte Tools für Analyse und Kontrolle bereit, einschließlich audit_ai_sounding_prose für die deterministische Analyse von KI-Markern. Eine vollständige Liste und Dokumentation finden Sie in der MCP README.

Deterministische Philosophie

Dieses Paket vermeidet explizit Perplexity und andere modellabhängige Scores. Wir glauben, dass Schreibkontrolle folgende Eigenschaften haben sollte:

1. Erklärbar: Sie sollten genau wissen, warum sich ein Score geändert hat.

2. Reproduzierbar: Derselbe Text sollte immer dieselben Metriken ergeben.

3. Praktisch: Eine Metrik ist nur nützlich, wenn sie Ihnen sagt, was zu ändern ist.

Entwicklung

npm install
npm run build
npm run lint
npm run typecheck
npm test

Veröffentlichungs-Metadaten

• npm-Paket: @veldica/publishready-mcp

• MCP-Registrierungsname: io.github.veldica/publishready

• Produkt-Homepage: https://veldica.com/publish-ready

• Quell-Repository: https://github.com/veldica/publishready-mcp

Registrierungs- und Verzeichnis-Metadaten

PublishReady ist für die MCP-Verzeichnis-Erkennung vorbereitet durch:

• GitHub-Repository-Themen

• npm-Paket-Schlüsselwörter

• Glama-Metadaten via glama.json

• Offizielle MCP-Registrierungs-Metadaten via mcpName

Dieses MCP wurde für KI-gestützte Schreib-Workflows entwickelt, bei denen das Modell Klarheit, Struktur, Lesbarkeit und Veröffentlichungsreife verbessern soll, während Fakten, Terminologie, Absicht und die Stimme des Autors gewahrt bleiben.

Lizenz

MIT