Humaniseer

Je voert een volledige humaniseringsanalyse uit op tekst die de gebruiker aanlevert. Sla GEEN stap over.

Stap 1 — Ontvang de tekst

Als de gebruiker nog geen tekst heeft aangeleverd, vraag er dan om:

"Plak de tekst die je wilt laten analyseren."

Als de tekst minder dan 100 woorden bevat, geef dan een waarschuwing:

"Let op: de tekst is kort (< 100 woorden). Statistische checks zoals MATTR en zinsritme zijn minder betrouwbaar op korte teksten. Niveau 1-patronen en anglicismen worden wel volledig gedetecteerd."

Invoer via .docx: Als de gebruiker een .docx bestand aanlevert, converteer dit ALTIJD eerst:

python3 tools/docx_to_text.py --input <pad>

Sla het resultaat op als .tmp/humaniseer_input.txt voordat je verdergaat.

Stap 2 — Schrijf tekst naar tijdelijk bestand + gids laden [VERPLICHT]

Sla de tekst op als .tmp/humaniseer_input.txt.

Lees de referentiegids met de Read tool [VERPLICHT]:

• workflows/humanize_nl_gids.md — focus op Categorie 1 (Niveau 1-lijst) en Categorie 2 (formulaïsche openers). Dit is je referentie voor de interpretatie van de tekst-analist output.

Stap 3 — Roep de tekst-analist subagent aan [VERPLICHT]

Gebruik @tekst-analist met het pad .tmp/humaniseer_input.txt als input. De agent voert humanizer_nl.py --json en readability_nl.py --json uit en rapporteert:

• Risicoscore en risiconiveau
• Top-3 Niveau 1-patronen met alternatieven
• Oxford comma-bevindingen
• Anglicisme-bevindingen met alternatieven
• MATTR en Flesch-Douma score

Noteer na ontvangst van de tekst-analist output:

• Flesch-Douma score
• TTR (MATTR)
• Aantal patronen
• Risiconiveau (laag/gemiddeld/hoog)
• Top-3 Niveau 1-patronen (patroon + alternatief)
• Kritieke waarschuwingen (zinslengte, passief, Type 2b frames, tricolon, etc.)

Fallback: Als de tekst-analist geen output geeft, voer de tools handmatig uit:

python3 tools/humanizer_nl.py --input .tmp/humaniseer_input.txt --suggest
python3 tools/readability_nl.py --input .tmp/humaniseer_input.txt

Stap 4 — Presenteer de resultaten in de chat

Presenteer de output in het rapport-formaat van de tekst-analist. Voeg daarna een korte aanbeveling toe:

• Laag risico (0–2 pt): Tekst ziet er goed uit. Kleine aanpassingen optioneel.
• Gemiddeld risico (3–6 pt): Herschrijf de vermelde alinea's. Gebruik /herschrijven voor gerichte verbetering.
• Hoog risico (7+ pt): Tekst heeft dringend herziening nodig. Start /herschrijven voor een volledige aanpak.

Stap 4b — Reviewchart genereren [VERPLICHT]

Gebruik de scores uit Stap 3 (tekst-analist of handmatige tools):

python3 tools/generate_review_chart.py --flesch <score> --ttr <score> --patronen <n> --risico <laag|gemiddeld|hoog>

Let op: Gebruik ALTIJD het score veld uit de humanizer_nl.py --json output als waarde voor --patronen. Dit getal bevat alle penalties al (inclusief Flesch-Douma < 30). Tel NOOIT handmatig een Flesch-Douma penalty bij de score op.

Sla de output op in een tijdelijk bestand:

python3 tools/generate_review_chart.py --flesch <score> --ttr <score> --patronen <n> --risico <laag|gemiddeld|hoog> > .tmp/humaniseer_chart.b64

Stap 5 — History opslaan + PDF genereren [VERPLICHT]

Voer dit altijd uit na Stap 4, ook als de gebruiker er niet om vraagt.

Stap 5a — Sla op in geschiedenis [VERPLICHT]:

python3 tools/history_writer.py \
  --type humaniseer \
  --titel "<eerste 80 chars van de geanalyseerde tekst>" \
  --metadata '{"risico":"<laag|gemiddeld|hoog>","score":"<aantal patronen>"}' \
  --output-file .tmp/humaniseer_input.txt

Stap 5b — Genereer PDF-analyserapport [VERPLICHT]:

Bouw de --niveau1 parameter op als patroon|alternatief||patroon2|alternatief2||... Bouw de --waarschuwingen parameter op als waarschuwing 1|waarschuwing 2|... Bouw de --aanbevelingen parameter op als aanbeveling 1|aanbeveling 2|...

python3 tools/generate_report_pdf.py \
  --risico <laag|gemiddeld|hoog> \
  --patronen <n> \
  --flesch <score> \
  --ttr <score> \
  --bestandsnaam "<bestandsnaam van het gescande rapport, of 'Ingeplakte tekst'>" \
  --niveau1 "<patroon1>|<alt1>||<patroon2>|<alt2>||<patroon3>|<alt3>" \
  --waarschuwingen "<waarschuwing1>|<waarschuwing2>|..." \
  --aanbevelingen "<aanbeveling1>|<aanbeveling2>|..." \
  --chart-file .tmp/humaniseer_chart.b64 \
  --output .tmp/humaniseer/<titel>.pdf

Stap 5c — Werkbestanden opruimen: Verwijder tussenbestanden uit .tmp/ root (bijv. humaniseer_input.txt, humaniseer_chart.b64). Alleen het eindproduct in .tmp/humaniseer/ blijft bewaard.

Meld daarna aan de gebruiker: "Opgeslagen in geschiedenis. PDF-rapport beschikbaar als .tmp/humaniseer/<titel>.pdf"

Stap 6 — Verificatiechecklist [VERPLICHT]

Bevestig intern dat ALLE stappen zijn uitgevoerd:

• Stap 2: Tekst opgeslagen in .tmp/humaniseer_input.txt
• Stap 2: humanize_nl_gids.md gelezen met Read tool
• Stap 3: tekst-analist subagent aangeroepen en output ontvangen
• Stap 4b: generate_review_chart.py uitgevoerd en opgeslagen in .tmp/humaniseer_chart.b64
• Stap 5a: history_writer.py uitgevoerd
• Stap 5b: generate_report_pdf.py uitgevoerd → .tmp/humaniseer/<titel>.pdf
• Stap 5c: Werkbestanden opgeruimd

Foutafhandeling

• Kan .tmp/ map niet schrijven: meld de fout en vraag de gebruiker om het bestand handmatig te plaatsen
• Tekst-analist geeft geen output: voer humanizer_nl.py en readability_nl.py handmatig uit (zie fallback in Stap 3)
• generate_report_pdf.py geeft een fout: rapporteer de fout maar sla de stap NIET over — los het op