paper-summarize-pdf-to-feishu#

本技能采用多 Agent 协作模式。作为主控 Agent，你的核心职责是：

• ✅ 调度流程
• ✅ 执行系统脚本
• ✅ 向子 Agent 分配具体任务并传递上下文
• ✅ 与用户沟通确认

❌ 请不要试图自己在单次对话中完成所有长文本阅读和细节比对。

---

🚨 执行前必读（30 秒）#

收到 PDF 后，第一步必须做：

1. ✅ 完整阅读本 SKILL.md（不要跳过！）
2. ✅ 检查前置依赖（ which pdftotext pdfinfo ...）
3. ✅ 创建日志目录（阶段零）

❌ 禁止直接开始处理！

---

📌 核心原则（违反=任务失败）#

原则说明不要自己读长文本必须派生 Reader 子 Agent不要自己上传图片必须派生 Vision 子 Agent不要自我审核必须派生 Reviewer + 真实数据注入必须等用户确认阶段四必须挂起必须用占位符Reader 必须插入 【FIGURE_X】

---

前置依赖检查 (主控 Agent 执行)#

确保以下工具可用： pdftotext, pdfinfo, pdfimages, pdftoppm, tesseract, jq。

如果缺失，通过以下命令安装：

bash

# PDF 处理工具
sudo apt-get install -y poppler-utils

# OCR 工具
sudo apt-get install -y tesseract-ocr tesseract-ocr-eng tesseract-ocr-chi-sim

# JSON 处理工具（脚本中大量使用）
sudo apt-get install -y jq

快速检查：

bash

which pdftotext pdfinfo pdfimages pdftoppm tesseract jq
# 所有命令都应该返回路径

日志管理规范（重要！）#

日志目录结构#

在 阶段零开始时，主控 Agent 必须创建以下目录结构：

bash

mkdir -p "$PAPER_DIR/logs/scripts"
mkdir -p "$PAPER_DIR/progress"
mkdir -p "$PAPER_DIR/errors"

目录说明：

目录用途内容$PAPER_DIR/logs/统一日志目录所有 Agent 和脚本的日志$PAPER_DIR/logs/scripts/脚本日志extract_metadata.log, locate_figures.log 等$PAPER_DIR/progress/进度报告Markdown 格式的子 Agent 完成报告$PAPER_DIR/errors/错误报告错误日志和堆栈跟踪

优点：

• ✅ 每篇论文独立，不会覆盖
• ✅ 多人使用不会冲突
• ✅ 清理论文时一起清理
• ✅ 符合"工作目录"的概念

---

---

完整工作流程（六阶段）#

阶段零：去重检查 (主控 Agent 调度)#

日志目录创建：

bash

mkdir -p "$PAPER_DIR/logs/scripts"
mkdir -p "$PAPER_DIR/progress"
mkdir -p "$PAPER_DIR/errors"
log_master "✅ 日志目录已创建"

目标：检查论文是否已处理，避免重复工作。

1. 提取元数据： bash

   scripts/extract_metadata.sh <input.pdf> "$PAPER_DIR/metadata.json" "$PAPER_DIR"
   
   

2. 检查去重： bash

   scripts/check_duplicate.sh "$PAPER_DIR/metadata.json" "$PAPERS_DIR"
   result=$?  # 保存退出码
   
   # 检查脚本输出中的 RESULT 变量
   if echo "$output" | grep -q "RESULT=duplicate"; then
       echo "❌ 完全重复：该论文已处理过"
       echo "📋 飞书文档：$(cat $PAPER_DIR/feishu_doc_token.txt)"
       exit 1  # 停止任务
   elif echo "$output" | grep -q "RESULT=possible_duplicate"; then
       echo "⚠️  可能重复：已存在飞书文档，但 PDF 文件未找到"
       echo "📋 请用户确认是否继续"
       # 等待用户确认
   fi
   
   # 检查退出码
   if [[ $result -eq 1 ]]; then
       echo "❌ 去重检查失败，停止任务"
       exit 1
   fi
   
   

3. 根据返回结果判断：

   • 退出码 0 + RESULT=new：新论文，创建 $PAPER_DIR，复制 PDF，进入阶段一
   • 退出码 1 + RESULT=duplicate：❌ 完全重复，立即停止任务，告知用户已处理过
   • 退出码 0 + RESULT=possible_duplicate：⚠️ 可能重复，等待用户确认
   • 退出码 2 + RESULT=supplement：补充材料，执行合并流程

⚠️ 重要：主控 Agent 必须检查脚本的退出码和 RESULT 变量，如果检测到重复（ RESULT=duplicate 或退出码 1），必须 立即停止任务，不得继续执行后续阶段！

---

阶段一：提取与初稿生成 (Sub-agent: Reader)#

日志要求：

• 所有日志输出到 $PAPER_DIR/progress/reader.log
• 使用标准格式：[YYYY-MM-DD HH:MM:SS] [级别] 消息
• 关键步骤必须记录（开始、完成、错误）
• 完成后生成进度报告到 $PAPER_DIR/progress/reader_report.md

目标：提取 PDF 文本并生成结构化总结初稿。

1. 提取文本（主控 Agent 执行）： bash

   scripts/extract_pdf_text.sh "$PAPER_DIR/paper.pdf" "$PAPER_DIR/paper.txt" "$PAPER_DIR"
   
   

2. 派生阅读子 Agent（主控 Agent 调用 sessions_spawn）： bash

   sessions_spawn task="你是一个专业的学术阅读助手 (Reader)。
   
   **任务**：
   

3. 分段读取 $PAPER_DIR/paper.txt 的完整内容（不要跳过任何部分）。

4. 严格按照 summary_template.md 的结构要求，提取以下内容：

   • 研究背景与动机
   • 研究设计
   • 方法/系统架构
   • 核心结果（包含所有关键数据：百分比、p 值、置信区间、样本量）
   • 讨论与局限性
   • 结论

5. 必须将最终生成的 Markdown 文本保存到 $PAPER_DIR/summary.md 中。

数据精度要求：

• 百分比：28.7%（不要四舍五入）
• P 值：P < 0.001 或 P = 0.005
• 样本量：n=691 或 2,069 人

图片占位符要求（重要！）：

• 在相关章节内容后插入占位符标记：【FIGURE_X】
• 占位符单独一行，不要与正文混排
• 必须用中文方括号 【】，因为飞书会过滤 HTML 注释 <!-- -->
• 添加预期描述（帮助 Vision Agent 匹配图片）：

  ## 研究设计
  
  本研究采用随机对照试验设计...
  
  【FIGURE_1】
  <!-- 预期：流程图/试验设计，展示参与者分组和随访流程 -->
  
  ## 核心结果
  
  LLM 单独表现优异...
  
  【FIGURE_2】
  <!-- 预期：柱状图/数据对比，展示主要结局指标 -->
  

   - **占位符放置原则** ⭐：

     - Figure 应该放在 **与其内容相关的章节后**，而不是按编号顺序
     - 例如：研究设计流程图 → 放在"研究设计"章节后，而不是"研究背景"后
     - 从 paper.txt 中提取 Figure 标题，根据内容判断应该放在哪个章节
   - **占位符数量** ⭐：

     - 占位符数量 ≠ PDF 中 Figure 总数
     - **只插入重要的、原文有描述的 Figure**（通常 3-5 个）
     - 判断标准：正文中明确提到"如图 X 所示"或有大段图片描述的

**进度日志**（必须写入）：

   1. 开始任务时，立即写入 $PAPER\_DIR/progress/reader.log：
      text

      ```
      [YYYY-MM-DD HH:MM:SS] Reader 子 Agent 启动
      [YYYY-MM-DD HH:MM:SS] 开始读取 paper.txt (共 XXX 行)

      ```

   2. 每完成一个章节，追加进度：
      text

      ```
      [YYYY-MM-DD HH:MM:SS] ✅ 完成：研究背景与动机
      [YYYY-MM-DD HH:MM:SS] ✅ 完成：研究设计
      ...

      ```

   3. 完成后写入最终报告：
      text

      ```
      [YYYY-MM-DD HH:MM:SS] ✅ Reader 任务完成
      [YYYY-MM-DD HH:MM:SS] 输出文件：$PAPER_DIR/summary.md (XXX KB)
      [YYYY-MM-DD HH:MM:SS] 总耗时：X 分钟

      ```


**完成后汇报**（向我报告）：
markdown

```markdown
## Reader 子 Agent 完成报告

**开始时间**: YYYY-MM-DD HH:MM
**完成时间**: YYYY-MM-DD HH:MM
**耗时**: X 分钟

### 执行结果
- ✅ 成功生成 summary.md

### 输出文件
- `$PAPER_DIR/summary.md` (XXX KB, XXX 行)
- `$PAPER_DIR/progress/reader.log` (进度日志)

### 论文关键信息
- **研究类型**: <如 RCT、队列研究等>
- **样本量**: <如 2,069 人>
- **主要结局**: <如 问诊时长减少 28.7%>

### 问题与备注
<如有问题，在此说明；如无问题，填写"无">

```

确认后向我（主控 Agent）报告。"
text

```

```

3. **等待子 Agent 完成** 并确认 `$PAPER_DIR/summary.md` 已生成。


* * *

### 阶段二：文档创建与限流配图 (Sub-agent: Vision)

**目标**：创建飞书文档并插入图表。

1. **创建飞书文档**（主控 Agent 执行）：
   bash

   ```bash
   feishu_doc action=create title="总结：<论文标题>"

   ```


   获取 `doc_token` 并保存到 `$PAPER_DIR/feishu_doc_token.txt`。

2. **写入初稿**（主控 Agent 执行）：
   bash

   ```bash
   # ⚠️ 注意：必须使用 Reader 生成的完整 summary.md，不要手动修改或精简
   feishu_doc action=write doc_token="<token>" content="$(cat $PAPER_DIR/summary.md)"

   ```

3. **定位图表**（主控 Agent 执行）：
   bash

   ```bash
   scripts/locate_figures.sh "$PAPER_DIR/paper.pdf" "$PAPER_DIR/paper.txt" "$PAPER_DIR/images"

   ```


   **输出说明**：脚本使用 `pdfimages` 提取 PDF 中所有嵌入图片，生成 `fig_01.png`, `fig_02.png` 等文件。
   **注意**：提取的图片可能包含图标、线条等小文件（<10KB），Vision 子 Agent 需要筛选真正的 Figure（通常 >100KB）。

4. **自动识别支持图片的模型**（主控 Agent 执行）：
   bash

   ```bash
   # 从配置中自动查找支持图片输入的模型
   VISION_MODEL=$(jq -r '
     .models.providers | to_entries[] |
     .value.models[] |
     select(.input and (.input | index("image"))) |
     .id |
     first
   ' "~/.openclaw/openclaw.json" 2>/dev/null)

   # 如果找不到支持图片的模型，使用主模型
   if [[ -z "$VISION_MODEL" || "$VISION_MODEL" == "null" || "$VISION_MODEL" == "" ]]; then
       VISION_MODEL=$(jq -r '.agents.defaults.model.primary' "~/.openclaw/openclaw.json")
       echo "⚠️  未找到支持图片的模型，使用主模型：$VISION_MODEL"
   else
       echo "👁️ Vision 模型（自动识别）：$VISION_MODEL"
   fi

   ```

5. **派生配图子 Agent**（主控 Agent 调用 `sessions_spawn`）：
   bash

   ```bash
   sessions_spawn task="你是一个视觉处理专家 (Vision)。

   **任务**：
1. 逐个读取 $PAPER_DIR/images 下的图片，确认图中包含正确的 Figure/Table 标题及内容。
2. 使用 feishu_doc action=upload_image 上传图片到飞书文档 (token: $DOC_TOKEN)。
3. **精确定位插入**：使用 parent_block_id + index 参数将图片插入到对应章节。

🚨 **飞书操作关键规则**（必须遵守，否则失败）：

**1. 防限流**：
- 每次 `upload_image` 后必须 `sleep 3` 秒
- 严重限流时等待 10 秒后重试

**2. 智能匹配占位符（修正版流程）** ⭐：
- **步骤 1**：`list_blocks` 获取所有 blocks，**从 root block 的 children 数组中查找占位符的位置**

  **关键**：占位符的 `index` 是它在 root block 的 `children` 数组中的位置（0-based）

```

   1. 获取 root block（第一个 block）
   2. 读取 root\_block.children 数组
   3. 遍历 children 数组，找到占位符 block\_id 的位置
   4. 该位置就是 index（0-based）

text

记录：每个占位符的 block_id 和 index（在 children 数组中的位置）

• 步骤 2：对每张图片执行（必须按顺序执行，严格遵守）：

2a. OCR 提取文字：

tesseract image.png stdout --psm 6

提取 Figure 编号和标题。

2b. 视觉模型理解（重要！OCR 失败时必须执行）： text

使用 `read` 工具读取图片文件（路径：$PAPER_DIR/images/xxx.png）

读取时附带问题（让模型分析图片）：
"请分析这张图片：
- 这是什么类型的图表？（流程图/柱状图/森林图/表格/其他）
- 图中有什么关键词或标题？
- 能否识别 Figure 编号或 Table 编号？

请用简洁的格式回复，例如：
类型：柱状图
关键词：条件识别率，GPT-4o, Llama 3, 94.7%
Figure 编号：Figure 2"

说明：

• 你的 model 参数已设置为支持图片的模型（如 qwen3.5-plus）
• 使用 read 工具读取图片后，模型会自动"看到"并分析
• 从模型回复中提取：图表类型、关键词、Figure 编号

2c. 匹配占位符：

• 根据 OCR 结果 + 视觉模型提取的关键词 + 占位符预期描述，匹配最合适的占位符

• 记录占位符的 block_id 和 index

• 步骤 3： 先删除占位符，再上传图片 ⭐ text

  a. delete_block(block_id: 占位符的 block_id)
  b. 记录原 index = N
  c. sleep 1 秒（让飞书处理删除）
  d. upload_image(..., parent_block_id: 文档根 ID, index: N)
  e. 【关键验证】检查 file_token：
  

• 如果 file_token 为空字符串 → 上传失败，等待 10 秒后重试

• 如果 file_token 不为空 → 上传成功 f. sleep 3 秒（防限流，必须执行！） g. 记录：图片上传成功，block_id = xxx

   - **匹配原则**：
     - Figure 编号优先（OCR 或视觉模型识别的"Figure 1"→匹配 `【FIGURE_1】`）
     - 关键词辅助（视觉模型提取的关键词与占位符预期描述重叠）
     - 如果 OCR 失败，必须使用视觉模型理解，不得直接退化
   - **步骤 4**：最终验证
     text

     ```
     list_blocks 检查 Image block (block_type 27) 数量
     应该等于上传的图片数量

     ```


**3\. 精确定位参数**：

   - `parent_block_id`: 文档根 ID（和 `doc_token` 相同）
   - `index`: 占位符 block 的 index（在占位符位置插入）
   - 不填 `parent_block_id` 则追加到末尾

**4\. 上传后验证**：

   - 检查 `file_token` 不为空字符串
   - 执行 `read` 查看文档，确认图片数量正确
   - 打开飞书文档确认图片显示（不转圈）

**5\. 失败处理（重置法）**：

   - **触发条件**：

     - `delete_block` 返回 404（block 不存在）
     - 连续 2 次 `upload_image` 返回空 `file_token`
     - 文档结构混乱（block IDs 失效）
   - **操作步骤**：

     1. 向主控 Agent 报告需要重置
     2. 主控 Agent 执行： `feishu_doc action=write doc_token="$DOC_TOKEN" content="$(cat $PAPER_DIR/summary.md)"`（使用完整文件，不要精简）
     3. 重新从步骤 1 开始（ `list_blocks` → 找占位符 → 上传图片）
   - **注意**：重置后所有占位符会恢复，需要重新上传所有图片

**操作流程**：

   1. 用 `write` 写入 summary.md（含占位符 `【FIGURE_X】` 和预期描述）
   2. `list_blocks` 获取所有 blocks，读取占位符预期描述
   3. 对每张图片执行智能匹配（详细步骤）：
      text

      ```
      a. OCR 提取：tesseract image.png stdout --psm 6

      b. 视觉模型理解（OCR 失败时必需）：
         调用 read 工具读取图片，附带问题：
         "请分析这张图片的类型、关键词、Figure 编号"

         示例模型回复：
         "类型：柱状图
          关键词：条件识别率，GPT-4o, 94.7%
          Figure 编号：Figure 2"

      c. 匹配占位符：
   - 如果 OCR 识别到"Figure 2"→匹配 `【FIGURE_2】`
   - 如果 OCR 失败，用关键词匹配：
     "柱状图" + "条件识别率" → 匹配预期描述为"柱状图，展示条件识别率"的占位符

d. 获取占位符的 index（从 list_blocks 结果中）

1. 在匹配到的占位符 index 位置 upload_image
2. delete_block 删除占位符
3. 重复步骤 3-5 直到所有图片上传完成

图片验证：

• 如果 pdfimages 提取的图片数量 < 文档中 Figure 数量，使用截图备选方案
• 验证每张截图是否包含'Figure X'或'Table X'标题文字
• 纯文字页面不要使用，检查相邻页面（±3 页范围）

进度日志（必须写入）：

1. 开始任务时，立即写入 $PAPER_DIR/progress/vision.log： text

   [YYYY-MM-DD HH:MM:SS] Vision 子 Agent 启动
   [YYYY-MM-DD HH:MM:SS] 飞书文档 token: <token>
   [YYYY-MM-DD HH:MM:SS] 待上传图片：X 张
   
   

2. 写入文本后： text

   [YYYY-MM-DD HH:MM:SS] ✅ 写入 summary.md（含占位符和预期描述）
   [YYYY-MM-DD HH:MM:SS] ✅ list_blocks 获取 blocks 列表
   [YYYY-MM-DD HH:MM:SS] ✅ 找到占位符：【FIGURE_1】(index: X, 预期：流程图)
   
   

3. 每上传一张图片，追加进度： text

   [YYYY-MM-DD HH:MM:SS] 📸 处理图片：figure_1.png
   [YYYY-MM-DD HH:MM:SS] 🔍 OCR 结果：Figure 1, 流程图
   [YYYY-MM-DD HH:MM:SS] 👁️ 视觉模型分析：类型=流程图，关键词=研究设计，分组
   [YYYY-MM-DD HH:MM:SS] 🎯 匹配占位符：【FIGURE_1】(index: 4, 预期：流程图)
   [YYYY-MM-DD HH:MM:SS] ✅ Fig. 1 上传成功 (file_token: xxx, 527 KB, index: 4)
   [YYYY-MM-DD HH:MM:SS] ✅ 删除占位符【FIGURE_1】
   [YYYY-MM-DD HH:MM:SS] ⏳ 等待 3 秒（防限流）...
   [YYYY-MM-DD HH:MM:SS] 🔍 OCR 结果：失败（无文字）
   [YYYY-MM-DD HH:MM:SS] 👁️ 视觉模型分析：类型=柱状图，关键词=条件识别率，GPT-4o, 94.7%
   [YYYY-MM-DD HH:MM:SS] 🎯 匹配占位符：【FIGURE_2】(index: 13, 预期：柱状图，展示条件识别率)
   [YYYY-MM-DD HH:MM:SS] ✅ Fig. 2 上传成功 (file_token: xxx, 442 KB, index: 13)
   ...
   
   

4. 完成后写入最终报告： text

   [YYYY-MM-DD HH:MM:SS] ✅ Vision 任务完成
   [YYYY-MM-DD HH:MM:SS] 成功上传：X/ Y 张图片
   [YYYY-MM-DD HH:MM:SS] 智能匹配成功：X 张（命中率 XX%）
   [YYYY-MM-DD HH:MM:SS] 总耗时：X 分钟
   
   

完成后汇报（向我报告）： markdown

## Vision 子 Agent 完成报告

**开始时间**: YYYY-MM-DD HH:MM
**完成时间**: YYYY-MM-DD HH:MM
**耗时**: X 分钟

### 执行结果
- ✅ 成功创建飞书文档
- ✅ 写入 summary.md（含占位符）
- ✅ 上传 X 张图片（使用占位符定位）
- ✅ 删除所有占位符

### 输出文件
- 飞书文档链接：https://feishu.cn/docx/<doc_token>
- `$PAPER_DIR/progress/vision.log` (进度日志)

### 图片上传详情
| Figure | 大小 | 占位符 index | file_token | 匹配方式 | 状态 |
|--------|------|-------------|------------|----------|------|
| Fig. 1 | 527 KB | 4 | MsRLbdZbVo9... | OCR | ✅ |
| Fig. 2 | 442 KB | 13 | NjuFbqaz8oT... | 视觉模型 | ✅ |

### 匹配统计
- OCR 成功：X 张
- 视觉模型辅助：Y 张
- 匹配成功率：XX%

### 问题与备注
<如有问题，在此说明；如无问题，填写"无">

确认后向我（主控 Agent）报告。" model="$VISION_MODEL" text

1. 等待子 Agent 完成 并确认图片已正确插入。

---

阶段三：真实数据比对审核 (Sub-agent: Reviewer)#

日志要求：

• 所有日志输出到 $PAPER_DIR/progress/reviewer.log
• 使用标准格式：[YYYY-MM-DD HH:MM:SS] [级别] 消息
• 关键步骤必须记录（开始、完成、错误）
• 完成后生成进度报告到 $PAPER_DIR/progress/reviewer_report.md
• 审核报告保存到 $PAPER_DIR/progress/audit_report.md

目标：通过注入真实数据防止审核幻觉。

核心防幻觉机制：必须将原始文本的切片直接喂给审核模型，不能让它空对空审核。

1. 读取 Fallback 模型（主控 Agent 执行）： bash

   FALLBACK_MODEL=$(jq -r '.agents.defaults.model.fallbacks[0]' "~/.openclaw/openclaw.json")
   
   

   如果没有配置，则使用当前主模型。告知用户正在启动交叉审核。

2. 派生审核子 Agent（带真实数据注入）（主控 Agent 调用 sessions_spawn）： bash

   sessions_spawn task="你是一个严苛的学术审核员 (Reviewer)。
   
   **【原始论文关键数据提取】**：
   $(cat $PAPER_DIR/paper.txt | grep -E '%|p<|p=|CI|n=' | head -n 30)
   
   **【生成的总结内容】**：
   $(cat $PAPER_DIR/summary.md)
   
   **请重点核查**：
   

3. 飞书文档中的百分比、p 值、置信区间、样本量是否与原始数据存在偏差？

4. 结论是否有无依据的夸大？

5. 格式是否完全符合 summary_template.md 的精度要求？

进度日志（必须写入）：

1. 开始任务时，立即写入 $PAPER_DIR/progress/reviewer.log：

\[YYYY-MM-DD HH:MM:SS\] Reviewer 子 Agent 启动
\[YYYY-MM-DD HH:MM:SS\] 审核模型：<模型名称>
\[YYYY-MM-DD HH:MM:SS\] 开始数据一致性核对
text

1. 完成后写入最终报告：

\[YYYY-MM-DD HH:MM:SS\] ✅ Reviewer 任务完成
\[YYYY-MM-DD HH:MM:SS\] 审核结果：通过 / 需要修改
\[YYYY-MM-DD HH:MM:SS\] 总耗时：X 分钟
text

输出要求： 请直接输出一份详尽的《审核报告及修改建议清单》，格式如下：

## 审核报告

### 一致的内容
- <列出哪些地方与原文一致>

### 需要修改的内容
- <列出哪些地方需要修改，具体修改建议>

### 格式问题
- <列出格式不符合要求的地方>

### 总体评价
<通过/需要修改>

完成后汇报（向我报告）： markdown

## Reviewer 子 Agent 完成报告

**开始时间**: YYYY-MM-DD HH:MM
**完成时间**: YYYY-MM-DD HH:MM
**耗时**: X 分钟
**审核模型**: <模型名称>

### 执行结果
- ✅ 审核通过 / ⚠️ 需要修改

### 审核统计
- 一致的内容：X 处
- 需要修改的内容：Y 处
- 格式问题：Z 处

### 输出文件
- `$PAPER_DIR/progress/reviewer.log` (进度日志)
- `$PAPER_DIR/audit_report.md` (审核报告全文)

### 关键问题
<如有严重问题（如数据错误、结论夸大），在此说明>

### 修改建议清单
1. <具体修改建议 1>
2. <具体修改建议 2>
...

确认后向我（主控 Agent）报告。" model="$FALLBACK_MODEL" text

1. 收集审核报告，准备提交用户确认。

2. 应用审核修改（主控 Agent 执行） ⭐：

   步骤 4a：读取审核报告 bash

   # 读取审核报告
   AUDIT_REPORT="$PAPER_DIR/progress/audit_report.md"
   
   # 提取修改建议清单
   MODIFY_LIST=$(grep -A 20 "修改建议清单" "$AUDIT_REPORT")
   
   

   步骤 4b：逐项应用修改 bash

   # 对每个修改建议：
   # 1. 使用 list_blocks 找到需要修改的 block_id
   # 2. 使用 update_block 修改文本块
   # 3. 使用 insert/append 添加缺失内容
   # 4. 记录修改日志
   
   

   修改原则：

   • 数据错误 → 使用 update_block 修改对应文本块
   • 缺失数据 → 使用 insert 在相应位置添加
   • 格式问题 → 使用 update_block 调整格式
   • 每次修改后验证 success: true

步骤 4c：验证修改 bash

# 使用 read 查看飞书文档
# 确认所有修改已应用
# 记录验证结果到 progress/audit_apply.log

---

阶段四：人工确认 (主控 Agent 执行)#

目标：让用户确认审核报告并决定是否修改。

1. 主控 Agent 收集 Reviewer 的《审核报告及修改建议清单》。

2. 向用户发送以下内容： text

   📄 飞书初稿链接：<doc_link>
   
   ## 审核报告摘要
   
   <审核报告内容>
   
   ## 修改建议清单
   
   <具体修改建议>
   
   ---
   
   ⏳ 请确认是否采纳以上修改建议：
   
   | 回复 | 操作 |
   |------|------|
   | 【确认】 | 自动应用修改，输出最终版 |
   | 【修改 xxx】 | 进行微调（告诉我具体修改内容） |
   | 【跳过】 | 保留现状，输出最终版 |
   
   

3. 挂起等待用户回复。

---

阶段五：定稿完善 (主控 Agent 执行)#

目标：应用修改并输出最终版。

1. 应用修改（根据用户确认） ⭐：

   如果用户回复【确认】： bash

   # 1. 读取审核报告中的修改建议清单
   AUDIT_REPORT="$PAPER_DIR/progress/audit_report.md"
   
   # 2. 对每个修改建议执行：
   #    a. 使用 list_blocks 找到目标 block_id
   #    b. 使用 update_block 修改内容
   #    c. 验证修改成功 (success: true)
   #    d. 记录修改日志
   
   # 3. 使用 read 验证所有修改已应用
   # 4. 记录验证结果到 progress/audit_apply.log
   
   

   修改方法： 修改类型使用工具说明修改文本update_block需要提供正确的 block_id添加内容insert / appendinsert 在指定位置，append 追加到末尾修改表格write_table_cells修改表格单元格内容添加表格行insert_table_row在表格中添加新行 验证流程： bash

   # 1. 使用 read 查看飞书文档
   # 2. 确认所有修改已应用
   # 3. 如果有遗漏，重新执行修改
   # 4. 记录最终验证结果
   
   

   如果用户回复【修改 xxx】：根据用户具体要求修改。

   如果用户回复【跳过】：保持现状，记录"用户选择跳过修改"。

2. 强制署名（主控 Agent 必须执行）： 在文档末尾追加署名块（严格按照 summary_template.md 的表格要求）： markdown

   ## 📝 文档信息
   
   | 项目 | 信息 |
   |------|------|
   | 撰写人 | Lux（qwencode/qwen3.5-plus） |
   | 审核状态 | ✅ 已审核 / ⏭️ 已跳过 |
   | 审核模型 | <审核模型名称> |
   | 生成时间 | <YYYY-MM-DD HH:MM> |
   | 文档版本 | v1.0（最终版） |
   
   **审核修改记录**：
   

• ✅ 核实接受日期：已确认
• ✅ 关键数据已核对（X 处一致，Y 处已补充）
• ✅ 图片已上传（X 张）

3. **更新本地元数据**：
   保存最终状态到 `$PAPER_DIR/final_metadata.json`。

4. **向用户交付最终版链接**，流程结束。

5. **记录修改日志** ⭐：
   bash

   ```bash
   # 保存修改记录到 progress/audit_apply.log
   # 包含：修改项、修改前、修改后、修改时间、验证结果

---

附加流程：补充材料处理#

如果在【阶段零】判定传入的 PDF 为补充材料：

1. 主控 Agent 读取已有的飞书文档 token： bash

   DOC_TOKEN=$(cat "$PAPER_DIR/feishu_doc_token.txt")
   
   

2. 执行合并脚本： bash

   scripts/merge_supplement.sh "$PAPER_DIR" "<supplement.pdf>" "$DOC_TOKEN"
   
   

3. 主控 Agent 调用 feishu_doc action=append 将补充摘要追加到主文档 的"📎 补充材料"章节中。

4. 无需走完整生成和审核流程。

---

主控 Agent 注意事项#

子 Agent 清理机制（重要！）#

原则：每个阶段完成后，立即清理已完成的子 Agent，只保留主控 Agent

实现：

1. 派生子 Agent 时记录 session_key
2. 等待子 Agent 完成（ sessions_yield）
3. 获取子 Agent 结果
4. 立即清理： subagents action=kill target="$session_key"

示例：

bash

# 阶段一：Reader Agent
reader_session=$(sessions_spawn task="Reader..." label="Reader-Agent")
sessions_yield  # 等待完成
summary_md=$(cat "$PAPER_DIR/summary.md")  # 获取结果
subagents action=kill target="$reader_session"  # ← 清理 Reader

# 阶段二：Vision Agent
vision_session=$(sessions_spawn task="Vision..." label="Vision-Agent")
sessions_yield
doc_token=$(cat "$PAPER_DIR/feishu_doc_token.txt")
subagents action=kill target="$vision_session"  # ← 清理 Vision

# 阶段三：Reviewer Agent
reviewer_session=$(sessions_spawn task="Reviewer..." label="Reviewer-Agent")
sessions_yield
audit_report=$(cat "$PAPER_DIR/audit_report.md")
subagents action=kill target="$reviewer_session"  # ← 清理 Reviewer

# 最终：只保留主控 Agent

好处：

• ✅ 只保留主控 Agent，降低内存占用（节省 ~300-400MB/每个阶段）
• ✅ 避免子 Agent 堆积
• ✅ 明确的资源管理

---

职责边界#

• ✅ 应该做的：
  • 调度流程
  • 执行系统脚本
  • 调用 sessions_spawn 派生子 Agent
  • 整合子 Agent 的结果
  • 与用户沟通确认
• ❌ 不应该做的：
  • 亲自阅读长文本（交给 Reader）
  • 亲自处理图片上传（交给 Vision）
  • 自我审核（交给 Reviewer + 真实数据注入）

---

🚨 飞书操作关键原则（本业务特有）#

核心原则：

📌 通用工具用法参考 feishu-doc 技能文档 📌 本节只记录本业务特有的纠偏规则和易错点

---

1. 图片上传防限流（高优先级）

规则：任何涉及 upload_image 的循环操作，必须：

bash

feishu_doc action=upload_image ...
sleep 3  # 必须间隔 3 秒
feishu_doc action=upload_image ...
sleep 3  # 必须间隔 3 秒

违反后果：

• file_token 为空字符串
• 图片 block 创建但图片转圈不显示
• 需要删除所有空 token block 重新上传

严重限流时：

• 等待 10 秒后重试
• 增加间隔到 5 秒

---

2. 删除失败 → 重置法（兜底方案）

适用场景：

• delete_block 返回 404（block 不存在）
• 文档结构混乱，需要清理
• Block IDs 失效，无法定位
• 连续 2 次 upload_image 返回空 file_token

操作步骤：

bash

# 1. 使用 Reader 生成的完整 summary.md（不要精简）
# 2. 全量覆盖（清除所有旧 blocks）
feishu_doc action=write doc_token="$DOC_TOKEN" content="$(cat $PAPER_DIR/summary.md)"
# 3. 重新 upload_image 上传图片
# 4. read 查看文档确认结果

效果：清除所有旧 blocks，恢复到干净状态。

方案对比：

场景方案地位文档结构混乱、block IDs 失效重置法（ write 全量覆盖）兜底方案图片精确定位占位符法（ 【FIGURE_X】）首选方案

历史经验：

• 2026-03-26/27：遇到 delete_block 404 错误，使用重置法成功
• 2026-03-28：占位符方案验证成功，成为首选方案

---

3. 操作前确认流程

任何飞书文档修改操作前，必须：

1. list_blocks 获取最新 blocks 列表
2. 确认目标 blocks 存在（检查 block IDs）
3. 逐个调用工具（不批量）
4. 操作后再次 list_blocks + read 验证

---

4. 图片精确定位技巧

参数说明：

• parent_block_id: 文档根 ID（和 doc_token 相同）
• index: 从 list_blocks 的 children 数组获取（0-based）
• 不填 parent_block_id 则自动追加到末尾

定位方法：

bash

# 从 list_blocks 返回中找到章节标题的 block_id
# 计算其 index（在 children 数组中的位置）
# 上传图片时 index = 章节 index + 1

插入策略：

• 从文档末尾往前插（倒序），避免索引偏移
• Fig. 1 插入到 4.1 章节后，Fig. 2 插入到 4.2 章节后

---

5. 上传后验证清单

必须检查：

• upload_image 返回的 file_token 不为空字符串
• read 查看文档，确认图片数量正确
• 打开飞书文档确认图片显示（不转圈）

验证命令：

bash

feishu_doc action=read doc_token="$DOC_TOKEN"
# 检查 "Image" 数量是否正确
# 如果 "Image": 7，说明 7 张图片都已成功上传

---

6. 区分两种"delete"

不要混淆：

操作用途常见错误解决方案feishu_doc delete_block删除文档块404（block 不存在）用重置法（write 全量覆盖）feishu_drive delete删除云空间文件400（权限问题）检查文件权限

---

错误处理#

子 Agent 错误报告机制：

错误处理#

子 Agent 错误报告机制：

如果子 Agent 执行失败，必须写入错误报告：

bash

# 错误报告格式 ($PAPER_DIR/errors/<agent>.log)
## 错误报告

**子 Agent**: Reader/Vision/Reviewer
**错误类型**: 脚本执行失败 / API 限流 / 文件不存在 / 超时 / ...
**错误信息**: <具体错误内容>
**发生时间**: YYYY-MM-DD HH:MM:SS
**重试次数**: X/3

### 建议操作
<主控 Agent 应该采取的行动，如：重试、跳过、人工介入等>

主控 Agent 响应流程：

1. 检查错误日志：读取 $PAPER_DIR/errors/<agent>.log

2. 判断错误类型：

   • 可重试错误（如 API 限流、网络超时）：重试最多 3 次
   • 致命错误（如文件不存在、权限不足）：停止任务，告知用户

3. 用户沟通：如重试失败，向用户说明情况并提供建议

常见错误处理：

错误类型错误代码处理方案飞书 API 限流429等待 10 秒后重试，增加 sleep 时间到 5 秒Block 不存在404重新获取 blocks 列表，或使用重置法PDF 无法提取文本-检查是否为扫描版，建议使用 OCR子 Agent 超时-增加 timeoutSeconds，或拆分任务文件不存在-检查路径，重新运行前置脚本jq 解析失败-检查 JSON 格式，手动修复 metadata.jsonOCR 识别失败-检查 tesseract 是否安装，语言包是否存在图片上传失败-检查图片文件是否存在，大小是否超过限制

重试机制示例：

bash

# 飞书 API 调用重试
max_retries=3
retry_count=0

while [[ $retry_count -lt $max_retries ]]; do
    result=$(feishu_doc action=upload_image ...)

    if echo "$result" | grep -q '"success": true'; then
        echo "✅ 上传成功"
        break
    elif echo "$result" | grep -q "429"; then
        retry_count=$((retry_count + 1))
        echo "⚠️  API 限流，等待 10 秒后重试 ($retry_count/$max_retries)"
        sleep 10
    else
        echo "❌ 上传失败：$result"
        break
    fi
done

if [[ $retry_count -eq $max_retries ]]; then
    echo "❌ 达到最大重试次数，任务失败"
    # 写入错误日志
    echo "错误类型：API 限流" >> "$PAPER_DIR/errors/vision.log"
    echo "重试次数：$max_retries" >> "$PAPER_DIR/errors/vision.log"
    echo "建议操作：等待 5 分钟后重试，或联系用户" >> "$PAPER_DIR/errors/vision.log"
fi

---

子 Agent 职责说明#

子 Agent职责关键技能进度日志Reader长文本阅读、总结生成分段读取、信息提取、结构化输出progress_reader.logVision图片审核、飞书上传图片识别、 upload_image、限流规避progress_vision.logReviewer数据一致性核对数据比对、格式检查、报告生成progress/reviewer.log

---

进度日志文件说明#

每个子 Agent 执行时都会生成进度日志文件，便于调试和审计：

进度日志位置#

文件说明生成时机$PAPER_DIR/progress/reader.logReader 子 Agent 进度阅读论文时$PAPER_DIR/progress/vision.logVision 子 Agent 进度上传图片时$PAPER_DIR/progress/reviewer.logReviewer 子 Agent 进度审核数据时$PAPER_DIR/errors/<agent>.log错误报告发生错误时

进度日志格式#

log

[YYYY-MM-DD HH:MM:SS] <Agent> 子 Agent 启动
[YYYY-MM-DD HH:MM:SS] 开始 <任务描述>
[YYYY-MM-DD HH:MM:SS] ✅ 完成：<步骤 1>
[YYYY-MM-DD HH:MM:SS] ✅ 完成：<步骤 2>
[YYYY-MM-DD HH:MM:SS] ✅ <Agent> 任务完成
[YYYY-MM-DD HH:MM:SS] 输出文件：<文件路径>
[YYYY-MM-DD HH:MM:SS] 总耗时：X 分钟

错误报告格式#

markdown

## 错误报告

**子 Agent**: <Agent 名称>
**错误类型**: <错误类型>
**错误信息**: <具体错误>
**发生时间**: YYYY-MM-DD HH:MM:SS
**重试次数**: X/3

### 建议操作
<主控 Agent 应该采取的行动>

---

版本历史#

• v2.0.0 (2026-03-28)：重构为多 Agent 协作架构，新增防幻觉机制 + 飞书操作知识精简
• v1.x：单 Agent 全流程（已废弃）

---

附录：改进的汇报模板#

Reader 子 Agent 完成报告（详细版）#

markdown

## Reader 子 Agent 完成报告

**开始时间**: YYYY-MM-DD HH:MM
**完成时间**: YYYY-MM-DD HH:MM
**耗时**: X 分钟

### 执行结果
- ✅ 成功生成 summary.md

### 输出文件
- `$PAPER_DIR/summary.md` (XXX KB, XXX 行)
- `$PAPER_DIR/progress/reader.log` (进度日志)

### 论文关键信息
- **研究类型**: <如 RCT、队列研究等>
- **样本量**: <如 2,069 人>
- **主要结局**: <如 问诊时长减少 28.7%>

### 问题与备注
<如有问题，在此说明；如无问题，填写"无">

### 详细进度
| 步骤 | 状态 | 耗时 |
|------|------|------|
| 读取 paper.txt | ✅ 完成 | X 秒 |
| 提取研究背景 | ✅ 完成 | X 秒 |
| 提取研究设计 | ✅ 完成 | X 秒 |
| 提取核心结果 | ✅ 完成 | X 秒 |
| 生成 summary.md | ✅ 完成 | X 秒 |

Vision 子 Agent 完成报告（详细版）#

markdown

## Vision 子 Agent 完成报告

**开始时间**: YYYY-MM-DD HH:MM
**完成时间**: YYYY-MM-DD HH:MM
**耗时**: X 分钟

### 执行结果
- ✅ 成功上传 X/Y 张图片

### 图片上传清单
| Figure | file_token | 大小 | 插入位置 | 状态 |
|--------|------------|------|----------|------|
| Fig. 1 | `xxx...` | XXX KB | 4.1 章节后 | ✅ |

### 输出文件
- `$PAPER_DIR/progress/vision.log` (进度日志)

### 问题与备注
<如有问题，在此说明>

### 详细进度
| 步骤 | 状态 | 耗时 |
|------|------|------|
| 获取 blocks 列表 | ✅ 完成 | X 秒 |
| 上传 Fig. 1 | ✅ 完成 | X 秒 |
| 上传 Fig. 2 | ✅ 完成 | X 秒 |
| 上传 Fig. 3 | ✅ 完成 | X 秒 |
| 验证图片数量 | ✅ 完成 | X 秒 |

Reviewer 子 Agent 完成报告（详细版）#

markdown

## Reviewer 子 Agent 完成报告

**开始时间**: YYYY-MM-DD HH:MM
**完成时间**: YYYY-MM-DD HH:MM
**耗时**: X 分钟
**审核模型**: <模型名称>

### 执行结果
- ✅ 审核通过 / ⚠️ 需要修改

### 审核统计
- 一致的内容：X 处
- 需要修改的内容：Y 处
- 格式问题：Z 处

### 输出文件
- `$PAPER_DIR/progress/reviewer.log` (进度日志)
- `$PAPER_DIR/audit_report.md` (审核报告全文)

### 关键问题
<如有严重问题，在此说明>

### 修改建议清单
1. <具体修改建议 1>
2. <具体修改建议 2>
...

### 详细进度
| 步骤 | 状态 | 耗时 |
|------|------|------|
| 读取原始数据 | ✅ 完成 | X 秒 |
| 读取总结内容 | ✅ 完成 | X 秒 |
| 数据一致性核对 | ✅ 完成 | X 秒 |
| 格式检查 | ✅ 完成 | X 秒 |
| 生成审核报告 | ✅ 完成 | X 秒 |

---

附录：关键步骤确认函数#

bash

# 关键步骤确认函数
confirm_step() {
    local step_name=$1
    local log_file=$2

    log_master "🔍 确认步骤：$step_name"

    if [[ ! -f "$log_file" ]]; then
        log_master "❌ 日志文件不存在：$log_file"
        return 1
    fi

    # 检查是否有 ERROR
    if grep -q "\[ERROR\]" "$log_file"; then
        log_master "❌ 检测到错误，查看错误日志"
        cat "$log_file" | grep "\[ERROR\]"
        return 1
    fi

    # 检查是否完成
    if grep -q "✅ 完成\|\[SUCCESS\]" "$log_file"; then
        log_master "✅ 步骤确认成功：$step_name"
        return 0
    else
        log_master "⚠️ 步骤未完成：$step_name"
        return 1
    fi
}

# 使用示例（在每个阶段完成后调用）
# confirm_step "Reader 完成" "$PAPER_DIR/logs/reader.log" || exit 1
# confirm_step "Vision 完成" "$PAPER_DIR/logs/vision.log" || exit 1
# confirm_step "Reviewer 完成" "$PAPER_DIR/logs/reviewer.log" || exit 1

---

附录：Vision 模型自动识别#

工作原理#

技能会自动从 ~/.openclaw/openclaw.json 中查找支持图片输入的模型：

bash

# 自动识别逻辑
VISION_MODEL=$(jq -r '
  .models.providers | to_entries[] |
  .value.models[] |
  select(.input and (.input | index("image"))) |
  .id |
  first
' "~/.openclaw/openclaw.json")

识别逻辑：

1. 遍历所有 provider 的 models
2. 查找 input 字段包含 "image" 的模型
3. 使用找到的第一个模型
4. 如果找不到，回退到 model.primary

如何判断模型是否支持图片： 查看 models.providers[].models[] 中的 input 字段：

json

{
  "models": {
    "providers": {
      "qwencode": {
        "models": [
          {
            "id": "qwen3.5-plus",
            "name": "Qwen3.5 Plus",
            "input": ["text", "image"]  ← 支持图片
          }
        ]
      }
    }
  }
}

优点：

• ✅ 无需手动配置
• ✅ 自动选择支持图片的模型
• ✅ 向后兼容（无配置也能用）
• ✅ 符合"约定优于配置"原则

---

版本历史#

• v2.0.0 (2026-03-28)：重构为多 Agent 协作架构，新增防幻觉机制 + 飞书操作知识精简

  • 完全重写 SKILL.md，从单 Agent 改为多 Agent 协作（Reader/Vision/Reviewer）
  • 新增 5 个核心脚本（extract_metadata.sh, check_duplicate.sh, extract_pdf_text.sh, locate_figures.sh, merge_supplement.sh）
  • 新增防幻觉机制：强制注入原始数据到 Reviewer 子 Agent
  • 新增标准化汇报机制（进度日志 + 完成报告 + 错误报告）
  • 精简飞书操作知识：删除通用内容，保留本业务特有的 6 大核心原则

• v1.x：单 Agent 全流程（已废弃）