首页/ 知识管理/ Paper Summarize Pdf To Feishu

Paper Summarize Pdf To Feishu

👤 yy-fan 📦 v2.0.0 ⭐ 4.5 ⬇️ 650 下载
📚 知识管理 免费

📖 技能介绍

name: paper-summarize-pdf-to-feishu version: 2.0.0 author: yy-fan license: MIT homepage: https://github.com/openclaw/openclaw description: | 总结论文 PDF 为飞书文档（含图表）。采用主控 - 子代理 (Orchestrator-Subagents) 架构处理长流程。 支持学术论文、技术报告的自动去重、总结、配图、真实比对审核与人工确认。 触发场景：发送 PDF 附件、"总结这个 PDF"、"把 PDF 写成飞书文档"、"论文总结"。 metadata: clawdbot: emoji: "📄" requires: bins: - pdftotext - pdfinfo - pdfimages - pdftoppm - tesseract - jq install: - id: apt-poppler kind: apt package: poppler-utils bins: ["pdftotext", "pdfinfo", "pdfimages", "pdftoppm"] label: "Install poppler-utils (PDF tools)" - id: apt-tesseract kind: apt package: tesseract-ocr bins: ["tesseract"] label: "Install tesseract-ocr (OCR)" - id: apt-jq kind: apt package: jq bins: ["jq"] label: "Install jq (JSON processor)"

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：

# 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：

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：

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：

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 ```

  1. 根据返回结果判断：
  2. 退出码 0 + RESULT=new：新论文，创建 $PAPER_DIR，复制 PDF，进入阶段一
  3. 退出码 1 + RESULT=duplicate：❌ 完全重复，立即停止任务，告知用户已处理过
  4. 退出码 0 + RESULT=possible_duplicate：⚠️ 可能重复，等待用户确认
  5. 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： 1. 分段读取 $PAPER_DIR/paper.txt 的完整内容（不要跳过任何部分）。 2. 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 3. 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）： ```markdown ## 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 $PAPER_DIR/progress/reader.log： [YYYY-MM-DD HH:MM:SS] Reader 子 Agent 启动 [YYYY-MM-DD HH:MM:SS] 开始读取 paper.txt (共 XXX 行) 2. 每完成一个章节，追加进度： [YYYY-MM-DD HH:MM:SS] ✅ 完成：研究背景与动机 [YYYY-MM-DD HH:MM:SS] ✅ 完成：研究设计 ... 3. 完成后写入最终报告： [YYYY-MM-DD HH:MM:SS] ✅ Reader 任务完成 [YYYY-MM-DD HH:MM:SS] 输出文件：$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 ## 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。" ```

  1. 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 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 # ⚠️ 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 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）。

  1. 自动识别支持图片的模型（主控 Agent 执行）： ```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 ```

  1. 派生配图子 Agent（主控 Agent 调用 sessions_spawn）：

    来源于7w4.net。

```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）
 ```

 **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： bash 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）： `` 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 ⭐ 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 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）： ``` 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： [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： [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： [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： [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/ - $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" ```

  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： 1. 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？ 2. 结论是否有无依据的夸大？ 3. 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 2. 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

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：

```markdown ## 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" ```

  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：

``` 📄 飞书初稿链接：

## 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
```
  1. 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 / append | insert 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"。

  1. 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
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） ```

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

  2. 向用户交付最终版链接，流程结束。

  3. 记录修改日志 ⭐： 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：

# 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：

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：

# 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：

# 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：

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：

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

# 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.log
Vision 图片审核、飞书上传 图片识别、upload_image、限流规避 progress_vision.log
Reviewer 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.log Reader 子 Agent 进度 阅读论文时
$PAPER_DIR/progress/vision.log Vision 子 Agent 进度 上传图片时
$PAPER_DIR/progress/reviewer.log Reviewer 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

[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

## 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）

## 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）

## 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）

## 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

# 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：

# 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：

{
  "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）

🤖 AI 评测

这是一款高质量的论文总结工具，能够自动读取 PDF 论文、提取关键信息、生成结构清晰的总结文档，并支持将图表图片上传到飞书文档。采用了多 Agent 协作模式，让不同 Agent 分别负责阅读理解、图片处理、内容审核，流程严谨且不容易出错，还有人工确认环节把关质量。优点是总结规范、数据准确、带图片，缺点是依赖外部工具处理 PDF，对扫描版论文效果可能有限。

📊 多维度评分

适应性4.6
规范性4.5
有效性4.5
可靠性4.4
可信度5

📁 包含文件 (8 个)

📄 SKILL.md 42.5 KB
📄 _meta.json 148 B
📄 references/summary_template.md 4.1 KB
📄 scripts/check_duplicate.sh 5.4 KB
📄 scripts/extract_metadata.sh 2.9 KB
📄 scripts/extract_pdf_text.sh 1.4 KB
📄 scripts/locate_figures.sh 4.6 KB
📄 scripts/merge_supplement.sh 2.6 KB

🔗 相关推荐

Summarize
paudyyin
⭐ 4.2 ⬇️ 575.9K
免费
ima-skills
annykzhang
⭐ 4.6 ⬇️ 235.3K
免费
knowledge-engineerin…
智慧半岛
⭐ 4.7 ⬇️ 126.6K
免费
make-to-markdown
智慧半岛
⭐ 4.6 ⬇️ 123.5K
免费