spark-science-text-optimizer

name	spark-science-text-optimizer
version	1.0.0
description	面向论文、综述、开题报告和技术报告的 AIGC 检测、降 AIGC、段落去重/降重技能；当用户要求检查 AIGC 率、把整篇或段落降 AIGC、去重相似文本，或明确要求必须通过 cloud_sdk.py 调用而不能靠模型主观判断时使用。只要任务涉及 AIGC 检测、AIGC 改写候选、文本降重候选，就应优先使用本技能。
user-invocable	true
metadata	{"openclaw":{"homepage":"https://github.com/jingxiangljj/paper-skills","requires":{"bins":["python3"]}}}

spark-science-text-optimizer

核心定位

本 Skill 是 scripts/cloud_sdk.py 的薄封装层。你的所有能力都来自云端服务，不是模型自己的判断。

scripts/cloud_sdk.py 是项目自带的 Python 脚本（用户无感知，不需要安装），它封装了 4 个云端能力：

• detect_aigc：整篇 AIGC 率检测
• reduce_file_aigc：整篇降 AIGC
• deaigc：段落降 AIGC
• reduce_repetition：段落降重

你负责：

1. 严格调用 scripts/cloud_sdk.py（每个任务都必须调，不能跳过）
2. 解析返回 JSON
3. 按错误码决定终止还是重试
4. 把结果写成报告或候选产物
5. 在需要替换正文时停下来等用户确认

你不负责：

• 自己判断文本像不像 AI 写的
• 自己改写文本（除非 SDK 调用失败且无法重试，此时终止并报错，不要用模型兜底）
• 直接覆盖原文

架构边界

• 本 Skill 不由 reviewer 直接调用。test_reviewer_no_aigc_calls 契约禁止 reviewer 调用 AIGC/降重接口
• reviewer 审稿发现"AIGC 疑似率高 / 查重命中"后，由 prose 工作流路由到本 Skill
• 本 Skill 只输出候选和报告，不改原文。整合回正文由 spark-science-researcher 负责

绝对约束

• 所有判断必须来自 scripts/cloud_sdk.py 返回结果——这是硬依赖，不是可选项
• 禁止主模型自行判断 AIGC 风险、重复度、是否应该改写
• 禁止在 SDK 失败时用模型输出兜底结论（SDK 失败 = 任务失败，不要绕过）
• 禁止绕过 SDK 自己实现 AIGC 检测/降重逻辑（即使你认为自己能做，也不允许）
• 禁止直接覆盖原文；只能写报告、候选文件、对比文件
• 只有用户明确确认后，后续流程才可以把候选整合回正文

SDK 调用是每个流程的必经步骤。如果 SDK 不可用（环境变量缺失、网络不通、下游服务挂了），任务必须终止，不能用模型能力替代。

前置检查：RESEARCH_CLOUD_API_KEY 环境变量

只需要一个环境变量：RESEARCH_CLOUD_API_KEY（pa_xxx 格式，key 即身份，server 侧 ApiKeyAuth 中间件会从 key 反查 user_id）。

内部测试阶段，scripts/cloud_sdk.py 可能将 key 硬编码在代码里（见 SDK 源文件）；发布前会恢复 env 读取。无论哪种模式，Skill 都不得自己拼 Authorization header 或硬编码 key。

每次任务开始前用以下命令验证：

python -c "import os, sys; key=os.getenv('RESEARCH_CLOUD_API_KEY'); print('env ok' if key or True else ''); sys.exit(0)"

如果 SDK 实际调用时返回 auth failed (invalid or revoked api_key) 或 INVALID_USER / API_KEY_INVALID，立即终止并提示用户检查 key。

可选环境变量：

• RESEARCH_CLOUD_BASE_URL：不设置时 SDK 走默认内网地址

SDK 通讯协议（理解用，不用手写）

不要手工拼 HTTP 请求，一律走 python scripts/cloud_sdk.py ...。只要知道下面这些事实即可：

• SDK 自动添加 Authorization: Bearer <api_key>，不需要 X-End-User-Id 这种 header（server 从 key 反查身份）
• SDK 自动组装请求 body：{"base": {"request_id": "..."}, ...其他业务字段}
• SDK 不透传 base.uid（透传无效，中间件强制覆盖，越权失败）
• server 用 kratos 风格响应 {code, message, reason, data}。SDK 翻译后返回：
  • 成功：{"success": true, "result": {...data...}}
  • 业务失败：{"success": false, "code": N, "reason": "<REASON>", "error": "<中文 message>"}
  • 网络 / HTTP 失败：{"success": false, "error": "..."}
• 判错正确姿势：先看 success，再按 reason 路由；不要用 code 路由（多个 reason 共享同一个 code）；更不要解析 error 中文字符串
• code 是 HTTP 风格状态码（400/403/502/…），不是 enum 数值；SDK 里这个数字是 server body 内容，不是真实 HTTP 层状态

⚠️ 特别注意：reason=PAPER_CAPABILITY_FAILED 时 body 里 code=502，但这不是 HTTP 502 网关挂了，而是 server 把上游超时/失败包在 body 里的标记。SDK 已经区分：真 HTTP 非 200 会走 "error": "HTTP 502"，两者字段结构不同。

输入来源

优先级从高到低：

1. 用户显式给的参数
2. paper_path
3. project_id 对应项目目录中的草稿

文档类任务

适用于：detect_aigc、reduce_file_aigc

文件来源（三选一，SDK 在 _file_source_body 强校验互斥）：

• file_path：本地文件路径，用户场景下最常用。SDK 自动读盘并 base64 上传，server 接收后转存 OSS。
• file_url：公网可直连下载链接，server 会从内网 → 公网 GET 文件。仅当用户已经把文件放在可访问存储时使用。
• file_content：原始字节（bytes / bytearray / memoryview），适合内存中已经持有文件内容的场景。

通用必填参数：

• file_name：文件名含扩展名。file_path 缺省时 SDK 会从路径自动推断；file_url / file_content 必须显式传。
• detect_aigc 额外必填 file_type_hint（如 PDF / Word / TXT；SDK 强校验必填，空值会 raise ValueError）
• project_id 或 paper_path 二选一更好，用于回写产物

不要自己拼 URL、不要把本地路径塞进 file_url 字段、也不要同时传两种来源（会触发 SDK 互斥检查）。如果用户连文件都没有，先停下来追问，不要伪造路径或 URL。

段落类任务

适用于：deaigc、reduce_repetition

需要：

• deaigc：content（单次建议不超过 2000 字；超出时提示用户分段处理，不强制拒绝但需告知）
• reduce_repetition：paper_part 和 similar_text（两者单次建议均不超过 2000 字）

如果用户只说"帮我去重"，但没有给 similar_text 或查重结果来源，先停下来要输入，不要自己猜哪一段重复。

request_id 规则

request_id 由调用方派生，首选稳定键 tool_call_id，或从 tool_call_id 派生：

• tool_call_id
• tool_call_id:detect_aigc
• tool_call_id:deaigc:p3
• tool_call_id:dedup:p7

如果当前是纯 CLI 场景，没有 tool_call_id，用一次性稳定格式生成，例如：

• detect_aigc_{project_id_or_adhoc}_{yyyyMMddHHmmss}
• reduce_file_aigc_{project_id_or_adhoc}_{yyyyMMddHHmmss}
• deaigc_{project_id_or_adhoc}_{paragraph_no}_{yyyyMMddHHmmss}
• dedup_{project_id_or_adhoc}_{paragraph_no}_{yyyyMMddHHmmss}

关键点不是格式本身，而是：在本次流程第一次调用前生成一次，然后把该值写入当前执行上下文、日志或候选记录；后续重试只能复用这个值，不能重新生成。

幂等硬规则

• 同一逻辑请求的重试必须复用同一个 request_id
• 改了输入内容或改了目标段落，才生成新 request_id
• 不要在每次 HTTP 重试时重新生成 UUID
• 不传 --request-id = 幂等保证丢失，SDK 内部回落随机 UUID，server 会把每次当独立请求扣分

标准调用方式

统一通过 CLI 调用：

python scripts/cloud_sdk.py <command> ... --request-id <request_id>

支持的命令与用途：

• detect_aigc：整篇 AIGC 率检测（文档级）
• reduce_file_aigc：整篇降 AIGC（文档级）
• deaigc：段落降 AIGC
• reduce_repetition:段落降重

把 CLI 标准输出解析为 JSON 后再继续。JSON 解析失败时，立即终止。

段落类参数传递规则（防 shell 注入）

deaigc 的 --content、reduce_repetition 的 --paper-part 和 --similar-text 可能包含引号、换行、特殊字符，禁止直接内联进 shell 命令字符串。必须通过环境变量传递，例如：

# 正确方式：通过环境变量传入文本
export SDK_CONTENT="要降 AIGC 的段落内容"
export SDK_REQUEST_ID="deaigc_proj001_20260509120000"
python scripts/cloud_sdk.py deaigc \
  --content "$SDK_CONTENT" \
  --request-id "$SDK_REQUEST_ID"

# reduce_repetition 同理
export SDK_PAPER_PART="论文中需要降重的段落"
export SDK_SIMILAR_TEXT="相似的原始文本"
export SDK_REQUEST_ID="dedup_proj001_p1_20260509120000"
python scripts/cloud_sdk.py reduce_repetition \
  --paper-part "$SDK_PAPER_PART" \
  --similar-text "$SDK_SIMILAR_TEXT" \
  --request-id "$SDK_REQUEST_ID"

如果当前 shell 环境不支持 export（例如 Windows PowerShell 里，可以用 $env:VAR_NAME="..."），改用 Python 直调 SDK：

import sys, json
sys.path.insert(0, "scripts")
from cloud_sdk import ResearchCloudSDK
sdk = ResearchCloudSDK()
result = sdk.deaigc("<内容直接传>", request_id="<request_id>")
print(json.dumps(result, ensure_ascii=False, indent=2))

云端能力实测状态（2026-05-12）

出处：docs/cloud_sdk_test_report.md。接入时必读——下面 3 个接口当前下游不稳定。

命令	SDK 层	下游 server 层	本 Skill 处理策略
deaigc	✅ 正常	✅ 正常（中文段落可用）	正常调用
reduce_repetition	✅ 正常	✅ 正常（语义保留较好）	正常调用
detect_aigc	✅ 正常	⚠️ BACKEND_TIMEOUT 概率高	必须带重试 + 失败降级告知用户
reduce_file_aigc	✅ 正常	⚠️ BACKEND_TIMEOUT 概率高	同上，失败时可建议改走段落级 deaigc

当 detect_aigc / reduce_file_aigc 持续返回 PAPER_CAPABILITY_FAILED 时：

• 按下面"二类：可重试，最多 3 次"退避重试一次
• 仍失败则明示用户："云端 AIGC 服务当前不稳定，已尝试重试失败，可选：a) 稍后重试；b) 对关键段落改走 deaigc 段落级流程"
• 不要硬改模型判断绕开 SDK

错误路由

一类：立即终止，不重试

以下情况一律终止，并把错误原样报告给用户：

• JSON 解析失败
• INSUFFICIENT_POINTS（积分不足 → 提示充值）
• POINTS_ACCOUNT_FROZEN（账户冻结）
• POINTS_ACCOUNT_NOT_FOUND(账户不存在)
• PAPER_INVALID_PARAMS（参数非法）
• PAPER_INVALID_PLATFORM（搜索类接口才会出现，不涉及本 Skill 但纳入通用判)
• API_KEY_INVALID（key 失效或被 revoke，SDK 输出 auth failed (invalid or revoked api_key)）
• FEATURE_NOT_CONFIGURED（该 feature 未配置扣分值，联系管理员）
• INVALID_USER（鉴权失败）
• SDK 成功标志为真，但关键业务字段缺失

推荐提示方式：

• INSUFFICIENT_POINTS → 积分不足，请充值后重试
• POINTS_ACCOUNT_FROZEN → 账户已冻结，无法继续调用
• POINTS_ACCOUNT_NOT_FOUND → 账户不存在，请检查 RESEARCH_CLOUD_API_KEY
• API_KEY_INVALID / INVALID_USER → 鉴权失败，请检查或轮换 RESEARCH_CLOUD_API_KEY
• PAPER_INVALID_PARAMS → 参数非法，修正输入后再调用
• FEATURE_NOT_CONFIGURED → 云端 feature 未配置扣分值，请联系管理员
• JSON 解析失败 → SDK 返回格式异常，请检查 Python 环境或脚本输出

二类：可重试，最多 3 次

以下情况用相同 request_id 重试：

• POINTS_CONSUME_LOCK_FAILED（占位锁冲突）
• PAPER_CAPABILITY_FAILED（下游能力失败 / 上游超时，积分已 release 不会冤扣）
• 网络错误（network error: ...）
• HTTP 5xx（真 HTTP 层 5xx，SDK 返回 {"error": "HTTP 5xx"}）

退避策略：

• 第 1 次失败后等 2 秒
• 第 2 次失败后等 4 秒
• 第 3 次失败后等 8 秒
• 3 次全部失败后终止，报告"服务暂时不可用"，把 result.session_id（如果有）给用户，用户联系管理员可按 trace 拉日志

重试期间：

• 不要输出中间判断
• 不要切换到模型手工处理
• 不要更换 request_id

三类：成功返回但字段异常

这类也要终止，不能补猜：

detect_aigc

以下任一缺失即终止：

• result
• html_url
• pdf_url
• report_id

reduce_file_aigc

以下任一异常即终止：

• success != true（注意：这是 result.success，server 业务侧 success，区别于 SDK 外层 success）
• object_url 为空
• file_name 为空

deaigc

以下异常即终止：

• content 为空

reduce_repetition

以下异常即终止：

• content 为空

四条执行流程

流程 1：查 AIGC

目标：生成检测报告，不改原文。

步骤：

1. 准备文件来源（file_path / file_url / file_content 三选一，详见"文档类任务"段）和 file_type_hint（必填，值如 PDF / Word / TXT / docx / pdf / txt；SDK 强校验）。file_url / file_content 时还要 file_name。

2. 生成稳定 request_id

3. 【必须】调用 scripts/cloud_sdk.py detect_aigc（按文件来源选其一）：

   本地文件（最常用）：

   python scripts/cloud_sdk.py detect_aigc \
     --file-path "<本地文件绝对路径>" \
     --file-type-hint "<PDF|Word|TXT>" \
     --request-id "<request_id>"
   

   公网 URL（用户已有可访问链接时）：

   python scripts/cloud_sdk.py detect_aigc \
     --file-url "<公网 URL>" \
     --file-name "<文件名含扩展名>" \
     --file-type-hint "<PDF|Word|TXT>" \
     --request-id "<request_id>"
   

   这一步不可跳过。如果 SDK 调用失败且重试无效，任务终止，不要用模型自己判断 AIGC 率。 不要同时传 --file-path 和 --file-url，CLI 层会立即 _fail。

4. 解析 JSON，并按错误路由处理；遇到 PAPER_CAPABILITY_FAILED 按二类重试

5. 成功后只提取：

   • result.result（SDK 检测结论字段）
   • result.html_url
   • result.pdf_url
   • result.report_id

6. 写报告，不解读 result.result（原样复述 SDK 返回值）

7. 把完整报告路径告诉用户

建议写入：

• ~/.research-assistant/projects/{project_id}/review/aigc_report.md

报告应包含：

• 检测时间
• 原文件名
• report_id
• SDK 返回的检测结论原文
• html_url
• pdf_url
• 原始请求 request_id
• session_id（排查用）

禁止：

• 自己说"这篇大概率是 AI 写的"
• 自己建议"建议降 AIGC"，除非这是基于明确的 SDK 字段或固定规则
• 自己补写缺失字段

流程 2：整篇降 AIGC

目标：生成候选文件，不改原文。

步骤：

1. 准备文件来源（file_path / file_url / file_content 三选一）。file_url / file_content 时必须给 file_name；file_path 缺省 file_name 时 SDK 自动从路径推断。

2. 如果用户连本地文件都没有，停下来要文件，不要伪造。

3. 生成稳定 request_id

4. 【必须】调用 scripts/cloud_sdk.py reduce_file_aigc（按文件来源选其一）：

   本地文件（最常用）：

   python scripts/cloud_sdk.py reduce_file_aigc \
     --file-path "<本地文件绝对路径>" \
     --request-id "<request_id>"
   

   公网 URL：

   python scripts/cloud_sdk.py reduce_file_aigc \
     --file-url "<公网 URL>" \
     --file-name "<文件名>" \
     --request-id "<request_id>"
   

   这一步不可跳过。如果 SDK 调用失败且重试无效，任务终止，不要用模型自己改写文本。 不要同时传 --file-path 和 --file-url，CLI 层会立即 _fail。

5. 解析 JSON，并按错误路由处理；遇到 PAPER_CAPABILITY_FAILED 按二类重试

6. 成功后提取：

   • result.object_url
   • result.file_name
   • result.success（业务侧 success）

7. 用确定性方式下载 object_url 对应的候选文件，使用 Python + httpx。不要依赖 ~ 的 shell 展开，目标路径由 Python 自己拼接，复用 result.file_name 作为文件名。为防止 URL 和文件名含特殊字符导致注入，必须通过环境变量传入：

   export DOWNLOAD_URL="{object_url}"
   export DOWNLOAD_FILENAME="{result.file_name}"
   export DOWNLOAD_PROJECT="{project_id}"
   python -c "
   

import os, httpx from pathlib import Path output_dir = Path.home() / '.research-assistant' / 'projects' / os.environ['DOWNLOAD_PROJECT'] / 'artifacts' / 'deaigc_candidates' output_dir.mkdir(parents=True, exist_ok=True) output_path = output_dir / os.environ['DOWNLOAD_FILENAME'] output_path.write_bytes(httpx.get(os.environ['DOWNLOAD_URL'], timeout=60).content) print(output_path) "

如果 `project_id` 不存在，目标目录改用：`~/.research-assistant/tmp/deaigc_candidates/`
8. 写候选记录和差异统计
9. 停下来等用户确认是否整合回正文

建议写入：
- `~/.research-assistant/projects/{project_id}/artifacts/deaigc_candidates/index.md`
- `~/.research-assistant/projects/{project_id}/artifacts/deaigc_candidates/candidate_r{n}.*`
- `~/.research-assistant/projects/{project_id}/artifacts/deaigc_candidates/diff_r{n}.md`

`n` 的取值规则：扫描目标目录下现有文件数 +1，确保不覆盖旧候选：

```bash
python -c "
from pathlib import Path
d = Path.home() / '.research-assistant' / 'projects' / '{project_id}' / 'artifacts' / 'deaigc_candidates'
existing = list(d.glob('candidate_r*.md')) + list(d.glob('candidate_r*.*')) if d.exists() else []
print(len(existing) + 1)
"

如果 project_id 不存在，使用 ~/.research-assistant/tmp/deaigc_candidates/ 作为候选目录。

差异文件必须用确定性方式生成，不要让模型手工估算：

• 如果原文和候选都是可直接比较的文本格式（如 .md、.txt），用 Python 脚本统计行数和按空行分段后的段落数
• 如果候选是 .docx、.pdf 或其他富文档 / 二进制格式，diff 文件只记录：
  • 原文路径
  • 候选文件路径
  • 文件名
  • 时间戳
  • 未做文本级行数/段落统计：文件不是可直接比较的纯文本格式

不要评价改写质量，不要写"更自然""更像人工"。

流程 3：段落降 AIGC

目标：生成段落级改写候选，不改正文。

步骤：

1. 获取 content
2. 建议先做基本长度检查；单次建议不超过 2000 字；过长时要求用户分段，不强制拒绝但需告知
3. 生成稳定 request_id
4. 【必须】通过环境变量传参调用 scripts/cloud_sdk.py deaigc：

   export SDK_CONTENT="<待降 AIGC 段落>"
   export SDK_REQUEST_ID="<request_id>"
   python scripts/cloud_sdk.py deaigc \
     --content "$SDK_CONTENT" \
     --request-id "$SDK_REQUEST_ID"
   

   这一步不可跳过。如果 SDK 调用失败且重试无效，任务终止，不要用模型自己改写段落。

5. 解析 JSON，并按错误路由处理
6. 成功后提取 result.content
7. 写原文 / 候选对照文件
8. 停下来等用户确认是否替换到正文

注意：deaigc 的输出会重新组织语言，可能偏离原意或丢细节（实测见测试报告 2.5）。Skill 不评价改写质量，但必须把原文完整保留在对照文件，方便用户一眼对比。

建议写入：

• ~/.research-assistant/projects/{project_id}/artifacts/deaigc_candidates/paragraph_r{n}.md

n 的取值规则：扫描目标目录下现有 paragraph_r*.md 文件数 +1。如果 project_id 不存在，使用 ~/.research-assistant/tmp/deaigc_candidates/。

对照文件应包含：

• 原文段落
• SDK 返回候选段落
• request_id
• 时间戳
• session_id

流程 4：去重 / 降重

目标：生成降重候选，不改正文。

步骤：

1. 获取 paper_part 和 similar_text
2. 检查两者都非空
3. 生成稳定 request_id
4. 【必须】通过环境变量传参调用 scripts/cloud_sdk.py reduce_repetition：

   export SDK_PAPER_PART="<待降重段>"
   export SDK_SIMILAR_TEXT="<相似文本>"
   export SDK_REQUEST_ID="<request_id>"
   python scripts/cloud_sdk.py reduce_repetition \
     --paper-part "$SDK_PAPER_PART" \
     --similar-text "$SDK_SIMILAR_TEXT" \
     --request-id "$SDK_REQUEST_ID"
   

   这一步不可跳过。如果 SDK 调用失败且重试无效，任务终止，不要用模型自己改写段落。

5. 解析 JSON，并按错误路由处理
6. 成功后提取 result.content
7. 写原文 / 相似文本 / 候选三段对照文件
8. 停下来等用户确认是否替换原稿

注意：实测 reduce_repetition 语义保留较好，通常仅换词和调语序（测试报告 2.6）。但仍不得直接替换正文，必须走候选 → 用户确认 → researcher 整合的链路。

建议写入：

• ~/.research-assistant/projects/{project_id}/artifacts/dedup_candidates/candidate_r{n}.md

n 的取值规则：扫描目标目录下现有 candidate_r*.md 文件数 +1。如果 project_id 不存在，使用 ~/.research-assistant/tmp/dedup_candidates/。

对照文件应包含：

• 原文段落 paper_part
• 相似来源段 similar_text
• SDK 返回候选段落
• request_id
• 时间戳
• session_id

返回结果还是修改原文

这是硬规则：

能力	默认行为
查 AIGC	返回检测结论和报告链接，写报告，不改原文
整篇降 AIGC	返回候选文件和差异记录，不改原文
段落降 AIGC	返回候选段落，不改原文
去重 / 降重	返回候选段落，不改原文

只有在用户明确确认后，才允许把候选整合回正文。整合动作由 spark-science-researcher 执行：它负责把候选替换到对应草稿位置、保持引用和论证链一致，并记录版本号。这个技能本身不直接做正文替换。

什么时候必须停下来问用户

以下情况必须追问，不能硬做：

• 文档类任务：用户既没给本地 file_path，也没给 file_url 或 file_content
• 用 file_url / file_content 时没有 file_name（file_path 模式下 SDK 会自动推断，不必追问）
• detect_aigc 没有 file_type_hint（SDK 强校验必填）
• 去重时没有 similar_text
• 用户要求你"直接改正文"
• 用户要求"帮我判断像不像 AI 写的"，但没有允许你先走检测流程
• 用户要求"查重"，但实际只给了一段话，没有相似来源或查重结果
• 云端 PAPER_CAPABILITY_FAILED 连续 3 次退避重试仍失败，要征求用户是稍后重试还是改走段落级

进度和产物登记

如果任务运行在项目上下文中：

• 写入产物后，把完整路径在同一轮回复中返回给用户
• 如需更新进度，使用 scripts/progress.py write
• 如需登记产物，随后再用 scripts/progress.py log_artifact
• 这两个动作顺序执行，不要并发（log_artifact 在 write 未落盘前会 Project not initialized）

输出风格

• 先给结果，再给一句短说明
• 结论只复述 SDK 返回，不扩写成模型观点
• 出错时直接说错误原因和是否已重试，不写长解释
• 任何时候都不要把工具缺失结果伪装成模型判断

最小示例

查 AIGC

输入意图：

• "帮我查一下这篇论文的 AIGC 率"

你应该做：

• 确认文件来源（file_path / file_url / file_content 三选一）和 file_type_hint 齐全
• 调 detect_aigc（本地文件优先用 --file-path，无需 --file-name）
• 按错误路由处理（含 PAPER_CAPABILITY_FAILED 重试）
• 写报告到 review/aigc_report.md
• 返回报告路径和官方返回字段（result.result / html_url / pdf_url / report_id）

整篇降 AIGC

输入意图：

• "把这篇论文整篇降 AIGC，但先别直接改正文"

你应该做：

• 确认文件来源（file_path / file_url / file_content 三选一）齐全
• 调 reduce_file_aigc（本地文件优先用 --file-path；含 PAPER_CAPABILITY_FAILED 重试）
• 下载 object_url 到 artifacts/deaigc_candidates/candidate_r{n}.*
• 写差异文件
• 返回候选路径
• 停下来等确认

段落降 AIGC

输入意图：

• "帮我把这一段降个 AIGC 候选"

你应该做：

• 通过 env 传 content + request_id
• 调 deaigc
• 写 artifacts/deaigc_candidates/paragraph_r{n}.md（原文 + 候选 + request_id + session_id + 时间戳）
• 返回候选内容和路径
• 停下来等确认

去重

输入意图：

• "这段和原文太像了，帮我降重，但只能调用 cloud_sdk.py"

你应该做：

• 通过 env 传 paper_part + similar_text + request_id
• 调 reduce_repetition
• 写 artifacts/dedup_candidates/candidate_r{n}.md（三段对照）
• 返回候选内容和路径
• 停下来等确认