Diff Review — 校对改动核对

Task

校对闭环的最后一关。用户按 raw.review.md 改完 raw.md → final.md 后，用户需要回答三个问题：

1. 用户接受了 agent 的哪些建议？（自己脑子里记不住改了哪些）
2. 用户拒绝或漏改了哪些？（最常见：手滑漏掉一两条 A 类）
3. 清单外修正了哪些 agent 未标注的段？（用于积累校对风格）

不核对就改，等于校对没闭环——用户可能漏了明显的 OCR 错就拿去生成 Word，回头被编辑或读者发现，返工。

这个 skill 生成一份段落级 HTML 对照 + 标注交叉表，用户花 5 分钟扫一遍就能判断闭环是否闭上。

Process

Step 1 — 确认输入

RAW="<raw-md-path>"
FINAL="<final-md-path>"
OCR="$(dirname "$RAW")"                # 工作区根 = raw.md 的父目录
REVIEW="${REVIEW:-$OCR/review/raw.review.md}"

test -f "$RAW"   || { echo "raw.md 不存在：$RAW"; exit 1; }
test -f "$FINAL" || { echo "final.md 不存在：$FINAL"; exit 1; }
# review 可选；无则降级为纯 diff

如果用户没显式传 --review，默认去 $OCR/review/raw.review.md 找清单（proofread 的默认输出位置）。找到就带上，找不到降级为纯 diff，不做标注关联，并告知用户。

Step 2 — 调 diff 脚本

mkdir -p "$OCR/previews" "$OCR/review"
python3 "${CLAUDE_PLUGIN_ROOT}/skills/diff-review/scripts/md_diff.py" \
    --raw "$RAW" \
    --final "$FINAL" \
    $( [ -f "$REVIEW" ] && echo "--review $REVIEW" ) \
    --out "$OCR/previews/diff-review.html" \
    --summary "$OCR/review/diff-summary.md"

固定路径约定（权威规范见插件 references/workspace-layout.md）：

• HTML 预览 → previews/diff-review.html
• Markdown 摘要 → review/diff-summary.md 不再用 ${FINAL%.md}.diff.html 这种衍生路径 —— 那会把过程文件落在工作区根部，反规范。

Step 3 — 脚本必须实现的行为规范

md_diff.py 的职责边界由以下规范强制定义。实现时不许偷工——以下每条都是契约，不是建议。

3.1 段落切分

两份文件都按「连续非空行 = 一段」规则切分。每段保留：

• raw_line_start / raw_line_end（在 raw.md 中的起止行号）
• final_line_start / final_line_end（在 final.md 中的起止行号）
• paragraph_text（段落文本，保留段内换行）

保留原始行号是为了和 raw.review.md 的 "Line N" 标注做锚定。

3.2 段落对齐

用 difflib.SequenceMatcher 以段落为 opcode 粒度（不是行、不是字符）做对齐。产出四类 opcode：

不允许用行级对齐。中文一段可能 300 字一行，行级 diff 会把"改一个字"显示为"删一整行 + 增一整行"，噪音压过信号。

3.3 段内字符级 diff

对每个 replace 段，用 difflib.ndiff 或 SequenceMatcher 做字符级对齐。高亮规则：

• 删除字符：<del style="background:#fbe5d6;color:#a33;">X</del>
• 新增字符：<ins style="background:#d4edda;color:#161;text-decoration:none;">Y</ins>
• 不变字符：普通文本

3.4 关联 review.md 的标注

若传入 --review：

3.4.1 解析 review.md

raw.review.md 里每条 A/B/C 标注遵循固定格式：

### A3. <标题> · Line <N>

**原文**：
> <片段>

**建议**：<改法>

提取字段：category (A/B/C)、item_id (A3)、line_number (N)、fragment (原文片段)、suggestion (建议)。

标题级别必须是 ###，命中行正则：^###\s+([ABC]\d+)\.\s+(.+)\s+·\s+Line\s+(\d+)（兼容"全文"、"多行"等无具体行号的条目，line_number 为 null）。

3.4.2 标注映射到段落

把每条标注的 line_number 映射到 raw.md 的段落（该行落在哪个段的 raw_line_start..raw_line_end 范围内）。

3.4.3 每条标注打状态

"接近"判定：不要求精确字符匹配。策略：

• agent 建议里抽取关键改动字符（如"研完 → 研究"里的"究"、"自已 → 自己"里的"己"、"（观念史》 → 《观念史》"里的"《"）
• 若 final.md 对应段落里出现这些关键字符，且 raw.md 对应位置没有 → 判为接受
• 复杂判定不了 → 保守判为 rejected_or_missed，让用户自己看

不精确匹配的原因：用户经常采纳方向但换措辞（agent 说"改为「这是重要的」"，用户写成了"「此乃要害」"）。

3.5 统计总结（输出 <final>.diff.summary.md）

# Diff 总结：<final 文件名>

**修改段落数**：N / 总段落数 M（改动率 X%）
**字符级改动**：删 X 字 / 增 Y 字 / 净 +Z 字
**接受 agent 建议**：N / 共 M 条有锚标注（X%）
**拒绝或漏改**：N 条 —— 重点核！
**清单外修正**：N 处

---

## 接受的 agent 建议

- A1（脚注 `[`）：命中 N 处，接受 M 处
- A3（自已 → 自己）：Line 87 接受
- ...

## 拒绝或漏改 —— 重点核

- A5（书名号《》）：Line 127 未改 —— 可能漏了
- B1（标题全 H1）：全文仍是 H1，未降级 —— 会影响 to-docx
- ...

## 清单外修正（agent 未标注的段）

- Line 45：raw "涉及" → final "关涉"（语义微调）
- Line 102：新增脚注 [43]
- ...

## 未锚定标注（参考，不计状态）

- A6（全半角逗号 · 全文）
- ...

3.6 HTML 布局

顶部工具条：

• 文件名 + 修改段数 / 总段数
• 接受 N 条 / 拒绝 M 条 / 清单外 K 处（每个数字点击跳对应区）
• "展开所有未修改段" 按钮
• "导出 Markdown 摘要" 按钮（下载 summary.md）

主体：按段落顺序渲染，每段一个 <section>：

┌─────────────────────────────────────────────────────────┐
│  段 3 · replace · [接受 A5]                              │
│  ┌──────────────────┐  ┌──────────────────┐           │
│  │ raw (L127-127)   │  │ final (L127-127) │           │
│  │ （大清国致大英   │  │ 《大清国致大英   │           │
│  │  国国书》...     │  │  国国书》...     │           │
│  └──────────────────┘  └──────────────────┘           │
│  关联标注：A5 书名号《》 · 建议「（→《」               │
│  判定：关键字 '《' 出现在 final 段 → 接受                │
└─────────────────────────────────────────────────────────┘

样式要求：

• 全内联 CSS，单文件离线可读
• 不加载外部字体 / 图片 / 脚本
• 配色与 preview.html / visual-preview.html 一致（ATTRIBUTION° Ink Stone 暗底）：背景 #0E0E11，正文 #E0DCD6，副文字 #9A9690，删除块 #2A1A1A 底 + #C49494 字，新增块 #1A2420 底 + #A8C4B4 字，强调色 #D4BE94

3.7 打开输出

open "$OCR/previews/diff-review.html"

Step 4 — 刷新 README + 向用户报告

python3 "${CLAUDE_PLUGIN_ROOT}/scripts/workspace_readme.py" --workspace "$OCR"

核对完成：

- 总改动：N 段 / 字符 +X -Y
- 接受 agent 建议：X 条
- 拒绝或漏改：Y 条 ← 重点看
- 清单外修正：Z 处

打开了：$OCR/previews/diff-review.html
摘要：  $OCR/review/diff-summary.md

建议先看「拒绝或漏改」一节——确认是有意拒绝还是手滑漏掉。

脚本接口规范（md_diff.py 契约）

输入：
  --raw PATH         raw.md 路径（必需）
  --final PATH       final.md 路径（必需）
  --review PATH      raw.review.md 路径（可选，缺省降级为纯 diff）
  --out PATH         HTML 输出路径（必需）
  --summary PATH     Markdown 摘要输出路径（可选）
  --expand-equal     是否默认展开未修改段（默认 False）

退出码：
  0   成功
  2   输入文件不存在
  3   段落对齐异常（raw/final 段落数差 > 80%）
  4   review.md 格式无法解析（降级为纯 diff 后继续，返回 0 但 stderr 警告）
  5   其他

输出文件：
  - HTML：单文件离线可读，UTF-8
  - Markdown summary：按 3.5 规范

判断规则

• raw == final：不生成空 HTML，直接告诉用户 "文件完全一致，无修改"，退出 0
• 段落数差 > 50%：提醒用户 "final.md 比 raw.md 段落数差太多，你改的是同一版 raw 吗？"。若用户确认是同一版，继续；若不是，让用户换版本
• agent 标了 N 条 A 类但一条都没接受：标红警告 "A 类是极可能的 OCR 错（建议接受），现在 0 条接受——确认下是不是你没看这份 review？"
• review.md 格式解析失败：告诉用户 "我看不懂这份 review.md 的格式，可能是旧版 agent 产物。这次先只做纯 diff，不关联标注"

失败兜底

• Python difflib 缺失 → Python 标准库自带，几乎不会缺；报错通常是 Python 版本 < 3.6 → 让用户 brew install python@3.11
• 编码不一致（raw 或 final 非 UTF-8）→ 强制 UTF-8 打开，失败则报错并指出具体字节位置
• 段落切分遇到特殊情况（全文一行无换行）→ 退化为字符级 diff，不按段落

与其他 skill 的关系

上游：proofread 产 raw.review.md，本 skill 读作标注参考 下游：to-docx / mp-format 跑之前强烈建议先跑一次 diff-review

推荐的完整闭环：

<ws>.ocr/raw.md     ──→  proofread  ──→  <ws>.ocr/review/raw.review.md
                         ↓（用户按清单改 raw.md，保存为）
                       <ws>.ocr/final.md
                         ↓
                    diff-review  ← 这一步核对闭环
                         ↓（确认无漏改）
              <ws>.ocr/previews/diff-review.html
              <ws>.ocr/review/diff-summary.md
                         ↓
              to-docx + mp-format → <ws>.ocr/output/

diff-review 是校对质量闸门，属于流程必经步骤：改完 final.md 后先跑 diff，再进入 to-docx / mp-format。