AI写作清理

使用 Dagu 技能创建一个 AI 写作清理工作流。请参考 schema、coding agent 和 pitfalls 参考文档以获取正确语法。 询问用户： - 要处理文件还是直接粘贴文本？（支持 input_file 和 input_text 参数） - 重写多少轮？（默认：2） - 严格程度？（low/medium/high，默认：medium） 前置条件：至少安装了一个 AI 编程代理 CLI（claude 或 gemini）。用于获取维基百科参考的 curl。 工作流有 4 个步骤：detect_agent、setup、review_loop、finalize。 步骤 1 — detect_agent： 输出完整的二进制路径（不仅仅是名称），因为 Dagu 脚本可能没有用户的完整 PATH。检查 ~/.local/bin/ 等常见位置作为后备。在顶层 env 中添加 PATH: "${HOME}/.local/bin:${PATH}"。 步骤 2 — setup： - 通过 curl 获取最新的维基百科「AI 写作特征」页面（原始 wikitext）。URL 应为顶层 env 变量，以便用户可以替换。 - 准备输入文本。对于 input_file，使用 cp。对于 input_text，使用 `printenv input_text` 安全地将其写入文件——不要在脚本中直接使用 ${input_text}，因为 Dagu 在 shell 运行之前就展开变量。请参阅 printenv 的坑。 - 将所有多行/用户控制的 env 变量（WRITING_STYLE、ADDITIONAL_RULES、CHECK_STRICTNESS）写入 DAG_DOCS_DIR 中具有公共前缀的辅助文件。这些文件由循环步骤读取，并在 finalize 中清理。 步骤 3 — review_loop： 一个包含 bash for 循环的单脚本步骤（不是 repeat_policy，不是子 DAG）。循环最多运行 max_rounds 次迭代： a. 使用 wiki 参考、风格（从文件读取）、严格程度（从文件读取）和当前文本构建提示词。对系统指令使用单引号 heredoc 分隔符（<<'INSTR'），这样 shell 不会展开它们。 b. 调用 AI 代理（CHECK_MODEL，例如 sonnet）检查文本。输出第一行：问题数量。其余行：每个问题的反馈，格式为：ISSUE: "<引用>" | SIGN: <类别> | FIX: <重写>。 c. 将反馈保存到每轮文件（例如 ${P}_feedback_round${ROUND}.txt），以便 finalize 可以将其包含在报告中。 d. 提取数量。如果为 0，立即中断（无需重写）。 e. 调用 AI 代理（REWRITE_MODEL，例如 opus）进行重写。将输出直接写入文本文件，原地覆盖。 关键：不要在脚本中直接引用多行 env 变量如 WRITING_STYLE 或 ADDITIONAL_RULES——Dagu 在 shell 运行之前就展开它们，这会破坏解析。请通过 cat 从 setup 写入的辅助文件中读取它们。只有简单的 env 变量（路径、模型名称、数字）可以安全直接使用。 步骤 4 — finalize： 构建完整报告，包含：元数据头（日期、字数统计、严格程度、每轮问题数量），然后是「发现并修复的问题」部分列出所有每轮反馈，然后是「最终文本」部分包含重写后的文本。清理所有辅助文件，包括每轮反馈文件。 Env 变量配置项（全部顶层，易于自定义）： - WRITING_STYLE：多行（|）目标写作风格指令 - CHECK_STRICTNESS：low/medium/high - CHECK_MODEL：用于检查的模型（较便宜，例如 sonnet） - REWRITE_MODEL：用于重写的模型（高质量，例如 opus） - ADDITIONAL_RULES：维基百科参考之外的额外规则 - WIKI_URL：维基百科原始 URL（可替换） - WIKI_EXCERPT_LINES：提供给 AI 的 wiki 行数 使用强类型参数（name、type、description、default、minimum、maximum）。 重要：请查看 pitfalls 参考文档了解已知的解决方法。请遵循 coding agent 参考文档了解正确的非交互命令和模型参数。