Hjfy PDF To Lark

HJFY PDF To Lark

把幻觉翻译生成的中文 PDF 作为普通文件上传到飞书 Drive。PDF 不能通过 drive +import 转成飞书在线文档；应使用 drive +upload。

依赖与前置阅读

1. 解析网页或下载前，遵循 web-reader 的网页读取与动态页面兜底规则。
2. 调用飞书前，完整阅读同级 lark/SKILL.md 的共享认证规则和 lark/references/drive/lark-drive-upload.md。
3. 确认 curl、jq 和 lark-cli 可用。
4. 用 lark-cli auth status --json 确认 user 身份可用且含 drive:file:upload。needs_refresh 可由下一次 user API 调用自动刷新。

意图分流

• 用户只问“怎么做”“研究一下”时，保持只读：说明接口、下载和上传命令， 最多执行 lark-cli drive +upload --dry-run，不要真的上传。
• 用户明确要求“导入”“上传”“保存到我的飞书”时，视为已授权该次上传。 下载完成并验证后，以 user 身份执行上传。
• 用户没有指定目标位置时，上传到其 Drive 根目录；不要为了根目录传空 token。
• 用户给出文件夹 token 时用 --folder-token；给出 Wiki node token 时用 --wiki-token。两者互斥。不要把 space_id 当作 Wiki node token。

工作流

1. 下载中文 PDF

解析 scripts/download_hjfy_pdf.sh 相对于本 SKILL.md 的绝对路径，再执行：

tmp_dir="$(mktemp -d)"
download_json="$(/absolute/path/to/scripts/download_hjfy_pdf.sh \
  --input 'https://hjfy.top/arxiv/2608.10538' \
  --output-dir "$tmp_dir")"
pdf_path="$(printf '%s' "$download_json" | jq -r '.path')"

脚本接受 HJFY 页面 URL、arXiv URL、现代 arXiv ID，以及旧式 subject/number ID。它会：

1. 查询 https://hjfy.top/api/arxivStatus/{id}，只在状态为 finished 时继续。
2. 查询 https://hjfy.top/api/arxivFiles/{id}，读取 data.zhCN。
3. 立即下载短时有效的签名 URL。
4. 检查 %PDF- 文件头，原子写入目标文件，并仅输出不含签名 URL 的 JSON。

不要缓存、展示或记录 data.zhCN 的完整签名 URL。链接通常几分钟后失效； 下载失败且疑似过期时，重新获取 arxivFiles 响应，而不是重用旧 URL。

2. 选择上传名称

默认使用 <arxiv-id>_zh_CN.pdf。如果论文标题清晰，可使用 <简短标题>-中文翻译-<arxiv-id>.pdf，同时去掉 /、控制字符等不安全字符。 不要改变 .pdf 扩展名。

3. 上传到用户自己的飞书

始终显式使用 --as user：

lark-cli drive +upload \
  --as user \
  --file "$pdf_path" \
  --name '<上传后的文件名>.pdf' \
  --json

按需增加且只增加一个目标参数：

--folder-token '<folder_token>'
--wiki-token '<wiki_node_token>'

drive +upload 会自动对超过 20 MB 的文件使用分片上传，并在成功后查询真实 Drive URL。不要改用 bot 身份；“我的飞书”意味着文件应归用户可访问的云空间。

4. 验证与汇报

只有同时满足以下条件才报告成功：

1. 下载脚本返回成功，且本地文件已通过 PDF 文件头验证。
2. lark-cli drive +upload 返回成功状态和 file token 或真实访问 URL。

输出论文标题、arXiv ID、文件大小、上传位置，以及飞书返回的 URL/token。 不要输出临时签名 URL、access token 或 app secret。

若临时目录由本次任务创建，上传成功后删除；若上传失败，保留 PDF 并报告其 路径，便于重试。不要删除用户原有文件。

失败处理

• status != 0：报告 HJFY API 的消息，不猜测下载路径。
• 翻译状态不是 finished：报告当前状态和论文页 URL；除非用户要求等待， 不无限轮询。
• data.zhCN 缺失：说明当前没有可下载的中文 PDF。
• 下载结果不是 PDF：删除本次产生的无效临时文件并停止上传。
• user 认证或 scope 缺失：按 lark skill 的认证流程修复，不静默切到 bot。
• 飞书上传失败：保留已验证的本地 PDF，报告可重试命令和目标位置。