dsh-patent-claim-annotation

DSH 插件：把专利说明书的【具体实施方式】里对应各权利要求的内容标出来——在段落左侧画红色大括号 + 红字标签，输出标注版 PDF。

• 连续且同属一条权利要求的段落 → 合并成一个括号
• 一段多权 → groups:[{claim…}] 结构化，标签自动合成；标签规范只有一种（技能/README/verify 三处同步）：首现裸号「权1」、复现括注「权1(机架)」、多权逗号列表「权1(机架),2,3,4,7」；兼容旧写法「权1中机架」。括注里的特征必须逐字取自权利要求原文（4~12 字，禁止概括/改写）；特征号体例（无效程序对照意见陈述书）写「权1-特征1-1,1-2,1-3」——「特征N-M」是外部特征号、不计入权集（1.3.0 起，见下）
• 一条权利要求跨页 → 按页断开，后续页标签自动加「（续）」（单独占行、与主体块同字号）
• 没有文字层 → OCR（Tesseract 优先、失败降级 Windows.Media.Ocr 免装后端）；手上有权威文本时用 patent_claim_text + outputPath 直接合成透明文字层（无需 OCR，画面逐像素不变）
• 交付前自检：框外不许有任何改动（未改动页按逐对象字节判定、免渲染；有标注页逐像素）+ 三表互校（label ↔ groups ↔ 表1/表2，1.3.0 起表1 支持一权多行按并集比对）+ 引文逐字命中校验（干净文本 ∪ PDF 文字层双通道，不在成品里搜自己）
• 计划留痕：annotate 落盘 <输出>.plan.json（items+report+options+逐条落点+sha256），verify 传 planPath/planSha256 直读——"自检的计划 = 生成的计划"机械可证，不必重抄 6K 字符；回显的 sha256 是完整 64 位指纹（= plan.json 的 sha256 字段值，不是 Get-FileHash）
• 段落定位两套口径：有 [00xx] 段号的写段号（"0037"），老公告文本没有段号时用 id = p<页>-<段序>（p10-2 = 第 10 页第 2 段，与无效请求书「D1 第10页第二段」同口径）
• 已适配：繁体（中国台湾公告本）、扫描件 OCR 逐字空格、老公告顿号条目（1、 一 种…，页眉失效按"数字条目 ≥3"启发式回退）、无页眉的中文译文、日本公开公报体例（段首方括号小标题／【0001】 独占一行／【权利要求1】）
• 自检请用未标注的原件：拿成品当输入时，页边距检查会把旧括号当墨迹、说明书页范围会把插件自己追加的说明页算进去——自检会在结尾明确提示这一点

安装

方式一：npm（不需要本机安装 git）

DSH 桌面端 → 侧栏「插件」→「添加插件」，输入：

dsh-patent-claim-annotation

方式二：从 Gitee 仓库安装（需要本机已安装 git；地址必须带结尾的 .git）

https://gitee.com/hc905/dsh-patent-claim-annotation.git

不带 .git 的裸地址（https://gitee.com/hc905/dsh-patent-claim-annotation）会被 pnpm 当成 tarball 去解包，报 ERR_PNPM_TARBALL_EXTRACT；实测 pnpm 11.7.0 必须带 .git。

方式三：本地路径（开发用）

link:<插件目录的绝对路径>

装完重启 DSH。改代码后同样必须重启：host 进程按模块 URL 缓存已加载的插件，切换开关/重装都不会重新导入（plugin_manager 自己会报 restart-required）。

同一台机器不要同时装「npm 版」「git 版」「本地 link 版」——三者的挂载 id 都是 patent-claim-annotation，会冲突。

本地开发安装（本机现状）

# 已在本机桌面 profile 装好（link 安装）：
#   C:\Users\hanch\.dsh\profiles\desktop\package.json
#   "dsh-patent-claim-annotation": "link:D:/Dgit/Dplugins/dsh-patent-claim-annotation"
# 依赖解析靠目录内 node_modules 下的**逐包 junction**（pdf-lib / pdfjs-dist /
# @napi-rs/canvas / @pdf-lib/fontkit / @deepseek-ai/schemastery），指向 profile 的
# node_modules。不要把它换成"整个 node_modules 一条 junction"：profile 里
# node_modules\dsh-patent-claim-annotation 又指回本目录，会形成无限递归，
# 任何 -Recurse 扫描（备份、索引、杀毒）都会被绕进去。

卸载

# 在 profile 目录执行（npm / git / 本地 link 都用这个包名）
pnpm remove dsh-patent-claim-annotation
# 再把 profile 的 dsh.profile.bundles 里的 dsh-patent-claim-annotation 删掉，然后重启 DSH

交付物约定

一次 patent_claim_annotate 调用产出一个 PDF + 一份计划留痕：

1. 标注版 PDF —— <原文件名>权利要求对照标注版.pdf。默认两节都标：scope:"summary+embodiment"（=【发明内容】+【具体实施方式】）；也可只标一节（summary／embodiment）或整篇说明书（description）。无【发明内容】小标题（美国申请译文体例）时自动识别「概述/概要/SUMMARY」小节，并在说明页写范围声明行。
2. 「对应关系说明」直接渲染成新页附在这个 PDF 的最后（lib/pdfreport.js）——不单独出 docx（lib/docx.js 的写出器仅留给 scripts/spec-report-format.mjs 生成格式规范）。抬头只有标题（固定为「权利要求与说明书对应关系说明」，不随文件名变化）+ 可选的"文字来源"一行 + 可选的范围声明一行，没有"案件：…｜标注对象：…"那一行。
3. <输出>.plan.json（C4 计划留痕）：items + report + options + 逐条落点（字号/行数/包围盒）+ sha256。verify 传 planPath/planSha256 直读，不再要求重抄计划；输出已存在时先备份 <名>.bak-<时间戳>（C10）。

说明页的四张表：逐条对应关系与依据 / 段落块-标签-页码 / 无对应与部分对应 / 未标注但可作旁证的段落。排版规则（写死，patent_claim_verify 会检查）：

• 每行统一最小行高（29pt ≈ 两行 9pt）+ 行内不跨页：行高由最高的格子决定，所以「依据」要短（一句最有力的原文片段，≤60 字，超了落笔前拒收并指出「第 N 行·第 M 列·X 字」）；放不下就整行挪到下一页并重复表头。行高超标时插件只给候选建议（紧凑区间/放宽该列/人工确认合并）——N7：不自动合并段落块凑行高。
• "依据"的引文口径（表头声明 + verify 机器校验）：逐字引自说明书原文或权利要求书；「……」可拼接、各段各自逐字；括注照抄原文。改一个字自检会指出；N8：verify 只提示不改文件，引文差异由人改。
• 固定列宽、权利要求 与 对应段落 两列收窄（约 3.0cm / 4.6cm），余宽给「依据」；列宽随页面可用宽度等比缩放（A4 纵向、左右各 1.27cm）。对应段落 列写"[0006]-[0012]、[0014]"这类紧凑引用。
• 表头浅灰底纹、单元格垂直居中、细灰边框；全篇字体优先宋体（本机可嵌入的宋体是华文宋体 STSONG.TTF；simsun.ttc 是字体集合，fontkit 嵌不进去），宋体缺字形时按 仿宋→黑体→等线→楷体 退让。

标签规范只有一种（此处与 SKILL、verify 三处同步）：首现裸号「权1」、复现括注「权1(机架)」、多权逗号列表「权1(机架),2,3,4,7」；括注特征逐字取自权利要求原文（4~12 字，N6：禁止自动概括/改写——排不下时给候选标签+预计字号由人选，别删特征词）；兼容旧写法「权1中机架」。一段多权用 groups:[{claim,features?}]，label 交给插件合成（手写 label 必须与 groups 权集一致，否则报错）。

特征号体例（1.3.0 起，无效程序刚需）：按意见陈述书的特征拆分表写标签时用「权1-特征1-1」「权1(特征1-1,1-2,1-3)」这类特征号（「特征N-M」，含全角/半角连字符）——它是外部特征号、不是权利要求号：权集解析、label↔groups 校验、三表互校都把它排除（「权1-特征1-1,1-2,1-3」权集={1}，行首列「权1-特征1-1 设备」认作权1 的子行，表1 可按特征一权多行拆写、同权各行按并集与表2 比对）。括注写特征号时逐字校验只提示「括注系外部特征号（非权利要求原文片段）」并放行（C7）；claim 区间「权8-11」与旧标签规范不受影响。

成品要与别的 PDF 合成一本时：说明页必须排在整份文件的最后（在附图标记-中文释义对照表之后）。流程是「先合并、再用 annotate:false 追加说明页」——annotate:false 只追加说明、不重复画括号，自检改为证明原有各页未变（同样走逐对象字节判定，基本免渲染、秒级出结果）。落笔前会检测末尾结构并回显"说明页将落在谁之后"；输入末尾已有说明页时默认拒绝重复追加（C13）。

六个工具

| 工具 | 作用 | |---|---| | patent_claim_outline | 认页、权利要求 1..N 原文（claims 解析后文本原样回传）、段落清单（默认【发明内容】+【具体实施方式】，scope 可选四档）与页码/几何。段落正文总量 > 3 万字符时只给"段号+摘要"（textMode:compact）。老公告顿号条目/断字页眉有启发式回退（warnings 写明）。只读 | | patent_claim_candidates | 按字符 n-gram 排候选段落（dice2/dice3/coverage），恒定 top-K、不按分数截断（低分标 low 供复核），挖出权利要求里逐字出现在该段的片段（括注特征候选），并聚合一段多权汇聚点（hubs，≥3 条命中同段 + 候选合成标签） | | patent_claim_text | 把外部干净文本（.docx/.txt/.md）与 PDF 的段落、权利要求对齐，登记文字来源与版次（含 SHA-256），提示 A/B 版次风险。PDF 无文字层时传 outputPath 直接合成透明文字层（无需 OCR，几何取渲染行框、画面逐像素不变）。对齐结果自动落干净文本登记 <PDF>.textsource.json（verify 引文双通道的「干净文本」一侧）。只读 PDF（除合成输出与登记文件） | | patent_claim_annotate | 落笔：红色大括号 + 红字标签（groups 自动合成/校验）→ 标注版 PDF；同一次调用把「对应关系说明」（四张表）附在这个 PDF 的最后；落盘 <输出>.plan.json（sha256 全量回显）；dryRun:true 只预检不落笔——校验类问题（label 权集/引文/说明表字数/段落定位/字形）全部收集后一次返回（C5，不再首错即止），排版预算照常回显；重跑覆盖先备份；末尾结构检测；预览默认给省 token 的标注联系表 | | patent_claim_verify | 自检：原件各页框外零差异（未改动页按逐对象字节判定并免渲染，有标注页逐像素）、墨色、无白底、页边距；三表互校（硬，表1 一权多行按并集）；依据引文逐字命中（干净文本 ∪ PDF 文字层双通道、剥段号前缀）、标签特征逐字出自 claim 原文、实渲字号=计划字号（软）。传 planPath/planSha256 直读生成计划（同源，不必重抄）。阈值可从入参传（verifyMarginInkMax 等，入参优先于 config）；「（续）」等标签检索做归一化匹配 | | patent_claim_ocr | 没有文字层时 OCR：Tesseract（chi_sim）优先，失败降级 Windows.Media.Ocr（系统自带免装）；跳过判据按字符分布（正文页 0 字不误跳过）。已移除 Acrobat 链路；全链路失败时报错附可执行出路 |

插件不替你判断哪段对应哪条权利要求：那要读原文、看上下文、认上下位概念，由模型判定；工具只给语料与线索，并把「落笔」「自证」做成可复核的两步。

配置（cordis.patch.yml）

color: '#FF0000'            # 标注色（样张实测标签为纯红）
outputSuffix: '权利要求对照标注版'
fontPath: ''                # 留空=自动挑单体 TTF 中文字体（**宋体优先**：华文宋体→仿宋→黑体→等线→楷体）
labelScale: 1.35            # 标签字号 = 正文字号 × 该倍数
labelMinSize: 8             # 标签最小字号（C2：5.5 → 8pt 下限，可配；正文 21.6pt 前 1:4 过小）
labelSingleLineMinSize: 8   # 优先排一行，为此最多缩到这个字号
maxLabelLines: 4            # 标签最多折 4 行（C2：宁可折行也别删特征词；「（续）」单独占行、可多占 1 行）
braceWidth: 0               # 0=自动（约 1.5 倍正文字号）
braceStroke: 0              # 0=自动（约 0.22 倍正文字号）
continuationSuffix: '（续）'
maxTextChars: 500           # outline 默认单条原文截断长度
fullTextCharLimit: 30000    # 段落正文总量超过它，outline 只给"段号+摘要"（压缩模式）
previewDpi: 150
ocrLang: chi_sim            # OCR 引擎链：Tesseract 优先，失败降级 Windows.Media.Ocr（已移除 Acrobat 链路）
ocrEngine: auto             # auto / tesseract / windows（C7 免装后端）
ocrDpi: 300
ocrConcurrency: 3           # OCR 渲染与识别各同时跑几路（调大更快、更占内存）
tesseractPath: ''           # 留空则按常见路径找
tessdataDir: ''             # 留空则复用系统/小奕自带语言包并缓存到 LOCALAPPDATA
reportBasisMaxChars: 60     # 说明表"依据"字数上限（C8：超限落笔前拒收并给建议）
reportExplanationMaxChars: 70  # 说明表"说明/未标注原因"字数上限
verifyDpi: 150              # 自检逐像素比对分辨率（只作用于有标注/可疑的页）
verifyConcurrency: 4        # 自检逐像素页的并发渲染数
verifyDiffTolerance: 16     # 单通道像素差超过它才算"不同"（原 8）
verifyInkTolerance: 72      # 成品像素与目标色的最大通道差，超过不算本插件的墨（原 60）
verifyColorDelta: 24        # 各处主色与配置色的最大通道差（原 8）
verifyMarginInkMax: 0.08    # 括号框内允许的原件墨迹占比（原 0.05）
verifyRuleColumnRatio: 0.4  # 整页墨迹覆盖高度比例超过它判为框线/装订线列（原 0.5）

patent_claim_annotate 的预览参数：previewDir（导出目录）、previewFullPages（是否额外整页导出，默认 false）、previewPages（限几页）、previewColumns（联系表列数，默认 2）。 外部文本优先：有权威文字版本时先跑 patent_claim_text，把返回的 textSourceLine 填进 report.textSource。

1.3.0（C4）：上面五个 verify* 阈值也可以直接作为 patent_claim_verify 的工具入参 传（同名同义，入参优先于 config）——「括号压正文」被原件自带高亮/印刷框线误触发时， 不用改插件配置就能临时放宽（如 verifyMarginInkMax: 0.3）并当场交付；失败文案里也会写明 这条出路。放宽阈值请向用户披露。引文校验的「干净文本」通道用 verify 的 textPath 入参或 patent_claim_text 的登记文件（<PDF>.textsource.json）。

性能与自检阈值（1.1.0 起）

慢在哪：一次完整标注里，最贵的两处是 ①每次工具调用都重新认页/切段（扫描件 1.7 秒/次， 一次任务要调 outline→candidates→annotate→verify 各一遍）；②patent_claim_verify 把 原件 + 标注版的每一页都渲染成 150DPI 位图再逐像素比（32 页 = 64 次渲染 ≈ 19 秒）。

怎么快起来（实测，样本 = TW569491B 扫描件 32 页、6 处标注）：

| 阶段 | 1.0.1 | 1.1.0 | 靠什么 | |---|---|---|---| | 认页/切段（每次调用） | 1.7s | 0（首次 1.7s） | 按 路径+mtime+大小+范围 缓存切段结果（lib/structure.js） | | 落笔 patent_claim_annotate | 2.0s | 0.3s | 切段缓存 + 预览联系表按页并行渲染 | | 自检 patent_claim_verify | 19.4s | 0.7s | 未改动页按逐对象字节判定、免渲染（见下）+ 有标注页两文档并行渲染 + Uint32 整字快判 | | OCR（6 页 300DPI） | 22.6s | 11.8s | 渲染与 Tesseract 各 3 路并行 |

自检的两条证明路径（先字节、后像素，逐级退让）：

1. 逐对象字节比对（lib/integrity.js）：落笔只追加对象，原件既有对象一个字节不改。 于是逐个对象比哈希——页面叶子对象没变 ⇒ 同一个渲染器必然渲染出同样的像素。这比逐像素 更强（逐像素会漏掉小于一个像元的位移，字节相等不会），而且免渲染，0.1 秒量级。 只有页树节点（Kids 追加了说明页）与文档信息字典允许变化；页树另按"前缀未变"核对页序。
2. 逐页渲染逐像素（慢路径）：有标注的页（顺带证明墨真的落了）、以及字节比对发现 可疑的页（有对象变了、页树对不上、pdf-lib 打不开）一律照旧渲染比对。

正确性优先：换了写出器、对象编号被重排时，逐对象比对会自认不可用并退回全量逐像素， 只慢不假。负样本回归实测：未标注页被加内容、已标注页框外被加内容、计划与成品对不上、 页被删掉、落笔颜色配错——五种情况全部被抓。

阈值为什么放宽（默认值与理由，均可在 cordis.patch.yml 里覆盖）：

| 阈值 | 旧 → 新 | 理由 | |---|---|---| | verifyMarginInkMax | 5% → 8% | 扫描件页边有框线/噪点/装订痕迹；而括号真压住正文时墨迹占比通常 >25%，仍抓得住 | | verifyDiffTolerance | 8 → 16 | 150DPI 抗锯齿抖动在 ±10 内，真改动（文字位移、换图）是 ±100 起步 | | verifyInkTolerance | 60 → 72 | 红字压在灰底/扫描噪点上会整体偏移；蓝色标注差 255 照样挡在外面 | | verifyColorDelta | 8 → 24 | 抗锯齿边缘把主色往白色拉；配错颜色（#FF00FF）差 255 必被抓 | | verifyRuleColumnRatio | 0.5 → 0.4 | 多认一些细框线与虚线；正文列（<20%）不会被误认 |

想更严就把这些键调回去，或把 verifyDpi 提到 200——有标注的页才付这个代价。

踩过的坑（改代码前先看）

1. 字体不能乱挑：simsun.ttc/msyh.ttc 是 TrueType 集合，pdf-lib 的 embedFont 吃不了；simsunb.ttf 名字像"宋体粗体"，实际是 SimSun-ExtB（只有扩展 B 区生僻字），常用字会渲染成方框。现在候选从黑体开始，并且每次落笔前用 missingGlyphs() 逐个字符验字形，缺字直接报错。
2. CNIPA 页眉会被读成一行（6CN102804493 B说明书4/6 页），不能整行匹配正则，只能把页眉成分全部抠掉再看剩下什么。
3. OCR 条目号会断：11. 被读成 1 1.，所以要允许数字串里有空格，并且只认"连号 1,2,3…"的候选。
4. 标签排版：权1（续） 曾被折成 权1（续 / ）——现在有中日韩避头尾、开括号行尾禁则、括号成组不拆。
5. 标签选型目标函数：候选行数 1..maxLabelLines 各排一次，剔掉超出括号高度 2.2 倍的，再在剩下的里取字号最大、行数最少且不与同页其它标注重叠的。避免"一行小字 5.5pt"与"三行大字撞邻居"两种极端。
6. Windows PowerShell 5.1 把无 BOM 的 UTF-8 .ps1 当 GBK 读，中文字符串里的 $ 会被吞掉——本插件的 .ps1 一律纯 ASCII。
7. junction 递归：profile 的 node_modules\<插件名> 指回插件目录；如果插件目录下的 node_modules 又整体指向 profile 的 node_modules，-Recurse 扫描会无限递归（实测把一次语法检查跑成了死循环）。现在改成逐包 junction。
8. 目标文件被占用：交付物常被 PDF 阅读器/预览窗格锁着，writeFileSync 只会甩 EBUSY。现在统一走 writeFileChecked()，报"正被其它程序占用，请关闭后重试"，并给出可换输出路径的提示。
9. 表格行高：行高永远由该行最高的格子决定（Word 的 trHeight、PDF 里的 MIN_ROW_HEIGHT 都只是下限）。想行高齐只有一条路——把每格文字写短（尤其"依据"），插件能做的是固定列宽 + 统一最小行高 + 行内不跨页。
10. 联系表要裁、不要缩：把整页缩成一张拼图会让标签糊掉；正确做法是按标注包围盒裁窄条再拼（lib/sheet.js），只留左页边距 + 一点正文。本案 11 处标注 → 1 张 0.84MP，相比 4 张整页 8.7MP 省约 10 倍像素，且文字全可读。
11. 阈值压缩的暗礁：段落一压成摘要，模型就可能"没读过"某段却以为判过了，而 verify 只证明"画了的画对了"、证明不了"该画的都画了"。所以压缩模式下 patent_claim_candidates 恒定返回 top-K（低分标 low），并要求把未落笔的实质段落写进说明的表 4——把漏读变成纸面声明。
12. 外部文本连排会串门：把"权利要求书 + 说明书"放在一个文件里时，最后一条权利要求会把后面整篇说明书吞进自己的文本（实测过）。splitExternalClaims 现在先在说明书起点（[00xx] 或"说明书/技术领域/…"标题行）截断。
13. 字形缺口不止在标签上：说明页的标题里写了 ↔，黑体没有这个字形，直接渲染成方框（−(U+2212) 也没有）。现在说明页的每个字都先验字形，缺了就报错并指出是哪条文字——比事后看方框强得多。
14. 对"已标注的 PDF"再跑会读到自己画的标签：标签就在文字层里，会被当成正文——既混进段落文字（实测把 [0050] 这类段号吃掉、段落数从 38 掉到 36），又把"正文栏左边界"从 65pt 拉到 0pt（括号被压成 3pt）。现在三处都做了防护：解析阶段剔掉"贴着左边距 + 长得像本项目标签"的文字（正则必须覆盖 权1(材料)、权1（续） 这类带中文标签与括号后缀的写法，并把页数报出来提醒你"这份可能已经标注过"），栏边界改用全体正文行的中位数，段落区间允许区间内缺段号（OCR 常把 [0010] 并进上一段）。
15. 字体缺字要自动兜底，不是直接报错：用户就想要标题里的 ↔，黑体偏偏没有。现在按"要画的所有字"挑字体——配置字体缺字就在候选里找一款能全覆盖的（本机 STSONG.TTF/STKAITI.TTF 有 ↔ 与 −），自动换并如实提示；候选都没有才报错。
16. 自检快路径靠的是"落笔只追加对象"（1.1.0）：lib/integrity.js 逐对象比哈希，页面叶子对象没变就免渲染。两个前提要看住——①写出器必须保留对象编号（pdf-lib 是；哪天换库、编号被重排，比对会自认不可用并退回全量逐像素，只会慢不会假）；②有标注的页永远走像素路径，因为那是唯一能同时证明"墨真的落了"的路径。别图快把这条也跳过。
17. 切段结果是缓存共享的（1.1.0）：buildStructure 按 路径+mtime+大小+范围 缓存，同一份文件一次会话只切一次段。代价是返回的结构只读——在上面原地 sort/push 会污染别的调用方。

开发脚本（scripts/）

| 脚本 | 用途 | |---|---| | inspect.mjs | 打印结构轮廓：node scripts/inspect.mjs <专利.pdf> [--all] [--json out.json] [--chars N] | | annotate.mjs | 吃标注计划 JSON 落笔 → 标注版 PDF（末尾含「对应关系说明」页），可加 --verify、--preview dir、--full-pages | | verify.mjs | 对已产出的标注版 PDF 跑自检：node scripts/verify.mjs <plan.json> --input <原件.pdf> --output <标注版.pdf> [--dpi 150] | | merge.mjs | 按页搬页组新 PDF（合并/取页都行）：node scripts/merge.mjs <输出.pdf> <源A.pdf[:1-9]> [<源B.pdf[:1-9,18-19]>] | | text.mjs | 外部文本对齐：node scripts/text.mjs <专利.pdf> <外部文本> [--source 出处] [--version B] [--claims-only] [--from 37] [--to 50] | | ocr.mjs | node scripts/ocr.mjs <无文字层.pdf> [--dpi 300]（只走 Tesseract） | | selfcheck-tools.mjs | 工具层离线自检：真实跑 6 个工具的 execute，把返回值对 output.schema 逐字段验一遍，并跑 render | | spec-report-format.mjs | 生成格式规范文档（docs/对应关系说明-格式规范.docx）：字体／页面／标题／表格／换行规则 + 示例表。示例表用插件自己那套排版代码渲染，供别的插件（如「附图标记-中文释义对照表」）照抄 | | test-claims.mjs | 回归测试（npm test 第二步）：合成样本（现代体例/老公告/无文字层扫描件）走工具入口覆盖 1.2.0 改进点——groups 合成标签、三表互校、引文逐字校验、老公告条目识别、无文字层+外部文本合成、planPath 复跑、C8 拒收/C10 备份/C13 重复说明页拦截/C11 题注 | | win-ocr.ps1 | Windows.Media.Ocr 免装后端（C7）：OCR 引擎链第二级；纯 ASCII（PS 5.1 把无 BOM UTF-8 当 GBK 读的坑） | | sandbox-tools.ps1 | 给 selfcheck-tools 搭沙箱（复制插件 + 逐包 junction + harness 模块桩） |

DSH 对工具输出做严格校验（未声明字段会让整次调用作废），而 host 又会缓存插件模块， 所以改完工具代码务必跑一遍 scripts/sandbox-tools.ps1——它能在不重启 host 的情况下 抓住 schema 不匹配。若 .ps1 被执行策略拦住，用 powershell -ExecutionPolicy Bypass -File scripts/sandbox-tools.ps1 -Pdf <专利.pdf>。

已知限制

• 页面 /Rotate 不为 0 时拒绝落笔（要强行试就传 allowRotated: true）。
• 左边距很窄时标签会缩字号（下限 8pt 可配）；真放不下会出警告并给 ≥2 个候选标签+预计字号，不会静默画错——特征词不删（N6），由人选候选。
• 标注是追加的内容流：原页面内容原样搬运，框外零差异已由 patent_claim_verify 证明（未改动页按逐对象字节判定、有标注页逐像素）。
• OCR 只走免装链路：Tesseract（chi_sim）→ Windows.Media.Ocr。Acrobat 链路已彻底移除（多数机器装不了，装了 Pro 的也没有无人值守入口）。识别错误是已接受的代价；有权威文本时优先 patent_claim_text 合成文字层（字面比 OCR 准）。
• 合成文字层（patent_claim_text 的 outputPath）按文档顺序把外部文本填进渲染行框：段落号会落在段首、字面逐字来自权威文本，但每段落在哪一页取决于行带数量——与原件行数差异大时页归属可能漂移，落笔前照常看 outline 的页码回显。
• verify 不写文件（N8）：引文差异/表间不一致只提示，由人改后重跑。

变更记录

见 CHANGELOG.md。

许可证

MIT（见 LICENSE）。