chore: import upstream snapshot with attribution

tools/diff_pct_test.sh

@@ -0,0 +1,150 @@
+#!/usr/bin/env bash
+#
+# diff_pct_test.sh — regression test for tools/diff_pct.py
+#
+# Validates 3 fixture cases that the legacy line-level diff failed:
+#   case 1: long markdown lines vs spoken-transcript short lines, same content
+#           → expected diff_pct < 30 (was ~198% under legacy)
+#   case 2: completely different topic
+#           → expected diff_pct ≥ 60
+#   case 3: orig + ~20% new content appended
+#           → expected diff_pct 10-30
+#
+# Usage:
+#   bash tools/diff_pct_test.sh
+# Exit:
+#   0 = all pass
+#   1 = ≥1 failure
+#
+# Runs against whichever backend is installed (rapidfuzz preferred, difflib
+# fallback). Both should pass these ranges — they're chosen to be wide
+# enough to absorb backend-algorithm differences.
+
+set -euo pipefail
+
+SCRIPT_DIR="$( cd "$( dirname "${BASH_SOURCE[0]}" )" && pwd )"
+DIFF_PCT="$SCRIPT_DIR/diff_pct.py"
+
+if [[ ! -f "$DIFF_PCT" ]]; then
+  echo "❌ diff_pct.py not found at $DIFF_PCT" >&2
+  exit 1
+fi
+
+TMP=$(mktemp -d)
+trap 'rm -rf "$TMP"' EXIT
+
+PASS=0
+FAIL=0
+
+run_case() {
+  local label="$1"
+  local orig="$2"
+  local new="$3"
+  local min="$4"
+  local max="$5"
+
+  local stderr_out
+  stderr_out=$(mktemp)
+  local actual
+  actual=$(python3 "$DIFF_PCT" "$orig" "$new" 2>"$stderr_out")
+  local backend
+  backend=$(grep -oE 'backend=[a-z]+' "$stderr_out" | head -1 || echo "backend=?")
+  rm -f "$stderr_out"
+
+  if (( actual >= min && actual <= max )); then
+    echo "  ✓ $label: diff_pct=$actual ∈ [$min, $max]  ($backend)"
+    PASS=$((PASS+1))
+  else
+    echo "  ✗ $label: diff_pct=$actual NOT in [$min, $max]  ($backend)"
+    FAIL=$((FAIL+1))
+  fi
+}
+
+echo ""
+echo "=== Case 1: long markdown line vs spoken-transcript short lines, same content ==="
+
+cat > "$TMP/case1_orig.md" <<'EOF'
+# 视频草稿 — 评审会复盘
+
+「最近发现一个现象」——所有审稿人都在说一样的话：你的研究太老套了。
+
+但你仔细看，他们引用的全是 5 年前的反应。AI 不是新东西。新的是这次大家集体觉醒了。
+
+**升维点**：当所有人都在追新概念的时候，先看穿规律的人已经在用工具赚钱了。
+EOF
+
+cat > "$TMP/case1_shot.md" <<'EOF'
+最近发现一个现象
+所有审稿人都在说一样的话
+你的研究太老套了
+但你仔细看
+他们引用的全是
+5 年前的反应
+AI 不是新东西
+新的是这次
+大家集体觉醒了
+当所有人都在追新概念的时候
+先看穿规律的人
+已经在用工具赚钱了
+EOF
+
+run_case "spoken-style line breaks, content preserved" \
+  "$TMP/case1_orig.md" "$TMP/case1_shot.md" 0 30
+
+echo ""
+echo "=== Case 2: completely different topic ==="
+
+cat > "$TMP/case2_orig.md" <<'EOF'
+# AI 焦虑
+
+最近 AI 大模型发布得太快了，每周一个新工具。
+你刚学会一个，下周它就被淘汰了。
+这种焦虑本质上是工具焦虑，不是能力焦虑。
+真正不变的是你解决问题的范式——选好题、定好评估、跑通闭环。
+EOF
+
+cat > "$TMP/case2_shot.md" <<'EOF'
+今天聊聊我家的猫
+它叫橘子 是一只英短
+最喜欢窝在窗台上晒太阳
+我每天下班回家
+看到它就忘了所有烦恼
+它今天还偷吃了我的牛奶
+被我发现了 装作没事
+猫真是世界上最神奇的生物
+EOF
+
+run_case "completely different topic" \
+  "$TMP/case2_orig.md" "$TMP/case2_shot.md" 60 100
+
+echo ""
+echo "=== Case 3: orig + ~20% appended (outro / CTA scenario) ==="
+
+# Realistic 创作者 scenario: 拍前稿 ~150 字, 拍时加一句 30 字 outro
+# 增量 / 原稿 ≈ 20%, Levenshtein/max(orig,new) ≈ 16-20%
+cat > "$TMP/case3_orig.md" <<'EOF'
+# 视频 — 关于宿命论
+
+我以前不信宿命论。直到我跑了这个工具——它让我拍了一条视频，预测了流量。
+我想证明它是错的，告诉了观众希望集体观测让数据偏移。结果数据是准的。
+我没逃出宿命论。我只是从一阶跳到二阶——AI 在观测观测者。
+EOF
+
+cat > "$TMP/case3_shot.md" <<'EOF'
+我以前不信宿命论。直到我跑了这个工具——它让我拍了一条视频，预测了流量。
+我想证明它是错的，告诉了观众希望集体观测让数据偏移。结果数据是准的。
+我没逃出宿命论。我只是从一阶跳到二阶——AI 在观测观测者。
+此时此刻看到这条的你——是出于好奇，还是在完成算法的最后一次落位？
+EOF
+
+run_case "~20% appended outro" \
+  "$TMP/case3_orig.md" "$TMP/case3_shot.md" 10 30
+
+echo ""
+echo "=== Results: $PASS passed, $FAIL failed ==="
+
+if [[ $FAIL -eq 0 ]]; then
+  exit 0
+else
+  exit 1
+fi