HTML 输入会直接走 HTML-first。图片输入默认先做 LLM 单页化预处理，再对每个逻辑单页跑 Paddle/MinerU 和一轮 Image2HTML，并在明显作答位置预埋轻量 local_ap_* slot；如需正式交付质量 B 对照，可勾选单页 Generator/Critic 多轮修复并把图片多轮次数调到 2/3。最终按页并发发布并优先本地收集已有 slot，只有无 slot 时才执行一轮纯文本 Answer Point Marker，Text Critic 默认关闭。配图清洁保留为显式开关，当前建议先关闭以排查 Image2HTML 本身质量。