feat: llm-filter 两级过滤（规则层+五类分类+去重+长文本保护），工作流单线程 v4

- 规则层（不调 LLM）：横线装饰/HTML 水印 token/URL/邮箱/单双 ASCII 字符直接删
- LLM 五类分类：garbage/overlay/noise 删，repeat/dialogue 留，未识别回退保留
- 按文本去重：相同文本只调一次 LLM（忽略空白/大小写），判定一致并省调用
- 长文本保护：≥min_keep_len 时 noise 不构成删除依据
- 真实任务 run_ac7f480a3ccb 验证：非规则误删 350→193（-45%），呻吟/对话保留
- ocr-subtitle 工作流 v4：pool 钉死单线程（1/1）
- 回归夹具 testdata/ocr_srt_run_ac7f480a3ccb.srt（真实 1666 条 OCR 输出）

scripts/regenerate_filter_ac7f480a3ccb.py

@@ -0,0 +1,45 @@
+# -*- coding: utf-8 -*-
+"""用修复后的 llm_filter 对 run_ac7f480a3ccb 的真实 OCR 输出重新过滤。
+
+- 加载 .env（LLM Key/模型配置）
+- 复用节点 invoke 真实代码路径（与调度器执行完全一致）
+- 池参数按该 run 的 workflow v4 配置（单线程 pool 1/1）
+- 产物写入 run 的 filter 步骤目录（filtered.srt）
+"""
+import sys
+import time
+from pathlib import Path
+
+from dotenv import load_dotenv
+
+load_dotenv(".env")
+
+from wov_sdk.models import InvokeRequest
+from nodes.llm_filter import invoke
+
+RUN = Path("data/storage/runs/run_ac7f480a3ccb")
+SRT_URI = RUN / "steps/ocr/subtitle.srt"
+OUT_DIR = RUN / "steps/filter"
+
+print(f"输入: {SRT_URI}", flush=True)
+print(f"输出目录: {OUT_DIR}", flush=True)
+
+started = time.monotonic()
+response = invoke(
+    InvokeRequest(
+        run_id="run_ac7f480a3ccb",
+        node_instance_id="",
+        inputs={"srt_uri": str(SRT_URI)},
+        # 与 workflow v4（单线程）保持一致。
+        params={"pool_min_workers": 1, "pool_max_workers": 1},
+        output_dir=str(OUT_DIR),
+    )
+)
+elapsed = time.monotonic() - started
+print(f"耗时 {elapsed:.0f}s", flush=True)
+if response.status != "completed":
+    print(f"FAILED: {response.error}", flush=True)
+    sys.exit(1)
+
+print(f"kept={response.outputs['kept']} removed={response.outputs['removed']}", flush=True)
+print(f"产物: {response.outputs['srt_uri']}", flush=True)