You're reading this. The skill predicted it. A workflow that turns every post into a calibrated experiment—score, blind-predict, retro, evolve. The future doesn't reward effort, it rewards those who see the pattern first. 1M followers in a month — not luck, system.
Python
v0.1.0 — initial release
Jooonnn433e8db9c7f5
diff --git a/.gitignore b/.gitignorenew file mode 100644index 0000000..a54d9cc--- /dev/null+++ b/.gitignore@@ -0,0 +1,50 @@+# macOS / iCloud+.DS_Store+.AppleDouble+.LSOverride+Icon?+._*++# Claude Code per-user config (含本地路径 / 个人 permission grants)+.claude/settings.local.json++# Python (whisper adapter / score-curve.py 跑过留下的)+__pycache__/+*.py[cod]+*$py.class+.venv/+venv/+.python-version++# 用户项目数据(万一开发者在 cheat-on-content 源码目录里跑了 cheat-init)+# 这些文件应该在用户自己的 content project 里,不该污染源码 repo+.cheat-state.json+.cheat-cache/+.cheat-hooks/+.cheat-secrets.json+predictions/+videos/+scripts/+samples/+candidates.md+rubric_notes.md+script_patterns.md+benchmark.md+STATUS.md+WORKFLOW.md+content.db++# adapter 跑过留下的+.auth/+.debug/++# Editor / IDE+.vscode/+.idea/+*.swp+*.swo+*~++# 临时文件+*.tmp+*.logdiff --git a/CHANGELOG.md b/CHANGELOG.mdnew file mode 100644index 0000000..1636b83--- /dev/null+++ b/CHANGELOG.md@@ -0,0 +1,87 @@+# Changelog++All notable changes to cheat-on-content will be documented here.++格式参考 [Keep a Changelog](https://keepachangelog.com/zh-CN/1.1.0/),版本号遵循 [SemVer](https://semver.org/lang/zh-CN/)。++---++## [Unreleased]++### Added — Migration 系统(让长期迭代不打断老用户)++- **`/cheat-migrate` skill**:把老用户 `.cheat-state.json` 从旧 `schema_version` 升级到当前 `LATEST_SCHEMA`。幂等、不跳版、失败停在断点+- **`migrations/` 目录**:版本演进单一来源+ - `registry.md`:`LATEST_SCHEMA` 标记 + 完整版本链表+ - `<from>-to-<to>.md`:每步迁移 4 段(WHAT changed / WHY / HOW Claude steps / Manual fallback)+- **`shared-references/migration-protocol.md`**:演进哲学 + maintainer checklist(bump schema 必做的 4 件事)+- **SessionStart hook 增强**:检测 `state.schema_version != LATEST_SCHEMA` → 输出非阻塞警告,建议跑 `/cheat-migrate`+- **`install.sh --reinstall-hooks <project>`**:git pull 后重写用户项目 `.cheat-hooks/` 的脚本(不动 state / rubric / predictions)+- **state-management.md 升级**:所有 schema 升级文档指向 cheat-migrate;明确 MINOR / MAJOR 边界++### Why now++v0.1.0 用户的 state 是 schema 1.1。后续如果改字段语义、删字段、重命名等 → 没有迁移系统的话老用户 git pull 后会卡住。这套系统让"长期迭代不打断老用户"成为常态。++### 余项++- Step B:软化更多硬编码规则+- 完整 reference-implementation 脱敏快照++---++## [0.1.0] — 2026-05-05++> ⚠️ **早期产品(v0.x)—— state schema 仍可能 breaking**+>+> 在 v1.0 之前,每次升级可能改变 `.cheat-state.json` 的字段结构。**升级前建议 backup 你的整个 `<your-channel>/` 目录**。重大 breaking 改动会在本 CHANGELOG 标 `BREAKING`,并在可能的情况下给手动迁移步骤。++### Added++- **方法论 + 12 个子 skill**:完整闭环 init → learn-from → seed → score → predict → shoot → publish → retro → bump,加 status / recommend / trends 辅助+- **3 条不可妥协原则**:盲预测 + 升级=全量重打 + rubric 是工作台不是博物馆(详见 `shared-references/`)+- **`/cheat-learn-from` 对标账号导入**:5-10 条对标样本派生 base rubric 信号 + script patterns。两种 input 方式(粘文本 默认 / whisper 转录)+ 两种 data 方式(手填 / adapter 自动抓)+- **Buffer 警戒系统**(cadence-protocol):按发布频率派生颜色阈值,断更预警+- **统一预测格式 + confidence 等级**:所有阶段同一 7 组件预测,header 显示 🔴/🟠/🟡/🟢/🔵 信心等级+- **prediction-immutability hook**:harness 层强制原则 #1(端到端验证 5/5 通过)+- **SessionStart auto-report hook**:每次开会话自动渲染状态报告+- **跨模型 bump 审核**(mcp__llm-chat__chat):rubric 升级时调外部 LLM 独立判定+- **douyin-session adapter**(Playwright):自动抓抖音视频 + 评论数据+- **whisper adapter**:转录视频文件为 transcript+- **9 份 templates** + **2 份 starter rubrics**(opinion-video v2 校准 / opinion-video-zero v0 等权)+- **score-curve.py**:预测精度收敛曲线诊断工具++### 软规则(Claude 判断为主,非死磕门槛)++下面规则**有默认参考值**但 Claude 可基于强信号软违反:++- bump 触发样本数(默认 ≥5,可基于强反例破例)+- 同向偏差触发(默认连续 ≥3 次,可基于 1 次极端偏差破例)+- benchmark 影响淡出(默认 calibration_samples ≥10,可基于"用户数据 vs benchmark 差异度"破例)+- observation 升格门槛(默认 ≥2 样本,可基于强信号破例)++软违反时 Claude 必须显式标注 `judgment-driven` 让用户审视。++### 硬约束(不可软违反)++- bump 验证 `THRESHOLD = 4/5`(统计刚性)+- prediction immutability hook(binary)+- `RETRO_WINDOW_DAYS = 3` 默认(用户可配置 1/7)+- 必须有 ≥3 条 benchmark 样本才能拆 pattern+- 必须 ≥20 top 评论才能完成 manual paste 复盘++### 已知 limitations++- **v0.x 无自动 migration**:升级时若 state schema 变了,老用户需手动 wipe + 重 init+- **adapter fragility**:抖音 / 小红书 adapter 依赖反爬绕过,平台改版时可能 break,需要持续维护+- **whisper 中文准确度**:medium 模型够用,long-form 准确度一般,关键稿子建议 manual review++---++## 升级指南(pre-v1.0)++每次 git pull 之后:++1. **Symlink 模式装(推荐)**:直接生效,无需重装+2. **Copy 模式装**:重跑 `bash install.sh --copy`+3. **如果 CHANGELOG 标了 `BREAKING`**:照 manual migration steps 操作。无 steps 时建议 wipe + 重 initdiff --git a/LICENSE b/LICENSEnew file mode 100644index 0000000..35c7cb8--- /dev/null+++ b/LICENSE@@ -0,0 +1,21 @@+MIT License++Copyright (c) 2026 cheat-on-content contributors++Permission is hereby granted, free of charge, to any person obtaining a copy+of this software and associated documentation files (the "Software"), to deal+in the Software without restriction, including without limitation the rights+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell+copies of the Software, and to permit persons to whom the Software is+furnished to do so, subject to the following conditions:++The above copyright notice and this permission notice shall be included in all+copies or substantial portions of the Software.++THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE+SOFTWARE.diff --git a/README.md b/README.mdnew file mode 100644index 0000000..96976d9--- /dev/null+++ b/README.md@@ -0,0 +1,334 @@+# 网红作弊器 / Cheat on Content++[](CHANGELOG.md)+[](LICENSE)+[](#早期产品警示)++一个给内容创作者用的 Claude Code skill 包——把"我感觉这条会爆"变成可校准的预测。++> ⚠️ **早期产品(v0.1.0)警示** <a id="早期产品警示"></a>+>+> 这是公开的第一个 release。**核心方法论稳定**(盲预测 + 校准循环 + immutable 日志),但**接口仍在快速迭代**:+>+> - **State schema 可能 breaking**:升级前建议 backup 你的 `<your-channel>/` 整个目录+> - **Adapter fragility**:抖音 / 小红书 adapter 依赖反爬绕过,平台改版可能 break+> - **暂无自动 migration**:每次升级 if `CHANGELOG.md` 标 `BREAKING` → 照 manual steps 走,或 wipe + 重 init+>+> 如果你不愿意接受这些风险,**等 v1.0 stable 再用**。+>+> 用了的话——欢迎 [开 issue](#) 反馈。每条反馈都会让下个版本更好。++> 🎯 **方法论通用,rubric 是循环的"内容"**+>+> **方法论**(打分 → 盲预测 → 发布 → 复盘 → 进化 rubric)适用任何能被量化的内容——视频 / 文章 / 播客 / Newsletter / 短文 / 教程 / Builder 号。+>+> **rubric 是循环的"内容",不是循环本身**——当前内置一份观点视频 rubric(参考博主 25+ 视频拟合),其他形态可借这套**起步**,跑几篇后用 `/cheat-bump` 调权重 + 加减维度 → 适配你的形态。+>+> **强烈建议导入对标账号**作为初始信号源(`/cheat-learn-from`)—— init 时 rubric 没数据 anchor,全靠对标。导入 5-10 条对标样本后,工具的 rubric / pattern / 选题方向感都有了起点。+>+> 所有阶段统一格式预测,header 显示 confidence 等级(🔴/🟠/🟡/🟢/🔵),**不通过省略数字解决精度问题**。++一个给内容创作者用的 Claude Code skill 包——拒绝凭直觉发视频/写文章的人专用。++---++## 它在做什么++每个博主都知道一个事实:你发的内容大部分会扑街,少数能跑出来。但你不知道哪条是哪条——直到为时已晚。++**网红作弊器**把"我感觉这条会爆"变成可校准的预测:++1. **打分**:用你自己校准过的 rubric 给每篇稿子评分——不是凭空想出来的维度,是**从你过往数据反推出来**的、真正能预测你账号爆款的维度+2. **预测**:发布前给出播放量 bucket + 中枢 + 概率分布,**写下来就不许改**(hook 在 harness 层物理强制)+3. **复盘**:T+3d 抓数据,每条预测都会被判定为命中 / 高估 / 低估,每次失败都被记录+4. **进化**:当证据足够时,rubric 会被升级——从来不是凭感觉调权重,而是用整个校准池重打分**+ 跨模型独立审核**验证++是的,这基本就是作弊。计算器也是。Google 也是。每一个拼写检查器都是。++---++## 这次(v1)做了什么++从 v0 的"一份 SKILL.md + 君子协定"重建为按 [ARIS](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep) 工程惯例组织的 skill 包:++- ✅ **9 个子 skill** — 每一步执行都有明确入口(`/cheat-init` `/cheat-score` `/cheat-predict` `/cheat-publish` `/cheat-retro` `/cheat-bump` `/cheat-recommend` `/cheat-trends` `/cheat-status`)+- ✅ **5 份 shared-references 协议** — 三条原则的完整可执行规范(盲预测 / bump 验证 / 观察生命周期)+- ✅ **prediction-immutability hook** — 把"预测段不可改"从模型自律升级为 harness 阻塞(**端到端验证通过**)+- ✅ **跨模型 bump 审核** — `cheat-bump` 强制调外部 LLM 独立判定(via mcp__llm-chat__chat),自审是 escape hatch 而非默认+- ✅ **渐进式选题库** — 默认无 pool;`/cheat-trends` 用多 adapter 让"我没素材"问题在 onboarding 第二步消失+- ✅ **`/cheat-init` 5 问 onboarding** — 给从没做过自媒体的人也能 5 分钟跑通的入口+- ✅ **score-curve.py** — 用真实预测数据画收敛曲线(既是营销也是诊断工具)++剩下的批次(templates 实例化 / SQLite 迁移 / adapters 全套 / 长文 + 短文 starter-rubrics)见 SKILL.md 里的"⬜"标记。++---++## 谁该用++- **观点类创作者**:YouTube / B 站 / 抖音 / TikTok / Substack / 公众号 / 即刻 / X——任何单篇内容能被量化(播放 / 阅读 / 收听)的平台+- **冷启动博主**(已发布 < 5 篇):从 v0 等权 rubric 起步,前 5 篇精度 ±50% 是数学事实+- **校准模式博主**(已发布 ≥ 5 篇且有可量化数据):导入历史作品,让 skill 帮你**反推适合你账号的 rubric**++---++## 安装++### 1. 把项目 clone 下来++```bash+git clone https://github.com/<你或上游>/cheat-on-content.git+cd cheat-on-content+```++或者下载 zip 解压。++### 2. 跑安装脚本++```bash+bash install.sh+```++这会把 10 个子 skill 软链接到 `~/.claude/skills/`,让 Claude Code 全局可用。**安装动作只做一次**——以后任何内容项目都能用。++可选模式:++```bash+bash install.sh --copy # 用复制代替软链接(frozen 版本,dev 改动不生效)+```++软链接(默认)适合 dev / 想跟新;复制适合发布到生产环境。++### 3. 验证++```bash+ls -la ~/.claude/skills/ | grep cheat+```++应该看到 10 个 `cheat-*` 条目。++### 4. 卸载(如果以后想清理)++```bash+bash uninstall.sh+```++只移除全局 skill 链接,**不会删你内容项目里的数据**(predictions/ / rubric_notes.md / .cheat-state.json 等保留)。++---++## 可选:装 perf-data adapter(自动抓取播放/评论)++默认 `/cheat-retro` 走 manual paste 路径——你粘数据,Claude 处理。如果想**自动抓取**,装对应平台的 adapter。++### 抖音(douyin-session)++抓视频播放 / 完播 / 转粉 / 评论。需要 Playwright + Chromium + 你的抖音创作者中心登录态。++```bash+# 在你的内容项目根(不是 skill 源码目录!)+cd ~/my-channel++# 建虚拟环境+python3 -m venv .venv+source .venv/bin/activate++# 装依赖+pip install -r ~/Desktop/cheat-test/cheat-on-content/adapters/perf-data/douyin-session/requirements.txt+playwright install chromium++# 首次扫码登录抖音+python ~/Desktop/cheat-test/cheat-on-content/adapters/perf-data/douyin-session/crawler.py login+# → 弹出 Chromium 窗口,扫码++# 启用 adapter+# 编辑 .cheat-state.json,把 enabled_perf_adapters 改为 ["douyin-session"]+# 把 data_collection 改为 "adapter"+```++完整 adapter 文档:[adapters/perf-data/douyin-session/README.md](adapters/perf-data/douyin-session/README.md)。++### 其他平台++YouTube / B 站 / 小红书 等 adapter 待写(路线图)。可参照 douyin-session 的实现自己加。++---++## 快速开始++### 第 1 次会话++```+你(在你的 content 项目目录里说):+ 初始化 cheat-on-content++Claude:+ [问 5 个 yes/no — 内容形态 / 历史发布数 / 数据回收方式 / 候选选题 / 装钩子]+ [创建 rubric_notes.md / predictions/ / .cheat-state.json / .claude/settings.json]+ [测试钩子是否拦截 prediction 段编辑]+ [cold-start + 没候选 → 自动询问"现在跑 /cheat-seed 找前 5 个选题?"]++如果你说 "yes, seed":+ [问 3 个问题 — 兴趣关键词 / 频道调性 / 红线]+ [拉公开热点 (微博热搜 + 知乎热榜) + Claude brainstorm]+ [输出 15 候选让你挑 5]+ [默认顺带写 5 个 draft(你必须改写后再拍)]+```++### 之后++每条视频对应**三处文件**,用同一组 `<日期>_<id>_<short>` 命名:++- `scripts/<...>.md` — 拍前草稿(cheat-seed 写 / 用户写 / 用户改写都在这里)+- `predictions/<...>.md` — immutable 预测日志(cheat-predict 写,hook 保护)+- `videos/<...>/` — 拍后才建(cheat-shoot 时建)+ - `script.md` — 你提供的实际拍摄稿(cheat-shoot 时询问"和 scripts/ 一致吗")+ - `report.md` — T+3d 数据(cheat-retro 写)++```+改写 draft → 直接在 scripts/<...>.md 上覆盖+打分稿子 → "打分这篇 scripts/<...>.md"+准备发布前 → "启动预测 scripts/<...>.md"(写 immutable 预测)+拍完后 → "拍了 scripts/<...>.md"(建 videos/,问稿子是否一致,buffer +1)+发布后 → "已发布 https://..." (buffer -1)+T+3 天 → "复盘 videos/<...>/"+任何时候 → "状态"+日常补充候选池 → "抓热点"+重新 brainstorm 一批选题 → "找选题" 或 "seed"+```++> **没发过 vs 发过**:cheat-init 时问 "你这个频道发过视频吗?"+> - 没发过 → cheat-seed brainstorm(兴趣 × 热点)+> - 发过(不管 1 条还是 100 条)→ 装 adapter 抓回历史 + 建 video folder + reconstructed predictions,然后**也跑 cheat-seed**(带"你过去做过什么"的 context brainstorm)+> 两条路最终走同一工作流,区别只是 brainstorm 时 context 多一份。++### 节奏 + Buffer 警戒(v1 新增)++每次 Claude Code 会话开场,**SessionStart hook 自动报告 4-6 行状态**(无需主动问):++```+[cheat-on-content / SessionStart 状态报告]++📦 Buffer: 3 篇 🟢 绿 (按 cadence 1d = 3 天预备)+⏰ 待复盘: 1 篇 (最早: 2026-05-01)+🎯 候选 top 3: 标题1 / 标题2 / 标题3+📅 上次抓热点: 2 天前++(不要主动开始任何动作——等用户决定。说"状态"看完整看板。)+```++Buffer 颜色由 `target_publish_cadence_days`(cheat-init 时问的发布频率)派生:+- 🔴 红:明天可能断更,**只推稳分**+- 🟠 橙:偏低,应该拍 1-2 条+- 🟢 绿:正常+- 🔵 蓝:积压,**暂停拍摄**先发存货++详见 [shared-references/cadence-protocol.md](shared-references/cadence-protocol.md)。++完整协议见 [SKILL.md](SKILL.md)。子 skill 细节见 `skills/cheat-*/SKILL.md`。++---++## 三条不可妥协的原则++这三条是方法论的脊柱。任何一条被违反,整个校准循环就退化成"凭直觉的自我安慰"。++1. **盲预测(Blind prediction)**:预测必须在看到任何实际数据**之前**写完。一旦写完,`## 预测` 段是不可修改的——只能往 `## 复盘` 段追加。**v1 升级:`hooks/prediction-immutability.sh` 在 PreToolUse 上物理阻塞**。完整规范:[shared-references/blind-prediction-protocol.md](shared-references/blind-prediction-protocol.md)。++2. **升级 = 全量重打(Bump = full re-score)**:当 rubric 升级(v2 → v2.1:权重变了 / 维度增减 / 公式改了),**所有有实绩数据的旧样本必须用新公式重打分**。新排序与实际表现排序若在 ≥4/5 样本上不一致 → 升级被拒。**v1 升级:跨模型独立审核(外部 LLM 重判一次)成为强制步骤**。完整规范:[shared-references/bump-validation-protocol.md](shared-references/bump-validation-protocol.md)。++3. **rubric 是工作台,不是博物馆**:被新数据推翻的观察 → **删掉**;被验证并吸收为正式维度的观察 → **也删掉**(维度本身就是新归宿)。绝不留"我曾经以为 X,但其实..."的考古层。git history 才是真正的归档。完整规范:[shared-references/observation-lifecycle.md](shared-references/observation-lifecycle.md)。++---++## 项目状态++### v1 已交付(批次 1 + 2 + cold-start 增强)++- [x] **方法论**(5 阶段流程 + v0/v2 公式 + v2.1 候选)+- [x] **参考实现**:一个中文观点视频博主,已发 25+ 视频,T+3d/7d/8d 数据回收完成 → 是 v2 公式的来源+- [x] **路由器主 SKILL.md**(明确触发词 → 子 skill 表)+- [x] **11 个子 skill** — 完整 SKILL.md(新增 `/cheat-shoot`:登记拍摄 + buffer 跟踪)+- [x] **7 份 shared-references 协议**(含 state-management.md / cadence-protocol.md)+- [x] **hooks/prediction-immutability** — 端到端验证 5/5 通过+- [x] **hooks/session-start** — SessionStart 自动报告(端到端 4 场景验证通过)+- [x] **hooks/meta-logging** — 被动使用记录(异步,不阻塞)+- [x] **Buffer 警戒系统**(cadence-protocol.md + cheat-shoot + cheat-publish 配对,按 target_publish_cadence_days 派生颜色阈值)+- [x] **script_patterns.md 写作 pattern 沉淀**(cheat-seed 写 draft 前必读,cheat-retro 复盘后建议追加新 pattern)+- [x] **starter-rubrics**: opinion-video.md(v2 已校准)+ opinion-video-zero.md(v0 cold-start,含比率桶 + cold-start 战略)+- [x] **tools/score-curve.py** — 已对真实 8 篇预测验证+- [x] **9 份 templates**(含视频分析的真实示例数据 + content.db.schema.sql 已 sqlite 验证 + prediction-cold-start.template.md)+- [x] **比率桶方案**:cold-start 用相对倍数桶,N=5/10 自动建议切绝对/percentile+- [x] **cold-start 简化预测**:前 5 篇只要 7 维打分 + 一句话 bet,不强求 bucket 数字+- [x] **adapters/trend-sources stubs**: weibo-hot.md + zhihu-hot.md(schema only,过渡期由 WebFetch 实现)++### v1 余项(批次 3,按需做)++- [ ] `tools/md-to-sqlite.py` 升级脚本(schema 已就位)+- [ ] `tools/validate-bump.py`(校准池全量重打的独立 CLI)+- [ ] `adapters/trend-sources/` 完整实现(专用 fetch 脚本替代 WebFetch + 加更多源:bilibili / 即刻 / hackernews / reddit)+- [ ] `adapters/perf-data/` + `adapters/candidate-pool/` 全套+- [ ] `starter-rubrics/long-form-essay.md` + `short-form-text.md`+- [ ] `examples/reference-implementation/` 视频分析脱敏快照+- [ ] License 决定(大概率 MIT)++---++## 文件树++```+cheat-on-content/+├── SKILL.md ← 总协议 + 路由+├── README.md ← 本文件+├── skills/+│ ├── cheat-init/SKILL.md ← 入口 onboarding+│ ├── cheat-seed/SKILL.md ← Cold-start 选题启动器(brainstorm + 可选 draft)+│ ├── cheat-score/SKILL.md ← 单稿打分(无写入)+│ ├── cheat-predict/SKILL.md ← 盲预测 + immutable 日志+│ ├── cheat-publish/SKILL.md ← 发布元数据登记+│ ├── cheat-retro/SKILL.md ← 数据回收 + 复盘+│ ├── cheat-bump/SKILL.md ← rubric 升级(含跨模型审)+│ ├── cheat-recommend/SKILL.md ← 候选池排序推荐+│ ├── cheat-trends/SKILL.md ← 日常补充候选池(多 adapter 热点抓取)+│ └── cheat-status/SKILL.md ← 状态看板+├── shared-references/+│ ├── blind-prediction-protocol.md ← 原则 #1+│ ├── bump-validation-protocol.md ← 原则 #2+│ ├── observation-lifecycle.md ← 原则 #3+│ ├── prediction-anatomy.md ← 一份合格预测的 7 个组件+│ └── candidate-schema.md ← 候选项统一 schema+├── starter-rubrics/+│ ├── opinion-video.md ← v2 已校准+│ └── opinion-video-zero.md ← v0 cold-start+├── hooks/+│ ├── prediction-immutability.json ← 阻塞型钩子(PreToolUse)+│ ├── prediction-immutability.sh ← 拦截脚本+│ ├── meta-logging.json ← 被动钩子+│ └── log-event.sh ← 日志脚本+└── tools/+ └── score-curve.py ← 预测精度收敛曲线+```++---++## 借鉴的工程思想++本项目的工程结构借鉴 **[ARIS](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep)**(一套用 Markdown 写成的可移植研究流水线 skill 集合,由社区维护,作为 ARIS 项目的下游应用):++- **多子 skill + 路由主 SKILL.md** — 抄 [ARIS research-pipeline](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/research-pipeline)+- **shared-references 共享协议组织** — 抄 [ARIS shared-references](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/shared-references)+- **state file + 子 skill 共享上下文** — 抄 [ARIS auto-review-loop](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/auto-review-loop)+- **多 adapter 热点抓取** — 抄 [ARIS research-lit](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/research-lit) + [arxiv](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/arxiv) + [semantic-scholar](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/semantic-scholar)+- **跨模型独立审核** — ARIS 的核心 insight(执行者不能审自己),应用到我们最高风险的 bump 决策点+- **被动钩子记录** — 抄 [ARIS meta_logging.json](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/blob/main/templates/claude-hooks/meta_logging.json)++**独立创新**:[`hooks/prediction-immutability.sh`](hooks/prediction-immutability.sh) 是阻塞型钩子——ARIS 全套钩子都是异步被动记录,没有 blocking。这是把"immutable 预测"从君子协定升级为 harness 强制的关键。++---++## License++待定(大概率 MIT)。++---++*是的,他们会说这是作弊。拼写检查也曾是。Google 也曾是。未来不奖励努力——它奖励先看见的人。*diff --git a/SKILL.md b/SKILL.mdnew file mode 100644index 0000000..b2672e4--- /dev/null+++ b/SKILL.md@@ -0,0 +1,207 @@+---+name: cheat-on-content+description: 给所有想把"感觉"变成可校准预测的内容创作者。**方法论通用**——打分 → 盲预测 → T+3d 复盘 → 进化 rubric 的循环适用任何能被量化(播放 / 阅读 / 收听 / 点击)的内容。**rubric 是循环的内容,不是循环本身**——当前内置一份观点视频 rubric(参考博主 25+ 视频拟合),其他形态可借这套起步并 bump 调权重。**强烈建议导入对标账号**作为初始信号源(/cheat-learn-from)。触发词:"初始化"/"打分这篇"/"启动预测"/"已发布"/"复盘"/"升级 rubric"/"推荐选题"/"抓热点"/"状态"/"找对标"/"learn from"。**首次使用必须先跑 /cheat-init。**+argument-hint: [draft-path] [— mode: cold-start|calibration]+allowed-tools: Bash(*), Read, Write, Edit, Grep, Glob, Skill, mcp__llm-chat__chat+---++# 网红作弊器 / Cheat on Content++> 🎯 **方法论通用,rubric 当前内置观点视频版**+>+> **方法论**(5 阶段闭环):任何能被量化的内容形态都适用——视频 / 文章 / 播客 / Newsletter / 短文 thread。+>+> **当前内置 rubric**:观点类视频(评论 / 时评 / 论说 / 议题讨论 / 个人观点表达),7 个维度由参考博主 25+ 已发样本拟合而来。如果你做其他形态,需要:+> - 自己写一份 rubric(参照 [starter-rubrics/opinion-video-zero.md](starter-rubrics/opinion-video-zero.md) 的格式)+> - 或等内置扩展(长文 / 短文 / 播客 starter 在批次 3 路线图)+>+> 默认假设:**用户是从零开始的新人**(一条视频都没发过)——cold-start 期的预测会**简化**,只要 7 维打分 + 一句话 bet,不强求 bucket 数字(避免 false precision)。已有 5+ 篇数据的老手走 calibration 模式解锁完整 7 组件预测。++把内容创作变成可校准预测循环:**打分 → 预测 → 发布 → 复盘 → 进化 rubric**。++本文件是**总协议 + 路由器**。具体每个阶段的工作流在 `skills/cheat-*/SKILL.md` 各子 skill 里。++---++## 三条不可妥协原则++任何一条被违反,整个校准循环退化为"凭直觉的自我安慰"。如果用户要求打破其中任何一条,**拒绝执行并说明原因**。++1. **盲预测(Blind prediction)**:预测必须在看到任何实际数据**之前**写完。一旦写完,`## 预测` 段是 immutable——只能往 `## 复盘` 段追加。完整规范:[shared-references/blind-prediction-protocol.md](shared-references/blind-prediction-protocol.md)。**hooks/prediction-immutability.sh 在 harness 层强制执行**。++2. **升级 = 全量重打(Bump = full re-score)**:rubric 升级时,校准池所有有实绩数据的样本必须用新公式重打分;新排序与实际表现排序若在 ≥4/5 样本上不一致,升级被拒;升级必须经跨模型独立审核。完整规范:[shared-references/bump-validation-protocol.md](shared-references/bump-validation-protocol.md)。++3. **rubric 是工作台,不是博物馆**:被新数据推翻或被吸收为正式维度的观察,**删掉**。绝不留"我曾经以为 X,但其实..."的考古层。git history 才是档案。完整规范:[shared-references/observation-lifecycle.md](shared-references/observation-lifecycle.md)。++---++## 路由表(触发词 → 子 skill)++| 用户说 | 调用 | 前置条件 |+|---|---|---|+| "初始化" / "init" / "首次使用" | `/cheat-init` | 无(这是入口) |+| "找对标" / "学这个账号" / "拆这几个对标视频" / "learn from" / "导入对标账号" | `/cheat-learn-from` | 已 init;cold-start 强烈建议;后续可随时 --append / --replace |+| "找选题" / "我不知道拍什么" / "seed" / "找前 5 个选题" | `/cheat-seed` | 已 init(cold-start 用户专用一次性种子动作) |+| "打分这篇 [path]" / "score this [path]" | `/cheat-score` | rubric_notes.md 存在 |+| "启动预测" / "start prediction" / "给这稿子打分并预测" | `/cheat-predict` | 已 init + 有最终稿 |+| "拍了 X" / "shot it" / "录完了" | `/cheat-shoot` | 对应预测已写(buffer +1) |+| "已发布" / "I shipped it" / "发布链接是 X" | `/cheat-publish` | 对应预测文件存在(buffer -1) |+| "复盘" / "retro this" / "T+3d 数据来了" | `/cheat-retro` | 对应预测文件存在 + 已过 RETRO_WINDOW_DAYS |+| "升级 rubric" / "bump rubric" / "更新公式" | `/cheat-bump` | 校准池 ≥ MIN_SAMPLES_FOR_BUMP |+| "推荐选题" / "next topic" | `/cheat-recommend` | candidates.md 存在且非空 |+| "抓热点" / "fetch trends" / "今天有什么可做的" | `/cheat-trends` | trend-sources adapter 已配置(日常补充候选池) |+| "状态" / "status" / "看板" | `/cheat-status` | 任意时刻可调 |+| "迁移" / "升级 state" / "schema 版本不对" / "migrate" | `/cheat-migrate` | 已 init;用户 git pull 拉了新版后;SessionStart hook 提示 schema mismatch 后 |++> 拍 vs 发分两个动作:buffer 警戒系统需要明确知道"拍了但没发"vs"已发"两种状态。详见 [shared-references/cadence-protocol.md](shared-references/cadence-protocol.md)。++**Mode detection**(首次接到非 init 触发词时执行):+1. 检查用户当前目录是否有 `.cheat-state.json` → 没有 → 强制路由到 `/cheat-init`+2. 检查 `predictions/` 下有几个文件含完整 `## 复盘` 段填了真实数据 → 决定 `mode: cold-start | calibration`+3. 把判定结果写回 `.cheat-state.json` 后再路由到目标 skill++---++## 必须拒绝的请求++下列模式会**直接破坏**三条原则之一,无论用户怎么说,都拒绝执行:++- 「帮我预测一下,但我先告诉你播放量你来反推就行」 → 违反原则 #1。改用 `_redo.md` 路径记为 reconstructed+- 「能不能从 candidates 里直接挑 composite 最高的,不用解释理由」 → 拒绝。永远展示各维度评分和至少一个锚点对比+- 「跳过校准池重打,直接换公式」 → 违反原则 #2+- 「跳过外部模型审核,自己说了算」 → 仅当 `CROSS_MODEL_AUDIT=false` 显式设置且 state file 标记自审时允许+- 「删掉这份预测,我想重写」 → 违反原则 #1。预测是 immutable。如有正当理由重做,写新文件 `_redo.md`,原版必须保留+- 「凭你的感觉给我推荐选题,不用打分」 → 拒绝。本工具不做 gut-feel forecast——那是它诞生**之前**的状态+- 「把 rubric_notes.md 里所有历史观察都留着,加个时间戳分组就行」 → 违反原则 #3。git history 是档案,不是 markdown 文件+- 「能不能把 THRESHOLD 从 4/5 降到 3/5 让这次 bump 过」 → 拒绝。改 THRESHOLD 本身是元层级 bump,单独走流程++详细的拒绝场景在每个子 skill 的 `Refusals` 段。++---++## 项目目录结构(用户 repo)++skill 期望用户的项目布局如下。`/cheat-init` 会创建缺失项;**绝不在没确认的情况下覆盖**。++```+<user-content-project>/+├── rubric_notes.md # 评分规则的真实来源+├── WORKFLOW.md # 5 阶段流程文档(cheat-init 创建)+├── STATUS.md # 看板(cheat-status 维护)+├── .cheat-state.json # 状态文件,子 skill 共享上下文+├── .cheat-cache/ # 不入版本控制+│ ├── usage.jsonl # 钩子被动记录的使用日志+│ └── trends-history.jsonl # cheat-trends 的去重缓存+├── .claude/+│ └── settings.json # 含 prediction-immutability hook+├── benchmark.md # 对标账号信息(cheat-learn-from 维护)+├── scripts/ # 拍前的所有草稿(cheat-seed 写或用户写)+│ └── YYYY-MM-DD_<id>_<short>.md+├── predictions/ # immutable 预测日志(hook 保护)+│ └── YYYY-MM-DD_<id>_<short>.md # 与 scripts/ 同 id+├── videos/ # 拍后才建(cheat-shoot 创建)+│ └── YYYY-MM-DD_<id>_<short>/+│ ├── script.md # 用户提供的最终拍摄稿(cheat-shoot 时询问"和 scripts/ 一致吗")+│ └── report.md # T+3d 抓的数据 + 评论(cheat-retro 写)+├── samples/ # 对标账号视频 / 转录(cheat-learn-from 创建)+│ └── <账号名>/<video-id>/{source.mp4 (可选), transcript.md, meta.md}+├── candidates.md # 选题池(可选)+└── content.db # 可选 SQLite,校准池规模化后启用+```++---++## 文件清单++### 本 skill 包++```+cheat-on-content/+├── SKILL.md # 本文件(总协议 + 路由)+├── README.md # 营销门面+├── skills/ # 子 skill 集+│ ├── cheat-init/SKILL.md # ✅ 入口:onboarding 与脚手架+│ ├── cheat-learn-from/SKILL.md # ✅ 对标账号导入(拆 pattern + 派生 base rubric 信号)+│ ├── cheat-seed/SKILL.md # ✅ Cold-start 选题启动器(brainstorm + 可选 draft)+│ ├── cheat-score/SKILL.md # ✅ 单稿打分(不写文件)+│ ├── cheat-predict/SKILL.md # ✅ 盲预测 + immutable 日志+│ ├── cheat-shoot/SKILL.md # ✅ 登记拍摄(buffer +1)+│ ├── cheat-publish/SKILL.md # ✅ 发布元数据登记(buffer -1)+│ ├── cheat-retro/SKILL.md # ✅ 数据回收 + 复盘+│ ├── cheat-bump/SKILL.md # ✅ rubric 升级(含跨模型审)+│ ├── cheat-recommend/SKILL.md # ✅ 候选池排序推荐(按 buffer 颜色 + 1 稳 + 1 实验)+│ ├── cheat-trends/SKILL.md # ✅ 热点抓取(日常补充候选池,多 adapter)+│ ├── cheat-status/SKILL.md # ✅ 状态看板(含 buffer 警戒)+│ └── cheat-migrate/SKILL.md # ✅ schema 升级(老用户 git pull 后用)+├── migrations/ # schema 演进单一来源+│ ├── registry.md # ✅ LATEST_SCHEMA + 版本链表+│ └── <from>-to-<to>.md # ✅ 每步迁移的 WHAT/WHY/HOW/Manual fallback+├── shared-references/ # 跨 skill 共享协议+│ ├── blind-prediction-protocol.md # ✅ 原则 #1+│ ├── bump-validation-protocol.md # ✅ 原则 #2+│ ├── observation-lifecycle.md # ✅ 原则 #3+│ ├── prediction-anatomy.md # ✅ 一份合格预测的 7 个组件+│ ├── candidate-schema.md # ✅ 候选项统一 schema+│ ├── cadence-protocol.md # ✅ 节奏协议(buffer 警戒 + 选题策略)+│ ├── state-management.md # ✅ .cheat-state.json 读写约定+│ └── migration-protocol.md # ✅ schema 演进哲学 + maintainer checklist+├── starter-rubrics/ # 各内容形态的先验 rubric+│ ├── opinion-video.md # ✅ 观点视频(中文,已校准 25+ 样本)+│ ├── opinion-video-zero.md # ✅ v0 等权占位(cold-start)+│ ├── long-form-essay.md # ⬜ 公众号 / Substack+│ └── short-form-text.md # ⬜ X thread / 微博长文+├── templates/ # skill 写进用户 repo 的文件骨架+│ ├── rubric_notes.template.md # ✅+│ ├── prediction.template.md # ✅ 统一版(所有阶段,含 confidence header)+│ ├── retro.template.md # ✅+│ ├── candidates.template.md # ✅+│ ├── candidates.template.json # ✅+│ ├── script_patterns.template.md # ✅ 写作 pattern 沉淀(含 benchmark 借鉴段说明)+│ ├── benchmark.template.md # ✅ 对标账号 reference+│ ├── workflow.template.md # ✅+│ ├── status.template.md # ✅+│ └── content.db.schema.sql # ✅+├── hooks/ # harness 强制层+│ ├── prediction-immutability.json # ✅ 阻塞型钩子(拦预测段编辑)+│ ├── prediction-immutability.sh # ✅ 拦截脚本+│ ├── session-start.json # ✅ SessionStart 自动报告 hook+│ ├── session-start.sh # ✅ 状态报告渲染脚本+│ ├── meta-logging.json # ✅ 被动记录配置+│ └── log-event.sh # ✅ meta-logging 脚本+├── tools/ # 独立 CLI 脚本+│ ├── score-curve.py # ⬜ 预测精度收敛曲线+│ ├── md-to-sqlite.py # ⬜ markdown → content.db 升级(批次 3)+│ └── validate-bump.py # ⬜ 校准池全量重打(批次 3)+├── adapters/ # 数据源适配+│ ├── perf-data/ # 复盘数据源(含 douyin-session)+│ ├── candidate-pool/ # 候选池数据源+│ ├── trend-sources/ # 热点抓取源+│ └── script-extraction/ # 视频/音频转 script(含 whisper for cheat-learn-from)+└── examples/+ ├── reference-implementation/ # 视频分析脱敏快照(待)+ └── script_patterns.example.md # script_patterns 全填示例(参考用,不复制)+```++✅ = 当前批次(v1 骨架)已完成 / ⬜ = 后续批次++---++## Tone & voice++写面向用户的文案(commit message / 复盘小结等)时,匹配项目的 **直白克制(reflective-irreverent)** voice:++- 直接说出失败:「composite 8.47 但实际只有 16.8w——rubric 高估了 SR」+- **不要**用模糊措辞软化:「这或许可能在某种程度上暗示...」——别这么写+- Cluely 风格的反叛 hook 只在 README 出现——**不要写进** `rubric_notes.md` 或预测日志++---++## 给开发者:扩展本 skill++- 新增内容形态 → 加 `starter-rubrics/<form>.md`+- 新增热点抓取源 → 加 `adapters/trend-sources/<name>.md`,符合 [candidate-schema.md](shared-references/candidate-schema.md) 输出契约+- 修改原则 → 改 `shared-references/<protocol>.md`,所有引用它的 skill 自动跟进+- 修改路由 → 改本文件的"路由表"段+- 子 skill 内部细节 → 直接改对应 `skills/cheat-*/SKILL.md`++完整开发指南见 README.md。diff --git a/adapters/perf-data/douyin-session/README.md b/adapters/perf-data/douyin-session/README.mdnew file mode 100644index 0000000..2fbc8ca--- /dev/null+++ b/adapters/perf-data/douyin-session/README.md@@ -0,0 +1,120 @@+# Adapter: douyin-session(抖音爬取)++被 `/cheat-retro` 在 `state.data_collection=adapter` + `platform=douyin` 时自动调用。++> **来源**:照搬自参考博主项目(私有)的 `crawler.py` / `review.py` / `renderer.py`——已在中文观点视频博主账号上跑了 25+ 视频验证。++---++## 这个 adapter 是干嘛的++抖音视频页是**强 JS 渲染 + XHR 加载评论 + 反爬严重**——不带浏览器引擎和登录态的方案(比如 Claude 的 WebFetch、Python requests)拿不到任何数据。++douyin-session 用 **Playwright + 持久化 Chromium context** 模拟真实浏览器:+- 你首次扫码登录抖音创作者中心,cookie 存在 `.auth/`+- 之后每次抓取直接复用 cookie,不用重新登录+- 拦截抖音前端的 XHR responses 直接抓数据接口的 JSON(不解析 HTML)+- 抓 3 类数据:视频列表 / 详细数据(完播 / 转粉率)/ 评论++输出写到 `<video_folder>/report.md`(cheat-retro 读这个文件 → 摘要写到 prediction 复盘段)。++## 安装(一次性)++```bash+# 1. 进你的内容项目根目录+cd ~/my-channel++# 2. 建虚拟环境(强烈建议——Playwright + Chromium 几百 MB,别污染 system Python)+python3 -m venv .venv+source .venv/bin/activate++# 3. 装 Playwright+pip install playwright>=1.44++# 4. 装 Chromium(首次必须)+playwright install chromium++# 5. 首次扫码登录抖音创作者中心+ADAPTER=$(find ~/.claude/skills -name "douyin-session" -type d 2>/dev/null | head -1)+# 如找不到(可能 adapter 不在全局),用源码路径:+# ADAPTER="$HOME/Desktop/cheat-test/cheat-on-content/adapters/perf-data/douyin-session"+python "$ADAPTER/crawler.py" login+# → 弹出 Chromium 窗口,扫码登录创作者中心+# → 登录成功后窗口自动关闭,cookie 存在 当前目录/.auth/+```++## 用法++cheat-retro 自动调用,你不需要手动跑。但如果想手动测试:++```bash+cd ~/my-channel+source .venv/bin/activate++# 列最近视频(看登录态有没有失效)+python "$ADAPTER/crawler.py" list++# 抓特定视频+python "$ADAPTER/review.py" video <aweme_id> <video_folder>/script.md++# 输出在 当前目录/videos/<日期>_<title>/report.md+```++## 怎么拿到 aweme_id++抖音视频 URL 形态:+- `https://www.douyin.com/video/7234567890123456789` → `aweme_id = 7234567890123456789`(直接在 URL 路径里)+- `https://v.douyin.com/abc123` → 短链需要 resolve(cheat-publish 自动做)++cheat-publish 会在登记发布时把 aweme_id 存到 prediction header(如能 resolve)。cheat-retro 启动时直接读这个字段。++## report.md 输出格式++由 `renderer.py` 生成。包含:+- 视频元信息(标题、发布时间、时长)+- 数据快照(播放、点赞、评论、转发、收藏 + 派生比率:赞播比 / 评播比 / 分播比)+- 完播率 / 3s 留存(如能抓到)+- Top 20 评论(按赞数排序,含评论文本 + 赞数)+- 评论关键词聚类(renderer 自动做,可选)++## 失败模式(按概率从高到低)++| 症状 | 原因 | 处理 |+|---|---|---|+| `ensure_login` 超时 | cookie 过期或抖音强制 reauth | 重新跑 `python crawler.py login` |+| `_parse_video_list` 返回空 | 抖音改了接口字段——结构性变化 | 看 `.debug/creator_urls.txt` 抓到的 URL,更新 crawler.py 的字段兜底 |+| `_parse_video_list` 视频列表不全 | 翻页没抓到——网络慢或反爬触发 | 调高 `crawler.py` 里的 `await asyncio.sleep(...)` 时长 |+| Chromium 崩溃 / 卡死 | 通常是机器内存不足 | 关闭其他 Chromium 进程;`playwright install chromium --force` 重装 |+| 评论抓取慢(>5min) | 评论页 XHR 多次滚动触发——慢网络 | 调小 `fetch_comments_creator` 的 `max_pages`,或换更稳的网络 |++**关键现实**:抖音接口结构每隔几个月会变一次。这个 adapter **需要持续维护**——如果有一天它突然失败,第一步是去看 `视频分析` 项目最新的 crawler.py 看有没有新版本。++## 稳定性等级++★★ — Playwright 方案能扛比纯 HTTP 强得多的反爬,但仍受抖音前端改版影响。建议每月手动跑一次 `crawler.py list` 验证健康。++## 风险提示++- **冷启动用户慎装**:Playwright + Chromium 体积大(~500MB),新人容易劝退+- **TOS 风险**:用自己的 cookie 抓自己后台数据是个人用途;别滥用+- **不要把 .auth/ 提交到 git**:cookie 里有你的会话凭据,泄露 = 他人能登录你的抖音账号++## 文件清单++```+adapters/perf-data/douyin-session/+├── README.md # 本文件+├── requirements.txt # playwright>=1.44+├── crawler.py # 抓取核心(视频列表 / 详细数据 / 评论)+├── review.py # CLI 入口(交互式或 video <aweme_id> 模式)+├── renderer.py # 把抓回的 JSON 渲染成 report.md+└── run.sh # cheat-retro 调用的 wrapper+```++## 与其他 adapter 的关系++- `youtube-data-api`(待)— YouTube 用官方 API,不需要 Playwright,更轻+- `bilibili-stat`(待)— B 站官方 stat 接口公开,也不需要 Playwright+- `xhs-explore`(待)— 小红书也走 Playwright 路线,可借鉴本 adapter++如果你做多平台内容,**只装你实际用的 adapter**——不需要全装。diff --git a/adapters/perf-data/douyin-session/crawler.py b/adapters/perf-data/douyin-session/crawler.pynew file mode 100644index 0000000..fb3433a--- /dev/null+++ b/adapters/perf-data/douyin-session/crawler.py@@ -0,0 +1,401 @@+"""抖音创作者中心 + 前台评论抓取。++登录一次后,Cookie 持久化在 .auth/,之后直接复用。+一次抓取共享一个 Chromium 会话,稳定性优于每步一个进程。+"""+from __future__ import annotations++import asyncio+import json+from pathlib import Path+from typing import Any++from playwright.async_api import BrowserContext, Page, Response, async_playwright++AUTH_DIR = Path(__file__).parent / ".auth"+DEBUG_DIR = Path(__file__).parent / ".debug"+CREATOR_HOME = "https://creator.douyin.com/creator-micro/home"+CREATOR_CONTENT = "https://creator.douyin.com/creator-micro/content/manage"+++class Session:+ """单浏览器会话,按顺序跑多步抓取。"""++ def __init__(self, ctx: BrowserContext, pw: Any) -> None:+ self.ctx = ctx+ self.pw = pw++ @classmethod+ async def open(cls, headless: bool = False) -> Session:+ pw = await async_playwright().start()+ AUTH_DIR.mkdir(exist_ok=True)+ ctx = await pw.chromium.launch_persistent_context(+ user_data_dir=str(AUTH_DIR),+ headless=headless,+ viewport={"width": 1440, "height": 900},+ args=["--disable-blink-features=AutomationControlled"],+ )+ return cls(ctx, pw)++ async def close(self) -> None:+ try:+ await self.ctx.close()+ finally:+ await self.pw.stop()+++async def ensure_login(timeout_s: int = 300) -> bool:+ """扫码登录;检测到 sessionid 后自动关闭。"""+ sess = await Session.open()+ try:+ page = await sess.ctx.new_page()+ await page.goto(CREATOR_HOME)+ print(f"[登录] 在弹出的 Chromium 窗口里扫码。最多等 {timeout_s} 秒……")+ for i in range(timeout_s):+ try:+ cookies = await sess.ctx.cookies("https://creator.douyin.com")+ has_session = any(c["name"] in ("sessionid", "sessionid_ss") for c in cookies)+ if has_session and "login" not in page.url:+ print(f"[登录] ✓ 检测到登录态(用时 {i}s)")+ await asyncio.sleep(1)+ return True+ except Exception:+ pass+ await asyncio.sleep(1)+ print("[登录] 超时未检测到登录态。")+ return False+ finally:+ await sess.close()+++async def fetch_recent_videos(sess: Session, limit: int = 50) -> list[dict]:+ """从创作者中心拉最近视频列表。"""+ captured: list[dict] = []+ all_urls: list[str] = []++ page = await sess.ctx.new_page()++ async def on_response(resp: Response) -> None:+ all_urls.append(resp.url)+ if any(k in resp.url for k in (+ "/janus/douyin/creator/pc/work_list",+ "/aweme/v1/creator/item/list",+ )):+ try:+ data = await resp.json()+ captured.append({"url": resp.url, "data": data})+ if len(captured) == 1 and isinstance(data, dict):+ print(f"[诊断] 视频接口 keys: {list(data.keys())[:8]}")+ except Exception:+ pass++ page.on("response", on_response)+ try:+ await page.goto(CREATOR_CONTENT, wait_until="domcontentloaded", timeout=60000)+ await asyncio.sleep(8)+ # 翻页加载更多+ for _ in range(3):+ await page.evaluate("window.scrollBy(0, 1200)")+ await asyncio.sleep(1.5)+ videos = _parse_video_list(captured, limit)+ if not videos:+ DEBUG_DIR.mkdir(exist_ok=True)+ (DEBUG_DIR / "creator_urls.txt").write_text("\n".join(all_urls), encoding="utf-8")+ print(f"[诊断] 视频列表为空,{len(all_urls)} 个请求已 dump。")+ return videos+ finally:+ await page.close()+++def _parse_video_list(captured: list[dict], limit: int) -> list[dict]:+ videos: list[dict] = []+ for item in captured:+ data = item["data"]+ candidates: list = []+ if isinstance(data, dict):+ for key in ("aweme_list", "item_list", "items", "list"):+ if key in data and isinstance(data[key], list):+ candidates = data[key]+ break+ if not candidates and isinstance(data.get("data"), dict):+ for key in ("aweme_list", "item_list", "items", "list"):+ if key in data["data"] and isinstance(data["data"][key], list):+ candidates = data["data"][key]+ break+ for v in candidates:+ videos.append(_normalize_video(v))+ # 去重(按 aweme_id)+ seen = set()+ dedup = []+ for v in videos:+ if v["aweme_id"] in seen:+ continue+ seen.add(v["aweme_id"])+ dedup.append(v)+ return dedup[:limit]+++def _normalize_video(v: dict) -> dict:+ aweme_id = v.get("aweme_id") or v.get("item_id") or v.get("id") or ""+ stats = v.get("statistics") or v.get("stats") or {}+ video_info = v.get("video") or {}+ return {+ "aweme_id": str(aweme_id),+ "desc": v.get("desc") or v.get("title") or "",+ "create_time": v.get("create_time") or v.get("createTime") or 0,+ "duration_ms": video_info.get("duration") or v.get("duration") or 0,+ "play_count": stats.get("play_count") or v.get("play_count") or 0,+ "digg_count": stats.get("digg_count") or v.get("digg_count") or 0,+ "comment_count": stats.get("comment_count") or v.get("comment_count") or 0,+ "share_count": stats.get("share_count") or v.get("share_count") or 0,+ "collect_count": stats.get("collect_count") or v.get("collect_count") or 0,+ "raw": v,+ }+++async def fetch_video_detail(sess: Session, aweme_id: str) -> dict:+ """视频数据分析页(完播、转粉等)。"""+ captured: list[dict] = []+ all_urls: list[str] = []++ page = await sess.ctx.new_page()++ async def on_response(resp: Response) -> None:+ all_urls.append(resp.url)+ if any(k in resp.url for k in (+ "data_center", "data_external", "aweme_statistic",+ "item_detail", "statistics", "/data/",+ )):+ try:+ data = await resp.json()+ captured.append({"url": resp.url, "data": data})+ except Exception:+ pass++ page.on("response", on_response)+ try:+ url = f"https://creator.douyin.com/creator-micro/data/following/media?item_id={aweme_id}"+ await page.goto(url, wait_until="domcontentloaded", timeout=60000)+ await asyncio.sleep(6)+ if not captured:+ DEBUG_DIR.mkdir(exist_ok=True)+ (DEBUG_DIR / "detail_urls.txt").write_text("\n".join(all_urls), encoding="utf-8")+ print("[诊断] 详细数据接口没拦到,已 dump URL 列表。")+ return {"captured": captured}+ finally:+ await page.close()+++async def fetch_comments_creator(sess: Session, aweme_id: str, max_pages: int = 60) -> list[dict]:+ """走创作者中心『评论管理』页面。登录了创作者中心就能用,比前台稳定。"""+ captured: list[dict] = []+ all_urls: list[str] = []++ page = await sess.ctx.new_page()++ async def on_response(resp: Response) -> None:+ all_urls.append(resp.url)+ # 创作者中心评论接口路径多变,宽松匹配+ if "comment" in resp.url and "creator" in resp.url:+ try:+ data = await resp.json()+ captured.append({"url": resp.url, "data": data})+ except Exception:+ pass+ elif "/aweme/v1/web/comment/list/" in resp.url:+ try:+ data = await resp.json()+ captured.append({"url": resp.url, "data": data})+ except Exception:+ pass++ page.on("response", on_response)+ try:+ # 多个候选页面,哪个能用就用哪个+ urls_to_try = [+ f"https://creator.douyin.com/creator-micro/content/comment-manage?item_id={aweme_id}",+ f"https://creator.douyin.com/creator-micro/content/comment-manage",+ ]+ for u in urls_to_try:+ try:+ await page.goto(u, wait_until="domcontentloaded", timeout=60000)+ await asyncio.sleep(4)+ break+ except Exception as e:+ print(f"[警告] {u} 加载失败: {e}")++ # 如果评论管理页面有 item_id 过滤,应该已经只显示这个视频的评论+ # 滚动加载分页+ for i in range(max_pages):+ await page.evaluate("window.scrollBy(0, 1500)")+ await asyncio.sleep(1.5)++ DEBUG_DIR.mkdir(exist_ok=True)+ await page.screenshot(path=str(DEBUG_DIR / "creator_comment_page.png"))+ (DEBUG_DIR / "creator_comment_urls.txt").write_text("\n".join(all_urls), encoding="utf-8")++ # 解析:抽取所有 data 里可能包含评论的结构+ comments: list[dict] = []+ for item in captured:+ data = item["data"]+ for key in ("comments", "comment_list", "data"):+ if isinstance(data, dict) and key in data:+ val = data[key]+ if isinstance(val, list):+ for c in val:+ if isinstance(c, dict) and ("text" in c or "content" in c):+ comments.append(_normalize_comment_creator(c, aweme_id))+ # 去重+ seen = set()+ dedup = []+ for c in comments:+ if c["cid"] in seen or c.get("aweme_id") and str(c["aweme_id"]) != str(aweme_id):+ continue+ seen.add(c["cid"])+ dedup.append(c)+ dedup.sort(key=lambda x: x["digg_count"], reverse=True)+ print(f" 创作者页共 {len(dedup)} 条评论")+ return dedup+ finally:+ await page.close()+++def _normalize_comment_creator(c: dict, default_aweme_id: str) -> dict:+ """创作者中心评论字段(和前台不完全一样)。"""+ user = c.get("user") or c.get("user_info") or {}+ return {+ "cid": str(c.get("cid") or c.get("comment_id") or c.get("id") or ""),+ "aweme_id": str(c.get("aweme_id") or c.get("item_id") or default_aweme_id),+ "text": c.get("text") or c.get("content") or "",+ "digg_count": c.get("digg_count") or c.get("like_count") or 0,+ "reply_comment_total": c.get("reply_comment_total") or c.get("reply_count") or 0,+ "create_time": c.get("create_time") or 0,+ "user_name": user.get("nickname") or user.get("name") or c.get("user_name") or "",+ "ip_label": c.get("ip_label") or c.get("ip_location") or "",+ }+++async def fetch_comments(sess: Session, aweme_id: str, max_pages: int = 60) -> list[dict]:+ """前台视频页 → 点击评论图标 → 滚动加载 → 拦截 comment/list XHR。"""+ all_comments: list[dict] = []+ all_urls: list[str] = []++ page = await sess.ctx.new_page()++ async def on_response(resp: Response) -> None:+ all_urls.append(resp.url)+ if "/aweme/v1/web/comment/list/" in resp.url:+ try:+ data = await resp.json()+ for c in data.get("comments") or []:+ all_comments.append(_normalize_comment(c))+ except Exception:+ pass++ page.on("response", on_response)+ try:+ url = f"https://www.douyin.com/video/{aweme_id}"+ try:+ await page.goto(url, wait_until="domcontentloaded", timeout=60000)+ except Exception as e:+ print(f"[警告] 视频页加载异常:{e}")+ await asyncio.sleep(6)++ # 点击 "video-comment-more" 把评论展开(这是"展开评论区"按钮)+ for sel in ['[data-e2e="video-comment-more"]', '[data-e2e="feed-comment-icon"]']:+ try:+ await page.locator(sel).first.click(force=True, timeout=3000)+ print(f" 已点击 {sel}")+ break+ except Exception:+ pass+ await asyncio.sleep(4)++ DEBUG_DIR.mkdir(exist_ok=True)+ await page.screenshot(path=str(DEBUG_DIR / "comment_page.png"))++ # 策略:把最后一条评论 scrollIntoView 触发 IntersectionObserver 懒加载+ last_count = 0+ stagnant = 0+ i = 0+ for i in range(max_pages):+ await page.evaluate(+ """() => {+ const items = document.querySelectorAll(+ '[data-e2e="comment-item"], [data-e2e^="comment-item"], .comment-item'+ );+ if (items.length > 0) {+ items[items.length - 1].scrollIntoView({block: 'end', behavior: 'instant'});+ } else {+ // 评论容器还没渲染出 item,滚页面+ window.scrollBy(0, 1500);+ }+ }"""+ )+ await asyncio.sleep(2.2)+ cur = len({c["cid"] for c in all_comments})+ if cur == last_count:+ stagnant += 1+ if stagnant >= 6:+ break+ else:+ stagnant = 0+ last_count = cur+ print(f" 滚动 {i+1} 次后退出,已累计 {last_count} 条")++ # 去重 + 排序+ seen = set()+ dedup = []+ for c in all_comments:+ if c["cid"] in seen:+ continue+ seen.add(c["cid"])+ dedup.append(c)+ dedup.sort(key=lambda x: x["digg_count"], reverse=True)++ (DEBUG_DIR / "comment_urls.txt").write_text("\n".join(all_urls), encoding="utf-8")+ return dedup+ finally:+ await page.close()+++def _normalize_comment(c: dict) -> dict:+ user = c.get("user") or {}+ return {+ "cid": c.get("cid") or "",+ "text": c.get("text") or "",+ "digg_count": c.get("digg_count") or 0,+ "reply_comment_total": c.get("reply_comment_total") or 0,+ "create_time": c.get("create_time") or 0,+ "user_name": user.get("nickname") or "",+ "ip_label": c.get("ip_label") or "",+ }+++async def fetch_all(aweme_id: str) -> dict:+ """一个会话跑完视频列表 + 详细数据 + 评论。"""+ sess = await Session.open()+ try:+ print(" → 打开创作者中心,拉视频列表")+ videos = await fetch_recent_videos(sess, limit=50)+ video = next((v for v in videos if v["aweme_id"] == aweme_id), None)+ if not video:+ print(f" 未在最近 {len(videos)} 条里找到 {aweme_id},用最小元数据继续。")+ video = _normalize_video({"aweme_id": aweme_id})+ else:+ print(f" ✓ {video.get('desc', '')[:40]}")++ print(" → 打开数据分析页")+ detail = await fetch_video_detail(sess, aweme_id)++ print(" → 打开前台视频页抓评论")+ comments = await fetch_comments(sess, aweme_id, max_pages=60)+ print(f" 最终 {len(comments)} 条")++ return {"video": video, "detail": detail, "comments": comments}+ finally:+ await sess.close()+++if __name__ == "__main__":+ asyncio.run(ensure_login())diff --git a/adapters/perf-data/douyin-session/renderer.py b/adapters/perf-data/douyin-session/renderer.pynew file mode 100644index 0000000..91c5b41--- /dev/null+++ b/adapters/perf-data/douyin-session/renderer.py@@ -0,0 +1,96 @@+"""把抓到的数据渲染成 NotebookLM 友好的 Markdown。"""+from __future__ import annotations++import datetime as dt+from pathlib import Path+++def _fmt_time(ts: int) -> str:+ if not ts:+ return "未知"+ return dt.datetime.fromtimestamp(ts).strftime("%Y-%m-%d %H:%M")+++def _fmt_num(n: int | None) -> str:+ if n is None:+ return "-"+ if n >= 10000:+ return f"{n/10000:.1f}w"+ return str(n)+++def _fmt_duration(ms: int) -> str:+ if not ms:+ return "-"+ s = ms // 1000+ return f"{s//60}:{s%60:02d}" if s >= 60 else f"{s}s"+++def render_report(+ video: dict,+ script: str,+ comments: list[dict],+ detail_captured: list[dict] | None = None,+) -> str:+ lines: list[str] = []+ desc = video.get("desc") or "(无标题)"+ aweme_id = video["aweme_id"]++ lines.append(f"# {desc}")+ lines.append("")+ lines.append(f"- 视频 ID:`{aweme_id}`")+ lines.append(f"- 发布时间:{_fmt_time(video.get('create_time', 0))}")+ lines.append(f"- 时长:{_fmt_duration(video.get('duration_ms', 0))}")+ lines.append(f"- 链接:https://www.douyin.com/video/{aweme_id}")+ lines.append(f"- 抓取时间:{dt.datetime.now().strftime('%Y-%m-%d %H:%M')}")+ lines.append("")++ lines.append("## 播放数据")+ lines.append("")+ lines.append(f"- 播放:{_fmt_num(video.get('play_count'))}")+ lines.append(f"- 点赞:{_fmt_num(video.get('digg_count'))}")+ lines.append(f"- 评论:{_fmt_num(video.get('comment_count'))}")+ lines.append(f"- 收藏:{_fmt_num(video.get('collect_count'))}")+ lines.append(f"- 分享:{_fmt_num(video.get('share_count'))}")+ lines.append("")++ if detail_captured:+ lines.append("### 详细指标(来自创作者中心)")+ lines.append("")+ lines.append("```json")+ import json+ for item in detail_captured[:3]:+ lines.append(json.dumps(item["data"], ensure_ascii=False, indent=2)[:2000])+ lines.append("```")+ lines.append("")++ lines.append("## 原始稿子")+ lines.append("")+ lines.append(script.strip() if script.strip() else "(未提供)")+ lines.append("")++ lines.append(f"## 评论(按点赞降序,共 {len(comments)} 条)")+ lines.append("")+ if not comments:+ lines.append("(未抓到评论,可能评论区被折叠或账号未登录)")+ else:+ for c in comments:+ text = c["text"].replace("\n", " ").strip()+ reply = f" 💬{c['reply_comment_total']}" if c.get("reply_comment_total") else ""+ lines.append(f"- [👍{c['digg_count']}{reply}] {text}")+ lines.append("")++ return "\n".join(lines)+++def slugify(text: str, max_len: int = 30) -> str:+ """生成文件夹友好的短标题。"""+ bad = '<>:"/\\|?*\n\r\t'+ out = "".join("_" if ch in bad else ch for ch in text).strip()+ return out[:max_len] or "untitled"+++def output_dir_for(video: dict, root: Path) -> Path:+ date = _fmt_time(video.get("create_time", 0))[:10].replace("未知", "nodate")+ slug = slugify(video.get("desc") or video["aweme_id"])+ return root / f"{date}_{slug}"diff --git a/adapters/perf-data/douyin-session/requirements.txt b/adapters/perf-data/douyin-session/requirements.txtnew file mode 100644index 0000000..86a8fae--- /dev/null+++ b/adapters/perf-data/douyin-session/requirements.txt@@ -0,0 +1 @@+playwright>=1.44diff --git a/adapters/perf-data/douyin-session/review.py b/adapters/perf-data/douyin-session/review.pynew file mode 100644index 0000000..37e69cc--- /dev/null+++ b/adapters/perf-data/douyin-session/review.py@@ -0,0 +1,143 @@+"""发完视频后跑一次:抓评论/数据 → 生成 NotebookLM 友好的 md。++用法:+ python review.py # 交互式选视频+ python review.py login # 仅登录(首次)+ python review.py video <aweme_id> [script.txt] # 直接指定视频+"""+from __future__ import annotations++import asyncio+import shutil+import sys+from pathlib import Path++import crawler+import renderer++ROOT = Path(__file__).parent+VIDEOS_DIR = ROOT / "videos"+++def _prompt(msg: str) -> str:+ try:+ return input(msg).strip()+ except EOFError:+ return ""+++def _pick_video(videos: list[dict]) -> dict | None:+ if not videos:+ print("未抓到视频列表。请确认创作者中心已登录,或页面结构已变,需要更新 crawler。")+ return None+ print("\n最近视频:")+ for i, v in enumerate(videos):+ t = renderer._fmt_time(v.get("create_time", 0))+ desc = (v.get("desc") or "").replace("\n", " ")[:40]+ print(f" [{i}] {t} | 播放 {renderer._fmt_num(v.get('play_count'))} | {desc}")+ choice = _prompt("\n选择序号(回车取消):")+ if not choice.isdigit():+ return None+ idx = int(choice)+ if 0 <= idx < len(videos):+ return videos[idx]+ return None+++def _resolve_script(raw: str) -> str:+ """允许直接拖拽文件到终端;兼容 macOS 转义空格。"""+ p = raw.strip().strip("'").strip('"').replace("\\ ", " ")+ if not p:+ return ""+ path = Path(p).expanduser()+ if path.is_file():+ return path.read_text(encoding="utf-8", errors="ignore")+ print(f"[警告] 找不到文件 {path},稿子留空。")+ return ""+++async def run() -> None:+ """交互式:先列最近 10 条,用户选一个,再让用户拖稿子,最后抓取。++ 注意:会打开两次 Chromium(一次选视频,一次抓全量)。+ """+ VIDEOS_DIR.mkdir(exist_ok=True)++ print("[选视频] 打开创作者中心拉列表……")+ sess = await crawler.Session.open()+ try:+ videos = await crawler.fetch_recent_videos(sess, limit=10)+ finally:+ await sess.close()+ video = _pick_video(videos)+ if not video:+ print("已取消。")+ return++ script_raw = _prompt("把稿子 txt 拖进来(或回车跳过):")+ script_path: str | None = None+ if script_raw.strip():+ p = Path(script_raw.strip().strip("'").strip('"').replace("\\ ", " ")).expanduser()+ if p.is_file():+ script_path = str(p)+ else:+ print(f"[警告] 找不到 {p},稿子留空。")++ await run_with_id(video["aweme_id"], script_path)+++async def run_with_id(aweme_id: str, script_path: str | None) -> None:+ VIDEOS_DIR.mkdir(exist_ok=True)++ script = ""+ if script_path:+ p = Path(script_path).expanduser()+ if p.is_file():+ script = p.read_text(encoding="utf-8", errors="ignore")+ print(f"稿子:{p.name}({len(script)} 字符)")+ else:+ print(f"[警告] 找不到稿子 {p}")++ print(f"[抓取] 视频 {aweme_id}")+ result = await crawler.fetch_all(aweme_id)+ video = result["video"]+ detail = result["detail"]+ comments = result["comments"]++ out_dir = renderer.output_dir_for(video, VIDEOS_DIR)+ out_dir.mkdir(parents=True, exist_ok=True)+ if script:+ (out_dir / "script.txt").write_text(script, encoding="utf-8")+ md = renderer.render_report(video, script, comments, detail.get("captured"))+ report = out_dir / "report.md"+ report.write_text(md, encoding="utf-8")+ print(f"\n✓ {report}")+++def main() -> None:+ if len(sys.argv) > 1 and sys.argv[1] == "login":+ asyncio.run(crawler.ensure_login())+ return+ if len(sys.argv) > 1 and sys.argv[1] == "video":+ aweme_id = sys.argv[2]+ script_path = sys.argv[3] if len(sys.argv) > 3 else None+ asyncio.run(run_with_id(aweme_id, script_path))+ return+ if len(sys.argv) > 1 and sys.argv[1] == "list":+ async def _list() -> None:+ sess = await crawler.Session.open()+ try:+ videos = await crawler.fetch_recent_videos(sess, limit=20)+ finally:+ await sess.close()+ for i, v in enumerate(videos):+ t = renderer._fmt_time(v.get("create_time", 0))+ desc = (v.get("desc") or "").replace("\n", " ")[:50]+ print(f"[{i}] {v['aweme_id']} {t} 播放{renderer._fmt_num(v.get('play_count'))} {desc}")+ asyncio.run(_list())+ return+ asyncio.run(run())+++if __name__ == "__main__":+ main()diff --git a/adapters/perf-data/douyin-session/run.sh b/adapters/perf-data/douyin-session/run.shnew file mode 100755index 0000000..26852f9--- /dev/null+++ b/adapters/perf-data/douyin-session/run.sh@@ -0,0 +1,123 @@+#!/usr/bin/env bash+#+# douyin-session adapter wrapper+#+# Called by /cheat-retro when state.data_collection=adapter and platform=douyin.+#+# Usage:+# bash run.sh <aweme_id> <video_folder> [<script_path>]+#+# Example:+# bash run.sh 7234567890123456789 ~/my-channel/videos/2026-05-04_abc123_停止期待+#+# Output: writes report.md INTO the video_folder.+# Exit codes:+# 0 = success (report.md written)+# 1 = login expired or required+# 2 = adapter dependency missing (playwright not installed)+# 3 = other failure (network, parse error, etc.)++set -uo pipefail++AWEME_ID="${1:-}"+VIDEO_FOLDER="${2:-}"+SCRIPT_PATH="${3:-}"++if [[ -z "$AWEME_ID" || -z "$VIDEO_FOLDER" ]]; then+ echo "Usage: bash run.sh <aweme_id> <video_folder> [<script_path>]" >&2+ exit 3+fi++# Resolve adapter source dir (where this script lives)+ADAPTER_DIR="$( cd -- "$( dirname -- "${BASH_SOURCE[0]}" )" &> /dev/null && pwd )"++# Find Python — prefer venv in user's project root if exists+PYTHON=""+PROJECT_ROOT="$( dirname "$( dirname "$( realpath "$VIDEO_FOLDER" )" )" )"+if [[ -x "$PROJECT_ROOT/.venv/bin/python" ]]; then+ PYTHON="$PROJECT_ROOT/.venv/bin/python"+elif command -v python3 >/dev/null 2>&1; then+ PYTHON="python3"+else+ echo "❌ python3 not found — install Python 3.10+ first" >&2+ exit 2+fi++# Verify playwright is installed+if ! "$PYTHON" -c "import playwright" 2>/dev/null; then+ cat >&2 <<EOF+❌ playwright not installed.++Install in your project venv:+ cd "$PROJECT_ROOT"+ python3 -m venv .venv+ source .venv/bin/activate+ pip install -r "$ADAPTER_DIR/requirements.txt"+ playwright install chromium++Then re-run /cheat-retro.+EOF+ exit 2+fi++# Verify auth/ exists in project root (cookie persistence)+if [[ ! -d "$PROJECT_ROOT/.auth" ]]; then+ cat >&2 <<EOF+❌ Not logged in to 抖音 创作者中心.++First-time login (one-shot):+ cd "$PROJECT_ROOT"+ source .venv/bin/activate+ $PYTHON "$ADAPTER_DIR/crawler.py" login++A Chromium window will pop up — scan QR with your phone to log in.+Cookie will be saved to .auth/ for future runs.+EOF+ exit 1+fi++# Make sure video_folder exists+mkdir -p "$VIDEO_FOLDER"++# Resolve script path (optional — if given, copy to video_folder/script.txt for renderer)+SCRIPT_ARG=""+if [[ -n "$SCRIPT_PATH" && -f "$SCRIPT_PATH" ]]; then+ SCRIPT_ARG="$SCRIPT_PATH"+fi++# Run from PROJECT_ROOT so .auth/ is found and outputs go to expected paths+cd "$PROJECT_ROOT"++# Override VIDEOS_DIR via env var so review.py writes to user's videos/ not its own+# (review.py uses ROOT/videos by default; we override to use user's project)+export CHEAT_VIDEOS_DIR="$( dirname "$VIDEO_FOLDER" )" # = user's videos/++echo "[douyin-session] fetching aweme_id=$AWEME_ID into $VIDEO_FOLDER"+if [[ -n "$SCRIPT_ARG" ]]; then+ "$PYTHON" "$ADAPTER_DIR/review.py" video "$AWEME_ID" "$SCRIPT_ARG"+else+ "$PYTHON" "$ADAPTER_DIR/review.py" video "$AWEME_ID"+fi++# review.py writes to ROOT/videos/<auto-named-folder>/report.md.+# We need to find the just-written report.md and move it to our video_folder if names differ.+# (review.py uses video.title for folder name; ours uses <date>_<id>_<short>.)+LATEST_REPORT=$(find "$( dirname "$VIDEO_FOLDER" )" -name "report.md" -newer "$VIDEO_FOLDER" -type f 2>/dev/null | head -1)+if [[ -n "$LATEST_REPORT" && "$( dirname "$LATEST_REPORT" )" != "$VIDEO_FOLDER" ]]; then+ # Move the autonamed folder's report into our canonical folder+ cp "$LATEST_REPORT" "$VIDEO_FOLDER/report.md"+ # Optionally also copy script.txt if review.py wrote it+ AUTO_DIR=$( dirname "$LATEST_REPORT" )+ if [[ -f "$AUTO_DIR/script.txt" ]]; then+ cp "$AUTO_DIR/script.txt" "$VIDEO_FOLDER/script.txt"+ fi+ echo "[douyin-session] moved auto-named output to $VIDEO_FOLDER/"+fi++if [[ ! -f "$VIDEO_FOLDER/report.md" ]]; then+ echo "❌ report.md not produced — see review.py output above for details" >&2+ exit 3+fi++echo "✅ report.md written to $VIDEO_FOLDER/report.md"+exit 0diff --git a/adapters/script-extraction/whisper/README.md b/adapters/script-extraction/whisper/README.mdnew file mode 100644index 0000000..081ec44--- /dev/null+++ b/adapters/script-extraction/whisper/README.md@@ -0,0 +1,127 @@+# Adapter: whisper(视频/音频转录)++被 `/cheat-learn-from` 在 Way b(用户提供视频文件,让工具转录)时调用。++> **优先 Way a**(用户直接粘 script 文本——简单 + 准确)。Way b(whisper)只在用户**找不到 script 只有视频**时用。++---++## 这个 adapter 是干嘛的++把 mp4 / mov / mp3 等媒体文件转成文字 transcript,让 Claude 能读对标账号的稿子。++抖音 / B站 / YouTube 大多数视频**没有官方字幕**——拿稿子绕不开 ASR(语音转录)。这是为什么本 adapter 存在。++---++## 安装(一次性)++### 选项 A:whisper-cpp(**推荐**——快、轻、纯 C++)++Mac M 系列芯片上一条 3 分钟视频转录 30-60 秒。++```bash+# 1. 装 whisper-cpp+brew install whisper-cpp++# 2. 装 ffmpeg(whisper-cpp 依赖,从视频里抽音频)+brew install ffmpeg++# 3. 下载模型(中文推荐 medium 或 large-v3,准确度够 + 速度还行)+# whisper-cpp 第一次运行会自动下载,或手动:+mkdir -p ~/.whisper-cpp/models+cd ~/.whisper-cpp/models+# medium 模型 (~1.5GB)+curl -L -O https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-medium.bin+```++### 选项 B:openai-whisper(Python 版,更慢但有 API 兼容性)++```bash+pip install openai-whisper+brew install ffmpeg++# 模型自动下载+```++### 选项 C:用云端 API(不需要本地模型)++`/cheat-learn-from` 暂不直接支持云端 API——如果你有 OpenAI / Azure / 阿里云的 ASR API key,可以自己改 `run.sh` 走云端。++---++## 用法++cheat-learn-from 自动调用,你不需要手动跑。但如果想手动测试:++```bash+# 转录单个视频+bash run.sh <video_path> <output_dir>++# 例:+bash run.sh ~/Desktop/对标账号/某视频.mp4 ~/my-channel/samples/对标账号/abc123/+# → 输出 ~/my-channel/samples/对标账号/abc123/transcript.md+```++## 输出格式++`transcript.md`:++```markdown+# Transcript: <video filename>++**Source**: <video file path>+**Transcribed at**: <ISO timestamp>+**Engine**: whisper-cpp medium / openai-whisper large / etc.+**Duration**: <video length>++---++[纯文本转录,按段落分(不是字幕格式)]+```++> 注意 whisper 输出的字幕是按 **句子** 分行的(每句换行 + 时间戳)。+> run.sh 会去掉时间戳 + 把短句合并成段落,让 Claude 读起来像稿子,不是字幕表。++## 失败模式++| 症状 | 原因 | 处理 |+|---|---|---|+| `whisper-cpp: command not found` | 没装 | 跑 `brew install whisper-cpp` |+| `ffmpeg: command not found` | 没装 ffmpeg | 跑 `brew install ffmpeg` |+| 转录乱码 / 大量错字 | 视频是英文但用了中文模型,反之亦然 | 改 `run.sh` 里 `--language` 参数 |+| 转录慢(>10 分钟) | 用了 large 模型 + 没有 GPU/M-chip 加速 | 换 medium 模型 |+| Disk full | 模型文件大(large-v3 ~3GB) | 用 medium(~1.5GB)够用 |++## 稳定性等级++★★★★ — whisper 是开源标准 ASR,不会突然失效。模型更新自由,pin 版本无虞。++## 风险提示++- **TOS**:你转录**自己下载的对标账号视频**用于个人学习参考是合理使用;**不要**把转录结果再发布+- **隐私**:whisper 全部本地运行,不传任何数据到云端++## 文件清单++```+adapters/script-extraction/whisper/+├── README.md # 本文件+└── run.sh # cheat-learn-from 调用的 wrapper+```++## 与其他 adapter 的关系++- 同 `adapters/perf-data/douyin-session/`、`adapters/trend-sources/*` 一样,是 cheat-on-content 的可选 adapter+- 只在 `/cheat-learn-from --way b` 时调用——Way a(粘文本)不需要++## 用户自己下载视频的说明++工具**不直接抓视频**——避免 TOS 风险 + 反爬维护成本。建议用:++- **抖音**:第三方下载器 / 抖音 PC 版 → 复制视频链接 → 粘进下载器+- **B站**:[BBDown](https://github.com/nilaoda/BBDown) / [you-get](https://github.com/soimort/you-get)+- **YouTube**:[yt-dlp](https://github.com/yt-dlp/yt-dlp)(最强大)+- **小红书**:[xhs-downloader](https://github.com/JoeanAmier/XHS-Downloader)++下载后扔到 `samples/<benchmark-name>/<video-id>/source.mp4` 即可——cheat-learn-from 会自动找到。diff --git a/adapters/script-extraction/whisper/run.sh b/adapters/script-extraction/whisper/run.shnew file mode 100755index 0000000..ad3a45b--- /dev/null+++ b/adapters/script-extraction/whisper/run.sh@@ -0,0 +1,133 @@+#!/usr/bin/env bash+#+# whisper adapter wrapper+#+# Called by /cheat-learn-from when user provides video file (Way b).+# Transcribes video → transcript.md (paragraph format, no timestamps).+#+# Usage:+# bash run.sh <video_path> <output_dir> [--lang <code>] [--model <name>]+#+# Defaults:+# --lang zh+# --model medium (whisper-cpp) or medium (openai-whisper)+#+# Output: writes transcript.md INTO output_dir.+# Exit codes:+# 0 = success+# 1 = whisper not installed+# 2 = ffmpeg not installed+# 3 = video file not found / unreadable+# 4 = transcription failed++set -uo pipefail++VIDEO="${1:-}"+OUTPUT_DIR="${2:-}"+LANG="zh"+MODEL="medium"++# Parse optional flags+shift 2 2>/dev/null || true+while [[ $# -gt 0 ]]; do+ case "$1" in+ --lang) LANG="$2"; shift 2 ;;+ --model) MODEL="$2"; shift 2 ;;+ *) echo "Unknown flag: $1" >&2; exit 4 ;;+ esac+done++if [[ -z "$VIDEO" || -z "$OUTPUT_DIR" ]]; then+ echo "Usage: bash run.sh <video_path> <output_dir> [--lang zh|en|...] [--model tiny|base|small|medium|large-v3]" >&2+ exit 4+fi++if [[ ! -f "$VIDEO" ]]; then+ echo "❌ Video file not found: $VIDEO" >&2+ exit 3+fi++mkdir -p "$OUTPUT_DIR"++# Detect available whisper engine+ENGINE=""+if command -v whisper-cpp >/dev/null 2>&1; then+ ENGINE="whisper-cpp"+elif command -v whisper >/dev/null 2>&1; then+ ENGINE="openai-whisper"+else+ cat >&2 <<EOF+❌ Neither whisper-cpp nor openai-whisper installed.++Install one:+ Option A (recommended, fast): brew install whisper-cpp+ Option B (Python, slower): pip install openai-whisper++Then re-run /cheat-learn-from.++See adapters/script-extraction/whisper/README.md for details.+EOF+ exit 1+fi++if ! command -v ffmpeg >/dev/null 2>&1; then+ echo "❌ ffmpeg not installed. Run: brew install ffmpeg" >&2+ exit 2+fi++echo "[whisper] engine: $ENGINE | model: $MODEL | lang: $LANG"+echo "[whisper] transcribing: $VIDEO"++TMP_OUT=$(mktemp -d)+trap "rm -rf $TMP_OUT" EXIT++# Transcribe — get raw text output+if [[ "$ENGINE" == "whisper-cpp" ]]; then+ # whisper-cpp needs WAV input, convert via ffmpeg+ AUDIO="$TMP_OUT/audio.wav"+ ffmpeg -y -loglevel error -i "$VIDEO" -ar 16000 -ac 1 -f wav "$AUDIO" 2>&1 || {+ echo "❌ ffmpeg failed to extract audio" >&2; exit 4;+ }+ whisper-cpp -m "$HOME/.whisper-cpp/models/ggml-${MODEL}.bin" -l "$LANG" -otxt -of "$TMP_OUT/out" "$AUDIO" >/dev/null 2>&1 || {+ echo "❌ whisper-cpp failed (model file might be missing — check ~/.whisper-cpp/models/)" >&2; exit 4;+ }+ RAW_TXT="$TMP_OUT/out.txt"+else+ # openai-whisper+ whisper "$VIDEO" --language "$LANG" --model "$MODEL" --output_format txt --output_dir "$TMP_OUT" >/dev/null 2>&1 || {+ echo "❌ openai-whisper failed" >&2; exit 4;+ }+ # openai-whisper names output as <video-basename>.txt+ BASENAME=$(basename "$VIDEO" | sed 's/\.[^.]*$//')+ RAW_TXT="$TMP_OUT/${BASENAME}.txt"+fi++if [[ ! -f "$RAW_TXT" ]]; then+ echo "❌ No transcript produced" >&2+ exit 4+fi++# Get video metadata for header+DURATION=$(ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 "$VIDEO" 2>/dev/null | awk '{printf "%d:%02d", $1/60, $1%60}')+[[ -z "$DURATION" ]] && DURATION="unknown"++# Build output transcript.md+TRANSCRIPT_OUT="$OUTPUT_DIR/transcript.md"+{+ echo "# Transcript: $(basename "$VIDEO")"+ echo ""+ echo "**Source**: $VIDEO"+ echo "**Transcribed at**: $(date -u +"%Y-%m-%dT%H:%M:%SZ")"+ echo "**Engine**: $ENGINE / $MODEL"+ echo "**Language**: $LANG"+ echo "**Duration**: $DURATION"+ echo ""+ echo "---"+ echo ""+ # Raw text — whisper outputs one sentence per line; merge into paragraphs+ # Heuristic: collapse to single paragraph (Claude can re-paragraph if needed)+ awk 'BEGIN{ORS=""} {gsub(/^[[:space:]]+|[[:space:]]+$/, "", $0); if($0!=""){print $0; if(NR%5==0)print "\n\n"; else print " "}} END{print "\n"}' "$RAW_TXT"+} > "$TRANSCRIPT_OUT"++echo "✅ transcript.md written → $TRANSCRIPT_OUT"+exit 0diff --git a/adapters/trend-sources/weibo-hot.md b/adapters/trend-sources/weibo-hot.mdnew file mode 100644index 0000000..8798ff8--- /dev/null+++ b/adapters/trend-sources/weibo-hot.md@@ -0,0 +1,76 @@+# Adapter: weibo-hot(微博热搜)++被以下 skill 调用:`cheat-seed` Phase 2a、`cheat-trends`。++> **当前状态**:schema only。实际 fetch 实现归 batch 3。/cheat-seed 在 stub 期由 Claude 通过 `WebFetch` 直接抓取 + 解析(见下方"过渡期实现")。++---++## 适用场景++- **`cheat-seed` 默认 source 之一**——cold-start 用户的第一次选题种子+- **`cheat-trends` 可选 source**——日常补充候选池++最贴合:时事评论、社会议题、热点解读类观点视频。++## 依赖++- 公开端点,**无需 cookie**+- 端点:`https://s.weibo.com/top/summary?cate=realtimehot`(HTML 页面)+- 备选:`https://weibo.com/ajax/side/hotSearch`(JSON,部分时段返回 401,不稳定)++## Fetch 接口++```+fetch(limit: int = 50) -> List[Candidate]+```++返回符合 [shared-references/candidate-schema.md](../../shared-references/candidate-schema.md) 的 items 列表。++字段映射:+- `id`:`sha256("trend|" + normalized_title)[:12]`+- `title`:热搜词+- `source`:`"trend:weibo-hot"`+- `snapshot_text`:热搜词 + (如有)官方标签 + 简短摘要(自动从热搜详情页抓 1-2 句)+- `snapshot_at`:抓取时间 ISO 8601+- `url`:`https://s.weibo.com/weibo?q=<encoded_keyword>`+- 其他字段:null(抓取阶段不打分;由调用方 cheat-score 处理)++## 失败模式++| 症状 | 处理 |+|---|---|+| HTML 结构变化导致解析失败 | 返回空列表 + stderr 写明 "weibo HTML 结构变化,参考 adapters/trend-sources/weibo-hot.md 自行修补" |+| 端点 503 / 限流 | 返回空列表 + 报告 |+| 网络不可达 | 返回空列表 + 报告 |++**优雅降级**:单次失败不抛异常——调用方(cheat-seed / cheat-trends)会用其他 sources 兜底。++## 稳定性等级++★★★ — 公开端点,但微博偶尔调整页面结构 + 有反爬(同一 IP 短时间高频抓取会被限流)。++建议节流:`/cheat-seed` 默认每用户每天 ≤ 3 次抓取——cold-start 阶段不需要更高频。++## 过渡期实现(stub)++在 batch 3 写专用 adapter 实现前,`/cheat-seed` 在调用本 source 时直接由 Claude 通过 `WebFetch` 工具抓 `https://s.weibo.com/top/summary?cate=realtimehot`,从 HTML 中提取 top 50 热搜标题。具体由 cheat-seed 的 Phase 2a 处理:++```+WebFetch("https://s.weibo.com/top/summary?cate=realtimehot",+ "提取 top 50 热搜的标题文本,每行一个,按热度降序")+```++如果 WebFetch 返回的内容能识别出 ≥10 条热搜 → 视为成功;否则视为失败,跳过本 source。++## 风险提示++- 微博热搜内容**经常含政治敏感 / 娱乐八卦**议题——/cheat-seed Phase 1 Q3 的"红线"过滤至关重要+- 部分热搜词太短(5-10 字)缺少上下文——Claude brainstorm 时需要展开+- 热搜的"热度"分数与"适合做观点视频的程度"**不正相关**——粗打分时不要直接把热度当 composite 输入++## 相关 adapter++- [zhihu-hot.md](zhihu-hot.md) — 议题深度更高,论说类更匹配+- bilibili-popular.md(待)— 偏年轻议题+- thirdparty-paid.md(待)— 新榜 / 飞瓜,付费但稳定diff --git a/adapters/trend-sources/zhihu-hot.md b/adapters/trend-sources/zhihu-hot.mdnew file mode 100644index 0000000..304810d--- /dev/null+++ b/adapters/trend-sources/zhihu-hot.md@@ -0,0 +1,83 @@+# Adapter: zhihu-hot(知乎热榜)++被以下 skill 调用:`cheat-seed` Phase 2a、`cheat-trends`。++> **当前状态**:schema only。实际 fetch 实现归 batch 3。/cheat-seed 在 stub 期由 Claude 通过 `WebFetch` 直接抓取(见下方"过渡期实现")。++---++## 适用场景++- **`cheat-seed` 默认 source 之一**——cold-start 用户的第一次选题种子+- **`cheat-trends` 可选 source**——日常补充候选池++最贴合:论说 / 议题讨论 / 知识科普类观点视频。知乎话题平均比微博更"可讨论"——一个标题就含问题与立场,省了 brainstorm 一半工。++## 依赖++- 公开端点,**无需登录**+- 端点:`https://www.zhihu.com/api/v3/feed/topstory/hot-lists/total?limit=50&desktop=true`(JSON)+- 备选:`https://www.zhihu.com/billboard`(HTML,可作为兜底)++## Fetch 接口++```+fetch(limit: int = 50) -> List[Candidate]+```++返回符合 [shared-references/candidate-schema.md](../../shared-references/candidate-schema.md) 的 items 列表。++字段映射:+- `id`:`sha256("trend|" + normalized_title)[:12]`+- `title`:知乎问题标题+- `source`:`"trend:zhihu-hot"`+- `snapshot_text`:问题标题 + 高赞答案前 200 字摘要(可选——抓不到就只用标题)+- `snapshot_at`:抓取时间 ISO 8601+- `url`:知乎问题 URL(如 `https://www.zhihu.com/question/<id>`)+- 其他字段:null++## 失败模式++| 症状 | 处理 |+|---|---|+| API 端点变更 | 切换到 `/billboard` HTML 兜底 |+| API 返回需要登录(403) | 返回空列表 + 报告 |+| 网络不可达 | 返回空列表 + 报告 |++**优雅降级**:失败不抛异常——调用方有其他 sources 兜底。++## 稳定性等级++★★★★ — 知乎 API 比微博稳定;JSON 端点改动频率低于微博 HTML。++建议节流:`/cheat-seed` 默认每用户每天 ≤ 3 次抓取。++## 过渡期实现(stub)++在 batch 3 写专用 adapter 前,`/cheat-seed` 通过 `WebFetch`:++```+WebFetch("https://www.zhihu.com/api/v3/feed/topstory/hot-lists/total?limit=50&desktop=true",+ "解析 JSON 中 data 数组的每个 item,提取 target.title_area.text 和 target.url,最多 50 条")+```++如果返回结构识别失败 → 切换到 `/billboard` HTML 抓取兜底。++## 内容特点(影响 brainstorm 质量)++知乎热榜的标题结构通常是 **完整的疑问句**("如何看待 X"、"为什么 Y"、"X 的本质是什么"),比微博热搜的关键词更适合直接转化为观点视频选题。++但要注意:+- 一些标题太具体("X 公司裁员事件")→ Claude brainstorm 时要做"个案 → 普遍"的抽象提升+- 一些标题太"知乎腔"(学术化、长难句)→ Claude brainstorm 时要做"知乎话术 → 短视频钩子"的转译++## 风险提示++- 知乎热榜偶现政治敏感议题——/cheat-seed Phase 1 Q3 的"红线"过滤必要+- 部分热榜话题已被知乎大 V 高密度覆盖,做视频时差异化不易——粗打分时建议提示用户"该话题已饱和,需要差异化角度"++## 相关 adapter++- [weibo-hot.md](weibo-hot.md) — 议题更广但更碎片化,时事评论类更匹配+- bilibili-popular.md(待)— 视频内容直接对照参考+- thirdparty-paid.md(待)— 付费稳定数据源diff --git a/examples/script_patterns.example.md b/examples/script_patterns.example.mdnew file mode 100644index 0000000..2e1bdac--- /dev/null+++ b/examples/script_patterns.example.md@@ -0,0 +1,235 @@+# 写作 Pattern 沉淀(**示例 / 参考——不是用户模板**)++> ⚠️ **本文件是参考样本,不是用户模板**。你的项目里的 `script_patterns.md` 是从 `templates/script_patterns.template.md` 复制过来的**抽象骨架**,初始为空。+>+> 这份 example 是给你看"一份完全填好的 script_patterns.md 长什么样"——基于「中文观点视频博主,25+ 已发视频」的真实反推。+>+> **不要照抄**——你的频道 / 调性 / 受众完全不同,里面的 pattern 大半对你无效。从你自己的复盘里慢慢累积**你的** pattern 才是工具的核心价值。+>+> 想用本文件中的某条 pattern → 在你的 script_patterns.md 里手动加,并标 `**Imported from example, untested on my channel**` —— 跑 ≥2 次复盘验证后再去掉这个标记。+>+> ---+>+> rubric_notes.md 教 Claude **怎么打分**,script_patterns.md 教 Claude **怎么写**。两者解耦——分数高的稿子不一定写得好(rubric 漏掉 MS / TS),写得好的稿子不一定分数高(结构创新跑出 pattern 之外)。+>+> 示例数据来自「视频分析」项目(中文观点视频,25+ 已发样本反推)。++---++## ⚠️ Pattern 是 toolbox 不是 mold(核心 meta 原则)++下面所有 pattern 都是**从已发样本反推的"路径之一"**,不是默认应该 apply 的模板。++**反例**:每篇都"3 段式 + 致谢段 + 互动钩子"——账号上限只是"做得稳定的中等爆款"。**真正的爆款来自结构创新**——参考博主的"她不一样"模因爆发就在 pattern 之外。++写稿前**永远先回答**:这篇文章的最强属性是什么?再决定用什么 pattern。详见下方"结构选型 cheat sheet"。++---++## 结构选型 cheat sheet(按文章属性匹配)++| 文章属性 | 适合的结构 | 已发样本(你自己填)| 状态 |+|---|---|---|---|+| **强 metaphor**(具体载体可类比一切)| **metaphor 优先**——开头场景代入比喻 → 主体翻译 → 元戏仿致谢 | 例:仓鼠 ✓ | 示例 |+| **强时间维度**(一天循环 / 阶段演变)| **时间线叙事**——时间点切换开场 → 命名概念 → 数据穿插 | (待填)| 示例 |+| **强讽刺戏仿(SAT=5)**| **脱口秀向**——单事件段子开场 → punchline → 扩展 | (待填)| 示例 |+| **强数据反差**(冷数据暴力)| **数据反转开场**——具体数字 → 反直觉对比 → 数据驱动叙事 | 例:房价 ✓ / 老板废话 ✓ | 示例 |+| **多个真实事件 / 案例**| **案例驱动**——标志性事件开场 → 抽象命名 → 三段失效 | (待填)| 示例 |+| **多个并行概念**| **3 段工业流水**——IS 戏仿 → 3 段命名 → 致谢 | (待填)| 示例 |+| **强场景代入**(半夜翻聊天 / 评论区现场)| **第二人称代入** → 反转 → 数据 → 三段 | 例:停止期待 ✓ | 示例 |+| **强可挪用句式**(高 MS)| **模板核心**——句式贯穿全稿 → 互动钩子激活模板 | 例:停止期待"她不一样" ✓ | 示例 |++### 用法++写稿前先问自己:+1. 这篇文章最强的属性是什么?+2. 表里对应哪种结构?+3. 如果属性多元,哪种结构能让最强属性发挥到最大?++---++## 核心 pattern 库++### Pattern 1:开头钩子三选一(前 3 秒)++**绝不**用"近年来 / 大家好 / 今天聊一聊"。三种已验证模式:++**A. 第二人称场景代入 → 反转**(适用:原文有具体 metaphor / 实验对象 / 案例)+> 你在路上碰到一只 X / 冲动掏了钱就 Y / 但是这件事和 Z / 本质上是同一件事++**B. 戏仿原文体的影响声明**(适用:原文 IS 本身就锐利时直接照念)+> 本研究仅影响半夜 3 点还在 X 的人++**C. 直接甩数据 / 反转性观察**(适用:原文有强数据点)+> 作者扒了 X / 算出了几个数据 / 平均 Y / 但 Z 只有 W++---++### Pattern 2:主体压缩到「严格 3 个观察」++跑得好的稿子都遵循 `作者提出了 X 个观察/概念/指标` 的三段式:++| 视频示例 | 三个观察 |+|---|---|+| 仓鼠 | 资源错位 / 义务付出化 / 天性污名化 |+| 停止期待 | QOI(每天想的时间占比)/ WIC(万一呢系数)/ 间歇性强化 |+| 老板废话 | 语义黑洞 / TOP10 排行(开头第1+末尾第10)/ 万能公式 |++**严格 3 个**——不是 4 个不是 5 个。原文有 4-7 个概念时砍到 3 个——挑最具命名力 + 最具可挪用性的。++**TOP10 列表特殊处理**:保留头 + 尾 + "剩下你们自己去看"——不要平铺 10 个。++---++### Pattern 3:学术包装的剥离 / 保留++| 必须保留 | 必须剥离 |+|---|---|+| 自创概念名(QOI / WIC / 语义黑洞)→ MS 来源 | 模型名(缩写大于 3 字符的) |+| 关键精确数字(83.6% / 7.4 条)| 样本数量铺垫("312 个参与者...") |+| 致谢段(如果它本身就是 MVP)| 文献综述("Vlahovic 2012... König 2019...") |+| 反转性数据点("系统崩溃概率提升 412%")| 局限性讨论 |+| 作者原话的金句段 | 实验流程细节(除非是钩子) |++**判断原则**:观众能不能在评论区**复述/挪用**这个东西?能 → 留;不能 → 砍。++---++### Pattern 4:"我"表达节点(emotional 标记)++跑得好的稿子里 "我" 出现 0-2 次,**永远在 emotional 高潮处**——给观众"该共鸣了"的提示信号。++**Pattern**:每出现 1 次"我",必须紧跟一个高强度信息点。**不要空说"我觉得"**。++---++### Pattern 5:双声道结构(作者 + 用户旁白)++每个稿子**不是用户独白**,而是 `作者说... 用户加注...` 的双声道:++- 作者的话引出**框架**("作者提出...")+- 用户的话做**接地翻译**("打工人版" / "意思就是说" / "换句话说" / "说人话就是")+- 用户的话做**emotional 标记**("最让我破防的" / "全文最反转的" / "更恐怖的是")++**永远不要**让一段超过 4 行没有用户接地词。++---++### Pattern 6:致谢段不是必选++判断原则:只有当致谢段**本身就是 MVP 句**(即可独立成模因)时才完整引用。否则用文末核心金句替代致谢段的功能。++致谢段 = 参考博主某些视频的核心传播载体,但其他视频没致谢段也跑出 30w+。**MVP 句才是必杀**。++---++### Pattern 7:标准化结尾结构++```+[reflective MVP 段(作者原话或用户提炼)]+[可选:用户的个人化诠释]+[outro: "任何解说代替不了原文 / 下课"]+```++`任何解说代替不了原文 / 下课` 是固定 outro(参考博主的招牌)。**你应该建立你自己的招牌 outro**——观众认那个就形成了品牌。++---++### Pattern 8:句子长度 / 段落节奏(**最容易忽视**)++**写稿用段落版**(每段 100-300 字,逗号、句号、自然句),**不要写一行一行的字幕格式**——那是用户拍完后剪映自动断的字幕,**不是写作时的形态**。++- **写作形态(draft-v0.md / script.md)**:完整段落+- **字幕形态(视频拍完)**:剪映自动断成 5-15 字 / 行+- cheat-seed 写 draft 时**只输出段落版**++**段落内的句子节奏**:+- **短句为主**——避免复合句、避免"其..."、"以..."这种文言连接+- 句号 + 逗号正常使用,不要怕标点+- **多用语气词**:啊 / 呢 / 哎(句尾)++**反例**(论文体):+> 在异步社交矩阵中,单音节拟声词"哈"及其多阶重复序列已演化为一种关键的社交润滑协议。++**应该这样写**(短句段落):+> 你有没有想过,聊天的时候打几个哈最合适。哈哈不行,哈哈哈才行,哈哈哈哈又怕被说装,哈哈哈哈哈哈哈哈又怕被说阴阳。++---++### Pattern 9:词汇风格 cheat sheet++**高频用词**(参考博主已验证有效):+- 接地翻译:打工人版 / 意思就是说 / 换句话说 / 说人话就是 / 简单点说+- 反转标记:但是 / 更恐怖的是 / 更搞的是 / 全文最反转的一段+- emotional 标记:破防 / 头皮发麻 / 让我读了好几遍 / 真的是+- 节奏词:啊 / 这就 / 你看++**避免**:+- 论文体连接词:"其次" / "本研究" / "综上所述" / "因此"+- 形容词堆砌:"极其精准的""非常深刻的"——直接给名词+- 冗长定语:"一种基于…的…现象"++**你应该建立你自己的词汇风格**——上面是参考博主的,你的频道调性可能完全不同。++---++### Pattern 10:时长目标++跑得好的视频时长(参考博主,3-5min 区间):+- 1:57(39w)—— 最短+- 2:11(11w)+- 2:52(71w)+- 3:00(124w)++**不要超过 3:30**(在 v2 起点的 NA=4 权重下)。**你的账号可能不同**——按 cheat-init 配的 typical_duration_seconds 调。++---++## 用户改稿历史观察(**持续追加,cheat-retro 复盘后建议补充**)++> 每次复盘发现"用户改了 X,流量出现明显 Y 影响"时,cheat-retro 会建议在这里追加一行。++| 视频 | 用户砍掉了什么 | 用户加了什么 | 流量影响 |+|---|---|---|---|+| 示例:停止期待 | EWDM 模型名 + 312 人样本铺垫 | — | T+7d 71.1w(高)|+| 示例:老板废话 | TOP10 中间 8 条 + 致谢段 | — | T+4d 39.6w(高)|++**结论**(参考博主):用户**系统性砍**列表型枚举 + 学术铺垫 + 模型缩写。下次写初稿时**不要塞这些再让用户砍**——直接砍掉。++**你的频道结论**(待填,跑完几次复盘后填):+- ……++---++## 新发现的 Pattern(编号续)++> cheat-retro 复盘时发现新现象(用户改稿带来明显流量变化、评论区出现新模式),会建议追加新 pattern。++### Pattern 11(示例):评论区互动钩子(来自参考博主"哈哈长度")++**现象**:视频末尾的「在评论区告诉我 X」prompt,能:+1. **直接激发 MS(Memetic Shareability)**——显式调用观众生成内容+2. **降低评论门槛**——观众有具体回答框架+3. **生成可见的群体行为**——评论区集体表演本身就是次级传播载体++**触发条件**:只有当稿子里有**可挪用的具体维度**时才用——观众必须知道往评论区填什么。++---++### Pattern 12(示例):开头软化(沉重议题专用)++**现象**:家庭议题、童年创伤、亲密关系等**沉重议题**,直接断言会触发观众"被冒犯"反应。加"我想"做缓冲:++| 议题类型 | 开头应该 | 情感词应该 |+|---|---|---|+| 家庭 / 创伤 / 性别 | 加"我想"软化 | 柔化("破防"→"感触深")|+| 娱乐 / 科技 / 学术圈梗 | 直接断言 | 适度强 |++---++## 维护建议++- **保持 < 500 行**——每次复盘后追加新 pattern,但也定期删除被推翻的旧 pattern(与 rubric_notes.md 同 lifecycle 协议——见 [observation-lifecycle.md](../cheat-on-content/shared-references/observation-lifecycle.md))+- **第 5 次复盘后**:把上面所有"示例"标的 pattern **完整改写**为你账号的实测——示例只是给你看格式,不是真理+- **新 pattern 必须有 ≥1 样本支持**——单点观察先放到底部"待验证"段,≥2 才升正式 pattern+- 每个 pattern **必须可追溯到具体视频** + 数据(不写"开头钩子很重要",写"参考博主停止期待用 IS 戏仿开场,T+7d 71w")diff --git a/hooks/log-event.sh b/hooks/log-event.shnew file mode 100755index 0000000..dd64354--- /dev/null+++ b/hooks/log-event.sh@@ -0,0 +1,58 @@+#!/usr/bin/env bash+#+# cheat-on-content / meta-logging hook+#+# Passive event recorder. Writes one JSON line per event to+# .cheat-cache/usage.jsonl in the project root. Never blocks (async fire-and-forget).+#+# Used by /cheat-status to compute:+# - "distance since last bump" (count of cheat-predict invocations after last_bump_at)+# - skill invocation frequency+# - tool failure patterns+#+# Usage: log-event.sh <event_type>+# <event_type> ∈ {tool_use, user_prompt, session_start, session_end}+#+# Reads from stdin: Claude Code's hook payload JSON+# Output: appends one line to .cheat-cache/usage.jsonl++set -uo pipefail++event_type="${1:-unknown}"+cache_dir="${CLAUDE_PROJECT_DIR:-.}/.cheat-cache"+log_file="${cache_dir}/usage.jsonl"++mkdir -p "$cache_dir" 2>/dev/null || exit 0 # never block on permission errors++# Read hook payload+input=$(cat 2>/dev/null || echo "{}")++# Build a compact event record. Best-effort jq parse — if it fails we still log a minimal record.+ts=$(date -u +"%Y-%m-%dT%H:%M:%SZ")++if command -v jq >/dev/null 2>&1; then+ # Extract a few standard fields if present+ event_json=$(printf '%s' "$input" | jq -c --arg ts "$ts" --arg type "$event_type" '+ {+ ts: $ts,+ event: $type,+ tool: (.tool_name // null),+ file: (.tool_input.file_path // null),+ success: (.tool_response.success // null),+ prompt_excerpt: (+ (.user_prompt // "" | tostring) | .[:120]+ )+ }+ ' 2>/dev/null || echo "")+ if [[ -z "$event_json" ]]; then+ event_json=$(printf '{"ts":"%s","event":"%s"}' "$ts" "$event_type")+ fi+else+ # No jq — minimal record+ event_json=$(printf '{"ts":"%s","event":"%s"}' "$ts" "$event_type")+fi++# Append (locking is platform-specific; for typical single-user setups append is atomic enough on macOS)+printf '%s\n' "$event_json" >> "$log_file" 2>/dev/null || true++exit 0diff --git a/hooks/meta-logging.json b/hooks/meta-logging.jsonnew file mode 100644index 0000000..2f7d59d--- /dev/null+++ b/hooks/meta-logging.json@@ -0,0 +1,57 @@+{+ "_comment": "cheat-on-content meta-logging hook. Passively records every cheat-* skill invocation, tool call, and session lifecycle event to .cheat-cache/usage.jsonl. All hooks are async fire-and-forget — never blocks. Used by /cheat-status to compute things like 'distance since last bump'.",+ "hooks": {+ "PostToolUse": [+ {+ "matcher": "",+ "hooks": [+ {+ "type": "command",+ "command": "bash ${CLAUDE_PROJECT_DIR}/.cheat-hooks/log-event.sh tool_use",+ "timeout": 5,+ "async": true+ }+ ]+ }+ ],+ "UserPromptSubmit": [+ {+ "matcher": "",+ "hooks": [+ {+ "type": "command",+ "command": "bash ${CLAUDE_PROJECT_DIR}/.cheat-hooks/log-event.sh user_prompt",+ "timeout": 5,+ "async": true+ }+ ]+ }+ ],+ "SessionStart": [+ {+ "matcher": "",+ "hooks": [+ {+ "type": "command",+ "command": "bash ${CLAUDE_PROJECT_DIR}/.cheat-hooks/log-event.sh session_start",+ "timeout": 5,+ "async": true+ }+ ]+ }+ ],+ "SessionEnd": [+ {+ "matcher": "",+ "hooks": [+ {+ "type": "command",+ "command": "bash ${CLAUDE_PROJECT_DIR}/.cheat-hooks/log-event.sh session_end",+ "timeout": 5,+ "async": true+ }+ ]+ }+ ]+ }+}diff --git a/hooks/prediction-immutability.json b/hooks/prediction-immutability.jsonnew file mode 100644index 0000000..aa9be17--- /dev/null+++ b/hooks/prediction-immutability.json@@ -0,0 +1,18 @@+{+ "_comment": "cheat-on-content prediction immutability hook. Blocks edits to '## 预测' / '## Prediction' sections in predictions/*.md files. Merge this into your project's .claude/settings.json on /cheat-init.",+ "hooks": {+ "PreToolUse": [+ {+ "matcher": "Edit|Write",+ "hooks": [+ {+ "type": "command",+ "command": "bash ${CLAUDE_PROJECT_DIR}/.cheat-hooks/prediction-immutability.sh",+ "timeout": 3,+ "async": false+ }+ ]+ }+ ]+ }+}diff --git a/hooks/prediction-immutability.sh b/hooks/prediction-immutability.shnew file mode 100755index 0000000..1243575--- /dev/null+++ b/hooks/prediction-immutability.sh@@ -0,0 +1,148 @@+#!/usr/bin/env bash+#+# cheat-on-content / prediction-immutability hook+#+# Wires PreToolUse(Edit|Write) → blocks any edit that touches the+# '## 预测' / '## Prediction' section of a file under predictions/.+#+# Allows:+# - Writing brand-new prediction files+# - Editing the file's metadata header (above first ##)+# - Appending to the '## 复盘' / '## Retrospective' section+# - Touching files outside predictions/+#+# Blocks:+# - Any change to lines between '## 预测' (or '## Prediction') and the next H2+#+# Bypass (rare, for true formatting-only fixes):+# CHEAT_BYPASS_IMMUTABILITY=1 — single-shot bypass; logs a warning to stderr+#+# Requirements: bash 3+, jq, diff. Mac default install has all of these.+#+# Exit codes:+# 0 = allow tool call to proceed+# 1 = block tool call (Claude Code will surface stderr to the model)++set -uo pipefail++# Single-shot bypass — opt-in, logs prominently+if [[ "${CHEAT_BYPASS_IMMUTABILITY:-0}" == "1" ]]; then+ echo "[cheat-on-content] ⚠️ IMMUTABILITY BYPASS active (CHEAT_BYPASS_IMMUTABILITY=1)" >&2+ echo "[cheat-on-content] ⚠️ This should only be used for pure markdown-formatting fixes." >&2+ echo "[cheat-on-content] ⚠️ Bypass will be visible in git history." >&2+ exit 0+fi++# Read tool call payload from stdin (Claude Code passes JSON)+input=$(cat)+if [[ -z "$input" ]]; then+ # No input — let it through (defensive default; nothing to check)+ exit 0+fi++# Extract tool name and file path+tool_name=$(printf '%s' "$input" | jq -r '.tool_name // empty' 2>/dev/null || echo "")+file_path=$(printf '%s' "$input" | jq -r '.tool_input.file_path // empty' 2>/dev/null || echo "")++# Only intercept Edit and Write+if [[ "$tool_name" != "Edit" && "$tool_name" != "Write" ]]; then+ exit 0+fi++# Only intercept files under predictions/+if [[ -z "$file_path" ]]; then+ exit 0+fi++case "$file_path" in+ */predictions/*.md|predictions/*.md)+ : # match — continue checking+ ;;+ *)+ exit 0+ ;;+esac++# Allow Write if the file does not yet exist (creating new prediction)+if [[ "$tool_name" == "Write" && ! -f "$file_path" ]]; then+ exit 0+fi++# For Edit — extract the old_string and new_string and check whether either touches+# the prediction section.+#+# Strategy: compute the byte range of the '## 预测' (or '## Prediction') section+# in the file BEFORE the edit, then check whether the old_string lies inside that+# range. If yes — block.++if [[ "$tool_name" == "Edit" ]]; then+ old_string=$(printf '%s' "$input" | jq -r '.tool_input.old_string // empty' 2>/dev/null || echo "")+ if [[ -z "$old_string" ]]; then+ exit 0+ fi++ # Find prediction section bounds. Match either '## 预测' or '## Prediction'.+ # Pattern: line starting with '## 预测' or '## Prediction'; section ends at next '## ' or EOF.+ prediction_section=$(awk '+ /^## (预测|Prediction)([^a-zA-Z]|$)/ { in_pred=1; print; next }+ /^## / && in_pred { exit }+ in_pred { print }+ ' "$file_path" 2>/dev/null || echo "")++ if [[ -z "$prediction_section" ]]; then+ # File has no prediction section — let the edit through.+ # (Could be a non-conforming prediction file or an edge case.)+ exit 0+ fi++ # Check whether old_string appears inside the prediction section.+ # We use grep -F (literal) on a temporary file because old_string may contain regex chars.+ pred_tmp=$(mktemp)+ printf '%s' "$prediction_section" > "$pred_tmp"++ if grep -qF -- "$old_string" "$pred_tmp" 2>/dev/null; then+ rm -f "$pred_tmp"+ cat >&2 <<EOF++[cheat-on-content] 🚫 BLOCKED: edit targets the '## 预测' / '## Prediction' section of:+ $file_path++This violates principle #1 of cheat-on-content: predictions are immutable.+Once written, the prediction section can never be modified — only the+'## 复盘' / '## Retrospective' section can be appended to.++What to do instead:+ • If you want to redo the prediction with new info, create a NEW file:+ ${file_path%.md}_redo.md+ The original must be preserved.+ • If you noticed a factual mistake AFTER seeing data, document it in the+ '## 复盘' section: "Correction: original probability X% should have been Y%".+ • If this is a pure markdown-formatting fix (no semantic change), you can+ bypass once with: CHEAT_BYPASS_IMMUTABILITY=1 (logs to stderr, visible in git).++See: shared-references/blind-prediction-protocol.md+EOF+ exit 1+ fi++ rm -f "$pred_tmp"+ exit 0+fi++# Write tool on an existing file — that's a full overwrite, definitely touches prediction section.+if [[ "$tool_name" == "Write" && -f "$file_path" ]]; then+ cat >&2 <<EOF++[cheat-on-content] 🚫 BLOCKED: Write would overwrite an existing prediction file:+ $file_path++Use Edit on the '## 复盘' section to append retrospective content.+Use a new '_redo.md' file path to create a redo prediction.+The original prediction file must be preserved verbatim.++See: shared-references/blind-prediction-protocol.md+EOF+ exit 1+fi++exit 0diff --git a/hooks/session-start.json b/hooks/session-start.jsonnew file mode 100644index 0000000..620ffcc--- /dev/null+++ b/hooks/session-start.json@@ -0,0 +1,18 @@+{+ "_comment": "cheat-on-content SessionStart hook. Auto-renders 4-6 line status report at every new conversation. Synchronous so the report appears in Claude's context BEFORE first reply. Silently exits if not in a cheat-on-content project (no .cheat-state.json found).",+ "hooks": {+ "SessionStart": [+ {+ "matcher": "",+ "hooks": [+ {+ "type": "command",+ "command": "bash ${CLAUDE_PROJECT_DIR}/.cheat-hooks/session-start.sh",+ "timeout": 5,+ "async": false+ }+ ]+ }+ ]+ }+}diff --git a/hooks/session-start.sh b/hooks/session-start.shnew file mode 100755index 0000000..6922bec--- /dev/null+++ b/hooks/session-start.sh@@ -0,0 +1,190 @@+#!/usr/bin/env bash+#+# cheat-on-content SessionStart hook+#+# Renders a 4-6 line status report at the start of every Claude Code session.+# Output is added to Claude's system context — Claude sees it before first reply.+#+# Silently exits if:+# - Not in a cheat-on-content project (no .cheat-state.json)+# - jq not available (status is markdown-readable; Claude can read state.json directly)+#+# Format:+# 📦 Buffer: N (color)+# ⏰ 待复盘: N+# 🎯 候选 top 3: ...+# 📅 上次抓热点: N 天前+# ⚠️ 待办: ...++set -uo pipefail++PROJECT_DIR="${CLAUDE_PROJECT_DIR:-.}"+STATE_FILE="$PROJECT_DIR/.cheat-state.json"++# Silently skip if not a cheat-on-content project+if [[ ! -f "$STATE_FILE" ]]; then+ exit 0+fi++# Skip if jq missing (Claude can still read state.json himself in conversation)+if ! command -v jq >/dev/null 2>&1; then+ cat <<'EOF'+[cheat-on-content] SessionStart: jq not installed — skipping auto status report.+Claude can still read .cheat-state.json directly. Say "状态" for full status.+EOF+ exit 0+fi++now_epoch=$(date +%s)+today_iso=$(date +%Y-%m-%d)++# --- Read state ---+state=$(cat "$STATE_FILE")+schema_version=$(echo "$state" | jq -r '.schema_version // "unknown"')+rubric_version=$(echo "$state" | jq -r '.rubric_version // "v0"')+calibration_samples=$(echo "$state" | jq -r '.calibration_samples // 0')+target_cadence=$(echo "$state" | jq -r '.target_publish_cadence_days // null')+buffer_count=$(echo "$state" | jq -r '.shoots // [] | length')+pending_retros_count=$(echo "$state" | jq -r '.pending_retros // [] | length')+last_trends_at=$(echo "$state" | jq -r '.last_trends_run_at // ""')+last_published_at=$(echo "$state" | jq -r '.last_published_at // ""')+hooks_installed=$(echo "$state" | jq -r '.hooks_installed // false')+form_severe_mismatch=$(echo "$state" | jq -r '.rubric_form_severe_mismatch // false')++# --- Detect schema mismatch (read LATEST_SCHEMA from migrations/registry.md if reachable) ---+# Strategy: hardcode current LATEST_SCHEMA here (bumped by maintainer alongside cheat-init).+# If state.schema_version != LATEST_SCHEMA → suggest migrate (non-blocking).+LATEST_SCHEMA="1.1"+schema_mismatch=""+if [[ "$schema_version" != "$LATEST_SCHEMA" && "$schema_version" != "unknown" ]]; then+ schema_mismatch="⚠️ schema 版本不一致:state=${schema_version}, skill 期望=${LATEST_SCHEMA}。建议跑 /cheat-migrate(非阻塞,部分新功能可能在迁移前异常)。"+elif [[ "$schema_version" == "unknown" ]]; then+ schema_mismatch="⚠️ state.schema_version 字段缺失或损坏。建议跑 /cheat-status 检查文件,或备份后重 init。"+fi++# --- Derive confidence label (single source: state-management.md confidence 表) ---+if [[ $calibration_samples -eq 0 ]]; then+ confidence="🔴 极低 (占星级别,纯纪律训练)"+elif [[ $calibration_samples -le 2 ]]; then+ confidence="🟠 低 (中枢 ±50%,方向感优于绝对数字)"+elif [[ $calibration_samples -le 5 ]]; then+ confidence="🟡 偏低 (中枢 ±40%,可作为参考之一)"+elif [[ $calibration_samples -le 10 ]]; then+ confidence="🟢 中 (中枢 ±25%,可参与决策)"+elif [[ $calibration_samples -le 20 ]]; then+ confidence="🟢 较高 (中枢 ±15%,rubric 形态稳定)"+else+ confidence="🔵 高 (中枢 ±10%,可数据驱动)"+fi++# --- Compute buffer color ---+buffer_label=""+buffer_warning=""+if [[ "$target_cadence" == "null" ]] || [[ -z "$target_cadence" ]]; then+ # Flexible cadence: no color, just count+ buffer_label="📦 Buffer: ${buffer_count} 篇 (灵活节奏,无警戒)"+else+ buffer_days=$(( buffer_count * target_cadence ))+ if [[ $buffer_days -lt 1 ]]; then+ buffer_label="📦 Buffer: ${buffer_count} 篇 🔴 红 (按 cadence ${target_cadence}d = <1 天预备)"+ buffer_warning="🚨 buffer 警戒:下个发布日可能断更。今天必须拍 ≥1 条稳分。"+ elif [[ $buffer_days -le 2 ]]; then+ buffer_label="📦 Buffer: ${buffer_count} 篇 🟠 橙 (按 cadence ${target_cadence}d = ${buffer_days} 天预备)"+ elif [[ $buffer_days -le 5 ]]; then+ buffer_label="📦 Buffer: ${buffer_count} 篇 🟢 绿 (按 cadence ${target_cadence}d = ${buffer_days} 天预备)"+ else+ buffer_label="📦 Buffer: ${buffer_count} 篇 🔵 蓝 (按 cadence ${target_cadence}d = ${buffer_days} 天,积压)"+ buffer_warning="📦 buffer 积压:建议暂停拍摄,先发存货 + 复盘。"+ fi+fi++# --- Compute pending retros that are actually due ---+retro_window=3 # default RETRO_WINDOW_DAYS, hardcoded fallback (TODO: read from rubric_notes if present)+due_count=0+earliest_due=""+if [[ "$pending_retros_count" -gt 0 ]]; then+ # Walk pending_retros, check each prediction file's published_at+ while IFS= read -r pred_file; do+ pred_path="$PROJECT_DIR/$pred_file"+ if [[ -f "$pred_path" ]]; then+ pub_iso=$(grep -E '^\*\*Published at\*\*:' "$pred_path" 2>/dev/null | head -1 | sed -E 's/.*: *//')+ if [[ -n "$pub_iso" ]]; then+ pub_epoch=$(date -j -f "%Y-%m-%dT%H:%M:%S" "${pub_iso%%+*}" "+%s" 2>/dev/null || echo 0)+ if [[ $pub_epoch -gt 0 ]]; then+ age_days=$(( (now_epoch - pub_epoch) / 86400 ))+ if [[ $age_days -ge $retro_window ]]; then+ due_count=$((due_count + 1))+ if [[ -z "$earliest_due" ]] || [[ "$pub_iso" < "$earliest_due" ]]; then+ earliest_due="$pub_iso"+ fi+ fi+ fi+ fi+ fi+ done < <(echo "$state" | jq -r '.pending_retros // [] | .[]')+fi++retro_label=""+if [[ $due_count -gt 0 ]]; then+ retro_label="⏰ 待复盘: ${due_count} 篇 (最早: ${earliest_due%%T*})"+elif [[ "$pending_retros_count" -gt 0 ]]; then+ retro_label="⏰ 待复盘: ${pending_retros_count} 篇 (未到 T+${retro_window}d)"+else+ retro_label="⏰ 待复盘: 无"+fi++# --- Top candidates (read first 3 H3 from candidates.md) ---+candidates_file="$PROJECT_DIR/candidates.md"+top_candidates=""+if [[ -f "$candidates_file" ]]; then+ # Extract first 3 H3 titles, format compactly+ top_candidates=$(grep -E '^### ' "$candidates_file" 2>/dev/null \+ | head -3 \+ | sed -E 's/^### \[[^]]+\] *//' \+ | tr '\n' '/' \+ | sed 's:/$::' \+ | sed 's:/: / :g')+fi+if [[ -z "$top_candidates" ]]; then+ candidates_label="🎯 候选: (空——说 '抓热点' 或 '找选题')"+else+ candidates_label="🎯 候选 top 3: ${top_candidates}"+fi++# --- Last trends run ---+trends_label=""+if [[ -n "$last_trends_at" ]]; then+ trends_epoch=$(date -j -f "%Y-%m-%dT%H:%M:%S" "${last_trends_at%%+*}" "+%s" 2>/dev/null || echo 0)+ if [[ $trends_epoch -gt 0 ]]; then+ days_ago=$(( (now_epoch - trends_epoch) / 86400 ))+ trends_label="📅 上次抓热点: ${days_ago} 天前"+ fi+fi++# --- Build the report ---+echo ""+echo "[cheat-on-content / SessionStart 状态报告]"+echo ""+echo "$buffer_label"+echo "$retro_label"+echo "$candidates_label"+[[ -n "$trends_label" ]] && echo "$trends_label"++# Confidence indicator+echo "📈 校准样本: ${calibration_samples} | Confidence: ${confidence}"++# Warnings (high priority)+[[ -n "$buffer_warning" ]] && echo "" && echo "$buffer_warning"+[[ -n "$schema_mismatch" ]] && echo "" && echo "$schema_mismatch"+if [[ "$form_severe_mismatch" == "true" ]]; then+ echo "❌ rubric 与你的内容形态严重不匹配——预测几乎无意义。"+fi+if [[ "$hooks_installed" != "true" ]]; then+ echo "⚠️ immutability hook 未装——你的盲预测保护是君子协定,不是物理强制。"+fi++echo ""+echo "(不要主动开始任何动作——等用户决定。说 \"状态\" 看完整看板。)"+echo ""++exit 0diff --git a/install.sh b/install.shnew file mode 100755index 0000000..10c0e6e--- /dev/null+++ b/install.sh@@ -0,0 +1,184 @@+#!/usr/bin/env bash+#+# cheat-on-content / install.sh+#+# Symlinks the 13 sub-skills into ~/.claude/skills/ so Claude Code can find them+# globally. Re-runnable safely (sf flags overwrite existing links).+#+# After install, in any content project directory: open Claude Code → say "初始化"+# → /cheat-init runs the onboarding.+#+# To uninstall: bash uninstall.sh+#+# Usage:+# bash install.sh # symlink (default; dev-friendly, changes reflect immediately)+# bash install.sh --copy # copy instead of symlink (frozen version, dev changes ignored)+# bash install.sh --reinstall-hooks <project-dir>+# # rewrite hook scripts in an existing user project's .cheat-hooks/+# # (use after git pull when CHANGELOG mentions hook script changes;+# # does NOT touch .cheat-state.json or any user data)++set -euo pipefail++SKILLS=(+ cheat-init+ cheat-learn-from+ cheat-seed+ cheat-score+ cheat-predict+ cheat-shoot+ cheat-publish+ cheat-retro+ cheat-bump+ cheat-recommend+ cheat-trends+ cheat-status+ cheat-migrate+)++# Resolve the directory containing THIS script (the source root) — needed early for both modes+SCRIPT_DIR="$( cd -- "$( dirname -- "${BASH_SOURCE[0]}" )" &> /dev/null && pwd )"++MODE="symlink"++# --- --reinstall-hooks branch: rewrite a user project's hook scripts only ---+if [[ "${1:-}" == "--reinstall-hooks" ]]; then+ PROJECT_DIR="${2:-}"+ if [[ -z "$PROJECT_DIR" ]]; then+ echo "❌ Usage: bash install.sh --reinstall-hooks <path-to-user-project>"+ echo " The user project must already have been initialized via /cheat-init."+ exit 1+ fi+ if [[ ! -d "$PROJECT_DIR" ]]; then+ echo "❌ Project dir not found: $PROJECT_DIR"+ exit 1+ fi+ if [[ ! -f "$PROJECT_DIR/.cheat-state.json" ]]; then+ echo "❌ $PROJECT_DIR is not a cheat-on-content project (no .cheat-state.json)."+ echo " Run /cheat-init in that directory first."+ exit 1+ fi++ HOOK_DST="$PROJECT_DIR/.cheat-hooks"+ mkdir -p "$HOOK_DST"++ echo ""+ echo "Reinstalling hook scripts in: $PROJECT_DIR"+ echo " source: $SCRIPT_DIR/hooks/"+ echo ""++ for hook_script in prediction-immutability.sh session-start.sh log-event.sh; do+ if [[ -f "$SCRIPT_DIR/hooks/$hook_script" ]]; then+ cp "$SCRIPT_DIR/hooks/$hook_script" "$HOOK_DST/$hook_script"+ chmod +x "$HOOK_DST/$hook_script"+ echo " ✓ updated: .cheat-hooks/$hook_script"+ else+ echo " ⚠️ missing in source: hooks/$hook_script (skipped)"+ fi+ done++ echo ""+ echo "✅ Hook scripts reinstalled."+ echo ""+ echo "Note: This did NOT touch:"+ echo " - .cheat-state.json (your data)"+ echo " - .claude/settings.json (hook registration — should still point at .cheat-hooks/)"+ echo " - rubric_notes.md / predictions/ / videos/ (your work)"+ echo ""+ echo "If schema also changed (CHANGELOG marks BREAKING), additionally run /cheat-migrate"+ echo "in Claude Code from your project directory."+ echo ""+ exit 0+fi++if [[ "${1:-}" == "--copy" ]]; then+ MODE="copy"+fi++# Sanity check: confirm we're in the cheat-on-content root+for s in "${SKILLS[@]}"; do+ if [[ ! -f "$SCRIPT_DIR/skills/$s/SKILL.md" ]]; then+ echo "❌ Missing: $SCRIPT_DIR/skills/$s/SKILL.md"+ echo " Are you running install.sh from the cheat-on-content root?"+ exit 1+ fi+done++# Ensure ~/.claude/skills exists+mkdir -p "$HOME/.claude/skills"++echo ""+echo "Installing cheat-on-content (mode: $MODE)"+echo " source: $SCRIPT_DIR"+echo " target: $HOME/.claude/skills/"+echo ""++# Detect any existing installation that conflicts+WARNED=0+for s in "${SKILLS[@]}"; do+ TARGET="$HOME/.claude/skills/$s"+ if [[ -e "$TARGET" || -L "$TARGET" ]]; then+ if [[ -L "$TARGET" ]]; then+ EXISTING=$(readlink "$TARGET")+ if [[ "$EXISTING" != "$SCRIPT_DIR/skills/$s" ]]; then+ echo "⚠️ $TARGET already symlinked to: $EXISTING"+ WARNED=1+ fi+ else+ echo "⚠️ $TARGET exists (not a symlink) — will be overwritten"+ WARNED=1+ fi+ fi+done++if [[ $WARNED -eq 1 ]]; then+ echo ""+ read -p "Continue and overwrite? (y/N) " -n 1 -r+ echo ""+ if [[ ! $REPLY =~ ^[Yy]$ ]]; then+ echo "Aborted."+ exit 1+ fi+fi++# Install each sub-skill+for s in "${SKILLS[@]}"; do+ SRC="$SCRIPT_DIR/skills/$s"+ DST="$HOME/.claude/skills/$s"++ # Remove any existing entry first (to allow overwriting non-symlink dirs)+ if [[ -e "$DST" || -L "$DST" ]]; then+ rm -rf "$DST"+ fi++ if [[ "$MODE" == "symlink" ]]; then+ ln -s "$SRC" "$DST"+ echo " ✓ symlinked: $s"+ else+ cp -R "$SRC" "$DST"+ echo " ✓ copied: $s"+ fi+done++echo ""+echo "✅ Install complete!"+echo ""+echo "Next steps:"+echo " 1. cd into your content project (or create one):"+echo " mkdir ~/my-channel && cd ~/my-channel"+echo ""+echo " 2. Open Claude Code in that directory"+echo ""+echo " 3. In the chat, say:"+echo " 初始化"+echo " (or: 初始化 cheat-on-content)"+echo ""+echo "Verify install: ls -la ~/.claude/skills/ | grep cheat"+echo ""+if [[ "$MODE" == "symlink" ]]; then+ echo "ℹ️ Mode: symlink — edits to source SKILL.md files take effect immediately."+ echo " To switch to frozen copy: bash install.sh --copy"+else+ echo "ℹ️ Mode: copy — frozen at install time. Re-run install.sh to update."+fi+echo ""diff --git a/migrations/1.0-to-1.1.md b/migrations/1.0-to-1.1.mdnew file mode 100644index 0000000..c561f5d--- /dev/null+++ b/migrations/1.0-to-1.1.md@@ -0,0 +1,99 @@+# Migration: schema_version 1.0 → 1.1++> **Type**: MINOR(兼容;老 state 用默认值读不会崩,但跑迁移让字段语义对齐)+>+> **Status**: 这是 v1 第一份正式 migration——主要作为模板和示例。绝大多数早期用户直接从 init 出来就是 1.1,无需迁移。++---++## WHAT changed++### 删除字段++| 字段 | 旧值 | 删除原因 |+|---|---|---|+| `mode` | "cold-start" / "calibration" 二元 | 用 `calibration_samples` 整数替代——硬切换是设计者猜测,连续整数更准确 |+| `prediction_complexity` | "cold-start-simple" / "complete" | 所有预测都用统一 7 组件结构,confidence 派生自 calibration_samples |+| `bucket_scheme` | "ratio" / "absolute" / "absolute_with_ratio" / "percentile" | bucket 边界由单一算法自动派生(有 `baseline_plays` → 倍数;无 → 平台默认) |++### 新增字段++| 字段 | 默认值 | 写入者 |+|---|---|---|+| `typical_duration_seconds` | 240 | cheat-init Q1.5 派生 |+| `target_publish_cadence_days` | null(灵活节奏) | cheat-init Q1.6 派生 |+| `rubric_form_mismatch` | false | cheat-init(content_form ≠ opinion-video 时 true) |+| `benchmark_status` | "none" | cheat-init Phase 2.5 |+| `benchmark_name` | null | cheat-learn-from |+| `benchmark_sample_count` | 0 | cheat-learn-from |+| `baseline_plays` | null | cheat-init / cheat-retro |+| `enabled_perf_adapters` | `[]` | cheat-init |+| `last_published_file` | null | cheat-publish |+| `last_retro_at` | null | cheat-retro |+| `pending_retros` | `[]` | cheat-publish / cheat-retro |+| `shoots` | `[]` | cheat-shoot / cheat-publish |++---++## WHY++v1.0 的 `mode` 是离散二元,强迫"前 5 篇 cold-start vs 后续 calibration"二选一。实际频道是**连续光谱**——第 4 篇和第 6 篇没有质变。用整数 `calibration_samples` 配一张派生表(详见 [shared-references/state-management.md](../shared-references/state-management.md) 的 confidence 派生表),既保留信号又消除假断点。++类似地 `bucket_scheme` 把"bucket 怎么分"硬塞给用户决定,但用户根本没数据决定——交给算法从 baseline_plays 派生才合理。++---++## HOW (Claude steps for /cheat-migrate)++按顺序:++1. 读 `.cheat-state.json` → 解析 JSON+2. 校验 `schema_version == "1.0"`,否则报错"当前 state 不是 1.0,无需此迁移"+3. 派生新字段值:+ - `typical_duration_seconds`: 询问用户"你的视频典型时长多少秒?"(默认 240)+ - `target_publish_cadence_days`: 询问"目标发布频率(1=日更/2=隔日/7=周更/null=灵活)"(默认 null)+ - `rubric_form_mismatch`: 检查 content_form 是否 ≠ "opinion-video"(v1.0 字段保留)→ 是则 true+ - `benchmark_status`: 默认 "none"+ - `benchmark_name`: null+ - `benchmark_sample_count`: 0+ - `baseline_plays`: 扫 `predictions/` 找含实绩的 reconstructed predictions → 取播放数中位数;找不到→ null+ - `enabled_perf_adapters`: `[]`+ - `last_published_file`: null(不能从 1.0 字段反推)+ - `last_retro_at`: null(同上)+ - `pending_retros`: 扫 `predictions/` 找有 `published_at` 但无 `## 复盘` 的 → 列表+ - `shoots`: 扫 `videos/` 找有 script.md 但对应 prediction 无 `published_at` 的 → 构造 shoot 条目+4. 删除字段:`mode`, `prediction_complexity`, `bucket_scheme`+5. 设 `schema_version = "1.1"`+6. **原子写**:写到 `.cheat-state.json.tmp` → rename+7. 报告:"✅ 迁移到 1.1 完成。新增 N 字段,删除 3 字段。"++---++## Manual fallback++不想跑 `/cheat-migrate` 的用户可以手改 `.cheat-state.json`:++```diff+ {+ "schema_version": "1.0",++ "schema_version": "1.1",+- "mode": "cold-start",+- "prediction_complexity": "cold-start-simple",+- "bucket_scheme": "ratio",++ "typical_duration_seconds": 240,++ "target_publish_cadence_days": null,++ "rubric_form_mismatch": false,++ "benchmark_status": "none",++ "benchmark_name": null,++ "benchmark_sample_count": 0,++ "baseline_plays": null,++ "enabled_perf_adapters": [],++ "last_published_file": null,++ "last_retro_at": null,++ "pending_retros": [],++ "shoots": [],+ ...+ }+```++> 手改后建议跑 `/cheat-status` 验证 state 文件能被所有 skill 正常读。diff --git a/migrations/registry.md b/migrations/registry.mdnew file mode 100644index 0000000..e14f15a--- /dev/null+++ b/migrations/registry.md@@ -0,0 +1,64 @@+# Migrations Registry++cheat-on-content 的 schema 版本演进单一来源。`/cheat-migrate` 读这份文件决定要跑哪些迁移。++---++## 当前 schema_version++**`1.1`** —— 由 `cheat-init` Phase 3 写入新 state 文件。++下方 `LATEST_SCHEMA` 标记位被 `cheat-migrate` skill 和 SessionStart hook 引用:++```+LATEST_SCHEMA = "1.1"+```++> 维护者注意:bump 这个值的同时**必须**新增对应迁移文件 + 在下方"版本链"追加一行。++---++## 版本链++按时间顺序,每行表示一个 schema 升级。`/cheat-migrate` 用此表算出从用户当前版本到 LATEST_SCHEMA 需要按顺序跑哪些 step。++| from | to | breaking? | 迁移文件 | 描述 |+|---|---|---|---|---|+| (none) | 1.0 | — | (内置) | v1 首版 schema |+| 1.0 | 1.1 | NO | [1.0-to-1.1.md](1.0-to-1.1.md) | 删 `mode` / `prediction_complexity` / `bucket_scheme` 三个枚举字段;新增 `target_publish_cadence_days` / `baseline_plays` / `benchmark_*` / `shoots` 等 |++---++## 迁移文件命名约定++- 文件名:`<from>-to-<to>.md`(如 `1.1-to-1.2.md`)+- 每份必含 4 段:+ 1. **WHAT changed** — 字段层 diff(新增 / 删除 / 重命名)+ 2. **WHY** — 为什么这个改动+ 3. **HOW (Claude steps)** — Claude 跑 `/cheat-migrate` 时按顺序执行的自然语言步骤+ 4. **Manual fallback** — 如果用户不想跑 skill,手改 `.cheat-state.json` 的最小指令++---++## 哲学(详见 [shared-references/migration-protocol.md](../shared-references/migration-protocol.md))++- **MINOR bump**(如 1.1 → 1.2):仅新增字段或软化 enum 取值。老 state 用 `state.get(field, default)` 读到默认值,**可以不跑 migrate**——但跑了能让 state 文件变完整+- **MAJOR bump**(如 1.x → 2.0):删字段 / 重命名字段 / 改字段语义。老 state **必须**跑 migrate,否则 skill 会读到不一致的字段+- **不允许跳版**:1.0 用户升到 1.3 必须按顺序跑 1.0→1.1、1.1→1.2、1.2→1.3。每步幂等+- **失败停在原地**:迁移到第 N 步失败 → state.schema_version 仍是 N-1(不是目标版本)。修复后重跑能从断点继续++---++## 给开发者:新增一个迁移++bump schema 时(顺序):++1. 想清楚是 MINOR 还是 MAJOR(参考上面哲学段)+2. 改 `cheat-init/SKILL.md` 的 `schema_version` 硬编码为新值+3. 改本文件的 `LATEST_SCHEMA = "X.Y"` 标记位+4. 本文件"版本链"表追加一行+5. 新建 `migrations/<old>-to-<new>.md`,4 段都填+6. CHANGELOG.md 标 `BREAKING`(major)或 `MINOR`,加迁移文件链接+7. 跑一遍:在 fixture 老 state 上调 `/cheat-migrate`,验证升级到新版且 state 字段齐全++如果懒得写 4 段的标准 migration 文件,把 schema bump **推迟**到下一次有规模改动时一起做——不要先 bump schema 再补文档。diff --git a/shared-references/blind-prediction-protocol.md b/shared-references/blind-prediction-protocol.mdnew file mode 100644index 0000000..9f4dcc8--- /dev/null+++ b/shared-references/blind-prediction-protocol.md@@ -0,0 +1,137 @@+# Blind Prediction Protocol(盲预测协议)++被这些子 skill 引用:`cheat-predict`、`cheat-retro`、主 SKILL.md。++这是项目原则 #1 的完整规范。任何子 skill 在写预测前都必须执行本协议。++---++## 核心定义++**盲预测**:在预测者(人或模型)看到任何关于该作品发布后真实表现数据**之前**完成的预测。++预测一旦写入 `predictions/*.md` 的 `## 预测` 段,该段即为 **immutable**——只能在文件末尾追加 `## 复盘` 段,不能修改预测段任何字符。++---++## "见过数据"的边界(关键,常被违反)++下列任一条件成立 → 已不再 blind,**禁止写预测**:++| 信息 | 是否破坏 blind | 例外 |+|---|---|---|+| 该作品任何平台的播放数 / 阅读数 | ✗ 破坏 | 无 |+| 该作品的点赞 / 评论 / 转发数 | ✗ 破坏 | 无 |+| 该作品的具体评论内容 | ✗ 破坏 | 无 |+| 该作品的算法推荐位 / 热门榜位置 | ✗ 破坏 | 无 |+| 该作品发布后的截图 / 后台数据 | ✗ 破坏 | 无 |+| **同期发布的其他人**作品的表现 | ○ 不破坏 | — |+| **历史上类似主题**作品的表现 | ○ 不破坏(这正是锚点对比要做的) | — |+| 该作品**发布前**的稿子内容 | ○ 不破坏 | 这是预测的输入 |+| 用户口述的"我感觉这条还行" | △ 谨慎 | 用户的主观感觉不算"数据",但要在预测里标注用户偏见 |++**判断捷径**:只要这条信息**只能在作品发布后才能获得**,就算"数据"。++---++## 预测者必须主动声明的情况++子 skill 在启动 `cheat-predict` 前,必须自检并向用户**主动声明**:++1. **作品已发布超过 RETRO_WINDOW_DAYS 天**(默认 3 天)→ 必须拒绝写"预测",改记为 `**Reconstructed retrospective**`,明确标注非预测+2. **作品已发布但 < RETRO_WINDOW_DAYS 天,用户尚未透露任何数据**→ 允许 blind 预测,但在文件头部标记 `published_before_prediction: true` + `blind_status: confirmed_no_data_seen`+3. **用户在对话里已粘贴了任何后续数据**→ 同 #1 处理,记为 reconstructed++`BLIND_CHECK=strict`(默认):上述任何破坏条件命中,**拒绝执行**。+`BLIND_CHECK=lenient`:仅警告 + 强制标注,允许继续——只用于离线测试或学术演练,**不推荐用于真实校准**。++---++## Immutable 的工程边界++`## 预测` 段的不可修改是**用户体验承诺**,由 hook 层强制:++- `hooks/prediction-immutability.sh` 在 PreToolUse(Edit|Write) 上检查 `predictions/` 下文件+- 命中 `## 预测` 与下一个二级标题之间任何 diff → exit 1 阻塞+- `## 复盘` 段的追加 → 放行++**禁止的"绕开"模式**(子 skill 必须拒绝):+- "把预测段重写得更准一点" → 拒绝。如有正当理由重做,创建新文件 `<原文件名>_redo.md`,原文件保留+- "我的概率分布写错了 0.5%,让我改一下" → 拒绝。在复盘段追加 `修正:原概率分布 X% 应为 Y%,于 <date> 发现笔误`+- "我前面没考虑 SR=4,重打一下分" → 拒绝。同上路径++唯一允许编辑预测段的场景:**纯 markdown 排版错误**(标题层级错误、列表 bullet 格式错),且用户明确说明这是格式修复。这种情况 hook 仍会阻塞,需要用户显式 bypass(手动设置环境变量 `CHEAT_BYPASS_IMMUTABILITY=1` 单次)——bypass 应在 git history 留痕。++---++## 文件名约定(**三处一致**)++一个内容三处文件,**用同一组 `<date>_<id>_<short>` 命名**:++```+scripts/<date>_<id>_<short>.md ← pre-shoot 草稿(cheat-seed 写或用户写)+predictions/<date>_<id>_<short>.md ← immutable 预测(cheat-predict 写)+videos/<date>_<id>_<short>/ ← 拍后才建(cheat-shoot 创建)+ ├── script.md ← 用户提供的最终拍摄稿+ └── report.md ← T+3d 数据(cheat-retro 写)+```++- `<date>`:**草稿首次落盘日期**(即 `scripts/<id>.md` 的创建日),不是预测日 / 拍摄日 / 发布日。理由:保持 ID 稳定——草稿大改后 hash 变了仍想保持文件可追溯+- `<id>`:12 位 sha256 前缀,对**草稿首次落盘的内容**做 hash。用户 edit 草稿后**不变**——便于跨文件引用+- `<short>`:3-8 字中文或英文短名,便于人类辨识++Reconstructed 重做:在 `<short>` 后加 `_redo`,三处都加:+- `scripts/<date>_<id>_<short>_redo.md`+- `predictions/<date>_<id>_<short>_redo.md`+- `videos/<date>_<id>_<short>_redo/`++原文件保留(不删)。++---++## 子 skill 必须做的检查清单++`cheat-predict` 启动时:+1. 读 `BLIND_CHECK` 常量+2. 询问用户该作品当前发布状态(未发 / 已发 < RETRO_WINDOW_DAYS / 已发 ≥ RETRO_WINDOW_DAYS)+3. 询问对话历史里是否提到过该作品的任何后续数据(如有,自检对话里有没有 "播放/阅读/点赞/评论" 等关键词)+4. 若 #2 或 #3 命中破坏条件 → 按 `BLIND_CHECK` 模式处理+5. 通过后才允许写 `predictions/*.md`++`cheat-retro` 启动时:+1. 读目标 prediction 文件+2. **先在内存里 cache 住 `## 预测` 段**——后续任何对该文件的写都必须先校验该段未变+3. 抓数据 → 追加 `## 复盘` 段+4. 写完后**再次校验**:写入后该文件的 `## 预测` 段哈希应等于步骤 2 的 cache。不等 → 报错并回滚++主 SKILL.md:+- 用户说出"重写预测" / "改一下预测段" / "你之前预测错了我帮你改" 时,**直接拒绝并解释**,引导改用 `_redo.md` 路径++---++## 异常状态处理++| 场景 | 处理 |+|---|---|+| 预测文件不小心被人手编辑了预测段 | 不自动回滚(破坏更大)。下次 `cheat-retro` 检测到不一致 → 在复盘段追加 `**Integrity warning**: 预测段于 <ISO timestamp> 被外部修改,无法保证盲度`,校准价值降级为"参考",不计入 bump 校准池 |+| 预测文件遗失 / 被删 | git log 找回。找不到 → 在 `rubric_notes.md` 记录"<id> 预测文件遗失,校准池缺该样本" |+| 用户原本是 cold-start,半路想"补"已发作品的预测 | 一律记为 `**Reconstructed retrospective**`,不计入校准池——这是补的不是预测。可作为"观察"记录到 `rubric_notes.md` |++---++## 反模式(必须拒绝的请求)++- 「帮我预测一下,但我先告诉你播放量你来反推就行」 → 拒绝。直接破坏盲度+- 「这条已经发了 5 天数据出来了,但你假装没看到,给我做个预测看会不会准」 → 拒绝。请改用 `_redo.md` 走 reconstructed 路径+- 「上次预测算错了,帮我把概率分布改一下」 → 拒绝。在复盘段说明+- 「能不能跳过 blind check 我有特殊原因」 → 询问原因;只有"格式修复"是合法的 bypass 理由++---++## Why(为什么这套这么严)++盲预测是整个 cheat-on-content 校准循环的**唯一信号源**。一旦预测段被事后修改,所有"哪个维度被验证 / 推翻"的判断都失去基线——你不知道当初是真预测对了,还是事后改对了。++校准价值 = 预测精度 × 预测可信度。+- 预测精度可以靠 rubric 升级慢慢提升。+- 预测可信度一旦破坏不可恢复——**这是为什么 immutability 是 hook 层强制,不是君子协定**。diff --git a/shared-references/bump-validation-protocol.md b/shared-references/bump-validation-protocol.mdnew file mode 100644index 0000000..3cec401--- /dev/null+++ b/shared-references/bump-validation-protocol.md@@ -0,0 +1,155 @@+# Rubric Bump Validation Protocol(升级验证协议)++被这些子 skill 引用:`cheat-bump`、主 SKILL.md。++这是项目原则 #2 的完整规范——**升级 = 全量重打**。任何对 rubric 的结构性变更都必须走完本协议。++---++## "升级"的定义++下列任一变更触发完整 bump 流程:++- 公式系数变化(ER×1.5 → ×2.0)+- 维度增减(删 NA,加 MS)+- 维度定义颠覆性改写("QL=金句数量" → "QL=可挪用句式")+- 归一化常数变化(除数从 8.5 → 9.0)++下列变更**不**触发 bump,但要在 `rubric_notes.md` 标注:+- 维度定义边际细化(QL=5 的门槛从"≥3 句"细化为"≥3 句且分布在不同段")+- 单维度门槛变严的备注(不改公式,只改打分时的判断习惯)+- 锚点样本更新(用新样本作为 5 分标杆)++---++## 何时**可以**提议升级(**Claude 判断为主,下面是参考触发场景**)++任一成立即可提议——但**最终是 Claude 判断观察的成熟度 + 信号强度**,下面只是 default heuristic:++1. 某个跨样本观察出现**清晰、可追溯到具体数据点的支持模式**(默认参考 ≥3 样本,但 Claude 可以基于 1-2 个**特别强**的样本提议——如 6x 流量比 / 单一模因 ≥2000 赞这种异常信号)+2. 当前 rubric 在最近复盘中**系统性偏向同一方向**(默认参考 ≥3 次同向,但 Claude 可以基于 1-2 次**极端偏离**提议——如中枢 50w 实绩 5w 这种 10x 偏差)+3. 某候选维度展示了独立预测力(参考样本数:≥3 是稳,但 1-2 个强证据也算)+4. 校准池跨过某分水岭(5 / 10 / 20 / 50)触发常规复审++**Claude 提议 bump 时必须显式标注**:本次提议是 default-aligned(满足上面常规门槛)还是 judgment-driven(基于强信号但样本少)。让用户审视依据。++---++## 何时**禁止**提议升级++下面是**硬约束**——Claude 不能突破:++- 当前正处于 in-progress prediction(state file `in_progress_session != null`)—— 流程纪律+- 上次 bump 后没有任何新校准样本——必须至少 1 个新样本才能再次 bump(避免循环验证自己)++下面是**软建议**——Claude 通常应避免,但有强理由可以打破并显式标注:++- 校准池 < 5 样本时一般不 bump(除非出现强反例)+- 上次 bump 距今 < 3 篇新校准样本时一般不 bump(除非新样本含强反例)++**Claude 软违反时必须:**+1. 在提议中显式说明"我知道默认建议等到 N≥5 / 等到 ≥3 篇新样本,但本次原因是 [X 强信号]"+2. 仍走完整 5 步验证流程(包括跨模型审核)+3. 跨模型审核如果 REJECT → bump 被拒,**不允许"我觉得信号强"绕过**++---++## 完整升级流程(强制 5 步,不允许跳步)++### Step 1:写出新公式的完整方程++不能只说"ER 权重提高",必须把整个方程完整写出,所有系数和归一化常数。++示例(合规):+```+v2.0 composite = (ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0+v2.1 composite = (ER×2.0 + HP×1.5 + MS×1.5 + QL + SR + TS + SAT) / 9.0 × 2.0+```++示例(违规):+- "把 ER 权重提到 2.0" ← 没说其他权重是否变+- "加 MS 维度" ← 没说权重和归一化常数++### Step 2:在校准池上**本地**全量重打分++校准池定义:`predictions/*.md` 中所有有完整复盘段(含 `actual_*` 数据)的文件。++每篇用新公式重新算 composite。**不重新打各维度分数**——维度分数不变(v2 的 ER=5 在 v2.1 也是 ER=5),只重算综合分。++例外:如果新公式增加了维度(如新增 MS),那对每个老样本必须**回追打 MS 分**。这一步会让升级成本随样本数线性上升,是设计上的"升级阻尼"。++### Step 3:计算排序一致性++新 composite 排序 vs 各样本实绩 bucket 排序,必须满足:+- 在 ≥`THRESHOLD` 比例样本上一致(默认 4/5 = 80%)+- 不能把旧公式做对的任一对样本顺序搞反(pairwise no-regression)++排序一致性的算法:+1. 用新 composite 给所有校准样本排序+2. 用 actual_plays 给所有样本排序+3. 计算 Spearman rank correlation;同时检查每对 (i, j) 的相对顺序是否颠倒+4. 输出对照表:每个样本的 [新 rank, actual rank, delta]++### Step 4:跨模型独立审核(**强制**,除非 escape hatch)++`CROSS_MODEL_AUDIT=true`(默认)时:+1. 调用 `mcp__llm-chat__chat`,把以下打包发给外部 LLM:+ - 旧公式 + 新公式+ - 校准池所有样本的:维度分数、composite(新+旧)、actual_plays、actual_likes、actual_comments、actual_shares+ - Step 3 的排序对照表+2. 外部 LLM 独立判定两件事:+ - 排序一致性是否真的 ≥ THRESHOLD?+ - 新公式相比旧公式是否解释力更强?+3. 外部 LLM 必须输出 **PASS** / **REJECT** + ≥ 100 字理由+4. 本地判定与外部判定**两个都通过**才能进入 Step 5++`CROSS_MODEL_AUDIT=false`:跳过外部审核——**仅在离线/无网时使用**。state file 标记 `last_bump_self_audited: true`,`cheat-status` 持续提示用户配置外部审核。++### Step 5:升级后清算(Cleanup pass)++bump 落地必须一次性完成:++1. 在 `rubric_notes.md` 顶部更新 `**当前版本**` 和**版本速查表**新增一行+2. 在 `rubric_notes.md` 的"vN → vN+1 升级 Memo" 段写完整 memo(触发观察 + 证据数据 + 诊断 + 新公式 + 已知局限)+3. 删除驱动本次升级、且已被吸收为正式维度的所有"观察记录"段条目+4. 删除升级过程中被推翻的"观察记录"段条目+5. 仍未解决的"观察记录"段条目 → 移到新版本的"待验证假设"段(保留)+6. 更新所有校准样本的 prediction 文件**底部**追加一行:`**Re-scored under <new-version> on YYYY-MM-DD**: composite=X.XX → Y.YY`(不动预测段、不动复盘段,只追加这一行)++清算不是可选的。rubric_notes.md 是工作台,不是博物馆——见 `observation-lifecycle.md`。++---++## bump 被拒后的处理++任一步失败 → bump 拒绝,按下列规范处理:++| 失败位置 | 处理 |+|---|---|+| Step 3 本地排序不一致 | 候选公式回到"待验证"区。**不允许**默默放宽 THRESHOLD(如从 4/5 改到 3/5)—— 那是诚实的 self-deception。THRESHOLD 是协议刚性,与"何时可以提议 bump"的样本数门槛不同(后者可以软违反) |+| Step 4 外部审核 REJECT | 把外部 LLM 的理由完整记录到 `rubric_notes.md` 的"被拒升级 log"段 |+| Step 4 外部审核与本地判定冲突(一个 PASS 一个 REJECT) | 视为 REJECT。冲突意味着至少一方对数据的解读不稳定,不应升级 |+| Step 5 清算无法完成(如某观察既不能删也不能保留) | bump 回滚到 step 0。Note:这意味着新公式还有未捕获的"未解决观察",方案不成熟 |++---++## 升级阻尼(Why this protocol is intentionally hard)++校准池每多一个样本,bump 成本线性上升:+- 校准池 3-5 个 → 几乎零成本+- 校准池 20-30 个 → 可感成本+- 校准池 50+ → 痛苦++这是**故意的设计**。频繁 bump = rubric 在追噪声。一个稳定 rubric 的特征是:**bump 越来越罕见,bump 越来越大**——单次 bump 解释多个累积观察,而不是一观察一升级。++参考视频分析项目:v1 → v2 用了大约 4 周(从首次发布到第一次 bump),v2 → v2.1 候选已 4 周仍未升正(在等 6 样本联合验证)。这是健康节奏。++---++## 反模式(必须拒绝的请求)++- 「跳过校准池重打,直接换公式」 → 拒绝。Step 2 不可跳+- 「外部 LLM 审核太麻烦,跳过」 → 仅当 `CROSS_MODEL_AUDIT=false` 显式设置时允许+- 「这次只调一个权重,不算升级吧」 → 任何系数变化都算。Step 1 必须写完整方程+- 「反正是我自己用,不用走全套流程」 → 拒绝。这套流程的价值在你**未来回看**时——你将来想问"为什么 v2.3 没采纳",必须有完整 memo+- 「能不能把 THRESHOLD 从 4/5 改到 3/5 让这次过了」 → 拒绝。改 THRESHOLD 本身是元层级 bump,需要单独走流程diff --git a/shared-references/cadence-protocol.md b/shared-references/cadence-protocol.mdnew file mode 100644index 0000000..9ca4428--- /dev/null+++ b/shared-references/cadence-protocol.md@@ -0,0 +1,194 @@+# Cadence Protocol(节奏协议)++被这些子 skill 引用:`cheat-status`、`cheat-recommend`、`cheat-shoot`、`cheat-publish`、SessionStart hook。++固化"哪天该做什么"——避免用户驱动每一步。让 Claude 在会话开场就能回答"我现在该拍 / 该发 / 该复盘"。++---++## 三层节奏++### 日级(每天 / 每次会话开场)++1. SessionStart hook 自动渲染 4-6 行报告:+ - 📦 Buffer 状态(颜色 + 数量)+ - ⏰ 待复盘到期项+ - 🎯 候选池 top 3(粗排)+ - 📅 上次抓热点时间+ - ⚠️ 关键 to-do+2. 不主动开始任何动作——等用户决定++### 事件级(T+`RETRO_WINDOW_DAYS` 天到期)++- 任何已发未复盘 + 时间到 → SessionStart 顶部高亮+- 用户给数据(粘 / URL)→ `/cheat-retro` 自动跑++### 周级(用户决定的"集中处理日")++- 抓热点(`/cheat-trends`)刷新候选池+- 检查 rubric bump 触发条件+- 清理 STATUS.md / rubric_notes.md 是否需要清算++---++## Buffer 警戒规则++**Buffer = `state.shoots` 数组长度** = 已拍但未发布的视频数。++`/cheat-shoot` 把视频加进 `state.shoots`,`/cheat-publish` 移除——两个事件分开使 buffer 跟踪准确。++### 颜色阈值(按 `target_publish_cadence_days` 派生)++`buffer_days = buffer_count × target_publish_cadence_days`++| buffer_days | 颜色 | 含义 | 行动 |+|---|---|---|---|+| < 1 | 🔴 **红** | 警戒——下个发布日可能断更 | **今天必须拍**,且只拍稳分(top 1,不冒险) |+| 1-2 | 🟠 橙 | 偏低 | 应该拍 1-2 条 |+| 3-5 | 🟢 绿 | 正常 | 节奏稳定,可以拍可以休 |+| > 5 | 🔵 蓝 | 积压 | **暂停拍摄**,全力发布存货 + 复盘 |++**示例**:+- 用户 cadence = 1(日更),buffer count = 0 → buffer_days = 0 → 🔴+- 用户 cadence = 7(周更),buffer count = 1 → buffer_days = 7 → 🔵(一篇够发七天)+- 用户 cadence = 1,buffer count = 4 → buffer_days = 4 → 🟢++### 灵活节奏(target_publish_cadence_days = null)++用户在 cheat-init 选"灵活/不固定" → buffer 监控**关闭**。SessionStart 报告只显示"已拍未发:N 条",不显示颜色,不警戒。++---++## 选题策略(`/cheat-recommend` 推 ≥ 2 个时)++每次推荐 2 条时遵循 **1 稳分 + 1 实验性** 原则:++### 第 1 条(稳分)++- 排序 top 1-3+- 类目与最近 N 条已发**不重复**(N = max(3, target_publish_cadence_days × 3),避免审美疲劳)+- composite 高 + 议题安全(非 risky)++### 第 2 条(实验性)++- 候选池里能验证某个**待验证假设**的样本(如新维度的 A/B 对照)+- 或验证某个**新 pattern**([script_patterns.md](script_patterns.md) 的 Pattern N)+- composite 不一定 top,但有"信息价值"——复盘后能让 rubric / pattern 库前进++### Buffer 颜色对推荐的覆盖++| Buffer 颜色 | 推荐策略覆盖 |+|---|---|+| 🔴 红 | **只推稳分 top 1**——不推实验性。"今天能拍出来就行" |+| 🟠 橙 | 1 稳 + 1 实验,但建议优先拍稳分 |+| 🟢 绿 | 标准 1+1 |+| 🔵 蓝 | **暂停推荐**——回 "你 buffer 积压了,先发存货 + 复盘" |++**关键约束**(任何颜色都遵守):+- 同一 category 连发 ≤ 2 条+- 已发过的 candidate(标 done)不推+- 用户主动跳过的 candidate(标 skip)6 个月内不推++---++## 节奏元规则++按优先级(高→低):++1. **Buffer 优先于评分**:红色警戒时不要因为"等更好的选题"而断更——拍 composite 7.5 的稳分比"等明天的 9.0"安全+2. **复盘优先于新拍**:T+RETRO_WINDOW_DAYS 到期当天**先复盘再考虑拍新的**——否则数据信号丢失,rubric 校准受损+3. **同步优先于积压**:buffer 满(蓝色)时不要再拍,先发掉再说——已拍议题的时效性会衰减+4. **实验性最多 1/天**:每天拍 2 条时至少 1 条是稳分。**不要全实验**——冷启动期实验失败率太高,伤校准节奏++---++## 标准化"今日工作流"模板++### 情况 1:buffer 充足 + 没到 T+3d 复盘++```+SessionStart 报告 → user 决定拍/不拍+├─ 拍 → "推荐选题" → cheat-recommend 推 2 个 →+│ user 选 → /cheat-seed 写 draft (cold-start) 或 user 自己写 →+│ user 改写 → script.md → user 拍 → "拍了 videos/<...>/" → cheat-shoot+└─ 不拍 → 等+```++### 情况 2:buffer 充足 + 到 T+3d 复盘++```+SessionStart 报告含 ⏰ 复盘提醒 → user 给 video URL 或粘数据 →+cheat-retro 自动跑 → 写复盘段 → 检查 bump 触发条件+├─ 触发 → 提议 /cheat-bump(不强制,用户决定)+└─ 未触发 → 等下个验证样本+```++### 情况 3:buffer 红色警戒++```+🔴 SessionStart 第一行警戒 → user 决定+├─ 拍 → cheat-recommend 只推 v 当前 top 1 稳分 → 立即拍+└─ 接受断更风险 → user 自负,cheat-status 持续提示+```++### 情况 4:buffer 蓝色积压++```+🔵 SessionStart 报告"积压" → user 决定+├─ 发 → "已发布 https://..." → cheat-publish → buffer -1+├─ 复盘 → 见情况 2+└─ 拍新 → cheat-recommend 拒绝:"你 buffer 已 N 条,先发掉 ≤3 条再来"+```++### 情况 5:周期性集中处理日(用户主动触发)++```+user 说"抓热点" → cheat-trends → 候选池更新++ user 说"看看 rubric 是不是该升了" → cheat-status 检查同向偏差累计++ user 说"看看 rubric_notes 行数" → cheat-status 健康度检查+```++---++## 兜底:流程偏离时++如果某天违反节奏(buffer=0 但用户强行不拍 / 积压 ≥10 但用户继续拍),SessionStart 报告**显式标注**:++```+❌ 你已 N 天没发新内容(最后一次发布:YYYY-MM-DD),+ buffer = 0,你的频道目前处于"事实断更"状态+```++或:++```+❌ 你 buffer 已 N 条但还在新拍,+ 过去 N 条里有 N 条已超过 X 天未发——存在时效性流失风险+```++**不会自动尝试补救**——只显式报告,由 user 决定如何回到节奏。++---++## 子 skill 责任表++| Skill | 节奏责任 |+|---|---|+| `/cheat-init` | 问 cadence;写 `target_publish_cadence_days`;装 SessionStart hook |+| `/cheat-shoot` | 把 video folder 加 state.shoots,buffer +1 |+| `/cheat-publish` | 从 state.shoots 移除对应项,buffer -1 |+| `/cheat-status` | 计算 buffer + 颜色,输出报告 |+| `/cheat-recommend` | 按 buffer 颜色 + 选题策略给推荐 |+| `/cheat-retro` | 复盘后更新 STATUS(自动 trigger /cheat-status) |+| SessionStart hook | 调 /cheat-status 渲染 4-6 行报告,写到 STATUS.md |++---++## 关键差异:cheat-on-content vs 视频分析++| 维度 | 视频分析 | cheat-on-content |+|---|---|---|+| Cadence 来源 | 默认日更(CADENCE.md 硬编码) | 用户自填(cheat-init 问,4 档:日/隔日/周/灵活) |+| Buffer 阈值 | 0/1/2/3-5/6+(按"篇")| 0/1-2/3-5/>5(按"buffer_days"——按用户 cadence 派生) |+| 推荐 2 条策略 | 1 稳 + 1 实验 | 同 |+| SessionStart 报告 | CLAUDE.md 文字约束 + Claude 自觉 | hook 强制 + Claude 读 hook 输出 |diff --git a/shared-references/candidate-schema.md b/shared-references/candidate-schema.mdnew file mode 100644index 0000000..be0a25a--- /dev/null+++ b/shared-references/candidate-schema.md@@ -0,0 +1,169 @@+# Candidate Schema(候选项统一 schema)++被这些子 skill 引用:`cheat-trends`、`cheat-recommend`、`cheat-init`、所有 `adapters/`。++任何"待决定要不要做"的内容素材——不管来自手粘列表 / RSS / Notion / 平台热点抓取——都必须 normalize 成本 schema 之后才进入候选池。这是 `adapters/` 的输出契约。++字段设计参考博主项目的 `articles` 表 schema(私有项目,工具的方法论由此抽象而来)。++---++## 必填字段++| 字段 | 类型 | 说明 |+|---|---|---|+| `id` | string (12 chars) | 稳定 hash:`sha256(source + normalized_title + url_path)[:12]`。同一条素材在不同时间被抓到 → 同 id |+| `title` | string | 候选项的人类可读标题 |+| `source` | string | 来源标识,格式 `<adapter-type>:<source-name>`,例:`trend:hackernews`、`pool:notion-mybook`、`paste:manual` |+| `snapshot_text` | string | 候选项的全文或摘要——**这是打分的输入**,不是 url。adapter 必须负责把 url 拓展成可读文本 |+| `snapshot_at` | ISO 8601 | 抓取/录入这条 item 的时间 |++---++## 可选字段++| 字段 | 类型 | 说明 |+|---|---|---|+| `url` | string | 原始链接(便于追溯) |+| `tier` | enum | `tier1` / `tier2` / `tier3` / `skip` / `risky` / `done`。粗分类,用于过滤 |+| `read_status` | enum | `unread` / `skimmed` / `deep_read` / `done`。处理状态 |+| `category` | string | 自定义分类标签(如"社会"、"家庭"、"学术") |+| `composite_score` | float | 用当前 rubric 打分得到的综合分(如已打) |+| `dimension_scores` | object | 各维度的整数分,键名对齐当前 rubric 的维度(如 `{"ER": 5, "HP": 4, ...}`) |+| `scored_under_rubric_version` | string | 打分时用的 rubric 版本号 |+| `predicted_bucket` | string | 粗预测桶(如 `30-100w`),**注意:不是正式预测**——选题阶段的粗略估计,与 `predictions/*.md` 的 immutable 预测完全独立 |+| `predicted_reason` | string | 一句话理由 |+| `note` | string | 自由文本备注,例如"等节点再发"、"待重读"、"风险议题" |+| `rejected_at` / `rejected_reason` | ISO 8601 / string | 用户主动跳过此候选时记录 |++---++## JSON 范例++### Markdown 列表 adapter 输出++```json+{+ "id": "a3f2c1d4e5b6",+ "title": "为什么我们都讨厌主动联系朋友",+ "source": "pool:markdown-list",+ "snapshot_text": "[用户从 candidates.md 复制的全文]",+ "snapshot_at": "2026-05-04T08:30:00+08:00",+ "url": null,+ "tier": "tier1",+ "read_status": "skimmed",+ "category": "社交",+ "composite_score": 7.4,+ "dimension_scores": {"ER": 4, "HP": 4, "QL": 5, "NA": 3, "AB": 5, "SR": 3, "SAT": 3},+ "scored_under_rubric_version": "v0",+ "predicted_bucket": "5-30w",+ "predicted_reason": "ER=4+QL=5 强金句感,AB=5 普适,但 SR=3 议题不够强",+ "note": ""+}+```++### Trend adapter 输出(HN)++```json+{+ "id": "8c4d92e1f0b3",+ "title": "Show HN: I built a tool that predicts whether your video will go viral",+ "source": "trend:hackernews",+ "snapshot_text": "[文章全文 + 评论 top 5 的摘要]",+ "snapshot_at": "2026-05-04T09:15:00+08:00",+ "url": "https://news.ycombinator.com/item?id=12345678",+ "tier": null,+ "read_status": "unread",+ "category": "tech-meta",+ "composite_score": null,+ "dimension_scores": null,+ "scored_under_rubric_version": null+}+```++打分前 score 字段全部为 null——是预期的。`cheat-trends` 抓回来后会调 `cheat-score` 给每条算 composite。++---++## Markdown 表示(用户可见的存储格式)++候选池的默认存储是 `candidates.md`(人类可读),不是 JSON。每条 item 是一个 H3 entry:++```markdown+### [tier1] 为什么我们都讨厌主动联系朋友+- **id**: a3f2c1d4e5b6+- **source**: pool:markdown-list+- **snapshot_at**: 2026-05-04+- **category**: 社交+- **composite (v0)**: 7.4 — ER=4 HP=4 QL=5 NA=3 AB=5 SR=3 SAT=3+- **predicted bucket**: 5-30w+- **note**:++> [snapshot_text 段,如有]+```++升级到 SQLite 之后(见 `cheat-status` 的升级触发),同样字段走 `articles` 表存储,markdown 视图自动从 DB 渲染。++---++## ID 稳定性的关键规则++**同一条素材在不同时间被不同 adapter 抓到 → 必须算出同 id**。这是去重的基础。++算法:+```python+import hashlib++def candidate_id(source: str, title: str, url: str = None) -> str:+ normalized_title = title.strip().lower().replace(" ", "")+ url_path = url.split("?")[0].rstrip("/") if url else ""+ raw = f"{source.split(':')[0]}|{normalized_title}|{url_path}"+ return hashlib.sha256(raw.encode("utf-8")).hexdigest()[:12]+```++注意:+- `source` 取冒号前的 adapter type(`trend:hackernews` → `trend`),不是具体 source name——同一标题被 HN 和 Reddit 都抓到,应判定为同一候选(避免重复打分)+- title 做了 lowercase + 去空格——避免 "Hello World" 和 "hello world" 被算成不同 id+- url 砍掉 query string—— `?utm_source=xxx` 不影响内容++---++## 去重协议++`cheat-trends` / `cheat-recommend` 在写入 `candidates.md` 前必须执行:++1. 计算新 item 的 id+2. 检查 `candidates.md` 是否已含此 id → 跳过+3. 检查 `predictions/*.md` 是否含此 id(已发过)→ 跳过+4. 检查 `.cheat-cache/trends-history.jsonl` 是否含此 id 且 `rejected_at != null` → 跳过(用户已主动拒绝过)+5. 通过则写入++`.cheat-cache/trends-history.jsonl` 是抓取历史的去重缓存,每行一个 JSON record,append-only。被用户拒绝的候选会在这里保留 6 个月;之后允许重新出现(也许素材在新 rubric 下评估不同)。++---++## tier 的语义++| Tier | 含义 | 对应行动 |+|---|---|---|+| `tier1` | 强候选,应推荐 | 进入 `cheat-recommend` 排序池 |+| `tier2` | 中等,备选 | 进入排序池但权重低 |+| `tier3` | 弱候选,备而不用 | 不进推荐池,留作长尾 |+| `skip` | 用户主动跳过 | 不再出现 |+| `risky` | 议题敏感 / 平台风控风险 | 推荐时额外标注,需用户确认 |+| `done` | 已发布 | 移出候选池,由 prediction file 接管 |++**Cold-start 期间所有 item 默认是 `unread`/`null tier`**——直到用户或 `cheat-score` 给出 composite 后才能粗分类。**未打分的 item 不应出现在 `cheat-recommend` 输出**——避免推荐没读过的素材。++---++## adapter 实现契约++任何 `adapters/` 下的 adapter 都必须:++1. 实现 `fetch() → List[Candidate]` 接口(伪签名,实际是 markdown 文档描述的协议)+2. 输出符合本 schema 的 items+3. 自己负责把 url / 短摘要拓展成可读 `snapshot_text`——**adapter 不输出"光秃秃的 url"**+4. 优雅降级:如配置缺失(API key、cookie),返回空列表 + 在 stderr/log 写明原因,**不抛异常**++详见 `adapters/HOWTO.md`(待批次 3 写)。diff --git a/shared-references/migration-protocol.md b/shared-references/migration-protocol.mdnew file mode 100644index 0000000..64e98a8--- /dev/null+++ b/shared-references/migration-protocol.md@@ -0,0 +1,149 @@+# Migration Protocol(schema 演进哲学)++被 `cheat-migrate` skill / `cheat-init` / SessionStart hook / 维护者引用。规定如何安全演进 `.cheat-state.json` schema 而不让老用户被打断。++---++## 核心原则++1. **每个 release 必须能让老用户的旧 state 工作**——通过 migrate 升级,或通过 `state.get(field, default)` 兼容+2. **MINOR 改动 = 加字段 / 软化 enum**;老 state 不跑 migrate 也能工作(字段缺失用默认值),跑了让 state 完整+3. **MAJOR 改动 = 删字段 / 重命名 / 改语义**;老 state **必须**跑 migrate,否则 skill 读到不一致字段会出错+4. **不允许跳版**;多版升级必须按顺序应用每个 step。每步幂等+5. **失败停在原地**;不回滚,让用户在断点修复后继续+6. **schema_version 是单调递增**;不允许降级(如需降级,cp 历史 git 快照)++---++## 何时算 MINOR vs MAJOR++### MINOR 范围(不需要 migrate 也能跑老 state)++- 新增字段(默认值定义良好,老 skill 不读它也不出错)+- 软化 enum 取值(如 `"strict" / "lenient"` 加第三个 `"adaptive"`,老值仍合法)+- 给字段加新可选取值(如某个 list 字段加新元素)+- 改默认值(不改语义)++### MAJOR 范围(必须跑 migrate)++- **删除字段**——老 skill 仍写它,新 skill 不读它,会出歧义+- **重命名字段**——老/新 skill 看不到对方写的+- **改字段语义**(如 `mode` 从 enum 改为整数;`baseline_plays` 从 int 改为 list)+- **改 enum 取值**(如 `"opinion-video"` 改成 `"opinion_video"`,老值不再合法)+- **拆字段 / 合字段**++> 模糊地带建议**保守判定为 MAJOR**——多写一份 migration 文件比让用户的 state 出错更好。++---++## 维护者 checklist:bump schema 时必做的 4 件事++每次准备 release 时如果改了 state schema:++### 1. 改 cheat-init 写新 state 的硬编码 schema_version++```diff+- "schema_version": "1.1",++ "schema_version": "1.2",+```++位置:`skills/cheat-init/SKILL.md` Phase 3 的 state 写入段。++### 2. 改 migrations/registry.md 的 LATEST_SCHEMA 标记位++```diff+- LATEST_SCHEMA = "1.1"++ LATEST_SCHEMA = "1.2"+```++并在"版本链"表追加新行:++```+| 1.1 | 1.2 | NO/YES | [1.1-to-1.2.md](1.1-to-1.2.md) | 一句话描述 |+```++### 3. 写 migrations/<old>-to-<new>.md++4 段必填(参考 `1.0-to-1.1.md` 模板):+- WHAT changed+- WHY+- HOW (Claude steps for /cheat-migrate)+- Manual fallback++> 写不出 4 段 = 改动太复杂没想清楚 = 不该 release 这次 schema bump。++### 4. CHANGELOG.md 标版本号 + 链接++```markdown+## [0.2.0] — YYYY-MM-DD++### BREAKING / MINOR++- schema_version 1.1 → 1.2: <一句话描述>。迁移指南:[migrations/1.1-to-1.2.md](migrations/1.1-to-1.2.md)+- ...+```++MINOR 用 `### MINOR`,MAJOR 用 `### BREAKING`,要醒目。++---++## skill 内部怎么读 state(防御式编程)++每个 skill 读 state 时**必须**用 `state.get(field, default)` 模式:++```python+# 好+target_cadence = state.get("target_publish_cadence_days", None)+benchmark_status = state.get("benchmark_status", "none")+shoots = state.get("shoots", [])++# 坏(老 state 没这字段会 KeyError)+target_cadence = state["target_publish_cadence_days"]+```++理由:+- MINOR 升级时老 state 缺新字段——`get` 模式让 skill 自动用默认值+- 用户手改 state 删了字段——同上+- 减少 skill 内"必须先迁移才能跑"的强依赖++**例外**:核心标识字段允许直接索引(如 `state["schema_version"]`、`state["rubric_version"]`)——这些缺失意味着 state 文件根本不合法,应该明确报错。++---++## SessionStart hook 的角色++hook 在每次会话开始时检测:++```bash+state_schema=$(jq -r '.schema_version // "unknown"' "$STATE_FILE")+if [[ "$state_schema" != "$LATEST_SCHEMA" ]]; then+ echo "⚠️ schema 版本不一致:state=$state_schema, skill 期望=$LATEST_SCHEMA"+ echo " 建议跑 /cheat-migrate 升级(不阻塞继续工作)"+fi+```++**非阻塞**:用户可以选择"先继续工作,回头再跑 migrate"。MINOR 不一致时大部分功能仍能跑;MAJOR 时部分 skill 可能报错——这时再跑 migrate 也来得及。++---++## 给开发者:避免 schema 频繁 bump 的实践++不是每个改动都需要 schema bump。下面是哲学:++- **优先 MINOR**:能加字段就加字段,少删字段。删字段让老用户不爽+- **批量 bump**:积攒 3-5 个 MINOR 一起 release 比每次小改都 bump 要友好+- **延迟 bump**:MINOR 字段如果 90% 用户用不到,**不**急着 bump schema——可以让该字段 `state.get(field, default)` 默默 work,等下次 release 顺路 bump+- **避免 MAJOR**:能用 MINOR 解决的绝不上 MAJOR。例:与其重命名字段,不如保留旧字段 + 加新字段(旧的标 deprecated,下个 MAJOR release 才删)++---++## 备份保留策略++`/cheat-migrate` 写之前会备份到 `.cheat-state.json.backup-<timestamp>`。++备份保留多久:+- 用户跑 `/cheat-status` 时,如果有备份 + state 已稳定运行 N 天 → 提示"可以清理 N 个旧备份"+- `/cheat-init` 重 init 时清理所有旧备份(既然要重 init,老备份意义不大)+- 用户手动 `rm .cheat-state.json.backup-*` 永远 OK++不入版本控制:`.cheat-state.json.backup-*` 应在 `.gitignore` 里(已含 `.cheat-state.json` 通配规则)。diff --git a/shared-references/observation-lifecycle.md b/shared-references/observation-lifecycle.mdnew file mode 100644index 0000000..0bb9d57--- /dev/null+++ b/shared-references/observation-lifecycle.md@@ -0,0 +1,182 @@+# Observation Lifecycle(观察生命周期协议)++被这些子 skill 引用:`cheat-retro`、`cheat-bump`、主 SKILL.md。++这是项目原则 #3 的完整规范——**rubric 是工作台,不是博物馆**。任何对 `rubric_notes.md` 中观察条目的增删都必须遵循本协议。++---++## 三个生命阶段++每条观察都在下列状态之一:++```+[新增] → [观察记录] → [跨视频观察] → [规律沉淀] / [被吸收为维度] / [被推翻]+ ↘+ [待验证假设](暂存)+```++| 阶段 | 在 rubric_notes.md 的位置 | 触发 |+|---|---|---|+| **观察记录** | `## 观察记录` 段 | 单次复盘后写入。每篇视频复盘对应一条 |+| **跨视频观察** | `## 重大跨视频观察` 段 | 同一个 pattern 在 ≥2 个样本里出现 |+| **规律沉淀** | `## 规律沉淀区(高置信度)` 段 | 已有 ≥2 样本支持且**通过升级验证流程**(即被吸收进维度或被显式确认) |+| **待验证假设** | `## 待验证假设` 段 | 单样本观察暂存,等更多样本 |++---++## 升级到下一阶段的门槛(**Claude 判断为主,下面是参考默认**)++| 从 → 到 | 默认参考门槛 | Claude 判断信号强度(可软违反) |+|---|---|---|+| 观察记录 → 跨视频观察 | 同 pattern ≥2 样本 | 1 样本 + 评论区 ≥2000 赞的强模因证据也可升 |+| 跨视频观察 → 待验证假设 | 单样本 + 强信号但还没复现 | — |+| 跨视频观察 → 规律沉淀 | ≥2 样本 + 不需要改公式 | 1 样本 + 强反例(≥3x 偏差)也可升(标 `**Single-sample, high-confidence**`) |+| 跨视频观察 → 维度(不再单独存在) | ≥3 样本 + 通过 bump 流程被吸收 | 同 cheat-bump 的 READINESS_HEURISTIC |+| 任意 → 删除 | 被新数据推翻 / 被吸收为维度 / 被沉淀为规律 | `cheat-bump` cleanup pass,或单独操作 |++**核心原则**:样本数是**信号强度的代理指标**,不是信号本身。3 个清晰、可追溯到具体数据点的样本 > 10 个零碎、低置信度的样本。++**Claude 软违反的纪律**:+- 标注 `**Promoted with N samples (default expects M)**: <为什么仍然成立>`,让用户审视+- 不连环软违反——如果 Claude 在最近 3 次升格里有 2 次以上软违反,cheat-status 提示"你的观察升格判断可能太激进,建议回到默认门槛 review"++### Sample size → 允许的动作(细化分级)++按校准池**总样本数**决定能做什么改动——粗暴改大动作需要更多证据:++| 校准池规模 | 允许的动作 | 备注 |+|---|---|---|+| **1 个** | 记录"单次观察" | 单点不能触发任何规则改动,只能作为种子 |+| **2-4 个** | 提炼"候选规律" + 升级到"跨视频观察"段 | 仍不能改公式 |+| **5-9 个** | 修正维度定义(**定性变更**——如把 SR=5 的门槛说更严)| 不动权重数值,只改判断习惯。**第一次正式 bump 也在这一档**(rubric 形态首次成型) |+| **10-19 个** | 微调权重 ±0.2(**定量变更**)| 如 ER ×1.5 → ×1.7;新增 / 删除维度仍属"定性大动作",需要更多样本 |+| **20+ 个** | 用回归反推权重(**数据驱动**)| Spearman correlation 之类,可作为 bump 依据 |++**关键纪律**:+- 不要在 N=5 时就用回归——5 个点拟合 7 维公式必过拟合+- 不要在 N=20 时还用直觉调权重——已经有数据信号了+- bump 协议(`bump-validation-protocol.md`)的 `MIN_SAMPLES_FOR_BUMP=5` 是**形态首次成型**的最低门槛,不是"开始数据驱动"的门槛——后者要 N≥20++---++## 删除规则(最容易做错的部分)++**两类条目必须删,不能保留**:++### 类型 A:被吸收为维度的观察++例:v2.1 升级时,"观察 E(致谢段二创量级是 ER=5 的最强外部证据)"被吸收为新维度 **MS(Memetic Shareability)**。++→ 升级落地后,**删除**"观察 E"这条观察记录。维度 MS 本身就是新归宿。++**理由**:保留观察 = 同一概念在文件里出现两次(一次作为维度,一次作为观察)。读者会困惑:这是历史还是仍生效的规则?++### 类型 B:被新数据推翻的观察++例:观察 X 提议"长视频天花板低",后来 4 个长视频样本都破 50w → 推翻。++→ **删除**这条观察。++**理由**:保留 = 让未来的你或其他读者基于错误规则打分。++---++## 必须保留的条目++下列条目**不删**,留在原处或迁移到合适段:++- **未解决的观察**(既未被吸收也未被推翻)→ 跨升级时迁移到新版本的"待验证假设"段+- **历史校准事件**(如"v1 → v2 升级是因为房价 259w 严重低估")→ 保留在版本日志的"升级 Memo"段,**不**保留在观察段+- **本版本仍生效的规律**(已沉淀到"规律沉淀区")→ 保留++---++## 不允许的反模式(**必须拒绝**)++下列模式都是"博物馆冲动"——把 rubric_notes.md 当历史档案:++| 反模式 | 为什么不行 |+|---|---|+| `~~ER 权重 1.5~~` `**改为 2.0**`(带删除线的旧值) | 用 git history 看旧值,不要在文件里堆 |+| "我曾经以为 SR 重要,但其实..." | 这种考古条目让读者读完不知道当下规则是什么 |+| "v1 时代 NA 是关键,v2 后发现不是" | 同上。删掉 NA 相关条目,留版本 memo 解释为什么 NA 被砍 |+| "保留这条观察作为反例" | 反例的位置是版本 memo 的"被推翻假设"小节,不是观察段 |+| "下个 bump 再删,先放着" | 拒绝。bump 落地的同一次操作里删干净 |++git history 才是真正的归档。`rubric_notes.md` 是当前生效规则的快照——读者打开它应该看到**今天该怎么打分**,而不是过去几个月的演化史。++---++## cleanup pass 的强制时机++`cleanup pass` = 把所有满足"可删除"条件的观察一次性清掉。++强制触发:+- **bump 落地的最后一步**(见 `bump-validation-protocol.md` Step 5)+- 用户显式触发"清算"操作(罕见)++非强制但建议:+- 校准池每加 5 个样本,主动审视"观察记录"段,看哪些已经可以升格 / 删除+- `cheat-status` 看板检测到 `rubric_notes.md` 行数超过 500 时,建议清算++---++## 行数预算++健康 `rubric_notes.md` 的体积参考(目标):++| 校准池规模 | 健康行数 | 警戒行数 |+|---|---|---|+| 0-5 篇 | 100-200 | >300 |+| 5-20 篇 | 200-400 | >500 |+| 20-50 篇 | 300-500 | >700 |+| 50+ 篇 | 400-600 | >800 |++行数超警戒 → 必跑一次 cleanup pass。这不是为了好看,是为了**读者打分前能在 60 秒内读完核心规则**。++---++## 与"观察记录"模板的对齐++每条观察记录的标准模板(`rubric_notes.template.md` 也用这个):++```markdown+### YYYY-MM-DD [标题简称] (id) — [一句话定性,如"验证 ER 主导"]+- 预测:composite=X.XX,bucket=Y+- 实绩:播放 / 点赞 / 评论 / 转发(带 T+Nd 标注)+- Top 评论关键词:[简短摘录 + 赞数]+- 判断:哪个维度被验证 / 推翻?为什么?+- Rubric 调整:[如果有,写明 "下次打 XX 类文章时改 YY"]+- 详见:[predictions/<file>.md]+```++跨视频观察的模板:++```markdown+### 观察 X — [一句话规律]+**证据**:+- 样本 1(composite, 实绩):核心数据+- 样本 2(composite, 实绩):核心数据+- 样本 3(composite, 实绩):核心数据++**假设**:[如果规律成立,意味着什么 rubric 调整]++样本数:N 个,[已超 / 待补]。+```++---++## 与 bump 协议的衔接++`cheat-bump` 在 Step 5(cleanup pass)必须按以下顺序处理观察段:++1. 列出所有 `## 观察记录` 段条目+2. 对每条问 3 个问题:+ - 它是否被本次 bump 吸收为正式维度?→ 删+ - 它是否被本次 bump 的新数据推翻?→ 删+ - 它是否仍未解决?→ 迁移到"待验证假设"段+3. 列出所有 `## 重大跨视频观察` 段条目+4. 对每条问相同 3 个问题+5. 把"已被验证但不需改公式"的规律 → 迁移到"规律沉淀区"+6. 最后**重新阅读** `rubric_notes.md` 全文,确保读者打开能在 60 秒内理解当下打分规则diff --git a/shared-references/prediction-anatomy.md b/shared-references/prediction-anatomy.mdnew file mode 100644index 0000000..d22b6df--- /dev/null+++ b/shared-references/prediction-anatomy.md@@ -0,0 +1,286 @@+# Prediction Anatomy(预测日志解剖)++被这些子 skill 引用:`cheat-predict`、`cheat-retro`、`templates/prediction.template.md`。++**所有预测都用统一格式**——7 个必备组件 + 复盘段。Confidence 等级(基于 `calibration_samples` 派生,见 [state-management.md](state-management.md) 的 confidence 表)作为 header 字段标注,告诉用户这次预测有多可信,**但不改变预测格式本身**。++> **为什么不分 cold-start 简化版 / complete 完整版(旧设计的弃疑)**:+> 把 cold-start 切成简化版是基于"前 5 篇 bucket 数字是 false precision"的担忧。但更好的解决方案是**显示 confidence 等级**——天气预报永远报具体温度,再标置信度,不会因为预报员经验少就不给数字。+> 双版本切换还引入了"第 5 篇突然解锁完整版"的复杂度跃迁——用户体验割裂。统一格式 + 渐进信心标注更平滑。++参考真实样本:参考博主项目(私有,含 25+ 视频校准)—— 工具的设计灵感与 rubric 权重均来自此实测。++---++## 7 个必备组件++### 组件 1:File header(文件头)++```markdown+# <标题> — 预测日志++**Article ID**: <12 位 hash> (sha256 of scripts/<id>.md initial content, 取前 12)+**Title**: <作品完整标题>+**Rubric Version**: **v0** | **v1** | **v2** | ...+**预测时间**: 2026-05-04(基于最终稿)+**Script Path**: scripts/2026-05-04_<id>_<short>.md+**Script Hash**: <sha256:12 of script content at predict time>+**Target Duration (s)**: 240 (state.typical_duration_seconds 派生)+**Actual Script Length**: 980 字 (从 Script Path 文件读)+**Calibration Samples (at predict time)**: 3+**Confidence**: 🟡 偏低 (中枢 ±40%,可作为参考之一)+**Scored By**: claude ← 或 `claude+user_override`+**User Override**: none ← 或列出被覆盖字段+**预测时数据状态**: **blind**(未看任何 <平台> 实际播放数据)+```++字段必填规则:+- `Rubric Version` 必填——将来 v3 时代回看 v2 预测,没有版本号就无法公平对比+- `预测时数据状态` 必填——明确声明 blind 是 immutable 承诺的前提+- `Script Path` 必填——指向 `scripts/<id>.md`(pre-shoot 草稿)+- `Script Hash` 必填——cheat-shoot 时再 hash `videos/<id>/script.md`,不一致 → 复盘段加 integrity warning+- `Calibration Samples` + `Confidence` 必填——告诉读者这次预测有多可信。**Confidence 自动派生**自 calibration_samples(见 state-management.md)+- `Scored By` 必填——告诉读者这次预测是 Claude 全自动还是用户介入改过:+ - `claude`:Claude 主动打分 + bucket + 概率,用户 review 后回 "ok" 接受+ - `claude+user_override`:用户在 review 阶段挑刺改了某些字段+- `User Override` 必填(如有覆盖)——列出哪些字段从 X 改成 Y,附用户给的理由。复盘时这个字段帮诊断:用户的覆盖被实绩验证(用户直觉准)→ rubric 可能漏了什么++---++### 组件 2:输入快照(Input snapshot)++记录**预测时**的稿子状态——尤其是用户的最终改动。++```markdown+## 输入快照++**分数 (vN)**: ER5 / HP5 / QL5 / NA3 / AB5 / SR2 / SAT4 → composite=**8.24**++**用户改写要点 vs Claude 草稿(如有)**:+- **开头**:user 砍掉 EWDM 模型名和铺垫+- **砍掉**:[具体段落 / 概念名 / 铺垫]+- **保留**:[关键的金句 / 致谢段 / 主体结构]+- **节奏**:比草稿 [紧 / 松] 约 N%+```++> 如果是用户从零写的(没用 cheat-seed),这一段写"用户原创稿,无 Claude 草稿对照"。++---++### 组件 3:预测主体(Prediction)⭐ immutable 段++这是 immutable 段的核心。`hooks/prediction-immutability.sh` 拦截这段往后到下一个 `##` 的所有 Edit。++```markdown+## 预测++**Bucket**: `30-100w`++**内心概率分布**:+- `<5w` → 3%+- `5-30w` → 22%+- **`<headline bucket>` → 55%**(中枢 ~50w)+- `>100w` → 17%+- `>150w` → 3%++**一句话 reason**:+> ER=5+AB=5 暗恋普适受众;IS 直接锁定;7.3天+零信号反转+MVP金句情绪曲线完整;SR=2 无社会议题托底是天花板瓶颈;预计 40-60w 中枢。+```++强制要求:+- **Bucket** 必须是预定义的 5 个之一+- **概率分布** 必须加起来 100%——这是逼你诚实的工具+- **中枢** 是该 bucket 内的点估计,便于复盘判断"偏高 / 偏低"+- **一句话 reason** 浓缩到 DB 字段,便于跨样本检索++**关于 cold-start 期的 bucket**:calibration_samples 少 → 概率分布**应该更平**(如 30/30/20/15/5 而非 5/40/45/8/2)。Confidence 低不代表跳过 bucket,而代表对 bucket 该有合适的不确定度。++---++### 组件 4:推理因素表(Reasoning factors)++每个驱动判断的因素 + 方向 + 置信度 + 说明。++```markdown+## 推理因素++| 因素 | 方向 | 置信度 | 说明 |+|---|---|---|---|+| ER=5 | 强 + | 高 | "半夜三点翻聊天记录"极端具象 |+| IS 钩子 | 强 + | 高 | "仅影响 X 的人"一句锁定受众 |+| SR=2 | 强 - | 高 | 无社会议题托底,纯个人情感天花板有限 |+| 数据+金句路线 | 中 ? | 低 | 对算法友好度未验证 |+```++**置信度** 分三档:高(强证据 + 多锚点支持)、中(有理由但样本少)、低(凭直觉)。+- 复盘时如果"低置信度"因素被验证 → 直觉强+- 如果"高置信度"因素被推翻 → rubric 有 bug++---++### 组件 5:锚点对比(Anchor comparison)++找 2-4 个 composite 接近的旧样本,列出它们的实绩。++```markdown+## 锚点对比++| 对照样本 | composite | 实绩 | 异同 |+|---|---|---|---|+| 仓鼠 | 9.41 | ~150w | composite 低 1.17,但路线差异大(类比讲解 vs 数据+金句) |+| 房价 | 9.41 | 259w | SR 差 3 分(2 vs 5) |+| 谁问你了 | 8.24 | T+8d 11.7w | 同 composite 但 ER 5 vs 3,SR 2 vs 4 |+```++锚点的价值:抓出公式抓不到的错误。++**校准样本不够时**(< 2 个 composite 邻近的已发样本):++```markdown+## 锚点对比++校准池只有 N 个样本,无 composite ±0.5 邻近样本。**锚点对比 N/A**——+注意这次预测的 confidence 标注是 🟡 偏低 / 🔴 极低,bucket 中枢仅供参考。+```++**仍然写出这段**——告诉读者锚点为何缺。不是把段落删掉。++---++### 组件 6:反事实场景(Counterfactual scenarios)++每个可能的 bucket 写一段"如果落在这里,意味着什么"。++```markdown+## 反事实场景++**如果爆 `>X w`**(X% 预期):+- [验证什么假设]+- [推翻什么假设]+- [可能新增什么 rubric 维度]++**如果落在 `headline bucket`**(X% 预期):+- [基准线验证什么]++**如果跌到 `<X w`**(X% 预期):+- [推翻什么核心判断]++**如果 `<<X w`**(X% 预期):+- [极端场景的可能解释]+```++为什么必填:复盘时**实际落在哪个 bucket** 直接告诉你 rubric 的哪个假设被测试。没有反事实场景,复盘退化为"这次准 / 不准"——没有诊断价值。++---++### 组件 7:关键校准假设(Critical calibration hypothesis)++可选但强烈推荐:把这次预测当成一次实验,明确写下"如果 X 发生,证明 Y"。++```markdown+## 关键校准假设(对比谁问你了)++两篇同 composite=8.24,差异:+- 怎么停止期待:ER=5 / SR=2+- 谁问你了:ER=3 / SR=4++**我押:本篇 > 谁问你了(比率 1.5-2x)**++如果反过来 → rubric 里 SR 权重应上调,ER 权重应下调+如果差距 < 1.3x → rubric 基本 OK,差异在噪声范围+```++校准假设是 rubric 升级的种子——单条假设被 ≥3 样本验证 → 进入 bump 候选。++**校准样本不够时**:写"无可对照样本——仍写下我对这次的核心赌注(即使没有锚点)",然后写一两条这次想测的事。**不要删掉这段**。++---++### 组件 ∞:复盘段(Retrospective)— 仅追加++发布后 T+N 天复盘时追加。**不修改预测段任何字符**。++```markdown+## 复盘++**复盘时间**: 2026-05-07(发布 T+3d)+**抓取时间**: 2026-05-07 09:30+**数据来源**: manual paste / adapter:douyin-session++### 实绩数据+- 播放:71.1w(落在 `30-100w` 桶内偏高,相对中枢 50w **+42%**)+- 点赞:2.4w(赞播比 3.38%)+- 分享:1.8w(分播比 2.53%,强)++### Top 评论关键词+- 「她不一样」模因爆发:2266 赞独占榜首,全文 12+ 次变体++### 哪些预测被验证 / 推翻+**被验证 ✅**:+- 关键校准假设完全成立:本篇 71.1w / 谁问你了 11.7w = 6.07x+- ER=5 主导情感传播力 → H1 强证据++**被推翻 ❌**:+- 中枢 50w 被超出 +42%+- 我对 SR 的押注反向被推翻:SR 在情感向场景应下调++### 需要写进 rubric_notes.md 的新观察+1. ER 在情感向场景的真实权重应 ≥ ×2.0+2. 议题分享冲动 (TS) 是隐藏维度+```++---++## 完整结构总览++```+file: predictions/YYYY-MM-DD_<id>_<short>.md++# 标题 — 预测日志 ← 组件 1: header(含 confidence + script_hash)+(metadata block)++## 输入快照 ← 组件 2+(scores + 用户改写要点 vs Claude 草稿)++## 预测 ← 组件 3 ⭐ IMMUTABLE 起点+(bucket + 概率 + 中枢 + 一句话 reason)++## 推理因素 ← 组件 4+(带方向 + 置信度的表)++## 锚点对比 ← 组件 5(校准池不够时仍写"N/A 段")++## 反事实场景 ← 组件 6+(每 bucket 一段"意味着什么")++## 关键校准假设 ← 组件 7+(这次预测作为实验的明确赌注)++## 复盘 ← 仅追加,IMMUTABLE 边界+(实绩 + top 评论 + 验证/推翻 + 新观察)+```++---++## 子 skill 验收标准++`cheat-predict` 写完一份预测后,必须自检 7 个组件齐全:+- 组件 5 / 7 在校准样本不足时仍写"N/A 段 + 解释",**不允许直接跳过**+- header 的 `Calibration Samples` + `Confidence` 必填——读者一眼看到这次预测多可信++`cheat-retro` 写复盘段时,必须先校验该文件的 7 个组件:+- 缺组件 → 警告"该 prediction 不规范,复盘价值打折"+- 复盘段格式与 confidence 等级**无关**——任何阶段复盘都是同一格式+- diff `Script Hash` 与当前 `videos/<id>/script.md` 的 hash → 不一致则在复盘段加 `**Script changed between predict and shoot**` 警告++---++## 与旧设计的对照(v1 用户迁移参考)++| v0 设计(已弃) | v1 设计(当前)|+|---|---|+| `prediction_complexity = cold-start-simple` 用 3 组件简化版 | 删除字段。所有预测都用 7 组件统一版 |+| `prediction_complexity = complete` 用 7 组件 | 同上——一直就是 7 组件 |+| 第 5 次复盘"解锁完整预测" | 不需要解锁——一直完整。Confidence 等级随 calibration_samples 自动提升 |+| Cold-start 期跳过 bucket / 锚点对比 / 反事实 | **不跳过**——锚点不够就显式标"N/A",bucket 该写还写(概率分布需诚实平摊) |+| 用 mode=cold-start 字段判断流程分支 | 删除字段。所有 skill 走同一流程,按 calibration_samples 渐进显示 confidence |diff --git a/shared-references/state-management.md b/shared-references/state-management.mdnew file mode 100644index 0000000..5218f09--- /dev/null+++ b/shared-references/state-management.md@@ -0,0 +1,315 @@+# State Management(状态文件读写约定)++被所有子 skill 引用。`.cheat-state.json` 是各子 skill 共享上下文的**单一来源**——任何运行时状态、累计指标、模式标记都从这里读、写回这里。++---++## 文件位置++```+<user-content-project>/.cheat-state.json+```++**绝不**放到全局 `~/.claude/` 或 cheat-on-content 自己的目录——一个用户可能维护多个内容项目,每个项目独立状态。++---++## 完整 schema++```json+{+ "schema_version": "1.1",+ "skill_version": "1.0.0",++ "rubric_version": "v0",+ "content_form": "opinion-video",+ "typical_duration_seconds": 240,+ "target_publish_cadence_days": 2,+ "rubric_form_mismatch": false,+ "benchmark_status": "none",+ "benchmark_name": null,+ "benchmark_sample_count": 0,+ "baseline_plays": null,++ "calibration_samples": 0,+ "calibration_samples_at_last_bump": 0,++ "data_collection": "manual",+ "pool_status": "none",+ "data_layer": "markdown",++ "hooks_installed": false,+ "enabled_trend_sources": ["manual-paste"],+ "enabled_perf_adapters": [],++ "last_bump_at": null,+ "last_bump_self_audited": false,+ "last_published_at": null,+ "last_published_file": null,+ "last_retro_at": null,+ "last_trends_run_at": null,+ "last_trends_added_count": 0,++ "consecutive_directional_errors": [],+ "pending_retros": [],+ "shoots": [],++ "in_progress_session": null,++ "initialized_at": "2026-05-04T15:00:00+08:00"+}+```++### 关键变更(v1.1)++相比 v1.0:++- **删除 `mode`**("cold-start" / "calibration" 二元)→ 用 `calibration_samples` 整数判断状态+- **删除 `prediction_complexity`**("cold-start-simple" / "complete" 二元)→ 所有预测都用统一完整 7 组件结构,**confidence 等级派生自 calibration_samples**+- **删除 `bucket_scheme`**("ratio" / "absolute" / "absolute_with_ratio" / "percentile" 四档)→ bucket 边界由单一算法**自动派生**:有 `baseline_plays` → 按倍数;无 → 平台通用默认;样本 ≥10 → 重算 baseline++理由:硬模式切换是设计者的猜测,不是用户体验该有的样子。统一流程 + 渐进信心标注更符合"频道是不断进化的连续光谱,不是离散阶段"的事实。++---++## 字段说明(每个字段的语义 + 谁写谁读)++### 元数据++| 字段 | 类型 | 写入者 | 读取者 | 说明 |+|---|---|---|---|---|+| `schema_version` | string | cheat-init / cheat-migrate | 所有 skill | "1.1"。schema 升级时 bump;老用户由 [/cheat-migrate](../skills/cheat-migrate/SKILL.md) 升级。详见 [migration-protocol.md](migration-protocol.md) |+| `skill_version` | string | cheat-init | 所有 skill | cheat-on-content 当前版本 |+| `initialized_at` | ISO 8601 | cheat-init | cheat-status | 首次初始化时间,永不变 |++### 模式与配置++| 字段 | 类型 | 取值 | 写入者 | 读取者 |+|---|---|---|---|---|+| `rubric_version` | string | "v0" / "v1" / "v2" / ... | cheat-init / cheat-bump | cheat-score / cheat-predict / cheat-retro |+| `content_form` | enum | "opinion-video" / "long-essay" / "short-text" / "podcast" / "other" / "mixed" | cheat-init | cheat-predict / cheat-recommend |+| `typical_duration_seconds` | int | 用户视频典型时长。决定 cheat-seed 写 draft 的字数 + cheat-predict 锚点优先同时长 | cheat-init | cheat-seed / cheat-predict |+| `target_publish_cadence_days` | int / null | 用户目标发布频率(1=日更 / 2=隔日 / 7=周更 / null=灵活)。决定 buffer 警戒颜色阈值 | cheat-init | cheat-status / cheat-recommend / cheat-shoot / cheat-publish / SessionStart hook |+| `rubric_form_mismatch` | bool | true 表示 content_form ≠ opinion-video 但仍用 opinion 内置 rubric 起步——提示用户 bump 时调权重 | cheat-init | cheat-status(持续提示) |+| `benchmark_status` | enum | "none" / "imported" / "pending"(用户答应等下找)| cheat-init / cheat-learn-from | cheat-seed(brainstorm 时读 benchmark.md)/ cheat-status(pending 时持续提醒) |+| `benchmark_name` | string / null | 对标账号名(如"蜗牛学长留学");none 时为 null | cheat-learn-from | cheat-status / cheat-seed |+| `benchmark_sample_count` | int | 已导入的对标视频条数 | cheat-learn-from(写入 / append) | cheat-status(N≥10 时提示 benchmark 影响淡出) |+| `baseline_plays` | int / null | 用户基准播放数;首次 init 时若有抓取历史→中位数;无→null;后续 cheat-retro 第 1 篇有实绩时回填 | cheat-init / cheat-retro / cheat-bump (--bucket-only) | cheat-predict(派生 bucket 边界) |+| `data_collection` | enum | "manual" / "adapter" | cheat-init | cheat-retro(决定 DATA_SOURCE 默认值) |+| `pool_status` | enum | "none" / "markdown" / "notion" / "sqlite" | cheat-init / cheat-recommend | cheat-recommend / cheat-status |+| `data_layer` | enum | "markdown" / "sqlite" | cheat-init / md-to-sqlite.py | 所有读 predictions 的 skill |+| `hooks_installed` | bool | true / false | cheat-init | cheat-status(持续提示) |+| `enabled_trend_sources` | array of string | trend-source adapter 名列表(如 `["weibo-hot", "zhihu-hot"]`) | cheat-init / 用户手动 | cheat-trends |+| `enabled_perf_adapters` | array of string | perf-data adapter 名列表(如 `["douyin-session"]`)。空 → cheat-retro 走 manual paste | cheat-init / 用户手动配置后 | cheat-retro |++### 累计计数++| 字段 | 类型 | 写入者 | 用途 |+|---|---|---|---|+| `calibration_samples` | int | cheat-retro(每次复盘 +1) | cheat-status 进度条 / cheat-bump 门槛 |+| `calibration_samples_at_last_bump` | int | cheat-bump | "距上次 bump 多少新样本" |++### 时间戳(last_X_at)++| 字段 | 类型 | 写入者 |+|---|---|---|+| `last_bump_at` | ISO 8601 / null | cheat-bump |+| `last_bump_self_audited` | bool | cheat-bump(CROSS_MODEL_AUDIT=false 时 true) |+| `last_published_at` | ISO 8601 / null | cheat-publish |+| `last_published_file` | string / null | cheat-publish |+| `last_retro_at` | ISO 8601 / null | cheat-retro |+| `last_trends_run_at` | ISO 8601 / null | cheat-trends |+| `last_trends_added_count` | int | cheat-trends |++### 列表队列++| 字段 | 类型 | 写入者 | 读取者 | 协议 |+|---|---|---|---|---|+| `consecutive_directional_errors` | array of "high"/"low" | cheat-retro(push) / cheat-bump(清空) | cheat-status / cheat-retro 自检 | 最近 N 次复盘的偏差方向;连续 3 同向触发 bump 提议 |+| `pending_retros` | array of file path | cheat-publish(push) / cheat-retro(remove) | cheat-status | 等待复盘的预测文件路径 |+| `shoots` | array of {video_folder, prediction_file, shot_at, ad_hoc} | cheat-shoot(push) / cheat-publish(remove) | cheat-status / cheat-recommend / SessionStart hook | 已拍未发队列。`len(shoots) = buffer count`,`buffer_days = buffer × target_publish_cadence_days` 决定颜色 |++### 会话状态++| 字段 | 类型 | 写入者 | 读取者 | 协议 |+|---|---|---|---|---|+| `in_progress_session` | object / null | cheat-predict(创建) / cheat-publish(清除) | cheat-publish / cheat-status | 见下方"in_progress_session 子结构" |++#### `in_progress_session` 子结构++```json+{+ "type": "prediction",+ "file": "predictions/2026-05-04_a3f2c1d4e5b6_停止期待.md",+ "started_at": "2026-05-04T14:00:00+08:00",+ "rubric_version": "v2"+}+```++`type`:当前只有 `"prediction"`。未来可能加 `"bump"` 表示长流程 bump 在进行中。++---++## 读写协议++### 读(任何 skill)++```python+# 伪代码+import json, os++state_path = os.path.join(os.getcwd(), ".cheat-state.json")+if not os.path.exists(state_path):+ # 不存在 = 用户没初始化,路由到 /cheat-init+ raise NeedsInitError()++with open(state_path) as f:+ state = json.load(f)++# 检查 schema_version 兼容+LATEST_SCHEMA = "1.1" # see migrations/registry.md+if state.get("schema_version") != LATEST_SCHEMA:+ # 不直接 raise — 提示用户跑 /cheat-migrate(非阻塞)+ log_warning(f"schema 版本不匹配:state={state.get('schema_version')}, 期望={LATEST_SCHEMA}。建议跑 /cheat-migrate")+ # MINOR mismatch 通常仍能继续;MAJOR 时部分字段读取可能 KeyError → 用 .get(field, default) 兜底+```++**关键纪律**:+- 读完不立刻关心字段缺失——用 `state.get(field, default)` 容错。新版 skill 引入新字段时旧 state file 会缺该字段,应优雅默认而非崩溃+- **绝不**在内存里 mutate state 后忘记写回——下游 skill 读到的是磁盘版++### 写(任何 skill)++```python+# 伪代码 — read-modify-write 模式+state = read_state()+state["calibration_samples"] += 1+state["last_retro_at"] = now_iso()+write_state(state)++def write_state(state):+ state_path = os.path.join(os.getcwd(), ".cheat-state.json")+ tmp_path = state_path + ".tmp"+ with open(tmp_path, "w") as f:+ json.dump(state, f, indent=2, ensure_ascii=False)+ os.replace(tmp_path, state_path) # atomic rename+```++**关键纪律**:+- **原子写**:写到 .tmp → rename。避免半写损坏的 state file+- **永远 indent=2**:人类可读,便于用户手改 + git diff+- **ensure_ascii=False**:保留中文字符不转 \uXXXX+- **写完再继续后续操作**:避免下游 skill 读到旧值++### 并发模型++预期场景:**单用户 + 单 Claude Code 会话**。不做锁。++如果两个会话并行操作同一个项目(罕见且不推荐):可能出现写覆盖。**未来需要时**可加文件锁(`fcntl.flock`);当前不加,避免引入复杂度。++---++## 字段写入责任表(防止"谁该写这个字段"歧义)++| 字段 | 唯一写入者 | 何时写 |+|---|---|---|+| `rubric_version` | cheat-init / cheat-bump | init 写初值;bump 升版 |+| `baseline_plays` | cheat-init / cheat-retro / cheat-bump (--bucket-only) | init 时若有 adapter 抓回历史→中位数;无历史→null;retro 第 1 篇有实绩→回填;bump --bucket-only→重新计算 |+| `calibration_samples` | cheat-retro | 每次复盘成功落盘 +1 |+| `pending_retros` | cheat-publish(push)/ cheat-retro(remove) | publish 时 push 本次;retro 完成时 remove |+| `consecutive_directional_errors` | cheat-retro(push)/ cheat-bump(清空) | retro 判定偏差方向时 push;bump 落地时清空 |+| `in_progress_session` | cheat-predict(创建)/ cheat-publish(清除) | predict 写完文件时创建;publish 登记时清除 |+| `last_bump_at` | cheat-bump | bump 落地时 |++**绝不允许**多个 skill 写同一字段——会导致状态语义破碎。如果未来需要新字段,先想好"谁是唯一写者"。++---++## state file 损坏 / 不一致的处理++| 症状 | 处理 |+|---|---|+| 文件不存在 | 提示"未初始化,请跑 /cheat-init",**不**自动创建 |+| JSON 解析失败 | 提示"state file 损坏:path/to/.cheat-state.json",建议手动修复或备份 + 重新 init |+| schema_version 不识别 | 提示版本号 + 建议跑 [/cheat-migrate](../skills/cheat-migrate/SKILL.md)。SessionStart hook 会自动检测并提示 |+| `pending_retros` 含已删除的文件 | cheat-status 检测时安静移除,不报错 |+| `in_progress_session` 文件已不存在 | cheat-status 检测到 → 询问用户是否清理 |+| `calibration_samples` 与 `predictions/` 实际复盘数不一致 | cheat-status 报告差异。临时手改 state 即可;持续不一致是 bug,应在下个 minor 版本里加入 cheat-migrate 的 reconciliation step |++---++## 与 git 的关系++`.cheat-state.json` **应该**被纳入 git:+- ✅ 它是项目配置 + 累计指标的快照+- ✅ git history 提供状态演化的完整轨迹+- ✅ 多设备同步靠 git push/pull+- ❌ **不**含敏感信息(cookie / API key 应放 `.env` 或 `.cheat-secrets.json`,单独 gitignore)++`.cheat-cache/` 目录**不应该**被纳入 git:+- 含 `usage.jsonl`(meta-logging 钩子的本地日志)+- 含 `trends-history.jsonl`(trend 抓取的去重缓存)+- 这些是设备本地状态,跨设备同步无意义++`/cheat-init` 应自动在用户项目根追加(不覆盖)`.gitignore`:++```+.cheat-cache/+.cheat-secrets.json+```++---++## 升级路径++完整哲学和 maintainer checklist 详见 [migration-protocol.md](migration-protocol.md)。简版:++未来 schema 变化时:+1. bump `schema_version`(如 "1.1" → "1.2")+2. 写 `migrations/<old>-to-<new>.md`(4 段:WHAT/WHY/HOW/Manual fallback)+3. 改 `migrations/registry.md` 的 `LATEST_SCHEMA` 标记位 + 版本链表+4. SessionStart hook 检测到不一致时自动提示用户跑 `/cheat-migrate`+5. **绝不**让 skill 静默兼容旧版 schema 的删字段或重命名——那会让"哪个版本下哪个字段是什么含义"成谜++新增字段(MINOR,不破坏兼容):+- 用 `state.get(field, default)` 读+- 老 state file 自动获得 default+- **仍需 bump schema_version + 写 migrations 文件**——保证状态文件最终一致;但用户可以延迟跑 migrate++删除 / 重命名 / 改语义(MAJOR,破坏兼容):+- 必须 bump schema_version + 写迁移文件+- CHANGELOG 标 `BREAKING`++---++## 用户手改 state file 的边界++允许手改的字段:+- `enabled_trend_sources`(数组,决定 cheat-trends 用哪些源)+- `data_collection`(切换 manual ↔ adapter)++**不**建议手改的字段(会破坏不变量):+- `calibration_samples` / `pending_retros` / `consecutive_directional_errors`(应通过 retro 流程更新)+- `rubric_version`(应通过 bump 流程更新)+- `in_progress_session`(应通过 predict/publish 流程更新)++如用户确实想重置:建议**删除整个 .cheat-state.json + 重跑 /cheat-init**——这比手改单字段安全。++---++## Confidence label 派生表(**单一真值**)++被 cheat-predict / cheat-status / cheat-recommend / SessionStart hook 等共同使用。从 `calibration_samples` 派生,所有 skill 用同一逻辑:++| `calibration_samples` | confidence emoji + 标签 | 数值含义 | 用户该如何用 |+|---|---|---|---|+| 0 | 🔴 极低 | "占星级别,纯纪律训练" | 不要基于 composite 决定要不要发;写 prediction 是为了**采集数据**,不是为了**做决策** |+| 1-2 | 🟠 低 | "中枢 ±50%,方向感优于绝对数字" | 信"A 比 B 流量好"的方向,不信具体数字 |+| 3-5 | 🟡 偏低 | "中枢 ±40%,可作为参考之一" | bucket 排序可用,中枢点估计仍是猜测 |+| 6-10 | 🟢 中 | "中枢 ±25%,可参与决策" | 可作为"要不要发"的依据之一 |+| 11-20 | 🟢 较高 | "中枢 ±15%,rubric 形态稳定" | 可信中枢估计 |+| 21+ | 🔵 高 | "中枢 ±10%,可数据驱动 bump" | 进入数据驱动阶段 — bump 用回归而非直觉 |++> 上表的 ±X% 是**经验值**(基于参考博主的真实校准曲线),不是数学严格保证。新人账号的真实 ±X% 要等自己跑出 score-curve.png 才能验证。++**不要用这个表来 gating 任何功能**——所有 skill 在所有 calibration_samples 下都跑相同流程,只是输出里**显示**当前 confidence 等级。这是新设计的核心原则。diff --git a/skills/cheat-bump/SKILL.md b/skills/cheat-bump/SKILL.mdnew file mode 100644index 0000000..d2ffd2e--- /dev/null+++ b/skills/cheat-bump/SKILL.md@@ -0,0 +1,401 @@+---+name: cheat-bump+description: 提议并执行 rubric 或 bucket 升级。两种模式:**完整 rubric bump**(最高风险动作,5 步强制 + 跨模型审核)和 **--bucket-only 轻量重校**(只换 bucket 边界,不动 rubric 公式)。触发词:"升级 rubric"/"bump rubric"/"更新公式"/"我想加一个维度"/"调整权重"/"重校桶"/"recalibrate bucket"。+argument-hint: --propose "<...>" | --bucket-only [--scheme ratio|absolute|percentile]+allowed-tools: Bash(*), Read, Write, Edit, Glob, Grep, Skill, mcp__llm-chat__chat+---++# /cheat-bump — Rubric / Bucket 升级++两种模式:++| 模式 | 触发 | 做什么 | 验证强度 |+|---|---|---|---|+| **完整 rubric bump** | `--propose "<新公式>"` | 改公式 / 维度 / 权重 | 5 步 + 跨模型审核(强制) |+| **bucket-only 重校** | `--bucket-only` | 只重新派生 bucket 边界 | 数据自动派生,无审核 |++完整 rubric bump 严格遵守 [shared-references/bump-validation-protocol.md](../../shared-references/bump-validation-protocol.md) 的 5 步。bucket-only 走轻量路径——见下方 Phase B。++## Overview++```+入口:用户触发 /cheat-bump+ ↓+[Phase A0: 检测调用模式]+ ↓+ ├─ --bucket-only → [Phase B: 轻量 bucket 重校]+ └─ --propose → [Phase 0~6: 完整 rubric bump]+```++## Phase A0: 调用模式分流(先做)++读用户参数:+- 含 `--bucket-only` → 走 **Phase B**(轻量重校)+- 含 `--propose "<...>"` → 走 **Phase 0~8**(完整 rubric bump)+- 都没有 → 询问用户:"你想做什么?1) 调 rubric 公式 / 加减维度 → --propose;2) 只重新派生 bucket 边界 → --bucket-only"++如果用户说"我觉得 ER 太低了想调"→ 是 `--propose` 路径。+如果用户说"我账号长大了,bucket 不准了"→ 是 `--bucket-only` 路径。+**两条路径不能混调**——一次操作只做一种事。++---++## 完整 rubric bump 流程++```+[用户:升级 rubric --propose "ER×1.5→2.0,砍 NA,加 MS"]+ ↓+[Phase 0: 前置门槛检查]+ ↓+[Phase 1: 写出新公式完整方程]+ ↓+[Phase 2: 校准池全量重打分]+ ↓+[Phase 3: 计算排序一致性]+ ↓+[Phase 4: 跨模型独立审核(强制)]+ ↓+[Phase 5: 落地 + cleanup pass]+ ↓+[Phase 6: 更新所有校准样本的 prediction 文件底部追加 Re-scored 行]+```++## Constants++- **READINESS_HEURISTIC** —+ - **默认参考**:校准池 ≥ 5 样本 + 至少 1 个跨样本观察有 ≥3 样本支持+ - **但 Claude 可以提议 bump**(即使样本少)如果观察信号特别强:+ - N=3 但出现完全推翻当前 rubric 假设的强反例(composite 8.5 vs 实绩 5w 这种 ≥3x 偏差)+ - 1 篇出现单点但极强的现象(如评论区出现 ≥2000 赞的单一模因)+ - **Claude 也可以拒绝 bump**(即使样本足)如果证据弱:+ - N=10 但观察都是低置信度的零碎 pattern,无清晰方向+ - 用户复盘时大量"随便看了下"的非严肃判断+ - **写在 prediction header 或 cheat-bump 输出时必说明**:本次提议是 default-aligned 还是 judgment-driven,给用户审视依据+- **THRESHOLD = 0.8** — 新排序与实绩排序一致性阈值(4/5)。这条**写死**——bump 验证的统计刚性+- **CROSS_MODEL_AUDIT = true** — 调外部 LLM 独立审核。false 仅用于离线+- **REQUIRE_CONFIRM = true** — 落地前要求用户明确"yes, bump"++## Inputs++| 必填 | 来源 |+|---|---|+| `--propose` 文本 | 用户参数;缺失则询问 |+| `rubric_notes.md` | 用户项目根 |+| `predictions/*.md` 全量 | 校准池数据 |+| `.cheat-state.json` | 状态 |++## Workflow++### Phase 0: 前置门槛检查++按 [bump-validation-protocol.md](../../shared-references/bump-validation-protocol.md) 的"何时禁止"段,逐项检查:++| 检查 | 失败处理 |+|---|---|+| 校准池总样本数 vs 观察强度 | **Claude 判断**——按 READINESS_HEURISTIC:默认 ≥5 样本但允许特例(强反例 / 强模因)。如不满足默认,Claude 必须**显式说明**为什么仍然提议 bump("虽然只 N=3 样本,但 X 这条出现 composite Y vs 实绩 Z,这是 W 倍偏差"),让用户审视 |+| 上次 bump 距今的新校准数 vs 观察成熟度 | **Claude 判断**——默认建议 ≥3 篇新样本,但如果连续 3 篇都强证据指向同一方向 → 不必再等 |+| `in_progress_session == null` | 拒绝:"你有 in-progress 预测未完成。先走完那条流程或清掉 state" |+| 触发条件成立(系统性偏差 / 跨样本新观察 / 新维度证据足) | 警告但不阻塞——询问用户为什么现在 bump |++通过 → 进入 Phase 1。++### Phase 1: 写出新公式完整方程++**不能只接受用户的简短描述**。把它展开为完整方程:++```+当前:v2 composite = (ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0+提议:v2.1 composite = (ER×2.0 + HP×1.5 + MS×1.5 + QL + SR + TS + SAT) / 9.0 × 2.0++变化总结:+- ER ×1.5 → ×2.0(升)+- SR ×1.5 → ×1.0(降)+- 新增 MS ×1.5(Memetic Shareability)+- 新增 TS ×1.0(Topic Shareability)+- 删除 NA(与 HP 重叠)+- 删除 AB(被 TS 替代)+- 归一化常数 8.5 → 9.0+- 公式总维度数:7 → 7(净变化 0)+```++如果用户的提议含糊(如"ER 权重提一点")→ 询问具体数值,**禁止自己猜**。++### Phase 2: 校准池全量重打分++Glob `predictions/*.md` 中所有有完整复盘段的文件 → 校准池。++对每篇:+1. 读各维度分数(从输入快照段)+2. 用新公式重算 composite+3. 如果新公式增加了维度(如 MS / TS)→ **回追打分**:读稿子全文(或复盘段的关键证据)→ 给 MS / TS 打 0-5+4. 写一份"重打表"到内存(或临时文件 `.cheat-cache/bump-rescores.json`)++**回追打分的诚实要求**:你已经看过实绩数据了,回追打 MS / TS 时**会被实绩污染**——这是不可避免的。在重打表里**明确标注** `score_post_hoc: true`。++### Phase 3: 计算排序一致性++```+每个样本:+ new_composite_rank: 用新公式排序的 rank+ actual_plays_rank: 用实际播放排序的 rank+ delta: |new_rank - actual_rank|++输出对照表:+| 样本 | composite (v2) | composite (v2.1) | rank (new) | actual | rank (actual) | delta |+|---|---|---|---|---|---|---|+| 仓鼠 | 9.41 | 9.55 | 1 | 124.8w | 1 | 0 |+| 停止期待 | 8.24 | 9.11 | 2 | 71.1w | 2 | 0 |+| 老板废话 | 7.65 | 8.11 | 4 | 39.6w | 3 | 1 |+| 求职悖论 | 8.47 | 7.56 | 5 | 16.8w | 4 | 1 |+| 谁问你了 | 8.24 | 7.00 | 6 | 11.7w | 5 | 1 |++排序一致性:4/5 在 |delta| ≤ 1+Pairwise no-regression:旧公式做对的所有 pair 在新公式下未颠倒 ✓+```++判定:+- 排序一致性 < THRESHOLD(默认 0.8) → **本地拒绝**,转 Phase 4 之前明确报告失败+- pairwise 出现回归 → **本地拒绝**++`THRESHOLD` 写死在协议里——不允许临时调低(那本身是另一个需要 bump 的元决策)。++### Phase 4: 跨模型独立审核(**强制**,除非 escape hatch)++`CROSS_MODEL_AUDIT=true`(默认):++调用 `mcp__llm-chat__chat`:++```+prompt:+你是一个独立审稿人。下面是一个内容创作者准备升级的 rubric 公式。+请独立判定两件事:+1. 排序一致性:新公式给样本的排序与实际表现排序,是否真的在 ≥80% 样本上一致?+2. 解释力:新公式相比旧公式,是否更好地解释了校准池的实绩分布?++数据:+旧公式:(ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0+新公式:(ER×2.0 + HP×1.5 + MS×1.5 + QL + SR + TS + SAT) / 9.0 × 2.0++校准池:+[Phase 2 重打表的完整 JSON]++排序对照:+[Phase 3 表格的完整 JSON]++输出格式:+- 判定:PASS 或 REJECT+- 理由:≥100 字+- 关键风险:[如有,列出新公式的潜在问题]+```++收到外部 LLM 回复 → 解析判定。++判定逻辑:+- 本地 PASS + 外部 PASS → 通过,进入 Phase 5+- 本地 PASS + 外部 REJECT → **视为 REJECT**。冲突意味着至少一方解读不稳定+- 本地 REJECT → 已在 Phase 3 终止+- mcp__llm-chat__chat 不可用 → 优雅降级到 `CROSS_MODEL_AUDIT=false`,state file 标 `last_bump_self_audited: true`++`CROSS_MODEL_AUDIT=false`:+- 仅依赖本地判定+- state file 持续标记,cheat-status 持续提示用户"这次 bump 是自审,建议配置 mcp__llm-chat__chat"++### Phase 5: 落地 + cleanup pass++通过审核后,**REQUIRE_CONFIRM=true** → 询问用户:"新公式 PASS 本地与外部审核。最后确认:执行 bump 落地?这会修改 rubric_notes.md 并删除若干已被吸收的观察。回答 'yes, bump' 才执行。"++用户确认后:++1. 在 `rubric_notes.md` 顶部更新 `**当前版本**: vN+1`+2. 在版本速查表加一行+3. 在文件 Memo 段写完整 v.N → v.N+1 升级 Memo(按 [bump-validation-protocol.md](../../shared-references/bump-validation-protocol.md) Step 5 模板):+ - 触发观察+ - 证据数据(校准池重打表 + 排序对照)+ - 诊断+ - 新公式+ - 跨模型审核结论引用+ - 已知局限+4. 更新"当前评分维度"段(删 NA / AB,加 MS / TS)+5. **执行 cleanup pass**(按 [observation-lifecycle.md](../../shared-references/observation-lifecycle.md) 的"cleanup pass 强制时机"):+ - 已被吸收为新维度的观察 → 删(如观察 E 被吸收为 MS → 删观察 E)+ - 被新数据推翻的观察 → 删+ - 仍未解决的观察 → 迁移到新版本"待验证假设"段+ - 已被验证的"规律"→ 移到"规律沉淀区"+6. 重新读 `rubric_notes.md` 全文,确保读者能在 60 秒内理解当下规则——超出 600 行触发额外清算++### Phase 6: 校准样本批量更新++对每个校准样本的 prediction 文件,**底部追加**(不动预测段、不动复盘段):++```markdown++---+**Re-scored under v2.1 on 2026-05-04**: composite=8.24 → 9.11+(rubric bump 时全量重算,详见 rubric_notes.md 的 v2 → v2.1 升级 Memo)+```++用 Edit 工具,匹配每个文件的最末尾。++### Phase 7: 更新 state file++```json+{+ "rubric_version": "v2.1",+ "last_bump_at": "<ISO timestamp>",+ "last_bump_self_audited": false,+ "consecutive_directional_errors": [],+ "calibration_samples_at_last_bump": <current value>+}+```++清空 `consecutive_directional_errors`——新 rubric 重新计数。++### Phase 8: 控制台报告++```+✅ Rubric 已升级 v2 → v2.1++变化:+- ER ×1.5 → ×2.0+- SR ×1.5 → ×1.0+- 新增 MS / TS+- 删除 NA / AB++校准池重打:5/5 通过排序检查(4/5 一致 + 0 pairwise 回归)+跨模型审核:✅ PASS+Cleanup pass:删除观察 D 和 E(已吸收为 QL 重定义和 MS 维度)++下一篇预测起按 v2.1 公式打分。+所有历史预测文件已追加 Re-scored 标记。+```++---++## Phase B:bucket-only 重校(轻量分支)++`/cheat-bump --bucket-only [--scheme ratio|absolute|percentile]`++**与完整 bump 的本质区别**:bucket 边界不是规则的一部分,是数据派生量。重新派生它**不需要跨模型审核**——派生算法是确定性的,没有"判断"成分。++### B1: 选择算法(按可用样本数自动派生,**state 不存 scheme**)++| 算法 | 适用 | 边界派生方式 |+|---|---|---|+| `ratio`(默认 N=1-4) | 小样本 | 上一篇 / 最近 3 篇中位数 × {0.3 / 1 / 3 / 10 / 30} |+| `absolute`(默认 N=5-9)| 中等样本 | 校准池中位数 × {0.3 / 1 / 3 / 10 / 30},固定边界 |+| `percentile`(默认 N≥10)| 大样本 | 校准池实绩 percentile {30 / 60 / 85 / 95 / 100} |++`--scheme` 参数允许用户**显式覆盖默认**:+- `--scheme ratio` 强制用 ratio(即使 N≥5)+- `--scheme absolute` 强制用 absolute+- `--scheme percentile` 强制用 percentile(要求 N≥3,否则报错)++未指定 `--scheme` → 按上表自动派生。++> 旧设计有 `bucket_scheme` state 字段——v1.1 删了。所有 skill 实时按 calibration_samples 派生算法,不需要持久化"当前用哪个"。这避免了"切换 scheme 后忘了同步"的状态不一致问题。++### B2: 派生新边界++读 `predictions/*.md` 中所有有 `actual_plays` 的样本。++**ratio 模式**:+```+baseline = median(最近 3 篇 actual_plays)+buckets = {+ "退步": (-inf, baseline * 0.3),+ "持平": (baseline * 0.3, baseline * 1),+ "命中": (baseline * 1, baseline * 3),+ "小爆": (baseline * 3, baseline * 10),+ "大爆": (baseline * 10, +inf),+}+```++**absolute 模式**:+```+baseline = median(全部校准池 actual_plays)+buckets = {+ "底部": (-inf, baseline * 0.3),+ "基础盘": (baseline * 0.3, baseline * 1),+ "命中": (baseline * 1, baseline * 3),+ "爆款": (baseline * 3, baseline * 10),+ "现象级": (baseline * 10, +inf),+}+```++**percentile 模式**:+```+sorted_plays = sorted(全部校准池 actual_plays)+buckets = {+ "底部": ≤ p30,+ "基础盘": p30 - p60,+ "命中": p60 - p85,+ "小爆": p85 - p95,+ "大爆": ≥ p95,+}+```++### B3: 报告变化 + 用户确认++```+当前 bucket scheme: ratio+proposed scheme: absolute+baseline: 4.2w 中位数(基于 5 篇校准样本)++新边界:+- 底部: < 1.3w+- 基础盘: 1.3w - 4.2w+- 命中: 4.2w - 12.6w+- 爆款: 12.6w - 42w+- 现象级: > 42w++派生说明:+- 5 篇实绩:1.5w / 3.8w / 4.2w / 5.6w / 18w+- 中位数 4.2w,新桶按 ×{0.3, 1, 3, 10} 派生++确认应用?(yes / no)+```++### B4: 落地++用户确认后:+1. 编辑 `rubric_notes.md` 的 "Bucket 方案" 段,替换为新表+2. 更新 `.cheat-state.json` 的 `baseline_plays` 字段(bucket scheme 不持久化——下次 cheat-predict 实时派生)+3. 在 `rubric_notes.md` 的 bucket 段顶部追加一行变更记录:`v2 buckets recalibrated on YYYY-MM-DD: scheme=absolute, baseline=4.2w (基于 N=10 个样本)`+4. **不**修改任何 prediction 文件——历史预测的 bucket 标签保持原样(在该样本写入时的方案下做出的判断)++### B5: 对未来预测的影响++下一次 `/cheat-predict` 起按新 bucket 派生。历史 prediction 文件里的 bucket 标签**不重算**——bucket 是预测时的语义判断,事后改写会破坏盲度。++### Phase B 不做的事++- 不重打 composite(公式没变)+- 不重新审核观察段(rubric 没变)+- 不调跨模型审核(确定性派生无需判断)+- 不要求严格的样本数门槛(按 READINESS_HEURISTIC 由 Claude 判断;ratio 模式 N=1 就能跑)++---++## Key Rules++1. **5 步不可跳**(仅完整 rubric bump)。任何"先简化跑一下"的请求都拒绝+2. **THRESHOLD 写死**(仅完整 rubric bump)。不允许动态调整+3. **跨模型审核是默认**(仅完整 rubric bump)。关闭审核需要在 state file 显式标记+4. **cleanup pass 是 bump 的一部分**(仅完整 rubric bump)。不允许 bump 完不清理观察段+5. **REQUIRE_CONFIRM**(两种模式都要)。最后落地前必须用户明确说 "yes, bump" 或 "yes, recalibrate"+6. **bucket 重校不动历史预测**。bucket 是预测时语义,事后改写破坏盲度++## Refusals++- 「跳过校准池重打,直接换公式」 → 拒绝。原则 #2+- 「跳过外部 LLM 审核」 → 仅当 `CROSS_MODEL_AUDIT=false` 显式设置+- 「这次 THRESHOLD 调到 3/5 让它过」 → 拒绝。改 THRESHOLD 是元层级 bump+- 「保留所有旧观察作为历史」 → 违反原则 #3+- 「先 bump,cleanup 下次再做」 → 拒绝。cleanup 是 bump 的一部分++## Integration++- 上游:`/cheat-retro` 检测到 ≥3 同向偏差 → 提议跑 `/cheat-bump`+- 依赖:`mcp__llm-chat__chat`(如配置)+- 修改:`rubric_notes.md`(结构性)+ 所有 `predictions/*.md`(追加 Re-scored 行,不动预测段)+ `.cheat-state.json`+- 下游:下一篇 `/cheat-predict` 自动按新 rubric_version 打分diff --git a/skills/cheat-init/SKILL.md b/skills/cheat-init/SKILL.mdnew file mode 100644index 0000000..55c12b1--- /dev/null+++ b/skills/cheat-init/SKILL.md@@ -0,0 +1,444 @@+---+name: cheat-init+description: cheat-on-content 的首次 onboarding 与脚手架创建器。统一流程——所有用户都走相同 5 阶段闭环,唯一区别是"发过视频的人"会在 init 时多一步:抓取已有视频建立历史 context(用于后续 cheat-seed 给更贴合的选题、更准的 baseline)。触发词:"初始化"/"init"/"首次使用"/"我是新用户"/"setup cheat-on-content"。**必须在用户第一次会话执行;其他子 skill 在 .cheat-state.json 不存在时自动路由到此。**+argument-hint: [— form: opinion-video|long-essay|short-text|podcast]+allowed-tools: Bash(*), Read, Write, Edit, Glob, WebFetch, Skill+---++# /cheat-init — 首次 onboarding++让用户从零到能跑第一篇预测,全程 ≤ 5 分钟(没发过历史的)或 ≤ 10 分钟(已发过、要 import 历史的)。++## Overview++```+[用户首次说"初始化"]+ ↓+[Phase 0: 检测当前状态]+ ↓+[Phase 1: 首屏文案 — 适用性 + 期望管理]+ ↓+[Phase 2: 6 个问题(Q1-Q5 都问;Q2 决定是否走 user-history import)]+ ↓+[Phase 2.5: 对标账号 — 强烈建议(cold-start 必须问,已发用户可选)]+ ↓+[Phase 3: 创建脚手架(含 scripts/ + videos/ + samples/ 空目录 + 模板文件含 benchmark.md)]+ ↓+[Phase 3.5: user-history import 流程(仅 Q2=有发过历史 + 用户同意)]+ ↓+[Phase 4: 测试 hook 是否生效]+ ↓+[Phase 5: 给"下一步该说什么"清单]+```++## Constants++- **DEFAULT_RETRO_WINDOW_DAYS = 3**+- **INSTALL_HOOKS = ask** — 默认询问;用户选 `auto` 直接装;`skip` 不装+- **TREND_DEFAULT_SOURCES = ["manual-paste"]**++## Inputs++无。所有信息从 6 个对话问题里收集。++## Workflow++### Phase 0: 检测当前状态++1. 读用户当前工作目录(**用户的 content project,不是 cheat-on-content 自己**)+2. 检查是否已存在 `.cheat-state.json`:+ - 存在 → 提示"项目似乎已初始化(state file 存在)。要重新初始化会覆盖现有配置——确认?" 等用户明确确认才继续+ - 不存在 → 进入 Phase 1+3. 检查是否已存在 `rubric_notes.md` / `predictions/` 等核心文件——存在但 state file 不存在 → 是"半初始化"状态,提示用户并询问"要从现有文件推断状态还是重置?"++### Phase 1: 首屏直白告知期望(含适用性验证)++向用户输出(一字不漏,不要软化):++```+🎯 cheat-on-content / 网红作弊器 — 初始化++这个工具的**方法论**给所有想把"感觉"变成可校准预测的内容创作者用——+打分 → 盲预测 → 复盘 → 进化 rubric 这一套**循环本身**适用任何能被量化的内容:+视频 / 文章 / 播客 / Newsletter / 短文 thread——什么形态都行。++**rubric 是循环的"内容",不是循环本身**。当前内置的 rubric 是观点视频版+(参考博主 25+ 视频拟合)——其他形态可以借这套**起步**,跑几篇后用+`/cheat-bump` 调整权重 + 加减维度 → 适配你的形态。++诚实告诉你三件事:+1. 你**没发过视频** → 我强烈建议你先找一个对标账号,导入几条样本(5-10 条),+ 工具的初始信号(rubric / pattern / 选题方向感)从对标账号反推。+ 不找对标的话用通用 v0 等权 rubric 起步,前 5 篇精度更差。+2. 你**已发过视频** → 你可以用自己的历史 calibrate,也建议至少 1 个对标做 sanity check。+3. 早期预测精度差是数学事实——通过显示 confidence 等级(🔴/🟠/🟡/🟢/🔵)告诉你+ 这次预测有多可信,**不是**通过隐瞒数字。+4. 你跳过任何一次复盘,整个系统退化为占星——这是必走的纪律。++继续 init 吗?+```++如果用户答"继续"或类似肯定回应 → Phase 2。+不再因为 content_form 拒绝继续——任何形态都允许,只是 `rubric_form_mismatch` 字段标真,cheat-status 后续会持续提示用户"你的形态需要 bump 调权重"。++### Phase 2: 6 个问题(一问一答,**不**批量提问)++**Q1: 内容形态**++> "你的内容更接近哪一种?+> a) **观点视频**(评论 / 时评 / 论说 / 议题讨论 / 个人观点)— 直接匹配内置 rubric+> b) **长文 essay**(公众号 / Substack / Medium)— 可借观点视频 rubric 起步,bump 时调权重+> c) **短文 / thread**(X / 微博 / 即刻)— 同上+> d) **播客 / 视频长内容**(YouTube 长片 / 播客)— 同上+> e) **教程 / 工具教学 / Builder**(教别人怎么用 X 工具 / 怎么做 Y 项目)— 同上+> f) **其他**(游戏 / 美食 / 妆教 / 新闻 / 剧情)— 工作流通用,但 rubric 维度需要调+> (ER / SR / HP 这套对你形态可能不太预测,需要自己拆出适合的维度)+> g) **混合**"++记录到 `content_form` + `rubric_form_mismatch`。+- 选 a → `rubric_form_mismatch: false`+- 选 b/c/d/e/f/g → `rubric_form_mismatch: true`,cheat-status 持续提示"你的形态可能需要 bump 调权重"+- **不再有"严重不匹配"档**——所有形态都能跑工作流,只是有的 rubric 需要更激进的 bump++**Q1.5: 典型时长**(仅 Q1=a/d/f 时问)++> "你的视频典型时长?+> a) 30秒-1分钟 b) 1-3分钟 c) 3-5分钟(推荐起步)+> d) 5-10分钟 e) 10分钟以上"++记录到 `typical_duration_seconds`(30 / 90 / 240 / 450 / 900)。++**Q1.6: 发布频率**++> "你打算多久发一篇?+> a) 日更 b) 隔日 c) 每周 d) 灵活 / 不固定(关闭 buffer 监控)"++记录到 `target_publish_cadence_days`(1 / 2 / 7 / null)。++**Q2: 你这个频道发过视频吗?**++> "a) 没发过 — 我会帮你从兴趣 + 热点 brainstorm 5 个候选 + 写 5 份初稿+> b) 发过 — 不管 1 条还是 100 条,我会帮你抓历史让后续 brainstorm 更贴合你做过什么"++如选 a → state 写 `calibration_samples: 0`,**Phase 3.5 跳过**,直接进入 Phase 4。+如选 b → 进入 **Q2.1**。++**Q2.1: 平台 + 抓取计划**(仅 Q2=b)++> "你内容主要在哪个平台?+> a) 抖音 — 装 douyin-session adapter(Playwright + 扫码登录抖音创作者中心)+> b) YouTube — 装 youtube-data-api adapter(需 API key)+> c) B 站 — bilibili-stat adapter+> d) 其他 / 多平台 — 走 manual paste 模式"++如选 a/b/c → 询问 Q2.2;如选 d → 跳到 Q2.3 manual。++**Q2.2: adapter 安装时机**(仅 Q2.1=a/b/c)++> "现在装 adapter 自动抓取,还是先手动告诉我?+> - 现在装 — 引导你装 Playwright + 扫码 → 抓回最近 N 条数据+> - 等下再装 — 先 manual 模式,state 标 'pending_adapter_setup',+> cheat-status 持续提示装"++如选"现在装"→ 走 adapter install 引导(详见各 adapter README)→ 验证抓取可用 → Q2.3。+如选"等下"→ 跳到 Q2.3 manual。++**Q2.3: 抓取范围 / 历史规模**++如 adapter 已装并验证可用:+> "我可以抓你最近多少条作为基础?+> (建议 10-25 条;样本越多 baseline 越准。最多到你账号实际数量)"+→ 用户给数字 N,Phase 3.5 抓取 N 条++如 manual 模式:+> "你大概发过多少条?给个范围就行(比如 '5-10 条' / '20+ 条'),+> 这只用来标 calibration_samples 估值,不用准确。"+→ 用户给一个估值,Phase 3.5 跳过抓取,calibration_samples 写估值++**Q3: 数据回收方式**++> "T+3 天复盘怎么拿数据?+>+> a) 手动粘 — 候补方案。**你必须粘 top 20+ 评论(带赞数)**,不是只粘播放数。+> 评论才是真信号——'她不一样'这种模因爆发只能从评论看出,+> 播放数永远告诉不了你什么内容真的击中了观众。+> b) **[推荐默认]** adapter 自动抓 — 评论 + 数据全要。+> 如果你现在没装 adapter,没关系,state 标 'pending_adapter_setup',+> 第一次 publish 之前装上就行(cheat-status 会持续提醒装)。+> 装的指引在 adapters/perf-data/<platform>/README.md。"++记录到 `data_collection`(manual / adapter)。+默认推荐 b——除非用户明确说 "a 我就要手动"。++**Q4: 候选选题**++> "你现在有候选选题列表吗?(如有外部 markdown / Notion 维护的)+> a) 没有(默认)— 一会儿我帮你 brainstorm,或日常用 /cheat-trends 抓+> b) 有,markdown 列表+> c) 有,Notion / 其他"++记录到 `pool_status`(none / markdown / notion)。++**Q5: 装几个 hook(默认装,不需要你决定)**++> "Q5:我顺便装几个 hook,回 'yes' 或 'enter' 就装:+>+> 1. **预测锁** — 我们一起做完预测后,文件被锁。你或我都不能改预测段。+> 复盘只能往同一文件下半段追加,不污染上半段判断。+> (没这个锁,事后看到数据想"修一下当时的预测"几乎是必然的——你或我都会犯)+>+> 2. **SessionStart 自动报告** — 每次开新会话顶部显示 buffer / 待复盘 / 候选 top+>+> 3. **静默使用日志** — 异步记录使用频率,不阻塞,给将来诊断用+>+> 三个一起装。**不装也可以**(回 'no')但你失去预测锁,校准价值会下降。+>+> 回 yes / no。"++记录到 `hooks_installed`(true / false)。+默认 yes——除非用户明确说 no。++### Phase 2.5: 对标账号(**所有用户都问**,cold-start 强烈建议)++> 工具早期最重要的信号源是**对标账号**——你 init 完没数据,rubric 等权 v0 等于占星。+> 但如果你能找一个你想做成那样的账号,导入 5-10 条它的高 / 中 / 低样本,工具就有了 anchor。++询问:++```+🎯 对标账号++你能找一个对标账号吗?至少 3 条该账号的视频。++ - 你**完全没发过历史**(Q2=a/b)→ **强烈建议**——rubric 没 anchor 全靠对标。+ 不找的话用通用 v0 等权 rubric,前 5 篇精度更差更久+ - 你**已发历史**(Q2=c)→ **可选**——你也可以只用自己历史 calibrate;+ 但建议至少导 1 个对标做 sanity check(看你账号是否真的偏离对标方向)++a) 现在找 → 立刻进入 /cheat-learn-from(5-15 分钟,看你材料准备程度)+b) 等下找 → state 标 `benchmark_status: pending`,cheat-status 持续提醒+c) 不找 → state 标 `benchmark_status: none`,用通用 v0 起步++回 a / b / c。+```++行为:+- 选 a → Phase 3 创建脚手架完毕后,**自动 dispatch 到 /cheat-learn-from**(不让用户手动跑——已经在 init 流程里了)。完成后回 init Phase 4+- 选 b → state 标 `benchmark_status: pending` + `benchmark_name: null`+- 选 c → state 标 `benchmark_status: none`++记录到 `benchmark_status` / `benchmark_name`(如 a 选则在 cheat-learn-from 里写入)。++### Phase 3: 创建脚手架(逐项解释)++按顺序创建并**解释每一项的作用**:++1. **`.cheat-state.json`**+ ```+ "正在创建 .cheat-state.json — 各子 skill 共享上下文的地方。+ 这次 init 收集的所有答案都会写在这里。"+ ```+ 写入:+ ```json+ {+ "schema_version": "1.1",+ "skill_version": "1.0.0",+ "rubric_version": "v0",+ "content_form": "<Q1>",+ "typical_duration_seconds": <Q1.5 派生>,+ "target_publish_cadence_days": <Q1.6 派生>,+ "rubric_form_mismatch": <Q1≠a 时 true>,+ "benchmark_status": "<none/imported/pending 派生自 Phase 2.5 答案>",+ "benchmark_name": <如有 imported 则名字字符串,否则 null>,+ "benchmark_sample_count": <如有 imported 则数字,否则 0>,+ "baseline_plays": null,+ "calibration_samples": <Q2=a 时 0;Q2=b 时 import 后回填或 Q2.3 估值>,+ "data_collection": "<Q3>",+ "pool_status": "<Q4>",+ "data_layer": "markdown",+ "hooks_installed": <Q5>,+ "enabled_trend_sources": ["manual-paste"],+ "enabled_perf_adapters": [],+ "consecutive_directional_errors": [],+ "pending_retros": [],+ "shoots": [],+ "in_progress_session": null,+ "initialized_at": "<ISO>"+ }+ ```++2. **`rubric_notes.md`**+ ```+ "正在创建 rubric_notes.md — 你的评分维度的真实来源。+ 用的是 v0 占位 rubric——等权 7 维(每个维度同等重要)。++ 为什么叫 v0:v0 是没校准前的占位。你的账号自己的真权重要从你+ 的数据反推,不是预设。跑完 5 篇有数据的内容后,会自动提议+ 升级到「校准 v1」(你的第一个真正校准过的 rubric)。"+ ```+ - 复制 `cheat-on-content/starter-rubrics/<form>-zero.md`(cold-start)或 `<form>.md`(已有数据时仍可参考)++3. **`script_patterns.md`**+ ```+ "正在创建 script_patterns.md — 你的写作 pattern 沉淀(与 rubric 解耦)。+ rubric_notes.md 教 Claude 怎么打分;+ script_patterns.md 教 Claude 怎么写。"+ ```+ - 复制 `cheat-on-content/templates/script_patterns.template.md`++4. **四个目录**:`scripts/` + `predictions/` + `videos/` + `samples/`(都加 `.gitkeep`)+ ```+ "正在创建四个目录:++ scripts/ — 拍前的草稿(cheat-seed 写或你写)+ predictions/ — immutable 预测日志(hook 保护)+ videos/ — 拍后的工作目录(cheat-shoot 创建子目录)+ samples/ — 对标账号视频 / 转录(cheat-learn-from 创建子目录)++ 前三处用同一组 <date>_<id>_<short> 命名相互关联。+ samples/ 按对标账号名分组:samples/<账号名>/<video-id>/。"+ ```++4.5. **`benchmark.md`**(仅 Phase 2.5 选 a/b 时)+ ```+ "正在复制 benchmark.md 占位模板(实际内容由 cheat-learn-from 填)——+ 这是你的对标账号的中央 reference。+ 前期工具的 rubric / pattern / 选题方向感大量从这里推;+ 后期 N≥10 后影响淡出,但保留作 sanity check。"+ ```+ - 复制 `cheat-on-content/templates/benchmark.template.md` → `<user-repo>/benchmark.md`+ - **Phase 2.5 选 c 不创建** → benchmark.md 不存在,state 标 `benchmark_status: none`++5. **`WORKFLOW.md`** + **`STATUS.md`**+ - 复制 templates/ 对应文件++6. **如果 Q5=是 → 安装 hooks**+ - 读 `.claude/settings.json`(如不存在则创建空 `{}`)+ - merge 进 `hooks/prediction-immutability.json` 的 `hooks.PreToolUse`+ - merge 进 `hooks/session-start.json` 的 `hooks.SessionStart`+ - merge 进 `hooks/meta-logging.json` 的 hooks(如同时启用)+ - 复制 `prediction-immutability.sh` + `session-start.sh` + `log-event.sh` 到 `.cheat-hooks/`,chmod +x+ - settings.json 里的 command 路径用 `${CLAUDE_PROJECT_DIR}/.cheat-hooks/`++7. **(Pool 选项 c—Notion)** 仅记录到 state file 的 `pool_status: notion`,后续 cheat-trends 调用时再处理++### Phase 3.5: import 流程(仅 Q2=b 且用户同意抓取)++如 Q2.2=现在装 → 走 adapter install + login(详见 [adapters/perf-data/<platform>/README.md](../../adapters/perf-data/))。++抓取成功后,对每条已发视频:++1. **建 video folder**:`videos/<date>_<id>_<short>/`+ - `<date>` = 视频实际发布日+ - `<id>` = 12 位 hash,对 (title + 平台 ID) 做 sha256+ - `<short>` = 标题前 3-8 字+2. **写 report.md**:从 adapter 抓回的数据(播放 / 点赞 / 评论 / 转发 / top 评论)填入+3. **询问用户原稿**:"video 「{标题}」 你保留了原稿吗?"+ - 是 → 用户提供 → 存为 `videos/<id>/script.md`+ - 否 → 标 `script_lost`(仍建 video folder,只是 script.md 缺失)+4. **写 reconstructed prediction**:`predictions/<date>_<id>_<short>.md`+ - header 标 `**Reconstructed retrospective — NOT a blind prediction**`+ - 7 维打分基于 script + 复盘段实绩数据**反向打**——明确这是非校准用途+ - 不计入 calibration_samples(这是导入的历史,不是校准积累)++import 完成后:+- 派生 `baseline_plays` = 抓回视频的播放中位数 → 写入 state file+- 派生 confidence 等级 → 后续 cheat-predict 写预测时直接用+- 输出汇总:"已 import N 条历史。最近一条 X w 播放,中位数 Y w,已建 N 个 video folder + reconstructed predictions"++### Phase 4: 测试 hook 是否生效(仅当 Q5=是)++跑一次假的 Edit 拦截测试:+1. 创建临时文件 `predictions/_test_hook.md`,含 `## 预测\n[test]\n## 复盘\n`+2. 尝试 Edit 这个文件的 `## 预测` 段+3. 钩子应 exit 1 阻塞 → 报告"✅ immutability 钩子生效"+4. 删除测试文件+5. SessionStart hook 验证:直接调一次 `bash .cheat-hooks/session-start.sh` → 应输出报告(即使是空的也行)++如果钩子未生效 → **不要假装成功**,明确告诉用户:"钩子安装失败,可能是 .claude/settings.json 配置没生效。建议手动检查或重启 Claude Code。"++### Phase 4.5: 如 Phase 2.5 选 a → dispatch 到 /cheat-learn-from++如果用户在 Phase 2.5 选了 a(现在导对标账号)→ **自动触发 /cheat-learn-from**:++```+✅ 脚手架 + hooks 装完。++下面立刻进入 /cheat-learn-from 帮你导入对标账号——+你 init 时选了"现在找",不让你又开一个会话才跑。++[invoke /cheat-learn-from]+```++cheat-learn-from 完成后回到 init 的 Phase 5。++如 Phase 2.5 选 b/c → 跳过 Phase 4.5,直接 Phase 5。++### Phase 5: 给"下一步该说什么"清单++```+✅ 初始化完成(rubric: v0,calibration_samples: <N>,confidence: <emoji 等级>)++下次你可以直接说这些:++📝 写完一篇稿子 → "打分这篇 scripts/<...>.md"+🎯 准备发布前 → "启动预测 scripts/<...>.md"+🎬 拍完了 → "拍了 scripts/<...>.md" → 建 video folder + buffer +1+🚀 发布后 → "已发布 https://..."+📊 T+3 天 → "复盘 videos/<...>/"+📈 任何时候 → "状态"(看完整看板)++<如果 Q4=没有候选选题:>+🌱 现在跑 /cheat-seed 找选题?+ - 没发过历史的:纯 brainstorm(兴趣 × 热点)+ - 发过历史的(已 import):brainstorm 会基于你过去做过什么给推荐+ 回 "yes, seed" 立刻跑,回 "no" 你自己想。++💡 你的 confidence 是 <当前等级> —— 它会随着你跑更多复盘自动提升。+ 不要因为 confidence 低就跳过预测——预测的纪律本身就是工具的核心,+ 早期预测的"价值"是数据采集,不是决策。第 5 次复盘后 rubric 第一次校准,+ confidence 会跨入 🟡 偏低;第 10 次后 🟢 中。+```++## Key Rules++1. **不假装成功**:任何步骤失败 → 明确告诉用户哪一步出错。绝不写"✅ 初始化完成"如果实际没完成+2. **不批量提问**:5 个问题一次问一个+3. **不静默 mkdir**:每创建一个文件都解释它的作用+4. **不强推 SQLite**:所有用户给 markdown,提一句"将来到 30 篇会建议升级"就够了+5. **state 字段统一**:删掉 mode / prediction_complexity / bucket_scheme 等枚举字段——单一用 calibration_samples 整数 + confidence 派生+6. **import 失败不阻塞**:Q2=b 但 adapter 装失败 / 抓取失败 → 优雅降级到"标 calibration_samples 估值,不导入历史 video folder"++## Refusals++- 「跳过 Q1-Q5,直接给我创建所有文件」 → 拒绝。问题答案直接影响默认配置(content_form、cadence、hooks)+- 「我已经在别处初始化过了,把那个项目的配置同步过来」 → 慎重。提示用户手动 cp 现有 `.cheat-state.json` 和 `rubric_notes.md`,不自动跨项目同步+- 「不装 hook 但保留 immutability 承诺」 → 允许,state 标 `hooks_installed: false`,cheat-status 持续提示"你的 immutability 是君子协定"++## Integration++- 写完后,主 SKILL.md 的路由就解锁了所有其他子 skill+- `cheat-status` 读 `.cheat-state.json` 的 `calibration_samples` 字段决定显示哪个 confidence 等级+- 如 Q2=b 走了 import → 历史 reconstructed predictions 进 `predictions/` 和 `videos/<...>/`,但**不**计入 calibration_samples(不是真校准样本)+- `/cheat-seed` 读 `predictions/` 的所有历史 reconstructed prediction → brainstorm 时知道"用户过去做过什么"++## State 字段写入清单++| 字段 | 写入时机 | 来源 |+|---|---|---|+| `schema_version` | Phase 3 | 硬编码 "1.1" |+| `skill_version` | Phase 3 | 硬编码 "1.0.0" |+| `rubric_version` | Phase 3 | "v0" |+| `content_form` | Phase 3 | Q1 |+| `typical_duration_seconds` | Phase 3 | Q1.5 派生 |+| `target_publish_cadence_days` | Phase 3 | Q1.6 派生 |+| `rubric_form_mismatch` | Phase 3 | Q1≠a → true |+| `benchmark_status` | Phase 3 / 2.5 | Q2.5 答案派生 |+| `benchmark_name` | Phase 3 / 2.5 | Q2.5 用户提供 |+| `benchmark_sample_count` | Phase 3 / 2.5 | cheat-learn-from import 后回填 |+| `baseline_plays` | Phase 3.5(如 import 成功) | import 数据中位数;否则 null |+| `calibration_samples` | Phase 3 / Phase 3.5 | Q2=a→0;Q2=b→Q2.3 估值或 import 数 |+| `data_collection` | Phase 3 | Q3 |+| `pool_status` | Phase 3 | Q4 |+| `hooks_installed` | Phase 3-4 | Q5 + Phase 4 测试结果 |+| `initialized_at` | Phase 3 | now() |diff --git a/skills/cheat-learn-from/SKILL.md b/skills/cheat-learn-from/SKILL.mdnew file mode 100644index 0000000..4be4a35--- /dev/null+++ b/skills/cheat-learn-from/SKILL.md@@ -0,0 +1,399 @@+---+name: cheat-learn-from+description: 从对标账号导入 script + 数据 → 拆 pattern + 派生 base rubric 信号 → 写到 benchmark.md / script_patterns.md / rubric_notes.md。**这是工具最早期信号的来源**——cold-start 用户没自己历史时全靠对标,发过历史的用户也建议至少 1 个对标做 sanity check。触发词:"学这个账号"/"拆这几个对标视频"/"learn from"/"导入对标账号"/"找对标"。+argument-hint: <账号名> [— way: a (default) | b] [— append | --replace]+allowed-tools: Bash(*), Read, Write, Edit, Glob, WebFetch, Skill+---++# /cheat-learn-from — 对标账号导入++工具早期最重要的信号源是**对标账号**——你 init 完没数据,rubric 等权 v0 等于占星。但如果你能找一个你想做成那样的账号,导入 5-10 条它的高/中/低样本,工具就有了 anchor。++后期当你自己 calibration_samples ≥ 10 时,benchmark 影响自然减弱——你的真实数据成为主要信号源。但 benchmark.md **不删**,仍是 cheat-seed brainstorm 的 reference frame。++## Overview++```+[用户:学这个账号 / 启动 cheat-learn-from]+ ↓+[Phase 0: 检查 benchmark 状态]+ ↓+[Phase 1: 选 input 方式(Way a 默认)]+ ↓+[Phase 2: 收集材料]+ Way a: 用户粘 N 条 script 文本 + 数据+ Way b: 用 whisper 转录 samples/ 目录里的视频+ ↓+[Phase 3: 询问每条样本的"印象判断"(高/中/低 + 为啥)]+ ↓+[Phase 4: Claude 拆 pattern + 派生 rubric 信号]+ ↓+[Phase 5: 用户 review → 改 → 落盘]+ ↓+[Phase 6: 写 benchmark.md / script_patterns.md / rubric_notes.md]+ ↓+[Phase 7: 更新 state.benchmark_status]+```++## Constants++- **MIN_SAMPLES = 3** — 最少 3 条样本(少于拆不出 pattern)+- **RECOMMENDED_SAMPLES = 5-10** — 推荐区间,平衡信号量 vs 用户工作量+- **MAX_SAMPLES_PER_RUN = 15** — 单次导入上限——再多 Claude context 不够 + 用户也累+- **DEFAULT_WAY = a** — Way a 简单 + 准确,是 default++## Inputs++| 必填 | 来源 |+|---|---|+| `<账号名>` | 用户参数;缺失则询问 |+| `.cheat-state.json` | 状态文件 |+| Way a: 用户粘的 script 文本 + 数据 | 对话 |+| Way b: `samples/<账号名>/*.mp4` 等视频文件 | 用户提前下载好放进去 |++## Workflow++### Phase 0: 检查 benchmark 状态++读 `.cheat-state.json` 的 `benchmark_status`:++| 状态 | 处理 |+|---|---|+| `none` | 首次导入——继续 Phase 1 |+| `pending` | 用户之前答应等下找——继续 Phase 1 |+| `imported` 已有 benchmark | 询问"你已有 benchmark [当前名],N 条样本。要做什么? a) 追加新视频到当前 benchmark b) 替换为新 benchmark c) 只看不改" |++参数解析:+- `--append` → 追加到现有 benchmark+- `--replace <new-name>` → 用新 benchmark 替换(旧的归档到 benchmark.archived/)+- 没标志 + 已有 benchmark → 走上面询问++### Phase 1: 选 input 方式(**两个独立维度**)++每条样本 = **script** + **数据**。两者怎么拿是独立的——你可以混搭。++#### Phase 1a: script source(怎么拿稿子)++```+script 怎么拿?++a) **粘文本(最简单,推荐)**+ - 你自己整理过 / 用工具提取过——直接粘进对话+ - 工具推荐(按方便程度排):++ 抖音 / 小红书:+ - 微信小程序「轻抖」—— 粘视频链接 → 自动提取文案 + 评论。最快+ - 类似工具:"视频解析助手" / "短视频文案提取" 等小程序+ - 通常有免费额度,重度使用收费++ B 站 / YouTube:+ - 视频页面有"显示字幕/文字记录"按钮(如果 UP 主开了)+ - 第三方:DownSub / SaveSubs / yt-dlp --write-auto-sub++ 公众号 / Substack:+ - 直接复制网页文字++b) **whisper 转录视频文件**+ - 你下载了视频到 samples/<账号名>/<video>/source.mp4+ - 需要装 whisper-cpp + ffmpeg(见 adapters/script-extraction/whisper/README.md)+ - 转录可能有错别字 / 漏字 / 标点不准——准确度比 a 差++c) **跳过 script,只用元数据 + 印象**+ - 你拿不到稿子也懒得用工具+ - 后果:pattern 拆不深(只能看标题 / 数据 / 你的印象),但 rubric 信号还行+ - 适合"先快速搭起来,将来补"++回 a / b / c。+```++#### Phase 1b: data source(怎么拿播放/点赞/评论)++```+数据(播放 / 点赞 / 评论 / 转发)怎么拿?++a) **手填数字(最简单)**+ - 你查一下账号后台或视频页面,告诉我数字+ - 不需要装任何工具++b) **adapter 自动抓(如已配置)**+ - 你已经装了 perf-data adapter(如 douyin-session)+ - 给我视频 URL,工具自己抓数据 + top 评论+ - 评论数据更全(手填只能告诉我数字,adapter 能拿到具体评论文本)++回 a / b。+```++**最常见的组合**:+- 完全零依赖路径:1a + 1b(粘文本 + 手填)—— 5 分钟搞定+- 评论质量优先:1a + 2b(粘文本 + adapter 抓)—— 装了 adapter 就走这个+- 拿不到稿子兜底:1b + 1b(whisper + 手填)++### Phase 2: 收集材料++按 Phase 1a + 1b 的组合走对应路径。++**通用纪律**:每条样本最少要有 (script 或 transcript 或 N/A标记) + 数据 (4 项基础:播放/点赞/评论/转发)。++#### Path A: 粘文本(Phase 1a=a)++```+好。我们一条一条来。最少 3 条,推荐 5-10 条。++第 1 条 script,把整段粘下面(段落版,不要字幕格式):+```++收到 script → 算 video_id(sha256(script_content)[:12])→ 进 Phase 2 数据采集。++#### Path B: whisper 转录(Phase 1a=b)++```+先确认 whisper 装了:++[运行 `command -v whisper-cpp` 或 `command -v whisper` 检测]++如果没装:+ ❌ whisper 没装。三选一:+ - brew install whisper-cpp(推荐——快)+ - pip install openai-whisper(Python 慢些)+ - 切回 Path A 自己粘文本(推荐用轻抖等小程序)++装好后:把视频文件放到 samples/<账号名>/<video-name>/source.mp4+(一个视频一个子目录)++放好后告诉我"放好了 N 条",我转录。+```++用户放好后:+1. Glob `samples/<账号名>/*/source.*` 找视频文件+2. 对每个视频跑 `bash adapters/script-extraction/whisper/run.sh <video> samples/<账号名>/<id>/`+3. 失败项报告但继续其他+4. 进 Phase 2 数据采集++#### Path C: 跳过 script(Phase 1a=c)++直接进 Phase 2 数据采集——告诉用户"没 script 我能拆的 pattern 仅限标题级别 / 你的印象,rubric 信号正常拆"。++#### Phase 2 数据采集(Phase 1b=a 手填 / b adapter)++**如 Phase 1b=a(手填)**:++```+第 1 条数据:告诉我+- 标题+- 播放量+- 点赞+- 评论数(不是评论内容,是数字)+- 转发 / 分享数++格式随意,能识别就行。例如:+ "标题:怎么停止期待+ 播放:71w / 点赞 2.4w / 评论 899 / 转发 1.8w"++如果你能再粘 top 5-10 条评论(带赞数)更好——pattern 拆能挖到模因层。+```++**如 Phase 1b=b(adapter)**:++```+你说装了 adapter(如 douyin-session)。给我每条视频的 URL,+我跑 adapter 自动抓数据 + top 评论。++第 1 条 URL:+```++收到 URL → 调对应 adapter → 写数据 + 评论到 samples/<账号名>/<id>/meta.md。++**通用**:继续问第 2 条 / 第 3 条 / ... 用户说"够了"或达到 MAX_SAMPLES_PER_RUN 时进 Phase 3。++### Phase 3: 询问"印象判断"++对每条样本(不管 Way a 或 b),收完数据后**追加问印象**:++```+你看完 / 听完这条视频的印象,算这个账号的:+ a) 高表现样本(代表作 / 你想做成这样的)+ b) 中表现样本(普通水准 / 不上不下)+ c) 低表现样本(不算这个账号的代表 / 你不想做成这样)++为什么?(一句话——这个判断比数据更能告诉我你想做什么风格)+```++记录 (impression_label, impression_reason) 到内存。++> 注意:印象**可以**和数据冲突——比如某条数据高但用户觉得"不算代表作"。这种冲突本身是有用信号,记录下来。++### Phase 4: Claude 拆 pattern + 派生 rubric 信号++阅读所有 (script, 数据, 印象) → 自己分析:++#### 4a. Script patterns++按 script_patterns.md 的 cheat sheet 框架拆:+- 开头钩子:3 种类型分布(场景代入 / IS 戏仿 / 数据反转)+- 主体结构:几段 / 怎么切+- 句式 / 句长 / 节奏:短句还是长句、有没有标志性句式+- emotional 标记 / 双声道+- 致谢段 / 收尾+- 高频词汇 / 词汇风格++输出 N 个具体 pattern(每个引用具体样本作证据)。++#### 4b. Rubric 信号(**仅定性,不给数值权重**)++对每条样本打 7 维分(用通用维度),然后看:+- 高表现样本(按用户印象)共有哪些维度高?+- 低表现样本共有哪些维度低?+- 哪些维度在高/低样本之间无差异(说明不是关键维度)?++输出**定性方向**(不是数值权重):+- "ER 看起来重要"(3/3 高样本 ER ≥4)+- "SR 看起来不显著"(高低样本 SR 分布无差异)+- "MS 高的样本评论区有明显模因爆发"++### Phase 5: 用户 review++一次性展示所有结果给用户:++```+我从你给的 N 条对标视频拆出:++📝 N 个 script pattern:+ 1. **[Pattern 1 名称]**:[一句话描述] → 证据:[样本 X / Y]+ 2. ...++🎯 Rubric 定性信号:+ - 看起来重要的维度:ER / QL / MS(每个有 N 条高样本支持)+ - 看起来不显著的维度:SR / NA+ - 给的初始建议:你的对标账号是 [情感+金句驱动型] / [数据驱动型] / [类比讲解型] / ...+ - **不直接给数值权重**——5-10 样本拟合容易过拟合,先用作 tier-2 信号++🎨 选题方向感:+ - 主题分布大概:[主题 A 40% / 主题 B 30% / ...]+ - 调性:[一句话]++回 "ok" 我落盘,+或指出哪些 pattern / 信号你不认同("Pattern X 我觉得不准" / "Rubric 信号 Y 错了")。+```++用户反馈循环:+- "ok" → Phase 6 落盘+- 用户挑刺 → Claude 改 → 重新展示 → 直至确认++### Phase 6: 落盘++#### 6a. benchmark.md++按 [templates/benchmark.template.md] 格式写到 `<user-channel>/benchmark.md`:+- 账号信息(账号名、URL、调性、粉丝量级——用户提供)+- 导入的样本表+- 基础 rubric 派生(仅定性)+- 选题方向感++如 `--append` → 在现有 benchmark.md 的样本表追加新行 + 重新拆 pattern;不重写整个文件。+如 `--replace` → 把现有 benchmark.md 移到 `benchmark.archived/<旧账号名>_<日期>.md`,写新的。++#### 6b. samples/<账号名>/++为每条样本建子目录:+```+samples/<账号名>/<video-id>/+├── source.mp4 (Way b 才有,Way a 没有)+├── transcript.md (从粘文本写 / whisper 转出来)+└── meta.md (标题 / 数据 / 印象 / 印象理由)+```++#### 6c. script_patterns.md++在 `<user-channel>/script_patterns.md` 加新段:++```markdown+## 对标 [账号名] 借鉴(imported on YYYY-MM-DD,N 条样本)++> 这些 pattern 来自对标账号——**Imported, untested on my channel**。+> 实拍验证后(≥2 次跑出 + 复盘确认有效)再去掉这个标记,升入正式 pattern。++### Pattern A: [一句话名]+**来自**: [样本 X]+**描述**: [详细]++### Pattern B: ...+```++#### 6d. rubric_notes.md++在 `<user-channel>/rubric_notes.md` 加 / 更新"benchmark-derived initial signals"段:++```markdown+## Benchmark-derived initial signals++> 来自 benchmark.md 的对标账号 [账号名](N=N 样本,import on YYYY-MM-DD)。+> **仅定性方向,不直接采纳为数值权重**——5-10 样本拟合容易过拟合。+> 等你自己 N≥5 校准样本后正式 bump 时**再决定**是否调权重。++- 看起来重要的维度: ER / QL / ...+- 看起来不显著的维度: SR / NA / ...+- Claude 给的初始建议: [一句话定性]+```++### Phase 7: 更新 state file++```json+{+ "benchmark_status": "imported",+ "benchmark_name": "<账号名>",+ "benchmark_sample_count": <N>+}+```++## Key Rules++1. **Way a 默认**——简单 + 准确。Way b 仅给"找不到 script 只有视频"的兜底+2. **必须问印象**——纯看 transcript 拆 pattern 容易抓表面,加用户印象才挖到深层+3. **Rubric 信号仅定性**——不直接给数值权重。5-10 样本拟合过拟合+4. **pattern 默认标 untested**——避免污染用户自己的 pattern 库+5. **不直接抓视频**——下载是用户的事,避免 TOS + 反爬+6. **可重复跑**——`--append` 加新视频,`--replace` 换账号+7. **MIN_SAMPLES = 3**:少于 3 拆不出 pattern,拒绝继续++## Refusals++- 「跳过印象判断,直接拆」 → 拒绝。印象是关键 input+- 「我只能给 1 条样本」 → 拒绝。最少 3 条+- 「直接给我数值权重」 → 拒绝。Phase 4 只给定性信号+- 「能不能不写 transcript 文件,只在内存里拆」 → 不行。transcript 持久化是后续 cheat-retro Phase 4b diff 的依据+- 「帮我下载对标视频」 → 拒绝。引导用户用 yt-dlp / BBDown 等工具自己下++## Integration++- 上游:`/cheat-init` Phase 2.5 在 cold-start 用户时**强烈建议**跑 `/cheat-learn-from`;calibration 用户**可选**+- 上游:`/cheat-status` 在 `benchmark_status=pending` + 距 init >24h 时持续提醒+- 下游:`/cheat-seed` brainstorm 时读 benchmark.md → 知道用户对标方向+- 下游:`script_patterns.md` 加新段,cheat-seed 写 draft 时按 pattern 选结构+- 下游:`rubric_notes.md` 加 benchmark-derived signals 段,cheat-bump 时作为参考之一+- N≥10 提示:`cheat-status` 在用户 calibration_samples ≥10 时提示"你已有足够自己数据,benchmark 影响淡出(保留作 sanity check)"++## benchmark 何时淡出++不是死磕样本数,是 **Claude 判断"用户数据信号是否已超过 benchmark"**:++- **默认参考**:calibration_samples ≥ 10 → benchmark 影响淡出+- **可以更早**:N=5 但用户的 (打分, 实绩) 配对里出现 ≥3 条与 benchmark pattern 不一致的——说明你账号已经走出对标的路径+- **可以更晚**:N=15 但用户的样本都很相似(都做同一类内容),benchmark 仍有信号价值++判断条件 + 默认值都在 cheat-status 触发器 #19 / cheat-seed Phase 0 里实现。++**淡出后**:+- cheat-seed brainstorm 仍读 benchmark.md,但**优先级低于用户自己的 predictions/**+- rubric_notes 的 benchmark signals 段标 `**Status: superseded by user data**`,不删但不再主导+- benchmark.md **不删**——保留作 sanity check(看你账号是否真的偏离对标方向太远)++**任何时候用户主动**:跑 `/cheat-learn-from --replace none` 完全解除 benchmark 影响++## 与其他 skill 的区别++| Skill | 用途 |+|---|---|+| `/cheat-learn-from` | **从对标账号**导入 pattern / rubric 信号(一次性 / 偶尔追加) |+| `/cheat-seed` | brainstorm 选题 + 写 draft(读 benchmark.md 作参考) |+| `/cheat-trends` | 抓今天的热点(与 benchmark 无关) |+| `/cheat-bump` | 升级 rubric(用户自己 N≥5 后用真实数据,不直接用 benchmark signals) |diff --git a/skills/cheat-migrate/SKILL.md b/skills/cheat-migrate/SKILL.mdnew file mode 100644index 0000000..212b342--- /dev/null+++ b/skills/cheat-migrate/SKILL.md@@ -0,0 +1,234 @@+---+name: cheat-migrate+description: 把老用户的 .cheat-state.json 升级到当前 schema_version。读 migrations/registry.md 算迁移链,按顺序应用每一步迁移文件。幂等:跑两次结果一样。失败停在中间版本不前进。触发词:"迁移"/"升级 state"/"migrate"/"我的 state 是老版本"/"schema 版本不对"。+argument-hint: [— from: <version>] [— to: <version>] [— dry-run]+allowed-tools: Bash(*), Read, Write, Edit, Skill+---++# /cheat-migrate — Schema 版本迁移++把用户 `.cheat-state.json` 从旧 `schema_version` 升级到 cheat-on-content 当前期望的 `LATEST_SCHEMA`。++---++## Overview++```+[用户:迁移 / 或 SessionStart 提示后用户跑]+ ↓+[Phase 0: 读 .cheat-state.json + migrations/registry.md → 确定迁移链]+ ↓+[Phase 1: dry-run(默认)展示迁移计划,等用户确认]+ ↓+[Phase 2: 备份 .cheat-state.json → .cheat-state.json.backup-<timestamp>]+ ↓+[Phase 3: 按顺序对每个 step 应用对应迁移文件的 HOW 段]+ ↓+[Phase 4: 验证升级后 state 文件能被解析 + schema_version 已更新]+ ↓+[Phase 5: 报告 + 提示如有备份需要清理]+```++---++## Constants++- **REGISTRY_PATH = `${SKILL_DIR}/../../migrations/registry.md`** — 版本链单一来源+- **MIGRATIONS_DIR = `${SKILL_DIR}/../../migrations/`** — 迁移文件目录+- **DRY_RUN_BY_DEFAULT = true** — 首次跑展示计划,不直接改文件+- **BACKUP_BEFORE_WRITE = true** — 写之前必备份;备份文件保留至下次成功 init / 用户手动清理+- **STOP_ON_STEP_FAILURE = true** — 任何 step 失败 → 停在中间版本,不前进,不回滚++> 💡 调用时覆盖:`/cheat-migrate — dry-run: false` 直接执行 / `/cheat-migrate — to: 1.2` 仅升到指定版本++---++## Inputs++| 必填 | 来源 |+|---|---|+| `.cheat-state.json` | 用户项目根 |+| `migrations/registry.md` | LATEST_SCHEMA + 版本链表 |+| `migrations/<from>-to-<to>.md` | 每步具体迁移指令 |++---++## Workflow++### Phase 0: 确定迁移链++1. 读 `.cheat-state.json` → 解析 `current_version = state.schema_version`+2. 读 `migrations/registry.md` → 解析 `LATEST_SCHEMA` 字段(行:`LATEST_SCHEMA = "X.Y"`)+3. 解析 `args.to` 覆盖(如有);否则 target = LATEST_SCHEMA+4. 解析 `args.from` 覆盖(罕见场景:用户的 state 文件 schema 字段坏了,强制指定起点)+5. **状态判断**:+ - `current_version == target` → 输出"✅ state 已是 {target},无需迁移" → 退出+ - `current_version > target`(比如用户跑了 dev 版又切回 release)→ 报错"无法降级,请手动调整或重新 init"+ - `current_version < target` → 继续,从注册表查出迁移链+6. 从注册表"版本链"表算出 `chain = [(from, to, file), ...]`,按顺序串起 current → target++如果某一步在注册表里缺失(比如 `current_version` 不在表里)→ 报错并展示"目前已知版本:[1.0, 1.1, ...]",让用户检查。++### Phase 1: dry-run++输出迁移计划:++```+📋 迁移计划++当前版本: 1.0+目标版本: 1.2+将按顺序跑 2 步:++ [1/2] 1.0 → 1.1(MINOR)+ 新增字段:typical_duration_seconds, target_publish_cadence_days, ...(共 12 字段)+ 删除字段:mode, prediction_complexity, bucket_scheme+ 详见: migrations/1.0-to-1.1.md++ [2/2] 1.1 → 1.2(MINOR)+ 新增字段:[...]+ 详见: migrations/1.1-to-1.2.md++⚠️ 备份位置: .cheat-state.json.backup-<timestamp>++继续吗?回 yes 执行 / no 退出 / dry-run-detail 看每步具体改什么。+```++如 `args["dry-run"] == false` 或用户回 yes → 进 Phase 2。++### Phase 2: 备份++```bash+cp .cheat-state.json .cheat-state.json.backup-$(date +%s)+```++输出:"📦 备份到 .cheat-state.json.backup-1714838400"++### Phase 3: 按顺序应用每步++对 chain 里的每个 (from, to, file):++1. 输出 "→ [N/M] 应用 {file}..."+2. 读 `migrations/<file>` → 找到 `## HOW (Claude steps for /cheat-migrate)` 段+3. **按段内自然语言步骤逐项执行**——这是关键:迁移是 Claude 读 markdown 跑的,不是 python 脚本+4. 每步完成后:+ - 更新内存里的 state.schema_version = to+ - **原子写**到磁盘(写 .tmp → rename)+5. 如某步失败:+ - 输出"❌ {file} 第 N 步失败:{error}"+ - 不前进、不回滚(state 已停在前一步成功的中间版本)+ - 提示:"已停在 schema_version: {last_success_version}。修复后重跑 /cheat-migrate 会从这里继续"+ - 退出++### Phase 4: 验证++升完后:+1. 读 `.cheat-state.json` → 解析 → 应能成功+2. 检查 `schema_version == target`+3. 检查所有"必填字段"非缺失(参照 [shared-references/state-management.md](../../shared-references/state-management.md) 完整 schema)+4. 失败 → 报错"迁移完成但验证失败:{detail}。state 文件可能不一致——查看备份恢复"++### Phase 5: 报告++```+✅ 迁移完成++ 从: 1.0+ 到: 1.2+ 应用步骤: 2++state 文件现在含 X 字段,全部通过验证。++📦 备份保留:.cheat-state.json.backup-1714838400+ (确认一切正常后可手动 rm;下次成功 /cheat-init 也会清理过期备份)++下一步建议:+ - 跑 /cheat-status 确认看板正常+ - 如有 hooks 重装需求,跑 bash <skill_repo>/install.sh --reinstall-hooks+```++---++## Key Rules++1. **幂等**:在已升过的 state 上重跑应该立刻退出"无需迁移",**不**重复应用步骤。靠对比 `current_version == target` 实现+2. **不跳版**:1.0 → 1.3 必须按 1.0→1.1→1.2→1.3 顺序,每步独立可恢复。不允许"直接升 1.0 → 1.3 的合并 migration"+3. **不静默兼容**:state 文件 schema_version 不识别 → 明确报错"未知版本 X,最近已知版本 Y",不假装能继续+4. **失败停在原地**:第 N 步失败时 schema_version 停在 N-1 已成功的版本,不回滚到迁移前。重跑能从断点继续+5. **备份是硬约束**:写之前必有备份。即使用户跑 `--dry-run: false`,备份动作仍执行+6. **不动 predictions / rubric / videos**:只改 `.cheat-state.json`。其他用户数据由各自 skill 负责,迁移 skill 不碰+7. **MAJOR vs MINOR 透明**:dry-run 输出必标 (MAJOR) / (MINOR)。MAJOR 时额外提示"老 skill 用旧字段读会出问题,迁移完不能回退到老 skill 版本"++---++## Refusals++- 「跳过 dry-run,立刻覆盖我的 state」 → **允许**(`--dry-run: false`),但备份仍强制执行+- 「我的 state 损坏了 / schema_version 字段没了,能不能猜一个版本来跑」 → 允许指定 `--from: 1.0`,但要警告"基于猜测的迁移可能导致字段错位"+- 「降级到旧版本(current > target)」 → 拒绝。schema 演进单向。要降级请手动 cp 历史 git 快照+- 「合并多步迁移成一个 atomic」 → 拒绝。每步独立可恢复是设计核心+- 「在跑 cheat-bump / cheat-predict 中途调 migrate」 → 拒绝。等其他 skill 完成再跑,避免 in_progress_session 状态被破坏++---++## Integration++- 上游:SessionStart hook 检测 `state.schema_version != LATEST_SCHEMA` → 输出红色警告 + 建议跑 `/cheat-migrate`+- 上游(手动):用户 git pull 拉了新版后,看 CHANGELOG 标 BREAKING → 主动跑+- 下游:跑完后所有其他 skill 读 state 都能拿到最新字段+- 与 `cheat-init`:init 写新 state 时直接用 LATEST_SCHEMA,不需要走 migrate+- 与 `install.sh --reinstall-hooks`:迁移**不**重装 hook 脚本(hook 脚本属于 skill 包代码,不属于用户 state)。这两件事解耦++---++## State 字段读写++本 skill **写**:+- `schema_version`(每步成功后更新)++本 skill **读**:+- 所有现有字段(取决于具体 migration 文件的 HOW 步骤)++本 skill **绝不**写:+- `calibration_samples` / `pending_retros` / `shoots` 等业务状态(这些是其他 skill 的职责)+- 例外:迁移文件明确说"派生新字段值时需要扫 predictions/ 算 baseline_plays",那是初始化新字段,不是改老字段++---++## Examples++### 示例 1:用户从 v0.1.0 升到 v0.2.0(假设 0.2 引入 schema 1.2)++```+用户:迁移+Claude: [跑 cheat-migrate]+ Phase 0: current=1.1, target=1.2, chain=[(1.1, 1.2)]+ Phase 1: dry-run 输出计划+ 用户: yes+ Phase 2: 备份+ Phase 3: 应用 1.1-to-1.2.md(MINOR:新增 platform_metrics_url 等字段)+ Phase 4: 验证 OK+ Phase 5: 报告 ✅+```++### 示例 2:用户跳了多版++```+用户:我从 v0.1.0 升到 v0.5.0,state 还是 1.0+Claude: [跑 cheat-migrate]+ Phase 0: current=1.0, target=1.4 (LATEST), chain=[(1.0, 1.1), (1.1, 1.2), (1.2, 1.3), (1.3, 1.4)]+ Phase 1: dry-run 输出 4 步计划+ ...+```++### 示例 3:迁移中途失败++```+Phase 3:+ → [1/4] 应用 1.0-to-1.1.md ✓+ → [2/4] 应用 1.1-to-1.2.md ✓+ → [3/4] 应用 1.2-to-1.3.md... ❌ 失败:用户 baseline_plays 字段含非数字值,无法转 int++state 已停在 schema_version: 1.2。+修复 .cheat-state.json 后重跑 /cheat-migrate 会从 1.2 → 1.3 继续。+```diff --git a/skills/cheat-predict/SKILL.md b/skills/cheat-predict/SKILL.mdnew file mode 100644index 0000000..5f0850e--- /dev/null+++ b/skills/cheat-predict/SKILL.md@@ -0,0 +1,333 @@+---+name: cheat-predict+description: 给最终稿写一份 immutable 盲预测日志。这是 cheat-on-content 整个校准循环的核心动作——预测段一旦写完不可改,由 hook 强制。触发词:"启动预测"/"start prediction"/"给这稿子打分并预测"/"预测刚拍的视频"/"写预测日志"。+argument-hint: <video-folder-path-or-script-path>+allowed-tools: Bash(*), Read, Write, Glob+---++# /cheat-predict — AI 主导的盲预测 + 用户 review++**这个工具是"作弊器"——AI 帮你做判断**。所以 cheat-predict 的核心是:+- **Claude 自己**读稿子 + 打 7 维分 + 给 bucket + 概率分布 + 反事实场景+- 用户 **review** 后回 "ok" 接受,或指出哪个维度 / 哪个判断不对+- 默认走快路径:用户直接 ok → 落盘+- 慢路径:用户挑刺某个维度 → Claude 改 → 再 review → 直至确认++不是用户从 7 维分到概率分布全部自己写,那 Claude 只剩"格式化器"——失去工具的核心价值。++**严格遵守 [shared-references/blind-prediction-protocol.md](../../shared-references/blind-prediction-protocol.md)**——见过任何后续数据就不能写预测,只能记 reconstructed。+完整组件清单见 [shared-references/prediction-anatomy.md](../../shared-references/prediction-anatomy.md)。+Confidence 派生表见 [shared-references/state-management.md](../../shared-references/state-management.md)。++## Overview++```+[用户:启动预测 scripts/<id>.md]+ ↓+[Phase 0: blind check 自检] ← 触犯就拒绝+ ↓+[Phase 1: 读 script + rubric + state + 派生 confidence]+ ↓+[Phase 2: **Claude 自己**打 7 维分 + 算 composite]+ ↓+[Phase 3: **Claude 自己**找锚点对比]+ ↓+[Phase 4: **Claude 自己**给 bucket + 概率分布 + 中枢] ← confidence 低时分布更平+ ↓+[Phase 5: **Claude 自己**写反事实场景 + 关键校准假设]+ ↓+[Phase 5.5: **用户 review**——展示完整草拟版,等用户 "ok" 或挑刺]+ ↓+ ├─ "ok" → Phase 6 落盘+ └─ "X 维度应该 Y 不是 Z" → Claude 改 → 再 review → 循环+ ↓+[Phase 6: 落盘到 predictions/<id>.md(与 scripts/ 同 id)]+ ↓+[Phase 7: 更新 state.in_progress_session]+```++## Constants++- **SCRIPTS_DIR = scripts/** — 草稿源目录+- **PREDICTION_DIR = predictions/** — 落盘目录+- **BLIND_CHECK = strict** — strict(默认)/ lenient(仅警告,不推荐)+- **BUCKET_PRESET = auto** — 自动派生:有 baseline_plays → 按 baseline × {0.3 / 1 / 3 / 10 / 30};无 baseline → 平台通用默认+- **MIN_ANCHORS = 2** — 锚点对比期望 2 个;不够时显式标"锚点 N/A"段(不删段,不省略)++> 💡 调用时覆盖:`/cheat-predict scripts/<id>.md — BLIND_CHECK: lenient`(**不推荐**)++## Inputs++| 必填 | 来源 |+|---|---|+| `<video-folder-path>` 或 `<script-path>` | 用户参数;缺失则询问 |+| `rubric_notes.md` | 用户项目根 |+| `.cheat-state.json` | 状态文件 |+| `predictions/*.md`(可选) | 历史预测,作为锚点 |++### 入参解析(Phase 0.5,在 blind check 之前)++用户给的路径**应该是** `scripts/<date>_<id>_<short>.md`。如不在 scripts/ 下:++| 形态 | 处理 |+|---|---|+| `scripts/<date>_<id>_<short>.md` | 标准路径,直接用 |+| `<id>` 或 `<short>` 简写 | glob `scripts/*_<id>_*.md` 或 `scripts/*<short>*.md` 找匹配 |+| 任意外部 .md 文件(如 `~/Desktop/my-draft.md`) | **警告 + 询问**:"建议把稿子放到 scripts/<date>_<id>_<short>.md 让 cheat-on-content 管理。要我帮你 cp 过去并算 id 吗?"用户同意 → 建标准路径再继续 |+| `videos/<id>/` 路径(user 误以为视频文件夹存稿子)| 提示"video folder 是拍后才建的——pre-shoot 草稿在 scripts/。你要 predict 哪份稿子?" |++如 scripts/<id>.md 不存在 → 报错并询问"你想 predict 的稿子在哪?"++## Workflow++### Phase 0: Blind check 自检(**最关键**,触犯立即终止)++按 [blind-prediction-protocol.md](../../shared-references/blind-prediction-protocol.md) 的"子 skill 必须做的检查清单"执行:++1. 询问用户该作品当前发布状态:+ - 未发 → 通过+ - 已发 < `RETRO_WINDOW_DAYS` 天 → 询问"你看过任何后续数据吗(播放/点赞/评论)?"+ - 用户回答"没看过" → 通过,标记 `published_before_prediction: true` + `blind_status: confirmed_no_data_seen`+ - 用户回答含糊 → 视为"已看",按下一项处理+ - 已发 ≥ `RETRO_WINDOW_DAYS` 天 → **立即拒绝写"预测"**,建议改用 `_redo.md` 路径记 reconstructed retrospective++2. 自检对话历史里是否含播放/阅读/点赞/评论/转发等字眼的实际数字 → 命中则视为已见数据,按上面 strict 模式处理++3. `BLIND_CHECK=lenient` 模式:仅警告 + 强制在文件头标注 `**Reconstructed retrospective — NOT a blind prediction**`,但仍允许继续++通过 → 进入 Phase 1。++### Phase 1: 读最终稿 + rubric + state + 派生 confidence++1. 按 Phase 0.5 解析后的路径,读 `scripts/<id>.md` 全文+2. 计算 `script_hash` = sha256(script 内容)[:12] → header 用+3. 读 `rubric_notes.md`,识别当前公式 + 维度(同 cheat-score Phase 2)+4. 读 `.cheat-state.json` 拿 `rubric_version`、`content_form`、`calibration_samples`、`typical_duration_seconds`、`baseline_plays`+5. **从 `calibration_samples` 派生 confidence 等级**(按 [state-management.md confidence 表](../../shared-references/state-management.md))→ 后续写入 prediction header+6. 询问用户:"这是你打算实际拍摄发布的最终稿吗?还是会再改?"——必须是最终稿+7. 如果稿子字数与 `typical_duration_seconds` 派生范围严重不符(差 >50%)→ 提示用户:"这条稿子 N 字,按你设的典型时长(X 分钟)应该是 M-K 字。是临时改了时长,还是稿子需要砍/补?"++### Phase 2: Claude 自己打 7 维分 + 算 composite++**Claude 主动打分**,不让用户来打。每个维度给 0-5 整数分 + 一行理由(≤30 字,引用稿子里的具体词或场景)。++按当前公式算 composite。所有阶段都算(v0 公式是等权 7 维 / 7 × 2.0,仍能算出数字,只是 confidence 标"🔴 极低"提醒读者别太信)。++**这一步先在内存里做,不输出**——等 Phase 5 全部完成后一次性展示给用户 review。+(不要每个 phase 都让用户确认——那是把工具变成 5 段交互式问答,烦。一次性展示才是 review。)++### Phase 3: 锚点对比++**所有阶段都跑此 phase**——锚点不够时显式标 N/A,不删段。++1. Glob `predictions/*.md`,读每个文件 header(提取 composite、实绩 bucket、duration_seconds)。**注意排除 reconstructed predictions**(标记 "Reconstructed" 的不算锚点)+2. **优先**找同时长样本(`Target Duration (s)` 与本次差 ±20% 内)+3. 在同时长(或全部)池里,找 2-4 个 composite 与本次预测 ±0.5 范围内的样本+4. **如果池子太小**(同时长 < 2 个 + 全部 < 2 个)→ 输出"锚点对比 N/A 段"(参考 [prediction-anatomy.md](../../shared-references/prediction-anatomy.md) 组件 5)—— 仍写这段,告诉读者锚点为何缺+5. 列对照表;如跨时长,每行额外列"时长 vs 本次"列+6. **关键诊断**:如果某个锚点的 composite 几乎相同但实绩差异 ≥3x → 说明 rubric 没捕获关键维度。**在文件里明确标注**作为新观察的种子++> 为什么按时长筛锚点:4 分钟视频 5w 播放 vs 1 分钟视频 5w 播放完全不是一回事——长视频每秒扛了更多注意力损失。跨时长锚点容易得出虚假结论。++### Phase 4: Bucket + 概率分布 + 中枢++**所有阶段都写**——confidence 低时分布**更平**,不是省略。++1. 从 `starter-rubrics/<content_form>.md` 读默认 bucket 边界(除非用户在 rubric_notes.md 自定义了)+2. 选择最可能的 bucket(headline call)+3. **必须**给出所有 bucket 的概率分布——加起来 100%+4. **必须**给出该 bucket 内的"中枢"点估计++**反诚实陷阱**:如果你给一个 bucket 95% 概率,下次预测错了你没法说"我其实不太确定"。**真实的概率分布通常在 headline bucket 是 40-65%**,剩下 ≥35% 散布在邻近 buckets。++### Phase 5: 反事实场景 + 关键校准假设++**所有阶段都写**——校准池小时关键校准假设可能没有合适对照样本,那就写"无可对照样本——仍写下我对这次的核心赌注"+ 1-2 条这次想测的事。++**反事实场景**(4 段,每段对应一个可能的 bucket,写"如果落在这里,意味着什么 rubric 假设被验证 / 推翻"):参考 [prediction-anatomy.md](../../shared-references/prediction-anatomy.md) 组件 6。++**关键校准假设**(强烈推荐):+- 找一个对照样本(最好是上一篇预测)+- 明确写"我押本篇 vs 对照 = X 倍"+- 写"如果反过来 / 差距 < N → 哪个 rubric 假设被推翻"++如 `REQUIRE_HYPOTHESIS=required` → 缺失则不允许落盘。++### Phase 5.5: 用户 review(**核心 — 决定写什么进文件**)++Phase 2-5 全部在内存里做完后,**一次性展示完整草拟版**给用户:++```+我的预测草稿(写文件前 review):++📊 7 维分(v0 / v2 / 等当前 rubric):+| 维度 | 分 | 理由 |+|---|---|---|+| ER | 5 | "PPT 加油猫猫 + 老板看到 + 大脑空白"——情感重 |+| HP | 5 | 开头"PPT 第七页大屏中央 一只加油猫猫"具体反差强 |+| QL | 5 | "加油猫猫救了我一命"双金句 |+| NA | 4 | 单一时间线 + 反思,清晰但不复杂 |+| AB | 4 | 一人公司题但 AI 焦虑普适 |+| SR | 3 | AI 焦虑是议题但不是热点对峙 |+| SAT | 2 | 共情调性,几乎无讽刺 |+→ composite ≈ 8.00++🎯 押 bucket:30-100w,中枢 ~60w+ 概率分布: <5w 5% / 5-30w 22% / **30-100w 50%** / 100-150w 18% / >150w 5%+ confidence: 🟢 中(基于 8 个校准样本,中枢 ±25%)++🔍 锚点对比:+| 对照 | composite | 实绩 | 异同 |+|---|---|---|---|+| ... | ... | ... | ... |++🤔 反事实:+ 如果 >100w → 验证 ER 主导假设强化+ 如果 30-100w → 基准线 ok+ 如果 <30w → 推翻 "AI 焦虑普适",AB 偏乐观++🎲 关键校准假设:本篇 vs [对照] 押 1.5x++——————————————————————————————++回 "ok" 我直接落盘,+或指出哪些维度 / 判断不对(如 "AB 给 3,太乐观" / "中枢应该 30w 不是 60w")。+```++用户三种回应:++1. **"ok"** / "可以" / "继续" → 直接 Phase 6 落盘,header 标 `Scored By: claude`+2. **"X 不对,应该 Y"** → Claude 改对应字段(不光改值,要更新 composite + 概率分布等连锁影响),重新展示 → 循环回 Phase 5.5+3. **"全部重做"** → Phase 2-5 重跑(罕见,通常是 Claude 严重误判稿子调性)++**用户挑刺的字段**记录到 prediction header 的 `User Override` 段(Phase 6 写入):+- 哪个维度 / 哪个数字被覆盖+- AI 原值 vs 用户改后的值++复盘时这个字段帮诊断:+- 用户每次都 ok(claude 一致)→ 没有用户偏见污染+- 用户经常覆盖某维度 → Claude 在该维度系统性偏离用户实际感觉+- 覆盖维度被实绩验证 → 用户直觉准 → rubric 可能漏了什么++**用户挑刺的纪律**:+- 用户**只能改字段值**,不能在 review 阶段塞新理由让 Claude 重写整段——那是把 Claude 当代笔+- 改完 composite / 概率分布 / 锚点不一致 → Claude 自动连锁更新(不是用户算)++### Phase 6: 落盘++文件名约定([blind-prediction-protocol.md](../../shared-references/blind-prediction-protocol.md) 的"文件名约定"段):+```+predictions/YYYY-MM-DD_<id>_<short-title>.md+```+- `YYYY-MM-DD`:今天日期(预测写下的日期)+- `<id>`:12 位 hash,对稿子全文做 sha256 取前 12 位(稳定 ID,重写不变)+- `<short-title>`:3-8 字,去标点+- **如果对应 video folder 是 `videos/<这三字段>/`**(cheat-seed 创建的标准结构)→ id 与 video folder 保持一致;prediction header 写入 `video_folder` 字段指向该目录++如果用户给的是裸 .md 文件(不在 video folder 里)→ prediction header `video_folder: null`,并提示用户下次建议把稿子放进 video folder 管理。++**所有阶段都用统一完整版格式**(参考 [prediction-anatomy.md](../../shared-references/prediction-anatomy.md) "完整结构总览")。confidence 低不缩格式,只让 header 标 confidence 等级 + 锚点对比段写"N/A 解释" + 概率分布更平。++预测落盘到 `predictions/<同 scripts/ id>.md`——用同一组 `<date>_<id>_<short>` 命名(见 [blind-prediction-protocol.md](../../shared-references/blind-prediction-protocol.md) 的"文件名约定"段)。++**header 必填字段**:+- `Article ID`(与 scripts/<id>.md 同 id)+- `Script Path`(指向 scripts/<id>.md)+- `Script Hash`(Phase 1 算出的)+- `Calibration Samples` + `Confidence`(从 state 派生)+- **`Scored By`**:`claude` / `claude+user_override`+- **`User Override`**(如有覆盖):列出哪些字段被用户改了+ - 例:`AB: claude=4 → user=3 (用户认为'一人公司题没那么普适')` `中枢: claude=60w → user=40w`+- 其他见 [prediction-anatomy.md](../../shared-references/prediction-anatomy.md) 组件 1++留一个空的 `## 复盘` 段:+```markdown+## 复盘++(待填——T+RETRO_WINDOW_DAYS 天后跑 /cheat-retro <对应 video folder>)+```++写文件**前**自检 7 个组件齐全(缺锚点 / 关键校准假设 → 写"N/A 解释段",不删段)。++### Phase 7: 更新 state file++更新 `.cheat-state.json`:+```json+{+ "in_progress_session": {+ "type": "prediction",+ "file": "predictions/YYYY-MM-DD_<id>_<short>.md",+ "video_folder": "videos/YYYY-MM-DD_<id>_<short>/",+ "started_at": "<ISO timestamp>",+ "rubric_version": "<v0/v2/...>"+ }+}+```++`video_folder` 为 null 表示用户跑的是裸 .md 文件,没建 video folder。++`in_progress_session` 在 `cheat-publish` 触发时清除。如果用户预测后从未 publish(弃稿),下次 `/cheat-init` 或 `/cheat-status` 检测到陈旧 in_progress 会询问是否清理。++### Phase 8: 控制台总结++**Cold-start-simple 模式**:++```+✅ 预测落盘(cold-start 简化版):predictions/2026-05-04_a3f2c1d4e5b6_停止期待.md++7 维打分:ER5 / HP5 / QL4 / NA3 / AB5 / SR2 / SAT4+方向押注:比上一篇明显好(ER+HP 双 5)+对比对象:N/A(这是第 1 篇)++⚠️ ## 预测段已 immutable(hook 锁定)。+⚠️ 这是 cold-start 期简化版——没有 bucket 数字。前 5 篇都这样。+ 第 5 篇复盘后会自动解锁完整预测(bucket / 概率 / 锚点 / 反事实)。++进度:第 N 篇 / 共 5 篇 cold-start 期++下一步:+- 发布后 → "已发布 https://..."+- T+3 天 → "复盘 predictions/2026-05-04_..."+```++**Complete 模式**:++```+✅ 预测落盘:predictions/2026-05-04_a3f2c1d4e5b6_停止期待.md++bucket 押注:30-100w(中枢 50w)+关键校准假设:本篇 vs 谁问你了 = 1.5-2x++⚠️ ## 预测 段已 immutable(hook 锁定)。+⚠️ 你不能再向我"透露"这条作品的播放数据,否则下次复盘的盲度声明失效。+ 如果你不小心看到了,告诉我——我会在文件里补一个 integrity warning。++下一步:+- 发布后 → "已发布 https://..."+- T+3 天 → "复盘 predictions/2026-05-04_..."+```++## Key Rules++1. **blind check 是硬门槛**。BLIND_CHECK=strict 模式下,触犯即终止,不允许"软处理"。lenient 仅用于演练+2. **整数维度分**。同 cheat-score+3. **概率分布 = 100%**。不允许 95% + 8%;要么诚实给 50% + 30% + 15% + 5%,要么承认不知道+4. **必须有 `## 复盘` 占位空段**——否则 hook 不知道哪里是 immutable 边界+5. **不允许"先写文件再讨论分数"**——文件落盘后预测段就锁了;讨论必须发生在 Phase 2 之后、Phase 6 之前+6. **id 是稿子 hash,不是时间戳**——重写 _redo.md 时 id 不变,便于跨文件追溯++## Refusals++- 「我已经看过播放数据了,但你假装没看到给我做个预测」 → 拒绝。BLIND_CHECK=strict 直接终止+- 「我把预测段先写一版,等数据出来再调」 → 拒绝。这是把 immutable 协议反着用+- 「跳过反事实场景,太麻烦」 → 拒绝。反事实是复盘诊断的依据,缺它复盘退化为"准 / 不准"+- 「可不可以只写 bucket,不写概率分布」 → 拒绝。概率分布是逼你诚实的工具+- 「这次先用 lenient 模式,下次再 strict」 → 询问原因。如果是测试 / 演练 → 允许且文件明确标 reconstructed;如果是想偷懒 → 拒绝+- 「我是 cold-start 但想跑完整版预测,给我 bucket 数字」 → 拒绝。前 5 篇 bucket 数字是 false precision,给反而误导。等第 5 篇复盘后 cheat-status 会主动提示解锁。如果用户确实想要数字(罕见,自我教育目的)→ 允许但在文件头醒目标 `**Numerical predictions in cold-start are NOT predictive — for self-education only**`++## Integration++- 前置:`/cheat-init` 必须完成 + `rubric_notes.md` 存在+- 上游可选:`/cheat-score` 反复尝试不同稿子版本+- 下游:`/cheat-publish`(发布登记)→ `/cheat-retro`(复盘)→ 累计 ≥ MIN_SAMPLES 后 `/cheat-bump`+- hook 依赖:`hooks/prediction-immutability.sh` 必须已安装在用户 `.claude/settings.json`,否则 immutability 仅靠 SKILL.md 自律——`cheat-status` 会持续提示diff --git a/skills/cheat-publish/SKILL.md b/skills/cheat-publish/SKILL.mdnew file mode 100644index 0000000..56090a7--- /dev/null+++ b/skills/cheat-publish/SKILL.md@@ -0,0 +1,170 @@+---+name: cheat-publish+description: 登记一篇内容已发布,把 URL/平台 ID/发布时间写入对应预测文件 header 和 state file。这是一个轻量动作——只更新元数据,**不动预测段任何字符**。触发词:"已发布"/"I shipped"/"发布链接是 X"/"刚发完 [url]"/"publish registered"。+argument-hint: <prediction-file-or-url> [— platform: youtube|bilibili|douyin|...]+allowed-tools: Bash(*), Read, Edit, Glob+---++# /cheat-publish — 发布登记++把作品的发布元数据(URL、发布时间、平台)补到预测文件 header 与 state file。**禁止改预测段**——hook 会拦。++## Overview++```+[用户:已发布 https://...]+ ↓+[Phase 0: 找到对应的预测文件] ← 通过 in_progress_session 或匹配+ ↓+[Phase 1: 解析 URL → 平台/发布时间]+ ↓+[Phase 2: 更新 prediction 文件 header(仅 metadata 段)]+ ↓+[Phase 3: 更新 .cheat-state.json,清除 in_progress_session]+```++## Constants++- **AUTO_DETECT_PLATFORM = true** — 从 URL 模式自动识别平台+- **VERIFY_BLIND = true** — 提醒用户:从此刻起看到任何后续数据都会破坏盲度声明的诚信++## Inputs++| 必填 | 来源 |+|---|---|+| `<prediction-file>` 或 URL | 用户参数;缺失则用 `.cheat-state.json` 的 `in_progress_session.file` |+| `.cheat-state.json` | 用户项目根 |++## Workflow++### Phase 0: 找到对应的预测文件++按优先级:+1. 用户参数明确给了 prediction 文件路径 → 用它+2. 用户参数只给了 URL → 读 `.cheat-state.json` 的 `in_progress_session.file`+3. 都没有 → 列出 `predictions/*.md` 中 header 没填 `published_at` 的文件,让用户选++**警告路径**:若 `in_progress_session.file` 与用户给的 URL 时间差超过 14 天 → 提示"这个预测写于很久之前,确认是这篇?"++### Phase 1: 解析平台++`AUTO_DETECT_PLATFORM=true` 时按 URL 模式:++| URL 模式 | 平台 |+|---|---|+| `youtube.com/*` `youtu.be/*` | youtube |+| `bilibili.com/*` `b23.tv/*` | bilibili |+| `douyin.com/*` `iesdouyin.com/*` `v.douyin.com/*` | douyin |+| `xiaohongshu.com/*` `xhslink.com/*` | xhs |+| `mp.weixin.qq.com/*` | wechat |+| `substack.com/*` `*.substack.com/*` | substack |+| `medium.com/*` `*.medium.com/*` | medium |+| `twitter.com/*` `x.com/*` | twitter |+| 其他 | unknown — 询问用户 |++发布时间获取:+- 不强求自动抓——绝大多数平台需要登录态+- 询问用户:"发布时间是?(默认:现在)" → 接受 ISO 8601 或自然语言("今天 14:30" / "20 分钟前")+- 解析失败 → 用 now()++### Phase 2: 更新 prediction 文件 header++**绝不**触碰 `## 预测` 段及之后。只动文件最顶部的 metadata 块。++读文件,定位到 metadata 块(在第一个 `##` 之前的所有行)。检查是否已有这些字段——有则警告"已登记过"并询问是否覆盖;无则追加:++```markdown+**Published at**: 2026-05-04T14:32:00+08:00+**Platform**: douyin+**URL**: https://v.douyin.com/abc123+**Video Folder**: videos/2026-05-04_a3f2c1d4_停止期待/+**Aweme ID**: 7234567890123456789 (douyin / 视频号 等需要的 platform-specific ID)+```++**关于 platform-specific ID**:+- 抖音:从 URL 短链 resolve 后提取 `aweme_id`(v.douyin.com → 重定向后含 modal_id 或 item_id 参数)+- B 站:BV 号+- 小红书:note_id+- YouTube:v= 参数后的 video_id++如果用户给的是分享短链(无法立刻 resolve)→ 标 `Aweme ID: pending`,下次 `/cheat-retro` 时由 adapter 解析。++**video folder 处理**:到 cheat-publish 这一步,对应的 `videos/<id>/` 目录**应该已经由 cheat-shoot 创建**(含 script.md)。++- 如 video folder 不存在 → 警告"你跳过了 cheat-shoot?建议先跑 cheat-shoot 把拍摄稿登记进 video folder 再发",**询问用户是否跳过登记直接发**:+ - 是 → 自动建一个 video folder(fallback),但不询问稿子一致性,标 `ad_hoc_publish: true`+ - 否 → 让用户先跑 cheat-shoot 再回来 publish++用 Edit 工具(不是 Write 重写整个文件)。++**hook 行为预期**:因为只动 metadata 段(在 `## 预测` 之前),immutability hook 应放行。如果 hook 误拦 → 报告 bug,**不要绕过 hook**。++### Phase 3: 更新 state file++```json+{+ "in_progress_session": null,+ "last_published_at": "<ISO timestamp>",+ "last_published_file": "predictions/<filename>",+ "last_published_video_folder": "videos/<...>/",+ "last_published_platform_id": "<aweme_id 或 BV 号 等>",+ "pending_retros": [+ "predictions/<filename>"+ ],+ "shoots": [+ // 移除 video_folder 匹配本次发布的项;buffer -1+ ]+}+```++**`shoots` 队列处理**(buffer 跟踪关键):+1. 读 state.shoots[]+2. 找 `video_folder == 本次发布的 video_folder` 的项 → 移除+3. 如果没找到 → 警告"buffer 队列里没有这条视频。是直接发布没经过 /cheat-shoot 吗?"——不阻塞,但提示用户下次走 /cheat-shoot 让 buffer 跟踪准确++`last_published_platform_id` 是 cheat-retro 调 adapter 时的输入——如 douyin-session 需要 aweme_id 直接抓数据。++`pending_retros` 是待复盘列表——`cheat-status` 会基于这个列表 + RETRO_WINDOW_DAYS 显示"今天该复盘哪些"。++### Phase 4: 提醒 + 下一步 + buffer 状态++```+✅ 登记完成:predictions/2026-05-04_a3f2c1d4e5b6_停止期待.md+ - Published at: 2026-05-04 14:32+ - Platform: douyin+ - URL: https://v.douyin.com/abc123++📦 Buffer:N 篇(颜色 + 含义)+ 按你的 cadence(X)= N×X 天 buffer+ [如颜色变了,提示"现在该去拍/暂停拍"]++⚠️ 从此刻起,你看到任何关于这条作品的播放/点赞/评论数据+ 都会破坏盲度声明的诚信。如果不小心看到,告诉我——+ 我会在文件里追加一个 integrity warning。++📅 计划复盘:T+3d,约 2026-05-07+ 到时间说:"复盘 predictions/2026-05-04_..."+```++Buffer 颜色由 [shared-references/cadence-protocol.md](../../shared-references/cadence-protocol.md) 派生。如本次发布让 buffer 跌入红色(断更风险)→ 高亮警告"今天必须再拍 ≥1 条"。++## Key Rules++1. **不动预测段**。即使是修复笔误,也不允许在 publish 时改预测段+2. **不抓数据**。publish 是登记动作,不是数据回收(那是 cheat-retro 的活)+3. **state 字段名固定**。`pending_retros` / `last_published_at` 是其他子 skill(特别是 cheat-status / cheat-retro)依赖的契约+4. **平台未知不强报**。无法识别 → 询问用户,允许 `platform: other` 作为兜底+5. **重复登记需明示**。已有 published_at → 询问"覆盖?",绝不静默覆盖++## Refusals++- 「我顺手把预测段也改一下」 → 拒绝。请走 `_redo.md` 路径+- 「URL 我等会儿补,先把发布时间记上」 → 允许:URL 字段可后续追加;published_at + platform 必填+- 「跳过 metadata 更新,直接清 in_progress_session」 → 拒绝。元数据是复盘时的关键上下文(特别是 platform 决定数据回收用哪个 adapter)++## Integration++- 上游:`/cheat-predict`(写出 prediction 文件并设 in_progress_session)+- 下游:T+RETRO_WINDOW_DAYS 后 → `/cheat-retro`+- `cheat-status` 用 `pending_retros` 字段计算"今天该复盘哪些"+- 平台字段被 `cheat-retro` 用来路由到对应的 perf-data adapter(manual-paste / youtube-data-api / 等)diff --git a/skills/cheat-recommend/SKILL.md b/skills/cheat-recommend/SKILL.mdnew file mode 100644index 0000000..b895c77--- /dev/null+++ b/skills/cheat-recommend/SKILL.md@@ -0,0 +1,235 @@+---+name: cheat-recommend+description: 从 candidates.md 里按当前 rubric 排序推荐 top N 选题,每条带 composite + 一句 rationale + 锚点对比。**candidates 不存在时给引导而非报错**。触发词:"推荐选题"/"next topic"/"下一篇做什么"/"recommend topics"/"挑一个选题"。+argument-hint: [— top: N] [— filter: tier1|all|safe|risky]+allowed-tools: Read, Glob, Grep+---++# /cheat-recommend — 候选池排序推荐++读 candidates.md → 按 composite 排序 → 输出 top N 推荐,每条带评分细节 + 锚点对比 + 推荐理由。++## Overview++```+[用户:推荐选题]+ ↓+[Phase 0: 检查 candidates.md 存在性] ← 不存在则引导,不报错+ ↓+[Phase 1: 解析 candidates 列表]+ ↓+[Phase 2: 过滤(tier / 安全性 / 已发过)]+ ↓+[Phase 3: 排序 by composite + 找锚点]+ ↓+[Phase 4: 输出 top N + 每条的 rationale + 锚点对比]+```++## Constants++- **TOP_N = 5** — 默认推荐 top 5+- **STRATEGY = stable+experimental** — 推 ≥2 时按 [cadence-protocol.md](../../shared-references/cadence-protocol.md) 的"1 稳分 + 1 实验性"策略;推 1 时只推 top 稳分+- **POOL_PATH = candidates.md** — 候选池路径+- **EXCLUDE_PUBLISHED = true** — 排除已发布的(与 `predictions/*.md` 去重)+- **EXCLUDE_REJECTED = true** — 排除用户主动跳过的(`tier=skip`)+- **REQUIRE_SCORED = true** — 只推荐已打分的——避免推没读过的素材+- **DUPLICATE_CATEGORY_LOOKBACK** — 派生自 `state.target_publish_cadence_days`:max(3, cadence_days × 3) 天内已发同类目候选不推(避免审美疲劳)++> 💡 调用时覆盖:`/cheat-recommend — top: 3 — filter: safe`++## Inputs++| 必填 | 来源 |+|---|---|+| `candidates.md` | 用户项目根 |+| `predictions/*.md` | 用于去重 |+| `.cheat-state.json` | 当前 rubric_version |++## Workflow++### Phase 0: 候选池存在性检查++读 `candidates.md`:++| 状态 | 处理 |+|---|---|+| 文件不存在 | **不报错**。输出引导:见下方"无候选池引导" |+| 文件存在但空(< 1 个 entry) | 同上 |+| 文件存在且非空 | 进入 Phase 1 |++**无候选池引导**(核心:不让用户第一次遇到 cheat-recommend 时被劝退):++```+你目前没有候选池(candidates.md 不存在或为空)。++绝大部分人没有候选池——这很正常。四个建立方式,挑一个:++1. 🌱 [推荐] 跑 /cheat-seed+ 一次性的种子动作:3 个问题(兴趣 / 调性 / 红线)→ 拉公开热点 + Claude brainstorm+ → 输出 15 候选让你挑 5 → 默认顺带写 5 个 draft。5 分钟搞定。++ - 没发过历史的:纯 brainstorm(兴趣 × 热点)+ - 发过历史的(init 时已 import):brainstorm 会基于"你过去做过什么"给推荐++ 说:"找选题" 或 "seed"++2. 🔥 [日常补充] 用 /cheat-trends 抓 20 条带打分的候选+ 说:"抓热点" — 从 weibo-hot / zhihu-hot / b站热门 / HN / 你配的源各拉 N 条+ 适合已经跑过 /cheat-seed、想日常补充候选池的用户++3. ✍️ 手动建:把候选标题贴进 candidates.md,每行一条+ 我会自动给每条粗打分++4. 📋 从 Notion / RSS 导入:跑 /cheat-init --mode add-pool 配置 adapter++你也可以跳过候选池,直接给我具体稿子说"启动预测"。++> /cheat-seed vs /cheat-trends 的区别:+> - seed 是种子动作(含 brainstorm + 可选 draft),适合"我从零开始没选题"+> - trends 是日常多 adapter 抓取(不 brainstorm 不写 draft),适合"日常补充候选池"+```++完成引导 → 退出,不继续后续 phase。++### Phase 1: 解析 candidates++按 [candidate-schema.md](../../shared-references/candidate-schema.md) 的"Markdown 表示"格式解析每个 H3 entry:++```markdown+### [tier1] 标题+- **id**: a3f2c1d4e5b6+- **composite (v2)**: 8.47 — ER=4 HP=4 QL=5 NA=3 AB=5 SR=3 SAT=3+- **predicted bucket**: 5-30w+...+```++提取每条的 `id` / `title` / `tier` / `composite` / `dimension_scores` / `note`。++容错:`candidates.md` 格式被用户手改过 → 询问用户 schema,**不要静默忽略不识别的 entry**。++### Phase 2: 过滤++```+1. EXCLUDE_PUBLISHED=true → 扫 predictions/*.md 的 header,提取所有 id;从候选池过滤掉+2. EXCLUDE_REJECTED=true → 过滤 tier=skip+3. REQUIRE_SCORED=true → 过滤 composite=null(未打分的不推荐)+4. filter 参数:+ - tier1: 只保留 tier=tier1+ - all: 不过滤(tier1+2+3)+ - safe: 排除 tier=risky+ - risky: 仅显示 tier=risky(用于"我今天就想发风险议题")+```++### Phase 2.5: Buffer 颜色覆盖(**最高优先级**)++读 `state.shoots` + `state.target_publish_cadence_days` 算 buffer 颜色([cadence-protocol.md](../../shared-references/cadence-protocol.md)):++| Buffer 颜色 | 推荐策略覆盖 |+|---|---|+| 🔴 红 | **只推 top 1 稳分**——不推实验性。回:"buffer 已 0/1 篇,下个发布日断更风险高,今天必须拍 ≥1 条稳分。下面是 top 1 稳分(不推实验性)" |+| 🟠 橙 | 标准 1 稳 + 1 实验,但提示"建议优先拍稳分" |+| 🟢 绿 | 标准 1+1(默认) |+| 🔵 蓝 | **拒绝推荐**。回:"你 buffer 已 N 条,cadence-protocol 规定积压时暂停拍摄。先发存货 + 复盘。手动覆盖请说 '我就要拍'" |+| 灵活模式 (`target_publish_cadence_days=null`) | 不应用 buffer 覆盖,标准策略 |++### Phase 3: 排序 + 选 1 稳 + 1 实验(按 STRATEGY)++#### 第 1 条(稳分)++1. 按 `composite` 降序排+2. 过滤掉 `tier=risky`(稳分要安全议题)+3. 过滤掉 `category` 与最近 `DUPLICATE_CATEGORY_LOOKBACK` 天已发/已推过的重复(避免审美疲劳)+4. 取 top 1++#### 第 2 条(实验性)++1. 在 candidates.md 中找:+ - 维度组合与最近已发样本**差异最大**(增加校准信息量),或+ - 含明确的 pattern/dimension hypothesis(如 "MS=5 的 A/B 对照"),或+ - tier=risky 但用户主动愿意试(用 `--filter risky` 覆盖)+2. composite 不一定 top——但有"信息价值"+3. 如 candidates 池里没有合适的实验性候选 → 回:"候选池里没有明显的实验性样本,给你 2 条稳分"++#### 剩余 (TOP_N - 2) 条++按 composite 降序补满,标 "(备选)"。++#### 锚点++对每条找 1-2 个 composite 接近的**已发布**作品作为锚点(从 `predictions/*.md` 读)。优先**同时长**锚点(按 `state.typical_duration_seconds` ±20%)。++### Phase 4: 输出++```+🎯 候选池推荐(rubric: v2 / buffer: 🟢 绿 / cadence: 隔日更)++📌 第 1 条 — **稳分**(推荐立即拍):+ **[tier1] [👍 9.18] "为你好"高密体系**+ - 维度:ER=5 HP=5 QL=4 NA=4 AB=5 SR=5 SAT=4+ - 粗预测桶:30-100w(中枢 ~60w)+ - rationale:ER+SR 双 5 顶配,"高密度家庭议题"普适且分享安全+ - 锚点:仓鼠 (composite 9.41, 实绩 124w) — 同走"理论框架+具象样本"路线+ - 风险:议题厚重,不适合连续 2 篇都打这种++🧪 第 2 条 — **实验性**(验证特定假设):+ **[tier1] [👍 8.71] 哈哈长度**+ - 维度:ER=3 HP=5 QL=5 NA=4 AB=5 SR=4 SAT=5+ - 粗预测桶:30-100w(中枢 ~55w)+ - **测试目标**:v2.1 候选维度 MS+TS 双 5 vs 谁问你了同 ER/HP/QL/SR 但 MS+TS 低 3+ - 信息价值:拍这条能强证据/弱推翻 v2.1 升正+ - 锚点:谁问你了 (composite 8.24, 实绩 11.7w)++(备选 top 3):+ 3. ……+ 4. ……+ 5. ……++下一步:+- 选稳分 + 实验性各拍 1 条 → 改写 script → "启动预测"+- 只拍 1 条 → 选稳分(buffer 颜色越红,越应该选稳分)+- 想抓更多候选 → 说"抓热点"+- 都不满意 → 说"过滤改 all"看其他 tier 或 "regen"+```++如 buffer 颜色为 🔴:+```+🔴 buffer 警戒:你 buffer 已 0/1 篇,**下个发布日可能断更**。+ 按节奏协议,只推 top 1 稳分(不推实验性):++ **[tier1] [👍 9.18] "为你好"高密体系**+ - ...(同上稳分格式)++今天必须拍这条。挑 5 条候选 → "抓热点"。+```++如 buffer 颜色为 🔵:+```+🔵 buffer 积压:你 buffer 已 N 条,**暂停推荐**。+ 按节奏协议,先发存货 + 复盘。+ - 已拍未发:N 条(最早一条 X 天前拍的)+ - 待复盘:N 条+ 说 "已发布 ..." 出队,或 "复盘" 处理待复盘项。+ 如果你坚持要拍新的,回 "我就要拍",我会推 top 1 稳分。+```++每条必有:维度评分(让用户能挑战打分)+ 锚点(让用户校准 composite 的可信度)+ rationale(让用户理解推荐逻辑)。**不允许只输出 composite 排序而无解释**——那是黑箱。++## Key Rules++1. **不报错,给引导**。candidates 缺失是默认状态,不是错误+2. **不推未打分的**。REQUIRE_SCORED=true 是诚实门槛——推未读过的素材是占星+3. **必带锚点**。composite 8.47 在不同账号意味不同,锚点把抽象数字 ground 到真实样本+4. **必带 rationale**。一句话——为什么这条比第二条强?+5. **去重 published**。已发过的不推(用户可显式覆盖)++## Refusals++- 「直接给我 composite 最高的,不用解释理由」 → 拒绝。展示评分 + 锚点是发现"打错"的唯一机会+- 「把 candidates.md 里所有 entry 都重新打分一遍」 → 路由到 `/cheat-score` 单条做;批量重打分是 `/cheat-bump` 的一部分,不在 recommend 范围+- 「按预测桶排,不要按 composite」 → 询问理由。bucket 是 composite 的离散化,按 composite 排即按 bucket 排,差异在桶内序——如果用户真想按"押注期望值"排,需要乘以平均播放,那是另一个独立 scoring 维度++## Integration++- 上游:`/cheat-trends` 把外部热点拉进 candidates.md → recommend 自动看到+- 下游:用户挑一条后写稿 → `/cheat-predict`(candidate 的粗 composite 不进入 prediction,prediction 重新打)+- 与 `/cheat-status` 协调:status 显示 "candidates 池有 N 条 tier1 未发",recommend 提供具体推荐diff --git a/skills/cheat-retro/SKILL.md b/skills/cheat-retro/SKILL.mdnew file mode 100644index 0000000..a7e5fa2--- /dev/null+++ b/skills/cheat-retro/SKILL.md@@ -0,0 +1,346 @@+---+name: cheat-retro+description: T+N 天数据回收 + 复盘 + 把新观察写入 rubric_notes.md。这是校准循环的反馈环节——不复盘的预测等于占星。触发词:"复盘 [path]"/"retro this"/"T+3d 数据来了"/"抓数据 [path]"/"把这篇复盘了"。+argument-hint: <prediction-file> [— window: 3|5|7] [— source: manual|adapter]+allowed-tools: Bash(*), Read, Edit, Write, Glob, Grep, Skill+---++# /cheat-retro — 数据回收与复盘++抓 T+N 天的实际表现 → 对比预测 → 提炼新观察 → 写入 rubric_notes.md。**只追加 `## 复盘` 段,绝不改预测段**。++## Overview++```+[用户:复盘 predictions/2026-05-04_...]+ ↓+[Phase 0: 校验 immutability + 校验时间窗口]+ ↓+[Phase 1: 抓数据(manual paste 或 adapter)]+ ↓+[Phase 2: 写实绩段 + top 评论关键词]+ ↓+[Phase 3: 验证/推翻预测的各假设]+ ↓+[Phase 4: 提炼新观察]+ ↓+[Phase 5: 落盘(追加到 ## 复盘 段)]+ ↓+[Phase 6: 写入 rubric_notes.md 的"观察记录"段]+ ↓+[Phase 7: 检测是否触发 bump 候选 → 提示用户跑 /cheat-bump]+```++## Constants++- **RETRO_WINDOW_DAYS = 3** — 默认 T+3d。短视频快平台可设 1,长文设 7+- **DATA_SOURCE = manual** — manual: 用户粘数字;adapter: 调对应平台 adapter(需配置)+- **AUTO_PROPOSE_BUMP = true** — Claude 判断是否系统性偏差时自动提议 /cheat-bump+ - **默认参考**:连续 ≥3 次同向偏差(high/low)→ 提议+ - **但 Claude 可以更早提议**:1 次极端偏差(如中枢 50w 实绩 5w 这种 ≥10x),即使没有"连续"也提议+ - **也可以更晚**:3 次同向但每次偏差都很小(<25%),可能只是噪声不是系统性+- **TOP_COMMENTS_N = 20** — 抓 / 粘 top N 高赞评论++> 💡 调用时覆盖:`/cheat-retro <file> — window: 7 — source: adapter`++## Inputs++| 必填 | 来源 |+|---|---|+| `<prediction-file>` 或 `<video-folder>` | 用户参数;缺失则从 `.cheat-state.json` 的 `pending_retros[0]` |+| `rubric_notes.md` | 用户项目根 |+| `.cheat-state.json` | 状态文件 |++### 入参解析(同 cheat-predict 双形态接受)++用户给的可能是:+- **`predictions/2026-05-04_<id>_<short>.md`** → 直接用这个 prediction 文件+- **`videos/2026-05-04_<id>_<short>/`** → 找对应的 prediction 文件(按 id 匹配)+ 把 report.md 写到该 video folder 里+- 缺省 → 从 `pending_retros[0]` 取最早的++## Workflow++### Phase 0: 校验++1. 读 `<prediction-file>`,确认存在+2. **校验 immutability**:在内存 cache 住 `## 预测` 段的内容(用于 Phase 5 后核对)+3. 校验文件 header 有 `Published at` → 没登记的不能复盘,提示用户先 `/cheat-publish`+4. 校验时间窗口:今天 - published_at >= RETRO_WINDOW_DAYS。不够 → 提示"还差 X 天",询问用户是否仍坚持复盘(标 `early_retro: true`)+5. 校验已有复盘段是否已填——已填则询问"是补充还是修正?"+ - 补充 → 在已有复盘段下追加新子段,标日期+ - 修正预测段(用户错觉)→ 拒绝++### Phase 1: 抓数据++按 `state.data_collection` 字段分两条路径——抓回数据后**写到 video folder 的 `report.md`**(如果 prediction 关联 video folder),同时解析摘要 inline 到 prediction 的复盘段。++#### Path A:`DATA_SOURCE=manual`(候补方案)++- 询问用户:"粘贴这条作品的当前数据:播放 / 点赞 / 评论 / 转发 / 收藏(顺序无所谓,能识别就行)"+- 用户粘 → 解析提取数字+- **强制要求 top 评论**:让用户从平台后台或直接打开评论区贴 TOP_COMMENTS_N 条到对话里(每条带赞数)+ - 用户拒绝 / 给少于 5 条 → **拒绝继续**:"评论才是真信号——'她不一样'这种模因爆发只能从评论看出。+ 没评论的复盘 = 看体温计判断病情。粘 top 20 给我。如果实在拿不到,告诉我原因(比如评论被关了),我帮你标 `comments_unavailable`,但这次复盘价值打折。"+- 把粘的原始数据写到 `videos/<...>/report.md`(如有 video folder)++#### Path B:`DATA_SOURCE=adapter`++按 prediction header 的 `Platform` 字段 + state 的 `enabled_perf_adapters` 决定调哪个:++| Platform | Adapter | 调用方式 |+|---|---|---|+| `douyin` | `adapters/perf-data/douyin-session/` | `bash <skills-dir>/../adapters/perf-data/douyin-session/run.sh <aweme_id> <video_folder>` |+| `youtube` | `adapters/perf-data/youtube-data-api/`(待) | 调 YouTube Data API(需 API key) |+| `bilibili` | `adapters/perf-data/bilibili-stat/`(待) | 调 B 站官方 stat 接口 |+| 其他 | 无 adapter | 优雅降级到 Path A |++**douyin-session 的特殊处理**:+- 视频 URL(如 `https://v.douyin.com/abc123`)→ 短链解析 → 提取 aweme_id+- 调用前确认 cookie 文件存在(adapter 会找 `.auth/`);不存在则提示用户先跑 `python <adapter>/crawler.py login`+- adapter 输出在 `<video_folder>/report.md`(adapter 的 renderer.py 已经按这个格式写)+- cheat-retro 读这个 report.md 解析关键数据 → 摘要写入 prediction 的复盘段++**任何 adapter 失败**(cookie 过期 / 接口变化 / 网络)→ **优雅降级到 manual**,提示用户:"adapter 调用失败,原因 [X]。改用 manual 模式——粘下面的数据"。**不阻塞流程**。++#### 共同输出++不管 Path A 还是 B,最终:+- `videos/<...>/report.md` 含完整原始数据(数字 + top 评论)+- prediction 文件复盘段含**摘要**(关键比率 + 评论关键词聚类 + 验证/推翻判定)+- report.md 是数据真相,prediction 复盘段是判断真相++### Phase 2: 写实绩段 + top 评论分析++**实绩数据格式**(参考 [prediction-anatomy.md](../../shared-references/prediction-anatomy.md) 的复盘段格式):++```markdown+### 实绩数据+- 播放:71.1w(落在 `30-100w` 桶内偏高,相对中枢 50w **+42%**)+- 点赞:2.4w(赞播比 3.38%)+- 评论:899(评播比 0.126%)+- 收藏:5251+- 分享:1.8w(分播比 2.53%,强)+```++数据点之间的派生比率(赞播比、评播比、分播比)必须算出来——它们是单纯播放数无法暴露的信号。++**top 评论关键词聚类**:+- 把粘进来的 N 条评论分 3-5 类(高赞模因 / 概念引用 / 离题噪声 / 转发暴露暗示 / @朋友传播 等)+- 每类列代表性评论(带赞数)+- 报告比例("22% 是模因复用、35% 是概念引用、5% 是离题")++### Phase 3: 验证/推翻++对 prediction 文件里的每一项(推理因素表、关键校准假设、反事实场景),逐项判定:++```markdown+### 哪些预测被验证 ✅ / 推翻 ❌++**验证 ✅**:+- 关键校准假设完全成立:本篇 71.1w / 谁问你了 11.7w = 6.07x,远超我押的 1.5-2x+- ER=5 主导情感传播力 → H1 强证据+- HP=5 验证:分播比 2.53% 与"金句被高频引用"匹配++**推翻 ❌**:+- 中枢 50w 被超出 +42%+- 反事实推理里"必须搭配强社会议题才能破 30w" 完全错误+- SR 押注("H2 SR 应上调")反向被推翻:SR 在情感向场景几乎不贡献+```++**关键纪律**:+- 每条验证 / 推翻必须引用具体数据("分播比 2.53%"),不许写"基本符合"这种含糊措辞+- 反事实的"如果落在 X bucket 意味着什么"——实际落在的那个 bucket 直接告诉你哪个 rubric 假设被测试了,明确写出来++### Phase 4: 提炼新观察(**两类,分别写入两个文件**)++#### 4a. Rubric 观察(写入 rubric_notes.md)++打分维度 / 公式 / bucket 边界相关的观察:++```markdown+### 需要写进 rubric_notes.md 的新观察++1. **ER 在情感向场景的真实权重应 ≥ ×2.0**:与谁问你了 6x 流量比是 v2 rubric 最强的反事实证据+2. **议题分享冲动 (TS) 是隐藏维度**:joker / "她不一样" / 滤镜重构提供了安全的自嘲身份,转发不暴露处境,TS=5 的样本+3. ……+```++每条观察必须可追溯到具体数据点(不写"情感很重要"——写"ER5/SR2 vs ER3/SR4 同 composite 下流量差 6x")。++#### 4b. 写作 Pattern 观察(写入 script_patterns.md)++Diff `scripts/<id>.md`(pre-shoot 草稿,可能是 cheat-seed 写或用户写)vs `videos/<id>/script.md`(实际拍摄稿——cheat-shoot 时用户提供的版本),找出**改动且对流量有明显影响**的部分:++| 用户做了什么 | 流量影响 | 是否提议追加 pattern |+|---|---|---|+| 砍掉某段 | 实绩 ≥ 中枢 → "砍掉没伤流量"——验证那段冗余 | 是,加到 script_patterns.md "用户改稿历史观察"表 |+| 加了某句 / 互动钩子 | 实绩超中枢 → 可能是新 pattern | 是,候选 Pattern N,标 ≥1 样本待验证 |+| 改了风格(如开头软化) | 高于同类样本 → 风格改动有效 | 是,候选 Pattern N |+| 没动结构 / 改动与流量无关 | — | 不追加 |++输出格式:++```markdown+### 需要写进 script_patterns.md 的新 pattern 候选++1. **用户改稿模式**: 砍掉 [X 段] / 加了 [Y]+ - 流量影响:实绩 [N] vs 中枢 [M],[偏差 / 命中]+ - 建议:追加到 script_patterns.md 的"用户改稿历史观察"表++2. **新 pattern 候选 N**:[一句话描述]+ - 单样本支持+ - 触发条件:[何时该用]+ - 建议:追加到 script_patterns.md 末尾的"新发现的 Pattern"段,标 ≥1 样本待验证+```++询问用户:"要把这些追加到 script_patterns.md 吗?(yes / no / 选择哪几条)"。**用户确认后才追加**——避免把单点观察直接写成正式 pattern。++> **rubric 进化 ≠ 写作进化**——两者解耦:+> - rubric_notes.md 学的是"哪些维度真的预测流量"+> - script_patterns.md 学的是"什么写法真的能起作用"+> 可能有交叉(如 MS 维度与"互动钩子" pattern),但记录在两个文件里是因为**作用域不同**——rubric 改了影响所有未来打分,pattern 改了影响所有未来 draft。++如果 `videos/<id>/script.md` **缺失**(cheat-shoot 时用户标 `script_lost`) → 跳过 4b,没法 diff。+如果 `script_consistency = "consistent"`(用户拍时没改稿)→ 4b 仍然有意义(diff 也许是空),但可以快速跳过细查。+如果 `script_consistency = "modified"`(用户拍时改了)→ **4b 是核心**,重点学这次改动 → 流量影响。++### Phase 5: 落盘到 ## 复盘 段++用 Edit 工具,**仅追加**到现有 `## 复盘` 段(如有占位 `(待填)` 行先删除):++```markdown+## 复盘++**复盘时间**: 2026-05-07(发布 T+3d)+**抓取时间**: 2026-05-07 09:30+**数据来源**: manual paste++### 实绩数据+[Phase 2 内容]++### Top 评论关键词+[Phase 2 内容]++### 哪些预测被验证 / 推翻+[Phase 3 内容]++### 需要写进 rubric_notes.md 的新观察+[Phase 4 内容]+```++**写完后再次校验**:读取保存后的文件,对比 `## 预测` 段哈希应等于 Phase 0 cache 的哈希。**不等 → 报错并回滚**。++### Phase 6: 写入 rubric_notes.md + script_patterns.md++#### 6a. rubric_notes.md(Phase 4a 的输出)++按 [observation-lifecycle.md](../../shared-references/observation-lifecycle.md) 的"观察记录模板"格式,追加到 `rubric_notes.md` 的 `## 观察记录` 段:++```markdown+### YYYY-MM-DD [标题简称] (id) — [一句话定性]+- 预测:composite=X.XX,bucket=Y+- 实绩:播放 / 点赞 / 评论 / 转发(带 T+Nd 标注)+- Top 评论关键词:[简短摘录 + 赞数]+- 判断:哪个维度被验证/推翻?为什么?+- Rubric 调整:[如果有,写明 "下次打 XX 类文章时改 YY"]+- 详见:[predictions/<file>.md]+```++**检测跨样本 pattern**:扫描已有"观察记录",看新观察是否与某条已有观察形成 ≥2 样本支持。命中则按 [observation-lifecycle.md](../../shared-references/observation-lifecycle.md) 升级到"重大跨视频观察"段。++#### 6b. script_patterns.md(Phase 4b 的输出,**用户确认后才写**)++如 Phase 4b 用户回 "yes" 或选择性确认了某几条:+- "用户改稿模式" → 追加到 script_patterns.md 的"用户改稿历史观察"表+- "新 pattern 候选 N" → 追加到末尾"新发现的 Pattern"段,**显式标 ≥1 样本待验证**++新 pattern 候选的格式(同 [script_patterns.template.md](../../templates/script_patterns.template.md) 的 Pattern 11/12 示例):++```markdown+### Pattern N(来自 [视频简称],单样本待验证)++**现象**:[Phase 4b 描述]++**原理**:[为什么有效——基于这一次观察的猜测]++**触发条件**:[何时该用]++**待验证**:需要 ≥2 样本支持才能升正式 pattern。+```++跨样本 pattern 升正式:扫描"新发现的 Pattern"段,看是否有 ≥2 样本支持同一现象 → 升到核心 pattern 库 + 删 "待验证" 标记。++如用户在 Phase 4b 全否("no")→ 跳过 6b,rubric_notes.md 仍照写。++### Phase 7: 检测 bump 触发++读 `.cheat-state.json` 的 `consecutive_directional_errors` 字段,按本次复盘判定向更新:+- 本次预测高估(实绩 < 中枢 -25%) → push `["high"]` + 记录 deviation_magnitude(如 0.5x / 0.3x)+- 本次预测低估(实绩 > 中枢 +25%) → push `["low"]` + 记录 deviation_magnitude+- 在 ±25% 内 → 不 push++**Claude 判断是否提议 bump**(不是固定门槛):++```+判断维度:+1. 连续同向次数(参考默认:≥3)+2. 单次偏差幅度(参考默认:>2x 或 <0.5x 算极端)+3. 偏差是否能解释为单一维度漏判(如 ER 或 SR 一致偏离)+4. 用户是否在复盘里反复提到同一现象++任一足够强 → 提议 bump:+- 3 次连续同向,每次都中等偏差 → 提议+- 1 次极端偏差(如 ≥10x),即使没连续 → 提议("一次性强信号")+- 2 次同向 + 评论区出现一致的反向证据 → 提议("评论 + 数据双信号")++不提议的情况:+- 3 次同向但每次都很小(<25%)→ 可能只是噪声+- 偏差跨多个维度无清晰方向 → bump 不知道改什么+```++提议时输出:++```+🚨 检测到 [系统性偏差信号] / [极端单点偏差] 。++[简短描述:连续 N 次 / 1 次极端 / 评论双信号 等]++这可能是 rubric 系统性偏差的信号。建议:+- 跑 /cheat-bump 看是否需要升级公式+- 或先看 /cheat-status 详细分析++注:本次提议是 [default-aligned: 满足 ≥3 同向] / [judgment-driven: 1 次 10x 强偏差]+```++更新 state file:+```json+{+ "calibration_samples": <+1>,+ "pending_retros": [<剔除本次>],+ "last_retro_at": "<ISO>",+ "consecutive_directional_errors": [...]+}+```++## Key Rules++1. **预测段 immutable**。Phase 0 cache + Phase 5 校验是双保险。任何 hash 不一致 → 报错回滚+2. **数据来源必须标注**。`数据来源: manual paste` 或 `数据来源: adapter:douyin-session` 写进复盘段+3. **观察可追溯**。每条新观察引用具体数据点+4. **不在复盘里 bump**。Phase 7 只**提议** bump,实际升级走 `/cheat-bump`——避免一次操作做两件事+5. **早复盘标记**。RETRO_WINDOW_DAYS 不到就复盘 → state file 记 `early_retro: true`,bump 时这种样本权重降级++## Refusals++- 「这条数据已经看过了,但你假装没看,按预测时的盲度做复盘」 → 复盘本来就是看完数据再做的;这个表述本身没有违规,但要确认用户没在 prediction 写之前透露过数据+- 「把预测段的概率分布改一下,让复盘看起来更准」 → 拒绝。原则 #1+- 「跳过观察提炼,直接结束」 → 拒绝。新观察是 rubric 进化的唯一燃料;缺它复盘退化为"看一眼"+- 「直接 bump,不要单独走 /cheat-bump」 → 拒绝。bump 流程有完整的跨模型审 + cleanup pass,retro 是触发器不是执行器++## Integration++- 前置:`/cheat-publish` 已登记 + 时间窗口达到+- 下游:累计 `consecutive_directional_errors` 满 3 → 触发 `/cheat-bump` 提议+- 状态字段更新:`calibration_samples` +1(这是 cheat-status 显示进度的关键)+- pending_retros:剔除本条+- 与 [observation-lifecycle.md](../../shared-references/observation-lifecycle.md) 紧耦合:每次复盘是观察新增的入口diff --git a/skills/cheat-score/SKILL.md b/skills/cheat-score/SKILL.mdnew file mode 100644index 0000000..31fb51c--- /dev/null+++ b/skills/cheat-score/SKILL.md@@ -0,0 +1,131 @@+---+name: cheat-score+description: 给单篇稿子打 rubric 分。**只在控制台输出,不写文件,不预测**。触发词:"打分这篇 [path]"/"score this [path]"/"给这稿子打分"/"先打分看看"。是 cheat-predict 之前的轻量探索动作。+argument-hint: <draft-path>+allowed-tools: Read, Glob, Grep+---++# /cheat-score — 单稿打分++打分但**不预测**。用户用它快速看稿子的 composite,决定是否值得进入正式预测流程。++## Overview++```+[用户:打分这篇 draft.md]+ ↓+[读 draft.md + rubric_notes.md]+ ↓+[逐维度打 0-5 + 写一行理由 + 算 composite]+ ↓+[控制台输出:评分 + composite + 推荐下一步]+ ↓+[结束 — 不写任何文件]+```++## Constants++- **RUBRIC_PATH = rubric_notes.md** — 当前 rubric 来源+- **OUTPUT_DETAIL = full** — full: 含每维度理由;compact: 仅分数表++> 💡 调用时覆盖:`/cheat-score draft.md — OUTPUT_DETAIL: compact`++## Inputs++| 必填 | 来源 |+|---|---|+| `<draft-path>` | 用户作为参数传入;如缺失则在对话里询问 |+| `rubric_notes.md` | 用户项目根 |+| `.cheat-state.json` | 用户项目根(用于读当前 `rubric_version` 与 mode) |++## Workflow++### Step 1:前置检查++1. 读 `.cheat-state.json` → 不存在则提示用户先跑 `/cheat-init`,停止+2. 读 `<draft-path>` → 不存在或无内容 → 报错并停止+3. 读 `rubric_notes.md` 找到当前生效的公式段(一般在"当前评分维度"或"综合分公式"位置)++### Step 2:识别公式与维度++从 `rubric_notes.md` 解析出:+- 当前 rubric_version+- 维度列表与权重(如 `ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT`)+- 归一化常数(如 `/ 8.5 × 2.0`)+- 每个维度的 0-5 含义(从"当前评分维度"段表格读)++如果 `rubric_notes.md` 格式与预期不符(用户手改过结构)→ 询问用户当前公式是哪一行,**不要自己猜**。++### Step 3:**Claude 自己**逐维度打分++**Claude 主动打分**——不让用户来打。这是工具的核心价值("作弊器"——AI 帮你判断,不是 AI 当你的格式化器)。++对每个维度:+1. 读维度定义 + 0-5 含义+2. 在脑里 anchor 到 0/3/5 的样本对照+3. 选择一个 **整数**(0/1/2/3/4/5——不允许 4.5 之类)+4. 写一行理由(≤ 30 字,引用稿子里的具体词或场景)++**打分速度纪律**(参考 starter-rubrics/opinion-video.md 的 cheat sheet):+- 每个维度 ≤ 30 秒思考时间。超过就是在合理化,不是在打分+- **相信第一个整数**+- **不查锚点**——先盲打,再对比锚点(避免被锚定)++输出后用户可以挑刺("AB 给 3 不是 4"),Claude 改值并重新展示。++### Step 4:算 composite + 输出++按当前公式算综合分。控制台输出(OUTPUT_DETAIL=full):++```+📊 [draft.md 短标题] — 打分(rubric: v2)++| 维度 | 分 | 理由 |+|---|---|---|+| ER (情感共鸣) | 5 | "半夜三点翻聊天记录" 极端具象 |+| HP (钩子强度) | 5 | IS 句一句锁定受众 |+| QL (金句密度) | 5 | MVP 句"间歇性希望"独立可传 |+| NA (叙事性) | 3 | 平铺直叙,弱弧线 |+| AB (受众广度) | 5 | 暗恋/前任普适 |+| SR (社会议题共振) | 2 | 纯个人情感,无社会托底 |+| SAT (讽刺深度) | 4 | 致谢段自指反讽 |++公式:(ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0+composite = (5×1.5 + 2×1.5 + 5×1.5 + 5 + 3 + 5 + 4) / 8.5 × 2.0 = **8.24**++📍 落在 30-100w 桶(基于 starter-rubrics 的 bucket 边界)++下一步建议:+- 如果你已写定最终稿、准备发布 → 说 "启动预测"+- 如果想再改稿子 → 改完再打一次(多次打分不留痕迹)+- 如果想看历史相近 composite 的样本 → 说 "找 composite 8.0-8.5 的锚点"+```++OUTPUT_DETAIL=compact 时仅输出分数表 + composite,不附理由列。++### Step 5:**绝不**做的事++- ❌ 写任何文件(包括 predictions/、rubric_notes.md、candidates.md)+- ❌ 给 bucket 概率分布(那是 cheat-predict 的活)+- ❌ 触发"已发布"或"复盘"逻辑+- ❌ 提议 rubric 升级(即使打分时发现明显异常也只在控制台提示,不动 rubric)++## Key Rules++1. **整数分**。不允许 4.5、3.7。如果犹豫 → 选低值 + 备注+2. **盲打优先**。打分前不读 anchors(当前样本附近 composite 的旧作品的实绩),避免被实绩锚定+3. **理由是诊断工具**。每个维度的 1-30 字理由不是装饰——复盘时用来找出哪个维度判断错了+4. **不写文件**。这是 score 与 predict 的核心区别。score 是探索,predict 是承诺+5. **不算 candidate composite**。candidates.md 里的 composite 字段在 cheat-trends/cheat-recommend 里写——score 只服务"已写好的具体稿子"++## Refusals++- 「打分顺便预测一下」 → 拒绝。请改用 `/cheat-predict`。原因:predict 必须走 blind check + 写 immutable 日志,score 跳过这些+- 「打完分把分数写进 rubric_notes.md 的观察段」 → 拒绝。observation lifecycle 规定观察必须有"实绩 vs 预测"对比,光有打分不构成观察+- 「能不能直接告诉我会不会爆」 → 拒绝。给具体 composite + bucket 的判定要求走 predict 流程;score 只输出当前 rubric 下的机械计算++## Integration++- 是 `cheat-predict` 的前置探索:用户可以反复 score 不同稿子版本,确定一份再 predict+- score 不更新 `.cheat-state.json`——这是无副作用操作+- 如果用户连续 score 同一稿子 ≥3 次 → 控制台温和提示"反复打分会引入决策疲劳,差不多可以决定了"diff --git a/skills/cheat-seed/SKILL.md b/skills/cheat-seed/SKILL.mdnew file mode 100644index 0000000..a90b69e--- /dev/null+++ b/skills/cheat-seed/SKILL.md@@ -0,0 +1,301 @@+---+name: cheat-seed+description: 跟用户对话讨论选题——**默认一次一个**,用户主动给主题或经历,AI 围绕用户的输入深挖、提炼角度、写一份 draft。不是 AI 拿三个开放问题追用户,也不是一次给 5 个候选。触发词:"找选题"/"我想做一条 X"/"最近有个想法"/"seed"/"启动种子"。可选 batch 模式:`/cheat-seed --batch 5` 走旧的 brainstorm 5 候选 + 写 5 draft 流程。+argument-hint: [— batch: N] [— sources: <comma-separated>]+allowed-tools: Bash(*), Read, Write, Edit, Glob, WebFetch, Skill+---++# /cheat-seed — 选题对话(默认)/ 批量 brainstorm(可选)++cheat-seed 的核心是**跟用户讨论选题**,不是机械地 brainstorm。好内容来自用户的真实经历 + 观察 + 情绪——这些是 AI 不可能凭空 brainstorm 出来的。AI 的角色是**听用户讲 → 帮提炼角度 → 写一份 draft**,不是 dump 15 候选让用户挑。++**默认模式**:对话式一次一个。+**Batch 模式**(`--batch N`):保留旧的 brainstorm N 候选 + 写 N 份 draft 流程,给"完全没想法 + 想批量初始化"的用户。++## 三种 Mode(自动识别)++```+Mode A — 用户主动给主题(**最常见**):+ 用户:"/cheat-seed" + 直接说"我想做一条关于 X 的"+ 或:"/cheat-seed 我最近开会被领导..."+ ↓+ AI 围绕 X / 这件事**深挖**——什么瞬间触发?最让你 [情绪 / 不爽 / 觉得有意思] 的是哪点?+ ↓+ 收敛到一个具体角度 → 提议 → 用户认可 → 写 1 份 draft → 完成+ ↓+ 问"下一篇?" 或用户说"今天就这样"++Mode B — 用户给方向但不具体:+ 用户:"最近想做点关于 [职场 / 婚恋 / AI / ...] 的"+ ↓+ AI:"[范围] 太广。最近你接触到的具体哪件事让你想做这个方向?"+ ↓+ 收敛到 Mode A 的具体经历++Mode C — 用户完全没想法(少见):+ 用户:"我不知道做什么" / "帮我想个题"+ ↓+ AI:"好,进 brainstorm 模式——先抓热点 + 你之前的兴趣方向,给你 1 个建议"+ ↓+ 跑 trend-sources 抓热点 + 读 candidates.md / predictions/ 看用户历史+ ↓+ 提议 1 个角度(不是 5 个) → 用户认可 → 写 draft++Batch Mode — 用户显式要批量(`/cheat-seed --batch 5`):+ 按旧版 brainstorm 流程:3 问题 → 15 候选 → 用户挑 → 写 5 draft。+ 给"今天想一次性把未来 2 周的选题搞定"的用户。+```++**关键纠正**(与旧版的区别):+- AI **不主动开放问**——等用户给输入再深挖+- 一次一个选题,不是 5 个+- 默认对话式 + 一次一个,batch 是 escape hatch++## Constants++- **DEFAULT_TREND_SOURCES = ["manual-paste"]** — 仅 Mode C / Batch 用到+- **MAX_DEEP_DIVE_TURNS = 4** — Mode A/B 收敛阶段最多 4 轮反问,避免 AI 过度盘问+- **WITH_DRAFT = yes** — 默认确认角度后立刻写 draft;用户可说 "等下,我自己写" 跳过+- **DRAFT_LENGTH** — 派生自 `state.typical_duration_seconds`:30s→100-200字 / 90s→250-500字 / 240s→600-1000字 / 450s→1100-2000字 / 900s→2200+字++## Inputs++| 必填 | 来源 |+|---|---|+| `.cheat-state.json` | 读 calibration_samples / typical_duration / cadence |+| `rubric_notes.md` | 读当前 rubric(粗打分用) |+| `script_patterns.md` | 读已有 pattern(写 draft 时按 cheat sheet 选结构) |+| `predictions/*.md`(如有) | 已发历史,brainstorm 时作为 context |++## Workflow++### Phase 0: 前置检查 + 加载所有 context(**核心:3 个 context 来源**)++1. 读 `.cheat-state.json` → 不存在则提示先跑 `/cheat-init`+2. 读 `rubric_notes.md` 拿当前公式(粗打分用)+3. 读 `script_patterns.md`——写 draft 时按 cheat sheet 选结构+4. **读已有 prediction 文件**(含 init 时 import 的 reconstructed)作为 **context 来源 A**(用户自己历史):+ - 0 个 → A 为空+ - ≥1 个 → A 有内容,提取 (title / 7 维 / 实绩)+5. **读 `benchmark.md`**(如存在)作为 **context 来源 B**(对标账号):+ - `state.benchmark_status = imported` → B 有内容,提取对标账号的样本主题分布、调性、Pattern+ - `state.benchmark_status = none / pending` → B 为空+6. 检查用户的入参——是否含具体 topic / 经历,决定走 Mode A/B/C/Batch++**brainstorm 时的 context 优先级**(**Claude 判断**——下面是参考默认):++- **A 主导**(用户自己数据):当 Claude 判断用户数据已能驱动方向时(参考默认:`calibration_samples ≥ 10`,但 Claude 可以更早——如 N=5 但出现 ≥3 个与 benchmark 明显不一致的强样本)+- **B 主导**(benchmark):用户数据少 + benchmark 有内容时+- **B 缺席**(benchmark 为空)+ 用户数据少:纯靠用户 input + 抓热点;明确告诉用户"没 benchmark 也没足够自己数据,建议跑 /cheat-learn-from 后再回来 brainstorm"++判断依据**不是死磕样本数**,而是看:+- 用户最近 N 个样本的实绩**是否与 benchmark 的高表现样本类型一致**——一致说明 benchmark 仍有借鉴价值;不一致说明用户已经走自己的路+- 用户的样本**多样性**——3 篇都是同类内容不算成熟;3 篇覆盖不同类目反而比 10 篇同类更可信++### Phase 1: Mode 分流++读用户输入,识别:++**含具体名词 + 情绪 / 经历词**("我昨天开会..." / "我看到 X 让我..." / "我对 Y 觉得...")→ **Mode A**++**含方向词但无具体内容**("想做职场" / "AI 方向" / "婚恋")→ **Mode B**++**显式说没想法**("不知道做什么" / "帮我想" / "随便给个")→ **Mode C**++**显式 `--batch N`**(用户主动批量)→ **Batch Mode**++**纯 `/cheat-seed` 无附加内容** → **询问入口问题**:++```+你今天想干嘛?++- 有想做的主题 / 经历 → 直接告诉我("我想做一条 X" / "我最近 X...")+- 想要的方向但不具体 → 告诉我大致方向+- 完全没想法,想我帮你 brainstorm → 说"帮我想"+- 想批量搞定未来 N 个选题 → 说 "batch <N>"++(我不会拿 3 个开放问题追你——你给一句话我就开始)+```++注意这是**唯一的开放式问题**——只在用户**纯触发** `/cheat-seed` 时问。如果用户已经在触发词里给了内容("/cheat-seed 我想做..." 或 "找选题 我最近开会..."),直接进 Mode A/B/C 不再问这一句。++### Phase 2A: Mode A 深挖(用户给了具体 topic / 经历)++**核心原则**:围绕用户给的内容**深挖**,**不要切到别的话题**。++**反问类型(按场景挑)**:++- 触发瞬间:"你说 X 这件事,最初是哪个具体瞬间触发你想做的?" / "是什么让你觉得这值得讲一条视频?"+- 情绪锚点:"这里面最让你 [生气 / 觉得荒唐 / 觉得有意思] 的是哪个细节?"+- 角度选择:"你想说的是 [角度 a:现象批判] 还是 [角度 b:自我反思] 还是 [角度 c:泛化到普遍]?"+- 受众想象:"你心里想着是说给哪种人听?她/他听完会怎么想 / 怎么转发?"+- 反对意见探测:"如果有人反驳说 [反方观点 X],你会怎么回?"——逼用户先想清楚立场++**反问纪律**:+- 一次只问 **1 个**问题(不要塞 3 个连珠炮)+- 最多 `MAX_DEEP_DIVE_TURNS` 轮(默认 4)——超过就主动收敛:"OK 我感觉够了,帮你提议一个角度试试"+- 用户的回答如果含 emoji / 简短 / 不耐烦 → 立刻收敛,不要逼++**收敛输出**:++```+我感觉这个角度能做:++[一句话立意:50 字以内]++走法:+- 用 [Pattern X 结构](来自 script_patterns.md)+- 钩子:[具体场景 / 句子]+- 主体:[3 个观察是什么]+- 收尾:[MVP 句方向]++粗打分(v0 等权 7 维):ER=X HP=X QL=X NA=X AB=X SR=X SAT=X → composite ≈ X.X+Confidence: 🔴 极低 (你才校准 0/N 篇)++要不要让我先写一份 draft?(yes / 换角度 / 我自己写)+```++用户回 yes → Phase 4 写 draft。+用户说"换角度" → 回 Phase 2A 深挖更多。+用户说"我自己写" → 把 candidate 加进 candidates.md 标 tier1,结束。++### Phase 2B: Mode B 收敛到具体经历++用户给了方向但不具体("想做职场"):++```+[方向] 太广。三种收敛方式,挑一个:++a) 你最近真实接触到的某件具体事?("上周我看到我同事 X...")+b) 你最近读到 / 看到的某条让你想吐槽的内容?("知乎上有个回答...")+c) 你长期琢磨的某个 unsolved 困惑?("我一直没想明白为啥 X...")++随便挑一个开始讲。+```++用户给具体内容 → 收敛到 Mode A 深挖。+用户继续抽象 → "OK 那走 brainstorm 模式(Mode C)"。++### Phase 2C: Mode C — 抓热点 + 提议 1 个++用户完全没想法,进 brainstorm 模式:++1. 抓热点(按 `enabled_trend_sources`,默认 weibo-hot + zhihu-hot;缺则纯 Claude brainstorm)+2. 读用户历史(`predictions/*.md` 的 title 集 + 高表现样本)+3. **不一次给 5 个候选**——给 1 个:++```+看你历史 [做了 X / Y 类内容] + 今天的热点 [X1 / X2],+我建议这个角度:++[一句话立意]++[走法 + 粗打分 + confidence,同 Mode A 收敛输出]++要这个吗?(yes / 换一个 / 我想批量看 5 个 → 进 batch 模式)+```++用户说"换一个" → 提议另一个(再 1 个,不是 5 个)。+用户说"批量" → 切 Batch Mode。+用户 yes → Phase 4 写 draft。++### Phase 2D: Batch Mode(用户显式 `--batch N`)++**保留旧 brainstorm 流程**:++1. 问 3 个清单问题(兴趣 / 调性 / 红线)—— Batch 模式才问这些+2. 抓热点 + Claude brainstorm 15 候选+3. 用户挑 N+4. 写 N 份 draft 到 scripts/++详见 commit history(旧 cheat-seed 的 Phase 1-3)。这是 escape hatch,不是默认。++### Phase 3: 计算 candidate ID + 落候选池++不管 Mode A/B/C 哪条路径,确认角度后:++1. 算 candidate id:`sha256("seed-" + 立意 + 触发时间)[:12]`+2. 写一行 entry 到 `candidates.md`(按 [candidate-schema.md](../../shared-references/candidate-schema.md) 格式)+3. 标 `tier=tier1` + `read_status=deep_read`(已经讨论过,不是 skim)++### Phase 4: 写 draft++`WITH_DRAFT=yes` → 顺次写到 `scripts/<YYYY-MM-DD>_<id>_<short-title>.md`:++**写 draft 前必读** `script_patterns.md` —— 按"结构选型 cheat sheet"对应用户的 topic 选合适结构。如果文件还在抽象骨架阶段(用户没填几个 pattern),就用 starter rubric 对应的通用框架。++**字数**:按 `DRAFT_LENGTH` 派生(基于 `typical_duration_seconds`)。++**段落版**:每段 100-300 字,**不要写一行一行的字幕格式**——那是剪映拍后自动断的。++格式:++```markdown+# [立意标题]++> ⚠️ **Draft by Claude — 你必须改写后再拍**+>+> 这是脚手架,不是成品。你的语气 / 节奏 / 个人经历无法 AI 生成。+> 改写流程:+> 1. **直接在本文件改写**(同 path:scripts/<...>.md)+> - 加你的语气、个人经历、真实金句+> - 砍铺垫、砍模型缩写、砍学术包装+> 2. 改完后跑 `/cheat-predict scripts/<本文件>.md`+> 3. 拍完跑 `/cheat-shoot scripts/<本文件>.md`++**Article ID**: <12 位 hash>+**调性**: [基于讨论得出的,不是清单 Q]+**目标时长**: <state.typical_duration_seconds 转换> 分钟+**目标字数**: <按时长派生>+**结构选型**: [按 script_patterns.md 的 cheat sheet 显式标,如 "metaphor 优先" / "数据反转开场"]+**用到的 patterns**: [编号 + 简短说明]+**讨论种子**: [一句话回顾 deep dive 出来的核心]++---++[draft 正文,段落版]+```++`WITH_DRAFT=no`(用户说"我自己写")→ 跳过 Phase 4。++### Phase 5: 输出"下一步" + 询问继续++```+✅ Draft 写完:scripts/2026-05-04_<id>_<short>.md++接下来你可以:+- 改写这份 draft(直接在原文件改)+- 改完跑 "打分这篇 scripts/<...>.md" 看 7 维评分+- 决定要拍 → "启动预测 scripts/<...>.md"++下一篇你想做什么?+(直接告诉我具体经历 / topic,或者说"今天就这样"结束)+```++用户说"今天就这样" → 结束 cheat-seed。+用户给新 topic → 回 Phase 1 重新分流。++## Key Rules++1. **AI 不主动开放问**——只在用户纯触发 `/cheat-seed` 时问一次入口问题,其他时候**等用户给输入再深挖**+2. **一次一个选题**——默认 Mode A/B/C 都给 1 个建议;用户主动要批量才走 Batch+3. **反问纪律**:一次问 1 个,最多 4 轮,用户不耐烦立刻收敛+4. **深挖围绕用户给的话题**,不要切到别的——你说"开会被领导骂",AI 不该问"那你最近有没有觉得 AI 让大家..."这种平行话题+5. **写 draft 必须读 script_patterns.md**——按用户已有 pattern 选结构+6. **draft 是脚手架**——header 加醒目警告"必须改写"++## Refusals++- 「跳过深挖,直接写 draft」 → 询问"你想直接给主题让我写吗?OK 但 draft 质量可能差——我不知道你的角度。给我一句话立意我就写"+- 「AI 替我决定 topic」 → 拒绝走 Mode A/B 路径。如真的没想法 → Mode C,但仍**给 1 个**让用户判断+- 「一次写 5 个 draft」 → 不在默认流程。用户必须显式 `--batch 5`+- 「我懒得改写,直接拍 AI draft」 → 警告"AI 直接生成的稿子拍出来 ER 偏低,会污染你的校准数据",但用户坚持也允许(标 `unmodified_ai_draft: true`)++## Integration++- 上游:`/cheat-init` Phase 5 末尾在 `pool_status=none + calibration_samples=0` 时主动询问"现在跑 /cheat-seed?"+- 上游:`/cheat-recommend` 在 candidates 空时引导文案中提及 `/cheat-seed`+- 上游:`/cheat-status` 在 `pool_status=none + 距 init >24h` 时提示"还没拍——跑 /cheat-seed?"+- 下游:用户的 candidate → candidates.md(tier1,已 deep_read)+- 下游:(默认)draft → scripts/<id>.md → 用户改写 → /cheat-predict+- 与 `/cheat-trends` 区别:cheat-seed 是**讨论 + 写 draft**(重 conversation);cheat-trends 是**多 adapter 抓 + 粗打分**(重 fetch)。两者目的不同,不互相替代。diff --git a/skills/cheat-shoot/SKILL.md b/skills/cheat-shoot/SKILL.mdnew file mode 100644index 0000000..5107f34--- /dev/null+++ b/skills/cheat-shoot/SKILL.md@@ -0,0 +1,186 @@+---+name: cheat-shoot+description: 登记一条视频已拍摄。**建 video folder + 询问实际拍摄稿是否与 scripts/<id>.md 一致 + buffer +1**。与 cheat-publish 配对:拍了进队列,发了出队列。触发词:"拍了"/"拍了 X"/"shot"/"shot it"/"已拍 X"/"录完了"。+argument-hint: <scripts-path-or-id>+allowed-tools: Bash(*), Read, Write, Edit, Glob+---++# /cheat-shoot — 登记拍摄完成 + 建 video folder++把视频从"已写预测、未拍摄"状态推进到"已拍摄、未发布"状态。这一步:+1. **建 `videos/<同 id>/`** 目录(之前没有的话)+2. **询问用户**:"实际拍摄时用的稿子和 `scripts/<id>.md` 一致吗?"——根据答案决定 `videos/<id>/script.md` 的内容+3. 把 video folder 加进 state.shoots 队列,buffer +1++不写 prediction(预测早在 cheat-predict 时锁了),不发布(发布是 cheat-publish)。++为什么单独一个 skill:+- buffer 警戒系统需要明确区分"拍了" vs "发了"。视频可以批量拍(一天拍 5 条),分散发(每天发 1 条)+- "实际拍摄稿"可能与"pre-shoot 草稿"不同(用户改了 / 即兴 / 大改)——cheat-shoot 是把这个差异显式化的入口++## Overview++```+[用户:拍了 scripts/2026-05-04_abc123_停止期待.md]+ ↓+[Phase 0: 解析路径 + 验证 prediction 已存在]+ ↓+[Phase 1: 检查是否已登记(避免重复)]+ ↓+[Phase 2: 建 videos/<id>/ + 询问"实际拍摄稿一致吗?"]+ ↓+[Phase 3: 写 videos/<id>/script.md]+ ↓+[Phase 4: append state.shoots]+ ↓+[Phase 5: 输出 buffer 状态]+```++## Constants++- **REQUIRE_PREDICTION = true** — 拍前必须先有 prediction 文件(否则违反盲预测——拍完才写预测会被诱导事后修改)++## Inputs++| 必填 | 来源 |+|---|---|+| `<scripts-path-or-id>` | 用户参数;缺失则询问 |+| `.cheat-state.json` | 状态文件 |+| `scripts/*.md` | pre-shoot 草稿 |+| `predictions/*.md` | 验证对应预测存在 |++## Workflow++### Phase 0:解析 + 验证++1. 解析用户给的路径——支持几种形态:+ - 完整路径 `scripts/2026-05-04_abc123_停止期待.md`+ - 简写 `2026-05-04_abc123_停止期待`+ - id 简写 `abc123` → glob `scripts/*_abc123_*.md` 找匹配+2. 验证 `scripts/<id>.md` 存在:不存在 → 报错"找不到 pre-shoot 草稿"+3. 验证有对应 prediction `predictions/<同名>.md`:+ - 不存在 → **拒绝登记**,提示"先跑 /cheat-predict 写预测,否则违反盲预测原则——你不能拍完才写预测,那等于事后看了画面写"+ - 存在 → 通过++### Phase 1:检查重复++读 `.cheat-state.json`,检查 `shoots[]` 是否已含此 id:+- 已存在 → 警告"已登记过(X 天前)。是要重新登记,还是要用 /cheat-publish 发布?"+- 不存在 → 进入 Phase 2++### Phase 2:建 video folder + 询问稿子一致性++1. 建目录 `videos/<id>_<short>/`(同 scripts/ + predictions/ 的命名)+2. **询问用户**:++```+拍 「<title>」 的时候,你实际用的稿子和 scripts/<id>.md 一致吗?++a) 一致——直接用 scripts/<id>.md 内容存为 videos/<id>/script.md+b) 不太一致——我改了一些+ ↓ 接着问:"你能提供拍摄时实际用的稿子吗?"+ - 是 → 用户提供(粘贴或路径),存为 videos/<id>/script.md+ - 否(即兴 / 没保留)→ 标 script_lost:videos/<id>/script.md 留空,+ 只在头部加注释说明+c) 大改了——拍出来其实是另一条+ ↓ 提示用户:建议走 _redo 流程——+ scripts/<id>_redo.md → 重新 cheat-predict → 再 cheat-shoot+ 原 prediction 仍保留,但和实际拍摄脱钩+```++### Phase 3:写 videos/<id>/script.md++按 Phase 2 答案:+- 答 a → cp scripts/<id>.md → videos/<id>/script.md+- 答 b 提供新稿 → 写入用户提供的内容+- 答 b 没保留 → 写一个占位文件:+ ```markdown+ # <title> — 实际拍摄稿(已遗失)++ > 用户在 cheat-shoot 时未保留实际拍摄稿(标记 script_lost)。+ > 复盘时无法 diff `scripts/<id>.md` vs 实际拍摄版本——+ > script_patterns 学习能力受限。+ >+ > 下次建议保留拍摄草稿(哪怕只是 voice memo 转录)。+ ```+- 答 c → 不写 videos/<id>/script.md(走 _redo 流程后再来)++### Phase 4:state 更新++```json+{+ "shoots": [+ ...,+ {+ "video_folder": "videos/2026-05-04_abc123_停止期待/",+ "prediction_file": "predictions/2026-05-04_abc123_停止期待.md",+ "scripts_path": "scripts/2026-05-04_abc123_停止期待.md",+ "shot_at": "<ISO timestamp>",+ "script_consistency": "consistent" | "modified" | "lost",+ "script_hash_at_shoot": "<sha256:12 of videos/<id>/script.md>"+ }+ ]+}+```++如 `script_consistency = modified` → diff `scripts/<id>.md` 和 `videos/<id>/script.md` 的 hash → 若不同,将 diff 信息标到 prediction 文件**复盘段**(不是预测段)作为日后 retro 的种子。++### Phase 5:输出 buffer 状态++读完 state 后立即算 buffer + 颜色(按 [cadence-protocol.md](../../shared-references/cadence-protocol.md) 的派生规则):++```+✅ 已登记拍摄:videos/2026-05-04_abc123_停止期待/+ 预测文件:predictions/2026-05-04_abc123_停止期待.md++📦 当前 buffer:3 篇(🟢 绿色,正常)+ 按你的 cadence(隔日更)= 6 天 buffer,节奏稳定。++下一步:拍其他候选 / 等下个发布日 / 不动+```++如果 buffer 颜色变了(如从绿到蓝)→ 高亮提醒:+```+📦 当前 buffer:6 篇(🔵 蓝色,**积压**)+⚠️ 建议暂停拍摄,全力发布存货 + 复盘。+ 按你的 cadence(日更)= 6 天预备,已超过健康上限。+```++## Key Rules++1. **不写 prediction**——拍了 ≠ 发了。预测在 /cheat-predict 锁,拍只是事件+2. **不动 video folder 内容**——script.md / draft-v0.md 都不改+3. **必须先有 prediction**——否则违反盲预测(拍完看了画面再写预测 = 数据泄漏到判断)+4. **buffer 计算实时**——每次 shoot / publish 后立刻重算,state.shoots 是真值+5. **支持批量**:用户可以一天连说 "拍了 X / 拍了 Y / 拍了 Z" 三次连续登记++## Refusals++- 「拍了 X,顺便给我写个预测」 → 拒绝。预测必须**拍前**写(盲预测)。请先 /cheat-predict 再来 /cheat-shoot+- 「我没有 video folder,我直接拍的」 → 询问用户 → 帮他建一个 video folder + 提示下次走完整流程;登记时标 `ad_hoc: true` 提醒下次走标准流程+- 「拍了 X 但还没改完 script」 → 拒绝。如果 script 还在改,预测段已经过期——请改完后重新跑 /cheat-predict 再 /cheat-shoot++## Integration++- 上游:`/cheat-predict` 写完 prediction → 用户拍摄 → `/cheat-shoot` 登记+- 下游:`/cheat-publish` 发布时把对应项从 state.shoots 移除+- `/cheat-status` 看板的 buffer 数字直接来自 `state.shoots.length`+- `/cheat-recommend` 看 buffer 颜色调推荐策略+- SessionStart hook 看 buffer 颜色决定报告第一行++## state.shoots 数据结构++```json+{+ "shoots": [+ {+ "video_folder": "videos/2026-05-04_abc123_停止期待/",+ "prediction_file": "predictions/2026-05-04_abc123_停止期待.md",+ "shot_at": "2026-05-04T18:30:00+08:00",+ "ad_hoc": false // true if user shot without going through full flow+ }+ ]+}+```++按 `shot_at` 升序——最早拍的在前面。`/cheat-status` 显示最早一项的 days-since-shoot 警告(避免有视频拍了 30 天没发)。diff --git a/skills/cheat-status/SKILL.md b/skills/cheat-status/SKILL.mdnew file mode 100644index 0000000..1a9dcb0--- /dev/null+++ b/skills/cheat-status/SKILL.md@@ -0,0 +1,162 @@+---+name: cheat-status+description: cheat-on-content 的状态看板。显示当前模式 / rubric 版本 / 校准进度 / 待复盘 / pool 状态 / 是否该升级 SQLite / 是否该 bump rubric。**任何时候都可调,无副作用**。触发词:"状态"/"看板"/"status"/"我现在该做什么"/"进度怎么样"。+allowed-tools: Bash(*), Read, Glob, Grep+---++# /cheat-status — 状态看板++读 state file + 扫描用户项目 → 汇总当前进度 → 输出"今天该做什么"清单。++## Overview++```+[用户:状态]+ ↓+[Phase 1: 读 .cheat-state.json + 扫文件系统]+ ↓+[Phase 2: 计算派生指标]+ ↓+[Phase 3: 检测建议触发器(升级 / bump / 清算)]+ ↓+[Phase 4: 输出看板]+```++## Constants++- **SQLITE_UPGRADE_THRESHOLD = 30** — calibration_samples 达到 N 时建议升 SQLite+- **CLEANUP_LINE_THRESHOLD = 600** — rubric_notes.md 行数超 N 时建议清算+- **STALE_PREDICTION_DAYS = 30** — in_progress prediction 超 N 天未发布提示清理++## Inputs++| 来源 | 用途 |+|---|---|+| `.cheat-state.json` | 主要状态 |+| `predictions/*.md` | 校准样本数 / pending retros |+| `candidates.md` | 候选池规模 |+| `rubric_notes.md` | 行数 / 当前版本 |+| `.cheat-cache/usage.jsonl`(如有) | meta-logging 数据,用于"距上次 bump 多少次预测" |++## Workflow++### Phase 1: 读状态++```python+state = read_json('.cheat-state.json')+if not state:+ return "你还没初始化。请先跑 /cheat-init。"++predictions = glob('predictions/*.md')+candidates_count = parse_candidates_md_entries()+rubric_lines = wc -l rubric_notes.md+```++### Phase 2: 派生指标++| 指标 | 算法 |+|---|---|+| **Buffer 数** | `len(state.shoots)` |+| **Buffer 颜色** | 按 [cadence-protocol.md](../../shared-references/cadence-protocol.md) 派生:`buffer_days = buffer_count × target_publish_cadence_days`,`<1 红 / 1-2 橙 / 3-5 绿 / >5 蓝`。如 `target_publish_cadence_days=null` → 颜色禁用 |+| **Confidence 等级** | 按 [state-management.md confidence 表](../../shared-references/state-management.md) 派生:从 `calibration_samples` 整数派生 emoji + 标签 |+| **最早一拍至今天数** | `now - state.shoots[0].shot_at`,用于警告"拍了 N 天没发" |+| 校准样本数 | predictions 中含完整复盘段(实绩数据非空)的文件数 |+| 待复盘 | state.pending_retros 中已过 RETRO_WINDOW_DAYS 的 |+| 池大小 | candidates.md 中 tier!=skip 的 entry 数 |+| 上次 bump 至今几次预测 | predictions 中 published_at > state.last_bump_at 的数量 |+| 同向偏差队列 | state.consecutive_directional_errors |+| in_progress 陈旧度 | now - state.in_progress_session.started_at(如有) |++### Phase 3: 检测建议触发器++按优先级(高→低)逐项检查:++1. **Buffer 颜色 = 🔴 红** → 第一行高优先级警戒:"buffer 已 0/1 篇,下个发布日可能断更——今天必须拍 ≥1 条。说'推荐选题'我只推 top 1 稳分(不推实验性)"+2. **Buffer 颜色 = 🔵 蓝** → 高优先级提示:"buffer 已 N 篇积压。**暂停拍摄**,先发存货 + 复盘。说'已发布 ...'我帮你出队"+3. **state.shoots 中最早一项 shot_at > 14 天** → "你有视频拍了 N 天还没发——议题时效流失风险,建议尽快发或弃稿"+4. **in_progress 陈旧** (>= STALE_PREDICTION_DAYS) → 高优先级提示"清理或 publish"+5. **待复盘 ≥ 1** → 高优先级"今天该复盘 X 篇"+6. **`pool_status=none` + `calibration_samples=0` + 距 init >24h** → "🌱 你 init 完已经 N 天但还没拍——是因为没选题吗?跑 /cheat-seed 5 分钟拿 5 个候选 + 5 个 draft" 高优先级+7. **Claude 判断系统性偏差信号**(**不是死磕 ≥3 同向**) → 提示"建议跑 /cheat-bump"+ - **默认参考**:连续 ≥3 次同向偏差+ - **但 Claude 可以更早**:1 次极端偏差(≥10x)或 2 次同向 + 评论区强反向证据+ - **也可以更晚**:3 次同向但每次幅度都 <25%(可能只是噪声)+ - 提示时显式标注:"本次是 [default-aligned] / [judgment-driven]"+8. **calibration_samples 跨入新 confidence 等级**(0→1, 2→3, 5→6, 10→11, 20→21)→ 提示"🎉 confidence 升级:<旧等级> → <新等级>。bucket 中枢精度从 ±X% 提到 ±Y%"。**仅作通知,无任何用户必须确认的操作**——所有 skill 都已经按 calibration_samples 自动调整+9. **calibration_samples 跨过 5** → "你的 rubric 形态可以第一次正式 bump 了。回顾 rubric_notes.md 看观察记录段是否有 ≥3 样本支持的 pattern → 跑 /cheat-bump"+10. **calibration_samples 跨过 10** → "可以跑 /cheat-bump --bucket-only --scheme percentile 让 bucket 边界改用 percentile(永远自洽)"+11. **calibration_samples 跨过 SQLITE_UPGRADE_THRESHOLD** 且 data_layer=markdown → "建议跑 tools/md-to-sqlite.py"+12. **rubric_notes.md 行数 > CLEANUP_LINE_THRESHOLD** → "建议清算观察段(手动或下次 bump 触发)"+13. **calibration_samples ≥ 5 + pool_status=none** → "可以开始建立选题池了"+14. **calibration_samples ≥ 15 + pool_status=none** → "强烈建议建池:/cheat-trends 或手动建 candidates.md"+15. **state.hooks_installed=false** → "你的 immutability 是君子协定,建议跑 /cheat-init 装 hook"+16. **state.last_bump_self_audited=true** → "上次 bump 是自审。建议配置 mcp__llm-chat__chat 后下次 bump 走外部审"+17. **state.rubric_form_mismatch=true** → "你的 content_form 不是 opinion-video,用了内置观点 rubric。前几篇预测会更不准,下次 bump 时建议自行调整权重适配你的形态"+18. **state.benchmark_status=pending** → "🎯 你 init 时答应等下找对标账号但还没找。跑 /cheat-learn-from 导入 ≥3 条对标视频,工具就有 anchor 了"+19. **state.benchmark_status=imported + Claude 判断用户数据信号已超过 benchmark** → "📊 你的真实数据已经成为主信号,benchmark 影响淡出"+ - **默认参考**:calibration_samples ≥ 10+ - **但 Claude 可以更早**:N=5 但用户的 (打分, 实绩) 配对里出现 ≥3 条与 benchmark pattern 不一致的——说明你的账号已经走出对标的路径+ - **也可以更晚**:N=15 但用户的样本都很相似,没足够多样性 → benchmark 仍有信号价值+ - 提示是**通知不是 gate**——benchmark.md 永远保留作 sanity check,cheat-seed 仍可读++### Phase 4: 输出看板++```+🎛️ cheat-on-content 状态(更新于 2026-05-04 15:00)++内容形态:opinion-video / 时长 3-5min / cadence: 隔日更+当前 rubric:v2 (上次 bump: 2026-04-22)+校准样本:18 篇+Confidence: 🟢 较高 (中枢 ±15%,rubric 形态稳定)+Baseline: 4.2w 中位数++📦 Buffer:3 篇(🟢 绿色)+ 按你的 cadence (隔日更)= 6 天 buffer,节奏稳定++📊 进度条+ [█████████████░░░░░] 18 / 30 → SQLite 升级建议门槛+ [██████████░░░░░░░░] 18 / 10 → percentile 桶可用(已超过门槛)++🎬 待办(按紧急度)+ 🚨 复盘 1 篇(已过 T+3d)+ - predictions/2026-05-01_db063817_你已不在关系里.md(T+3d 到了)+ ⚠️ 同向偏差 3 次(high, high, high)→ 建议 /cheat-bump+ 💤 in-progress prediction 已陈旧 35 天+ - predictions/2026-04-01_xxx.md → 是已发了忘登记?还是弃稿?++🔥 候选池+ - candidates.md: 27 条(tier1: 12, tier2: 9, tier3: 6)+ - 距上次抓热点: 4 天 — 可以再跑 /cheat-trends++📈 健康度+ - rubric_notes.md: 412 行(健康,<600 警戒线)+ - hooks_installed: ✅+ - external audit configured: ❌ → 建议配 mcp__llm-chat__chat++下一步建议(按推荐优先级):+1. /cheat-retro predictions/2026-05-01_db063817_你已不在关系里.md ← 最紧急+2. /cheat-bump ← 同向偏差 3 次的处理+3. 处理陈旧 in-progress(手动或回 "清理 in-progress")++完整的命令清单见主 SKILL.md。+```++输出风格:**直白、具体、可点击**。每个建议附确切的命令——用户应能 copy-paste 直接执行。++## Key Rules++1. **无副作用**。读多写零。任何状态修改是其他 skill 的事+2. **不假装数据可用**。state file 字段缺失 → 显式标"未知",不猜+3. **建议带优先级**。10 个建议同时显示用户会麻木——按紧急度排+4. **每个建议附命令**。不能只说"该 bump 了"——要给 `/cheat-bump --propose "..."` 的精确入口++## Refusals++- 「顺便帮我自动跑一下 retro」 → 拒绝。status 是只读,retro 是另一个动作(避免一次操作做两件事)+- 「我不想看 rubric_notes 行数,太琐碎」 → 输出仍包含但折叠到底部"健康度"区——状态信息的存在让用户在出问题前可见++## Integration++- 上游:所有其他 skill 完成时更新 .cheat-state.json,status 是这些更新的可视化+- 下游:每个建议都路由到具体子 skill+- meta-logging hook(如启用) → 写 usage.jsonl,status 用它算"距上次 X 多少次"diff --git a/skills/cheat-trends/SKILL.md b/skills/cheat-trends/SKILL.mdnew file mode 100644index 0000000..d432633--- /dev/null+++ b/skills/cheat-trends/SKILL.md@@ -0,0 +1,203 @@+---+name: cheat-trends+description: 从配置的热点源(HN / Reddit / YouTube trending / B 站热门 / 等)抓今天的热门话题,去重 + 粗打分 + 写入 candidates.md。**绝大部分人没有候选池——这是让"我没素材"问题在 onboarding 第二步就消失的钥匙**。触发词:"抓热点"/"fetch trends"/"今天有什么可做的"/"trending now"/"找选题"。+argument-hint: [— sources: <comma-separated>] [— max-per: 20]+allowed-tools: Bash(*), Read, Write, Edit, Glob, WebFetch, Skill+---++# /cheat-trends — 热点抓取++对标 [ARIS research-lit](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/research-lit) 的多 adapter 模式。读 `trend-sources` adapter 的输出 → 去重 → 粗打分 → 写入 `candidates.md`。++## Overview++```+[用户:抓热点]+ ↓+[Phase 0: 读 .cheat-state.json 拿 enabled adapters]+ ↓+[Phase 1: 对每个 adapter 调 fetch]+ ↓+[Phase 2: normalize 到 candidate-schema]+ ↓+[Phase 3: 去重(vs candidates / predictions / trends-history)]+ ↓+[Phase 4: 对每个新 item 粗打分(调 cheat-score 内联逻辑)]+ ↓+[Phase 5: 排序 + 询问用户哪些加入 candidates.md]+ ↓+[Phase 6: 写入 + 更新 trends-history.jsonl 缓存]+```++## Constants++- **TREND_SOURCES = ["manual-paste"]** — 启用的 adapter 列表(默认仅 manual-paste,最稳)+- **LOOKBACK_HOURS = 24** — 抓最近 N 小时的热点+- **MAX_PER_SOURCE = 20** — 每个 adapter 最多 N 条+- **DEDUPE = true** — 去重开关+- **AUTO_SCORE = true** — 抓回来后自动调 cheat-score 粗打分+- **MIN_COMPOSITE_TO_SUGGEST = 6.0** — 低于此分的不推荐用户加入候选池(仍写入 trends-history 避免下次重复推)++> 💡 调用时覆盖:`/cheat-trends — sources: manual-paste,hackernews,bilibili-popular — max-per: 10`++## Inputs++| 必填 | 来源 |+|---|---|+| `.cheat-state.json` | 默认 sources |+| `adapters/trend-sources/<name>.md` | 各 adapter 的实现描述 |+| `candidates.md` | 去重对照 |+| `predictions/*.md` | 去重对照(已发的不再推) |+| `.cheat-cache/trends-history.jsonl` | 历史抓取去重缓存 |++## Workflow++### Phase 0: 读启用的 adapters++```python+# 伪代码+state = read('.cheat-state.json')+enabled_adapters = args.sources or state.get('enabled_trend_sources', ['manual-paste'])+```++如 enabled_adapters 为空 → 输出引导:++```+你目前没有启用任何热点源。++最快配法:+- 临时跑:/cheat-trends — sources: manual-paste,hackernews+- 永久启用:编辑 .cheat-state.json 的 enabled_trend_sources 数组++可用 adapter(详见 adapters/trend-sources/):+- manual-paste(默认,永远能用)+- hackernews(HN Algolia API,无需 key)+- reddit-rising(公开 .json 端点)+- youtube-trending(需 YouTube Data API key)+- bilibili-popular(公开端点,偶有变动)+- xhs-explore / douyin-hot(fragile,需 cookie)+- thirdparty-paid(新榜 / 飞瓜,需自己接 API)+```++### Phase 1-2: 对每个 adapter 调 fetch + normalize++对每个 adapter,读其 `adapters/trend-sources/<name>.md` 中描述的 fetch 接口(实际是 Bash 调底层 Python / shell / WebFetch):++| Adapter | 实现机制 |+|---|---|+| `manual-paste` | 询问用户:"粘贴你今天的候选 URL/标题列表(每行一条)" → 解析每行,对 URL 做 WebFetch 拓展 snippet |+| `hackernews` | WebFetch HN Algolia API:`https://hn.algolia.com/api/v1/search?tags=front_page&hitsPerPage={N}` → 提取 title/url/snippet |+| `reddit-rising` | WebFetch Reddit JSON:`https://www.reddit.com/r/<subreddit>/rising.json?limit={N}` |+| `youtube-trending` | 需 API key 配置在 `.env` 或 .cheat-state.json,调 YouTube Data API v3 `videos?chart=mostPopular` |+| `bilibili-popular` | WebFetch B 站 popular 接口 |+| `xhs-explore` / `douyin-hot` | 需用户提供 cookie 路径,调对应 platform-stub 描述的接口;缺 cookie → skip 该 adapter |+| `thirdparty-paid` | schema only——读 `adapters/trend-sources/thirdparty-paid.md`,让用户自己接 |++每个 adapter 输出符合 [candidate-schema.md](../../shared-references/candidate-schema.md) 的 items。++**优雅降级**:单 adapter 失败(API key 缺失 / 端点 503 / cookie 失效)→ skip 该 adapter,**不抛异常**,在汇总里说明:+```+✅ hackernews: 拉到 18 条+⚠️ youtube-trending: 跳过(缺 API key——配置见 adapters/trend-sources/youtube-trending.md)+✅ bilibili-popular: 拉到 15 条+❌ douyin-hot: 跳过(cookie 文件不存在)+```++### Phase 3: 去重++按 [candidate-schema.md](../../shared-references/candidate-schema.md) 的"去重协议":++1. 对每个 item 算 id(`sha256(source_type + normalized_title + url_path)[:12]`)+2. 检查 `candidates.md` 已含此 id → 跳过+3. 检查 `predictions/*.md` 已含此 id → 跳过+4. 检查 `.cheat-cache/trends-history.jsonl` 已含此 id 且 `rejected_at != null` → 跳过++去重统计写到汇总报告里。++### Phase 4: 粗打分++`AUTO_SCORE=true` 时,对每条新 item:+1. 用 item 的 `snapshot_text` 作为输入+2. 按当前 rubric 给 7 维打分(**不**调 `/cheat-score` 子 skill 走 IO;inline 复用打分逻辑)+3. 算 composite+4. 给一句 rationale++**注意**:粗打分 ≠ 正式预测。预测必须基于最终稿(用户改过的),这里的打分只是"是否值得展开写"的粗筛。++`AUTO_SCORE=false` 时,items 写入 candidates.md 时 composite=null,需要后续手动 `/cheat-score`。++### Phase 5: 排序 + 询问++按 composite 降序,过滤掉 composite < `MIN_COMPOSITE_TO_SUGGEST` 的:++```+🔥 抓热点完成。各源拉取统计:+- manual-paste: 5 条(用户输入)+- hackernews: 18 条+- bilibili-popular: 15 条+跳过 douyin-hot(缺 cookie)++去重后剩 27 条新 item。+粗打分后 12 条 composite ≥ 6.0:++| # | 标题 | source | composite | bucket | rationale |+|---|---|---|---|---|---|+| 1 | 为什么我们都讨厌主动联系朋友 | hackernews | 8.4 | 30-100w | ER+QL 双 5,AB 普适 |+| 2 | "她不一样"的一千种变体 | bilibili-popular | 8.1 | 30-100w | MS 候选维度高 |+| 3 | ...... |++哪些加入 candidates.md?+- 全部加 → 回 "all"+- 选几个 → 回 "1, 3, 5"+- 都不要 → 回 "none"(这些会被记到 trends-history 避免下次重复推)+```++### Phase 6: 落盘++用户响应后:+1. 选中的 items → 按 [candidate-schema.md](../../shared-references/candidate-schema.md) 的"Markdown 表示"格式追加到 `candidates.md`+2. 所有抓回来的 items(不管选中与否)→ append 到 `.cheat-cache/trends-history.jsonl`:+ ```jsonl+ {"id": "...", "title": "...", "source": "...", "snapshot_at": "...", "rejected_at": null|"<ISO>", "fetched_at": "<ISO>"}+ ```++### Phase 7: 状态更新++```json+{+ "last_trends_run_at": "<ISO>",+ "last_trends_added_count": 5+}+```++## Key Rules++1. **不抛异常**。单 adapter 失败 → skip + 报告。多 adapter 全失败 → 报错"所有源都失败",附排查指引+2. **manual-paste 永远在**。即使其他所有 adapter 都坏了,manual-paste 模式必须能跑——它是兜底+3. **去重是硬约束**。同 id 不重复推;用户拒绝过的 6 个月内不再推+4. **粗打分要诚实标注**。在 candidates.md 的 entry 里标 `composite (rough, snapshot-based)`,避免与 prediction 的精打分混淆+5. **不直接进 predictions/**。trends 只产 candidates,predict 是另一个动作++## Refusals++- 「直接抓抖音热门 feed,不用 cookie」 → 拒绝。抖音反爬极严,无 cookie 必失败;引导到 douyin-session adapter 配置文档+- 「跳过去重,把所有抓到的都写进去」 → 拒绝。会污染候选池,下次 recommend 时排序失效+- 「跳过粗打分,直接写 raw 标题」 → 允许(`AUTO_SCORE=false`),但提示用户后续需要 `/cheat-score` 才能进 recommend 池++## Integration++- 上游:用户配置 `.cheat-state.json` 的 `enabled_trend_sources` 数组+- 下游:`/cheat-recommend` 直接读 `candidates.md` 排序——trends 写完,recommend 立刻看到+- 与 `/cheat-init`:onboarding Q4 选"没有候选池"的用户被引导到这里+- 与 `/cheat-status`:status 看板显示"上次抓热点:X 天前 / 待清理候选池:Y 条"++## Adapter 实现注意事项++每个 `adapters/trend-sources/<name>.md` 必须文档化以下:+1. **依赖**:API key / cookie / package+2. **fetch 接口**:调用方式(python script path / shell command / API endpoint)+3. **输出 schema**:必须符合 candidate-schema.md+4. **失败模式**:常见错误 + 优雅降级行为+5. **稳定性等级**:★ 1-5 颗星++详见 [adapters/HOWTO.md](../../adapters/HOWTO.md)(待批次 3 实现)。diff --git a/starter-rubrics/opinion-video-zero.md b/starter-rubrics/opinion-video-zero.mdnew file mode 100644index 0000000..f2680dc--- /dev/null+++ b/starter-rubrics/opinion-video-zero.md@@ -0,0 +1,234 @@+# Starter Rubric:观点类视频 — v0 cold-start 占位++**这是给完全没数据的新博主用的占位 rubric。**它会打错。**前 5 篇预测精度大概 ±50%——这是 cold-start 的数学事实,不是 rubric 失败**。++跑完 5 篇(每篇都走完 `/cheat-predict` → 发布 → `/cheat-retro` 闭环)之后,你会有第一份个人校准数据,可以提议第一次 `/cheat-bump` 升级到 v1(或直接采用 [opinion-video.md](opinion-video.md) 的 v2 作为起点重新校准权重)。++---++## v0 综合分公式(**等权占位**)++```+composite = (ER + HP + QL + NA + AB + SR + SAT) / 7 × 2.0+```++每个维度 0-5 整数分。综合分范围 0-10。++**为什么等权而不是 v2 的差异化权重**:+- 你**没有数据**支持任何特定权重+- 用 v2 的权重起步会让你以为这些权重是普世的——它们不是,是参考博主账号拟合的+- 等权能让你在数据出来之前对每个维度都给"中立的关注"+- 第 5 篇之后你的复盘数据会告诉你哪些维度真的预测了你的账号的传播++---++## 7 个维度++### ER — Emotional Resonance(情感共鸣)+*稿子能否在前 30 秒让观众产生一种**具体的、能命名的**情感?*++- **0** — 纯信息传递;没有情感钩子+- **3** — 一般共鸣+- **5** — 锐利、具体、让人不太愿意承认的自我识别++### HP — Hook Potential(钩子强度)+*前 3 秒能不能逼观众看下去 30 秒?*++- **0** — 通用开场("大家好...")+- **3** — 具体的承诺或反直觉断言+- **5** — 一个具体生动的场景,观众无法停止处理++### QL — Quotable Lines(金句密度)+*稿子里至少 2-3 行能被截图、能作为独立文字单独传播吗?*++- **0** — 全是叙述+- **3** — 结尾有一句令人记住的+- **5** — 多句独立可用、分布在稿子不同位置++### NA — Narrativity(叙事性)+*有可辨识的弧线,还是平铺直叙?*++- **0** — 列表式+- **3** — 松散主线+- **5** — 紧凑三幕结构++### AB — Audience Breadth(受众广度)+*这个议题潜在受众有多广?*++- **0** — 极小众+- **3** — 中等+- **5** — 普世++### SR — Social Resonance(社会议题共振)+*稿子触及当下的社会模式吗?*++- **0** — 纯个人 / 人际+- **3** — 触到公认现象但没新视角+- **5** — 命名了一个观众认识但没有语言形容的结构性模式++### SAT — Satire Depth(讽刺深度)+*稿子用了多层反讽 / 戏仿格式吗?*++- **0** — 真诚直陈+- **3** — 一层反讽+- **5** — 嵌套或自指反讽++如果你的频道走真诚路线,SAT 给 3 当占位即可。++---++## Bucket 预测:所有阶段统一格式 + 渐进信心标注++> 早期预测精度差是数学事实——**不通过省略 bucket 解决**,通过 **header 的 confidence 等级 + 概率分布更平**来诚实表达不确定。详见 [shared-references/prediction-anatomy.md](../shared-references/prediction-anatomy.md) 和 [state-management.md 的 confidence 表](../shared-references/state-management.md)。+>+> calibration_samples 少时,概率分布**应该更平**(如 30/30/20/15/5 而非 5/40/45/8/2)——**这是诚实表达不确定的方式**,不是把 bucket 跳过。++## 比率桶方案(适用所有阶段)++> ⚠️ **新人的 bucket 不能用绝对数字**——参考博主的"5w 是底部"对一个 0 粉新人来说是"现象级爆款"。+> 如果照搬绝对数桶,你每条视频都会落"底部 99%",bucket 失去任何排序意义。+>+> **比率桶**用"相对你自己上一篇的倍数"来分桶。永远适用,不管你账号多大。++### 第 1 篇:用平台通用默认(你还没有"上一篇")++抖音 / B 站 / TikTok / YouTube 上 0 粉新人的第 1 条视频典型分布:++| Bucket | 范围(**实际播放数,不是万**)| 含义 | 先验概率 |+|---|---|---|---|+| 底部 | < 100 | 几乎被算法埋了 | 30% |+| 基础盘 | 100 - 1,000 | 完播率支撑的小推荐 | 40% |+| 命中 | 1,000 - 10,000 | 第一次破圈的信号 | 20% |+| 小爆 | 10,000 - 100,000 | 极罕见的"零粉首爆"| 8% |+| 大爆 | > 100,000 | 平台算法异常加权 | 2% |++> 公众号 / Substack 把"播放"换成"阅读",量级类似(0 粉公众号第一篇阅读 50-500 是常态)。++**第 1 篇预测时**:选一个 bucket + 写概率分布。**很可能落"基础盘"**——这是数学事实,不是你失败。++### 第 2 篇起:用比率桶++让 `baseline = 上一篇的实际播放数`(或最近 3 篇的中位数,如果有)。++| Bucket | 倍数范围 | 含义 |+|---|---|---|+| 退步 | < 0.3 × baseline | 比上一篇明显差 |+| 持平 | 0.3 - 1 × baseline | 与上一篇同档 |+| 命中 | 1 - 3 × baseline | 中度突破 |+| 小爆 | 3 - 10 × baseline | 显著破圈 |+| 大爆 | > 10 × baseline | 量级跃迁 |++**比率桶的好处**:+- 100 → 1000 播放(10x) 与 5w → 50w 播放(10x) **是同一种成就**——比率桶都标"大爆"+- 你的账号从 0 粉长到 10w 粉,bucket 边界自动跟着涨+- 不需要"我今天该不该过誉这个数"——倍数是绝对的++**例子**:+- 第 1 篇 480 播放(落"基础盘")→ baseline = 480+- 第 2 篇预测 bucket = "命中"(500-1500),实际 1200 → 命中+- 第 3 篇 baseline 滚动更新 = (480 + 1200) / 2 = 840++### 第 5 篇之后:建议固定绝对桶 + 比率桶并存++跑完 5 篇后,你的 baseline 已经从 5 个数据点稳定。`/cheat-status` 会主动提示:++> 你已校准 5 篇,可以基于实际分布固定绝对 bucket 边界。+> 跑 `/cheat-bump --bucket-only` 自动派生。++固定后绝对桶用于"长期趋势识别"(这条比上个月那条好不好?),比率桶用于"近期波动"(这条比上一篇好不好?)。++### N≥10 之后:可以转向 percentile 桶++校准池 ≥ 10 时,bucket 边界改用 percentile:你前 20% 的视频是"爆款",10-20% 是"命中",30-70% 是"基础盘"。这种方案永远自洽——不管账号多大,"top 20%" 的语义稳定。++---++**重要警告**:+- 上面的占位概率是"什么都不知道时的先验"——你的真实分布会在第 5 篇后涌现+- 第 1-5 篇你对自己 bucket 边界的判断**会大幅波动**——这是 cold-start 的正常状态+- 第 5 篇之后**必须**跑 `/cheat-bump --bucket-only` 重新校准++---++## Cold-start 战略(**必读,最被忽视的一段**)++cold-start 期的"预测"不是预测——是**数据采集**。理解这一点是工具是否对你有用的分水岭。++### 你的预测在前 5 篇做的是三件事++1. **建立纪律**:在看到任何数据前写下盲判断。这才是脊柱——不是数字本身+2. **记录 7 维评分**:复盘后每条样本变成一个 (打分, 实绩) 配对,第 5 篇时这些配对是 rubric 第一次升级的输入+3. **记录锚点假设**:写下"我押 ER=5 比 ER=3 流量高"这样的假设,复盘验证 → rubric 升级的证据++**你不应该做的事**:基于 cold-start 期的 composite 决定要不要发某条稿子。**精度 ±50%——决策没意义**。已经决定要发的,跑完整循环;正在犹豫要不要发的,靠你自己感觉。++### 前 5 篇的取样策略:**主动选差异最大的稿子**++如果你前 5 篇都是 `ER=5 / SR=2 / HP=5` 的同款,复盘时**你无法**告诉哪个维度真的预测了流量——多重共线性。++**反直觉但正确的做法**:cold-start 期主动选维度组合差异最大的样本:+- 1 篇 ER 主导(情感向,SR 低)+- 1 篇 SR 主导(社会议题向,ER 低)+- 1 篇 SAT 主导(讽刺向)+- 1 篇 QL 主导(金句密集)+- 1 篇综合中等(all 3-4)++如果你只有"安全的同款稿",挑差异最大的 5 个。**稳定期再追求"全发爆款",cold-start 期追求"信息量最大"**。++### 何时开始相信预测++| 校准样本 | 你能相信什么 |+|---|---|+| N=0-2 | 啥都别信。bucket 是占位 |+| N=3-5 | 相信"哪个维度可能重要"的方向;不信具体 composite 数字 |+| N=5-10 | 相信 bucket 排序;不信中枢点估计 |+| N=10-20 | 中枢可信 ±30%;可作为决策参考之一 |+| N≥20 | rubric 真正成为"作弊器"——但你也已经摸到自己的内容直觉了 |++**cold-start 真正的礼物不是预测精度——是它强迫你建立的复盘习惯**。这个习惯持续到 N=20 时,你的内容直觉本身就强很多了。++---++## Cold-start 期的复盘纪律(**比稳定期更严**)++前 5 篇每篇必走完整循环。**任何一篇跳过复盘 → 整个校准失败**。++每次复盘必须填的最少信息:+- 实际播放 / 阅读+- 实际点赞数(看赞播比)+- 实际评论数(看互动)+- Top 3 评论 + 赞数(看观众真实的接收点)+- 我的 v0 预测 vs 实际:哪个维度被验证 / 推翻++5 篇之后你会看到至少一个 pattern——比如"我的 ER 总是高估"或"我的 SR 维度根本不预测什么"——这个 pattern 是你第一次 bump 的证据。++---++## 第 6 篇起的升级选项++跑完 5 篇校准后,你有 3 条路:++### 路径 A:从 v0 → v1(自己拟合权重)+跑 `/cheat-bump --propose "<你的具体权重调整>"`。系统会强制全量重打 + 跨模型审核。++### 路径 B:直接采纳 v2 作为起点+把 [opinion-video.md](opinion-video.md) 的 v2 公式抄到你的 `rubric_notes.md`,**然后跑 `/cheat-bump`**——bump 流程会用你的 5 篇数据验证 v2 在你账号上是否真的更优。++### 路径 C:保持 v0 等权,跑更多样本+如果 5 篇还看不出明显 pattern,再跑 5 篇。等权的 v0 在 10-15 个样本之前都不丢人。++---++## 这份 rubric 不能做的事++- **不能告诉你"会不会爆"**——cold-start 期的预测置信度低,bucket 通常应给 30%-50% 而非 ≥80%+- **不能替你设 bucket 边界**——平台 / 账号差异太大+- **不能跨账号迁移**——同一份 v0 rubric 在不同人的账号上拟合出的 v1 不一样++---++## 最重要的一句话++**前 5 篇你不是在做决策,你是在收集数据。**++cold-start 期最大的诱惑是"看着 composite 8.4 就觉得这条会爆"。**别信**。8.4 是相对一份还没校准过的 rubric 算的——它对你的账号几乎没意义。第 5 篇之后再开始相信数字。diff --git a/starter-rubrics/opinion-video.md b/starter-rubrics/opinion-video.mdnew file mode 100644index 0000000..fd5e9d1--- /dev/null+++ b/starter-rubrics/opinion-video.md@@ -0,0 +1,195 @@+# Starter Rubric:观点类视频(Opinion-Based Video)— v2 已校准++适用于做 2-5 分钟视频、内容是讲一个观点 / 一个概念 / 一篇文章 / 一种社会现象的博主——总之**你的观点本身是产品**,画面只是载体。++> **重要:这份是已校准的 v2 公式**+> 来自一个中文观点视频博主(抖音,25+ 已发样本,T+3d/7d/8d 数据回收完毕)。**这是真实生效的版本,不是猜想**。完全没数据的新博主请用 [opinion-video-zero.md](opinion-video-zero.md)(v0 等权占位)。++---++## v2 综合分公式(**已校准**)++```+composite = (ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0+```++每个维度 0-5 整数分。综合分范围 0-10。++权重设定理由:ER / SR / HP 三项 ×1.5,因为情感 / 社会 / 钩子是当前账号最强的传播驱动力。**这些权重是凭直觉设定后被数据部分验证的**,不是回归拟合——你的账号需要重新拟合。++---++## 7 个维度++### ER — Emotional Resonance(情感共鸣,权重 ×1.5)+*稿子能否在前 30 秒让观众产生一种**具体的、能命名的**情感?*++- **0** — 纯信息传递;没有情感钩子+- **3** — 一般共鸣("嗯,我也有过这种感觉")+- **5** — 锐利、具体、**让人不太愿意承认**的自我识别。观众心想"这就是我,我之前不想承认"++5/5 anchor:暗恋自欺、家庭义务、内化的失败感——任何让观众认出自己同时微微感到不适的内容。+0 分对照:纯学术陈述、抽象概念论文。++### SR — Social Resonance(社会议题共振,权重 ×1.5)+*稿子触及一个当下的、有争议的、或结构性重要的社会模式吗?*++- **0** — 纯个人 / 人际层面+- **3** — 触到一个公认的社会现象(职场动态 / 恋爱 / 家庭),但没加新视角+- **5** — 命名了一个观众**认识但没有语言形容**的结构性模式++5/5 anchor:参考博主的"房价/状元"——"学生坠楼 vs 高考状元"的非对称冲击直击阶层 / 教育 / 生命价值三个议题交叉。+0 分对照:纯个人情感(暗恋 / 关系)。++### HP — Hook Potential(钩子强度,权重 ×1.5)+*前 3 秒能不能逼观众看下去 30 秒?*++- **0** — 通用开场("大家好,今天聊一聊...")+- **3** — 具体的承诺或反直觉断言+- **5** — 一个具体生动的场景或断言,观众无法停止处理++不要把 HP 与"猎奇"混淆。一个安静但具体的开场("有些关系不是在某一刻结束的——它们在你还在里面的时候就已经偏移")也可以是 HP=5。++### QL — Quotable Lines(金句密度,权重 ×1.0)+*稿子里至少 2-3 行能被截图、能作为独立文字单独传播吗?*++- **0** — 全是叙述;没有警句+- **3** — 结尾有一句令人记住的+- **5** — 多句独立可用、分布在稿子不同位置(开场 / 中间 / 结尾)++> **校准 caveat**:参考博主的数据显示 **QL=5 不在于"金句数量"**,更接近"每句金句离开视频后还能在评论里 / 截图里 / 朋友的微信里独立存活吗?"——这个细微的定义偏差会被未来的 v2.1 升级吸收。++### NA — Narrativity(叙事性,权重 ×1.0)+*有没有一个可辨识的弧线——铺垫、升级、收束——还是平铺直叙的论点列表?*++- **0** — 列表式结构+- **3** — 松散的主线+- **5** — 紧凑的三幕结构,结尾 payoff 在开场就已埋好++对观点视频来说,NA 比对叙事视频重要性低。把它当 tiebreaker 维度,不是主驱动。++> **校准 caveat**:参考博主的数据中 NA 与 HP 部分冗余——v2.1 候选版本里 NA 被砍。在你的账号上单独验证。++### AB — Audience Breadth(受众广度,权重 ×1.0)+*这个议题的潜在受众有多广?*++- **0** — 极小众(专业圈 / 单一兴趣)+- **3** — 中等(一类人群)+- **5** — 普世(暗恋 / 家庭 / 工作)++> **校准 caveat**:AB 在参考博主的数据里被发现是**误导信号**——求职是 AB=5 但分播比 0.96%(最低)。"广"不等于"愿意传播"。v2.1 候选版本会用 TS(Topic Shareability)替代 AB。**当前 v2 仍保留 AB,因为 v2.1 还在验证**。++### SAT — Satire Depth(讽刺深度,权重 ×1.0)+*稿子用了多层反讽 / 戏仿格式 / 自指嘲讽吗?*++- **0** — 真诚直陈+- **3** — 一层反讽+- **5** — 嵌套或自指反讽(例如,一篇**关于**某现象的稿子,**用那个现象的格式**写出来)++如果你的频道走真诚路线,SAT 给 3 当占位,**不要**让它影响排序。如果你的频道走戏仿路线,这个维度重要。++5/5 anchor:参考博主的"房价/状元"——三层反讽(虚构国框架 + 学术论文形式戏仿 + 致谢段自我指涉)。++---++## v2.1 候选维度(**未升正**,仅供探索)++下列两个维度在参考博主的数据上展示了独立预测力,但还没通过完整的升级验证流程。**你不要在自己起步阶段直接用这两个维度**——风险大于收益。++### MS — Memetic Shareability(模因可挪用性)+*观众能复用作者的句式吗?*++5/5 anchor:参考博主"停止期待"中的「她不一样」/「他不一样」模因——观众主动套用句式自嘲,2266 赞独占榜首,全文出现 12+ 变体。+0 分对照:金句被原样引用但**不被挪用造句**——参考博主"谁问你了"中的「无需求信息供给」362 赞独占但只能引用。++为什么重要:被引用的金句驱动**单次传播**。可挪用的模板驱动**生成式传播**——评论本身变成表演,每次表演都是免费的传播。++### TS — Topic Shareability(议题分享冲动)+*观众转发这条视频,转发本身会不会暴露 ta 不想暴露的处境?*++- **1** — 转发等于承认一件痛苦或被污名化的事(求职、被冒犯、最近分手且熟人能猜出对象)+- **3** — 转发是中性的+- **5** — 转发**本身就是表演**(集体吐槽 / in-group 黑话 / 价值观站队 / 安全的自嘲)++为什么重要:议题广度 ≠ 流量。一个"普世"但社交暴露的议题(如求职)跑不过一个"小众"但分享安全的议题(如吐槽老板)。**Shareability 才是约束变量,不是 breadth**。++> **如果你想试 v2.1**:跑完 5 篇 v2 校准 + 主动收集 MS 和 TS 的"试评分"作为候选维度数据。证据足够(≥3 样本支持)后通过 `/cheat-bump` 走完整升级流程。++---++## Bucket 预测(**仅适用于已有粉丝基础的校准期用户**)++> ⚠️ **新人不要用这套绝对桶**。0 粉账号的视频典型在 100-1000 播放区间——照搬下表会让所有预测都落"底部 99%"。+> Cold-start 用户请用 [opinion-video-zero.md](opinion-video-zero.md) 的**比率桶方案**。+> Calibration 用户(≥5 篇有数据)由 `/cheat-init` 询问 baseline 后自动派生。+> 下表是"参考博主"(中文抖音观点视频,~1w 粉,25+ 已发样本)的实际拟合——**不是普适常量**。++不要预测一个具体数字。预测一个 **bucket** + 概率分布。++| Bucket | 范围(万播放)| 参考博主的先验概率 |+|---|---|---|+| 底部 | <5w | 5% |+| 基础盘 | 5-30w | 35% |+| 命中 | 30-100w | 45% |+| 爆款 | 100-150w | 12% |+| 现象级 | >150w | 3% |++**重要**:按你的账号自己的 percentile 设 bucket 边界。你的"爆款"可能是 5w(参考博主级别)或 5k(新人级别)或 500w(大 V)。直接照抄上表的人会得到永远偏高 / 偏低的预测。++校准过 ≥5 篇后跑 `/cheat-bump --bucket-only` 让系统基于你的实际分布自动派生。++每次预测要给:+- **最可能的 bucket**(headline call)+- **中枢**(你在那个 bucket 内的点估计)+- **所有 bucket 的概率分布**(必须加起来 100%)++---++## T+N 复盘窗口++默认:**T+3d**。++为什么 3 天而不是 5 / 7:+- 大多数短视频平台的算法分发决策在 72 小时内基本结束+- 等更久会引入噪声(缓慢长尾、二次推荐)不增加信号+- T+3d 让你能**每周跑一次校准循环**,rubric 保持响应速度++只有在你有证据证明自己平台行为不同的时候才覆盖。覆盖记得写进 `rubric_notes.md`。++---++## Anchors(锚点样本)++打分新稿时,找 2-4 个 composite 接近的旧样本,列出它们的实绩。**锚点对比能抓出公式抓不到的错误**。++锚点集是你边发边攒出来的。**在你有 ≥5 篇校准过的作品之前,锚点不可用——这是正常的**。Cold-start 期跳过锚点对比,但要在预测文件里标 `锚点对比:N/A(cold-start)`。++---++## 这套 rubric 注定会打错的地方(已知 limitations)++参考博主的数据暴露的失败模式。在你自己的数据里也要警惕:++1. **时长**:rubric 里没有任何维度捕捉稿子时长。4 分钟稿要付出完播率代价。完播率单独追踪+2. **议题时效 / 平台情绪**:算法偏好会变。上个月被推的话题这个月可能被压+3. **概念密度**:一个稿子里塞太多自创术语(4 个以上缩写、多个框架)压缩理解负担、伤完播率。当前 rubric 没惩罚这个+4. **MS / TS 的相互作用**(v2.1 候选维度):两者独立看可能 OK,但真正爆款需要两个都 ≥4。单维度极致很少够++---++## 打分速度 cheat sheet++打新稿的分时给自己定个时间。重点是**给一个能被复盘的判断**,不是写论文。++- **每个维度 30 秒**是合适的节奏。如果某个维度让你想超过这个时间,你在合理化,不是在打分+- **相信你的第一个整数**。如果你在 3 和 4 之间反复横跳,写 3 + 一个备注。打 5 次以后 rubric 会告诉你是不是系统性偏低+- **打分前不看锚点**。如果你打分前先查"停止期待打了多少分",你已经被锚定了。**先盲打,再对比**++---++## 与 `cheat-on-content` 子 skill 的对应++这份 starter rubric 被以下 skill 读取:+- `/cheat-init` cold-start 模式 → 默认复制本文件到 `rubric_notes.md`(如选择 calibration 模式且 mode 决定能用 v2 公式)+- `/cheat-score` 和 `/cheat-predict` → 读 `rubric_notes.md` 拿当前公式+- `/cheat-bump` → 这份 starter 是 bump 的"先验起点",bump 后被替换为用户自己拟合的版本diff --git a/templates/benchmark.template.md b/templates/benchmark.template.mdnew file mode 100644index 0000000..9ace853--- /dev/null+++ b/templates/benchmark.template.md@@ -0,0 +1,100 @@+# 对标账号:[BENCHMARK-NAME]++> **本文件由 `/cheat-learn-from` 创建和维护**。+>+> 前期工具的 rubric / pattern / 选题方向感**大量**从这里推——这是你刚 init 时还没自己历史数据的 anchor。+>+> 当你自己累计 N≥10 校准样本后,benchmark 影响**自然减弱**——你的真实数据成为主要信号源。但 benchmark 不删,保留作 sanity check(看你账号是否真的偏离对标方向)。+>+> 你随时可以:+> - **追加**对标视频:`/cheat-learn-from --append <new-videos>`+> - **替换**对标账号:`/cheat-learn-from --replace <new-account>`++---++## 账号信息++- **名字**: [对标账号名]+- **平台**: [抖音 / B站 / YouTube / 公众号 / ...]+- **URL**: [账号主页]+- **粉丝量级**: [用户提供的,参考用——比如 "1w / 10w / 100w"]+- **风格 / 调性**: [用户描述——例 "知识科普 / 学术戏仿" / "个人吐槽" / "技术教程"]+- **导入时间**: [YYYY-MM-DD]+- **样本数**: N++---++## 导入的样本++| # | 视频标题 | 播放 | 点赞 | 评论 | 转发 | 你的印象 | transcript |+|---|---|---|---|---|---|---|---|+| 1 | [示例] 怎么停止期待 | 71w | 2.4w | 899 | 1.8w | 高 | samples/[BENCHMARK-NAME]/ab61ed09/transcript.md |+| 2 | [示例] 老板废话 | 39w | 1.2w | 567 | 7.9k | 中 | samples/[BENCHMARK-NAME]/5fe5d869/transcript.md |+| 3 | [示例] 谁问你了 | 11w | 3.8k | 198 | 2.7k | 低 | samples/[BENCHMARK-NAME]/8b5627e6/transcript.md |++> **印象档**:高 / 中 / 低 是你看完这条视频后**主观**判断的"算不算这个账号的代表作"——不是数据驱动,是直觉判断。这个判断比数据更能告诉 Claude 你想做什么风格。++---++## 基础 rubric 派生(init 时一次性,**仅给定性方向**)++> 基于 N 条对标样本观察,Claude 总结哪些维度看起来跟"高表现"相关、哪些不太相关。+> **不直接给数值权重**——5-10 样本数值拟合容易过拟合。给方向就行,用户决定要不要在 rubric_notes.md 调权重。++### 高表现样本共有的维度(看起来重要)++- [示例] **ER (情感共鸣) 高**:3/3 高表现样本都有强情感锚点+- [示例] **QL (金句密度) 高**:3/3 高表现样本都有 ≥2 句独立可传金句+- [示例] **MS (模因可挪用性) 高**:3/3 高表现样本评论区出现了挪用句式++### 低表现样本共有的维度(看起来不太重要)++- [示例] **SR (社会议题) 不显著**:低表现样本里 SR=4 也没救+- [示例] **NA (叙事性) 不显著**:高低样本 NA 分布无明显差异++### Claude 给的初始建议++- [示例] 你的对标账号看起来是**情感共鸣 + 金句**驱动型+- 建议初始 rubric 权重在 ER / QL / MS(如启用)上 ×1.5+- **但请等你自己跑 5+ 篇校准再正式 bump**——5 个对标样本不足以下结论++详见 [rubric_notes.md](rubric_notes.md) 的"benchmark-derived initial signals"段。++---++## 基础 patterns 派生++详见 [script_patterns.md](script_patterns.md) 的"对标 [BENCHMARK-NAME] 借鉴"段。++每条 pattern 标 **Imported, untested on my channel** —— 你的频道未必适用,实拍验证后(≥2 次跑出 + 复盘确认有效)再去掉这个标记。++---++## 选题方向感++> cheat-seed brainstorm 时会读这里——根据对标账号的主题分布给提议。++[示例] 对标账号常做的主题类型:+- 暗恋 / 情感戒断(占比 ~40%)+- 学术议题戏仿(占比 ~30%)+- 职场观察(占比 ~20%)+- 社会议题评论(占比 ~10%)++> 你不一定要做完全一样的主题——这只是个 reference frame。+> cheat-seed Mode A/B/C 仍以你的实际想做什么为主。++---++## 维护历史++| 日期 | 操作 | 详情 |+|---|---|---|+| YYYY-MM-DD | 首次导入 | N=3 条样本,方式 [way a 粘文本 / way b whisper] |++---++## 后续何时淡出++- 当 `state.calibration_samples >= 10` 时,cheat-status 会提示"你已有足够自己数据,benchmark 主要作 sanity check 不再主导"+- 但 benchmark.md **不删**——它仍是 cheat-seed brainstorm 的 reference frame+- 如果对标账号本身风格变了 / 你不想再对标了 → 跑 `/cheat-learn-from --replace <none>` 解除(保留历史在文件,但 cheat-seed 不再读)diff --git a/templates/candidates.template.json b/templates/candidates.template.jsonnew file mode 100644index 0000000..9387338--- /dev/null+++ b/templates/candidates.template.json@@ -0,0 +1,56 @@+{+ "_comment": "Reference JSON shape for a candidate item. See shared-references/candidate-schema.md for full spec. Adapter implementations (in adapters/) emit arrays of items conforming to this shape. The user-visible storage is candidates.md (markdown) — JSON is only used in machine-to-machine transit (e.g. md-to-sqlite migration, trend-source adapter output).",+ "candidates": [+ {+ "id": "e7c2f1a4d3b6",+ "title": "\"为你好\"高密度家庭体系",+ "source": "pool:manual",+ "snapshot_text": "「为你好」三个字是中国家庭对子女控制的最高级修辞,背后是一整套「我比你更懂你的需要」的认知体系。",+ "snapshot_at": "2026-05-01T10:00:00+08:00",+ "url": null,+ "tier": "tier1",+ "read_status": "deep_read",+ "category": "家庭",+ "composite_score": 9.18,+ "dimension_scores": {"ER": 5, "HP": 5, "QL": 4, "NA": 4, "AB": 5, "SR": 5, "SAT": 4},+ "scored_under_rubric_version": "v2",+ "predicted_bucket": "30-100w",+ "predicted_reason": "ER+SR 双 5 顶配,高密度家庭议题普适且分享安全",+ "note": "议题厚重,不适合连续 2 篇都打这种"+ },+ {+ "id": "229f5798b1d8",+ "title": "哈哈长度",+ "source": "pool:manual",+ "snapshot_text": "社交媒体中\"哈哈\"长度与沟通意愿的非线性关系研究。",+ "snapshot_at": "2026-05-03T09:00:00+08:00",+ "url": null,+ "tier": "tier1",+ "read_status": "deep_read",+ "category": "社交",+ "composite_score": 8.71,+ "dimension_scores": {"ER": 3, "HP": 5, "QL": 5, "NA": 4, "AB": 5, "SR": 4, "SAT": 5},+ "scored_under_rubric_version": "v2",+ "predicted_bucket": "30-100w",+ "predicted_reason": "v2.1 候选维度 MS+TS 双 5——v2.1 升级的关键 A/B 验证样本",+ "note": ""+ },+ {+ "id": "8c4d92e1f0b3",+ "title": "Show HN: I built a tool that predicts whether your video will go viral",+ "source": "trend:hackernews",+ "snapshot_text": "Built over a weekend. Uses a simple multidimensional rubric calibrated against creator's own historical data. Curious what the HN crowd thinks of the methodology.",+ "snapshot_at": "2026-05-04T09:15:00+08:00",+ "url": "https://news.ycombinator.com/item?id=12345678",+ "tier": null,+ "read_status": "unread",+ "category": "tech-meta",+ "composite_score": null,+ "dimension_scores": null,+ "scored_under_rubric_version": null,+ "predicted_bucket": null,+ "predicted_reason": null,+ "note": ""+ }+ ]+}diff --git a/templates/candidates.template.md b/templates/candidates.template.mdnew file mode 100644index 0000000..e94f061--- /dev/null+++ b/templates/candidates.template.md@@ -0,0 +1,118 @@+# 候选选题池++> **本文件由 `/cheat-trends` 写入热点抓取结果,由 `/cheat-recommend` 读取并排序。+> 也可手动编辑——把候选标题贴成 H3 entry 即可。**+>+> Schema 完整规范:[shared-references/candidate-schema.md](../cheat-on-content/shared-references/candidate-schema.md)。++---++## 使用说明(首次见到本文件请读)++每个候选项是一个 H3 entry(`### [tier] 标题`),下面带 metadata bullets。最简版本只需要 title 一行——`/cheat-recommend` 会自动调 `/cheat-score` 给未打分的 entry 粗打分。++### 字段含义速查++- **id**:12 位 hash,用于跨文件去重。手加 entry 留空,`/cheat-trends` 自动算+- **source**:来源标识,格式 `<adapter-type>:<source-name>`+- **snapshot_at**:抓取 / 录入时间(ISO 8601 或 YYYY-MM-DD)+- **tier**:粗分类 `tier1` / `tier2` / `tier3` / `skip` / `risky` / `done`+- **read_status**:`unread` / `skimmed` / `deep_read` / `done`+- **composite (vN)**:当前 rubric 下的综合分(粗打分,**不是预测**)+- **predicted bucket**:粗预测桶(粗略,仅用于排序)+- **note**:备注(如"等节点再发"、"待重读"、"风险议题")++### 手加 entry 的最简格式++```markdown+### 标题+- snapshot_at: 2026-05-04+```++剩下的字段会被 `/cheat-recommend` 在下次调用时补全(自动调 `/cheat-score`)。++---++## 候选项++> 删除下方所有示例 entry,从你的真实候选开始累计。+> 示例展示的是「视频分析」项目当前 candidates pool 的真实样本(已脱敏)。++### [tier1] "为你好"高密度家庭体系++- **id**: e7c2f1a4d3b6+- **source**: pool:manual+- **snapshot_at**: 2026-05-01+- **tier**: tier1+- **read_status**: deep_read+- **composite (v2)**: 9.18 — ER=5 HP=5 QL=4 NA=4 AB=5 SR=5 SAT=4+- **predicted bucket**: 30-100w(中枢 ~60w)+- **note**: 议题厚重,不适合连续 2 篇都打这种++> 「为你好」三个字是中国家庭对子女控制的最高级修辞,背后是一整套「我比你更懂你的需要」的认知体系。+> [snapshot_text 段——deep_read 后的精读笔记,可选]++---++### [tier1] 哈哈长度++- **id**: 229f5798b1d8+- **source**: pool:manual+- **snapshot_at**: 2026-05-03+- **tier**: tier1+- **read_status**: deep_read+- **composite (v2)**: 8.71 — ER=3 HP=5 QL=5 NA=4 AB=5 SR=4 SAT=5+- **predicted bucket**: 30-100w(中枢 ~55w)+- **note**: v2.1 候选维度 MS+TS 双 5——v2.1 升级的关键 A/B 验证样本++> 社交媒体中"哈哈"长度与沟通意愿的非线性关系研究。+> 与谁问你了构成完美 A/B 对照——同 ER/HP/QL/SR/SAT,差异仅在 MS 和 TS 各 +3。++---++### [tier2] 弗洛伊德的性压抑哲学++- **id**: 8c4d92e1f0b3+- **source**: trend:manual-paste+- **snapshot_at**: 2026-04-28+- **tier**: tier1+- **read_status**: skimmed+- **composite (v2)**: 9.53 — ER=4 HP=5 QL=5 NA=4 AB=5 SR=5 SAT=5+- **predicted bucket**: 30-100w(中枢 ~70w)+- **note**: **risky**(性议题),需评估账号 risk tolerance++> 弗洛伊德的核心理论被 21 世纪心理学界否定,但他对「压抑→症状」的描述在亲密关系实务里仍有解释力。++---++### [skip] [示例 - 已跳过的候选]++- **id**: a1b2c3d4e5f6+- **source**: trend:hackernews+- **snapshot_at**: 2026-05-02+- **tier**: skip+- **rejected_at**: 2026-05-02+- **rejected_reason**: 与本账号议题不符(纯技术新闻)++---++### [done] [示例 - 已发布的候选]++- **id**: ab61ed09f0a1+- **source**: pool:manual+- **snapshot_at**: 2026-04-22+- **tier**: done+- **read_status**: done+- **composite (v2)**: 8.24+- **published_at**: 2026-04-24+- **predictions_file**: predictions/2026-04-24_ab61ed09_停止期待.md++> done tier 的 entry **不出现在 `/cheat-recommend` 的输出**——已发过的不再推。++---++## 维护建议++- **保持 < 100 条 active**(tier1+tier2+tier3,不含 skip/done)。超过这个数排序不稳+- **定期清理 skip**:超过 6 个月的 skip 可以从 `.cheat-cache/trends-history.jsonl` 自动剔除(`/cheat-trends` 重复抓到时会再出现)+- **risky 标签认真用**:`/cheat-recommend` 会高亮 risky 项让你二次确认;不要把所有"有点争议"都标 risky,会麻木diff --git a/templates/content.db.schema.sql b/templates/content.db.schema.sqlnew file mode 100644index 0000000..d19f899--- /dev/null+++ b/templates/content.db.schema.sql@@ -0,0 +1,181 @@+-- cheat-on-content / content.db.schema+--+-- SQLite schema for the calibration pool when scale demands it.+-- Schema is largely lifted from the 视频分析 reference implementation:+-- - articles: one row per piece of content (candidate or published)+-- - scoring_history: append-only log of every scoring event (version traceability)+-- - bumps: append-only log of rubric upgrades+--+-- Created by tools/md-to-sqlite.py during the markdown → SQLite migration+-- (typically triggered when calibration_samples >= 30).+--+-- After migration, predictions/*.md remain on disk as the human-readable+-- source of truth. articles.db is the queryable secondary index.++PRAGMA foreign_keys = ON;+PRAGMA journal_mode = WAL;++-- ==================== articles ====================+-- One row per piece of content. Mirrors the candidate-schema.md fields plus+-- the lifecycle fields (published, performance, retro).++CREATE TABLE IF NOT EXISTS articles (+ id TEXT PRIMARY KEY, -- 12-char sha256 prefix+ title TEXT NOT NULL,+ source TEXT NOT NULL, -- e.g. 'pool:manual', 'trend:hackernews'+ snapshot_text TEXT, -- the scoring input (full text or summary)+ snapshot_at TEXT NOT NULL, -- ISO 8601+ url TEXT,+ category TEXT,+ tier TEXT CHECK (tier IS NULL OR tier IN ('tier1','tier2','tier3','skip','risky','done')),+ read_status TEXT CHECK (read_status IS NULL OR read_status IN ('unread','skimmed','deep_read','done')),+ note TEXT,++ -- Scoring (current values; history in scoring_history)+ emotional_resonance INTEGER CHECK (emotional_resonance IS NULL OR (emotional_resonance BETWEEN 0 AND 5)),+ social_resonance INTEGER CHECK (social_resonance IS NULL OR (social_resonance BETWEEN 0 AND 5)),+ hook_potential INTEGER CHECK (hook_potential IS NULL OR (hook_potential BETWEEN 0 AND 5)),+ quotable_lines INTEGER CHECK (quotable_lines IS NULL OR (quotable_lines BETWEEN 0 AND 5)),+ narrativity INTEGER CHECK (narrativity IS NULL OR (narrativity BETWEEN 0 AND 5)),+ audience_breadth INTEGER CHECK (audience_breadth IS NULL OR (audience_breadth BETWEEN 0 AND 5)),+ satire_depth INTEGER CHECK (satire_depth IS NULL OR (satire_depth BETWEEN 0 AND 5)),+ -- Future-version dimensions (NULL until rubric upgrades introduce them)+ memetic_shareability INTEGER CHECK (memetic_shareability IS NULL OR (memetic_shareability BETWEEN 0 AND 5)),+ topic_shareability INTEGER CHECK (topic_shareability IS NULL OR (topic_shareability BETWEEN 0 AND 5)),++ composite_score REAL,+ scored_under_rubric_version TEXT,++ -- Prediction (latest snapshot from predictions/<id>.md)+ predicted_plays_bucket TEXT, -- e.g. '30-100w'+ prediction_reason TEXT, -- one-line summary+ prediction_file TEXT, -- path to immutable prediction file+ blind_status TEXT CHECK (blind_status IS NULL OR blind_status IN ('confirmed_no_data_seen', 'reconstructed', 'integrity_warning')),++ -- Publish lifecycle+ published_at TEXT, -- ISO 8601+ platform TEXT, -- 'youtube', 'bilibili', 'douyin', 'wechat', etc.+ platform_url TEXT,+ matched_video_folder TEXT, -- path to videos/<...>/++ -- Performance (T+N data, populated by /cheat-retro)+ actual_plays INTEGER,+ actual_likes INTEGER,+ actual_comments INTEGER,+ actual_shares INTEGER,+ actual_saves INTEGER,+ performance_synced_at TEXT, -- ISO 8601 of last data fetch+ performance_window_days INTEGER, -- T+N where N is++ -- Bookkeeping+ created_at TEXT NOT NULL DEFAULT (datetime('now')),+ updated_at TEXT NOT NULL DEFAULT (datetime('now'))+);++CREATE INDEX IF NOT EXISTS idx_articles_tier ON articles(tier);+CREATE INDEX IF NOT EXISTS idx_articles_read_status ON articles(read_status);+CREATE INDEX IF NOT EXISTS idx_articles_published_at ON articles(published_at);+CREATE INDEX IF NOT EXISTS idx_articles_composite ON articles(composite_score DESC);+CREATE INDEX IF NOT EXISTS idx_articles_rubric_ver ON articles(scored_under_rubric_version);++-- updated_at trigger+CREATE TRIGGER IF NOT EXISTS articles_updated_at+AFTER UPDATE ON articles+FOR EACH ROW+BEGIN+ UPDATE articles SET updated_at = datetime('now') WHERE id = NEW.id;+END;++-- ==================== scoring_history ====================+-- Append-only log of every scoring event. Used for version traceability,+-- rollback, and counterfactual analysis ("what would the v3 score have been+-- for this v2-scored article?").++CREATE TABLE IF NOT EXISTS scoring_history (+ id INTEGER PRIMARY KEY AUTOINCREMENT,+ article_id TEXT NOT NULL REFERENCES articles(id),+ rubric_version TEXT NOT NULL,+ scored_at TEXT NOT NULL DEFAULT (datetime('now')),+ scored_by TEXT, -- 'auto' / 'manual' / 'bump-rescore' / etc.++ -- Scores at the time of this event+ emotional_resonance INTEGER,+ social_resonance INTEGER,+ hook_potential INTEGER,+ quotable_lines INTEGER,+ narrativity INTEGER,+ audience_breadth INTEGER,+ satire_depth INTEGER,+ memetic_shareability INTEGER,+ topic_shareability INTEGER,+ composite_score REAL,++ -- Free-form note (e.g. "post-hoc rescore for v2.1 bump validation")+ note TEXT+);++CREATE INDEX IF NOT EXISTS idx_scoring_history_article ON scoring_history(article_id);+CREATE INDEX IF NOT EXISTS idx_scoring_history_rubric ON scoring_history(rubric_version);+CREATE INDEX IF NOT EXISTS idx_scoring_history_scored ON scoring_history(scored_at);++-- ==================== bumps ====================+-- Append-only log of rubric upgrades. One row per successful bump.++CREATE TABLE IF NOT EXISTS bumps (+ id INTEGER PRIMARY KEY AUTOINCREMENT,+ from_version TEXT NOT NULL,+ to_version TEXT NOT NULL,+ bumped_at TEXT NOT NULL DEFAULT (datetime('now')),+ formula_before TEXT NOT NULL, -- full formula string+ formula_after TEXT NOT NULL,+ calibration_pool_size INTEGER NOT NULL,+ rank_consistency REAL, -- e.g. 0.8 for 4/5+ pairwise_no_regression BOOLEAN,+ cross_model_audit TEXT CHECK (cross_model_audit IS NULL OR cross_model_audit IN ('PASS', 'REJECT', 'SKIPPED')),+ cross_model_reasoning TEXT, -- audit reviewer's verbatim reasoning+ memo TEXT, -- human-written upgrade memo+ triggered_by TEXT -- e.g. 'consecutive_directional_errors'+);++-- ==================== views ====================+-- Convenience views for common queries.++CREATE VIEW IF NOT EXISTS calibration_pool AS+SELECT+ a.*,+ (CAST(a.actual_plays AS REAL) / 10000.0) AS actual_plays_w+FROM articles a+WHERE a.actual_plays IS NOT NULL+ AND a.published_at IS NOT NULL+ AND a.prediction_file IS NOT NULL+ORDER BY a.composite_score DESC;++CREATE VIEW IF NOT EXISTS pending_retros AS+SELECT a.*+FROM articles a+WHERE a.published_at IS NOT NULL+ AND a.actual_plays IS NULL+ORDER BY a.published_at ASC;++CREATE VIEW IF NOT EXISTS top_candidates AS+SELECT a.*+FROM articles a+WHERE a.tier IN ('tier1', 'tier2')+ AND a.published_at IS NULL+ AND a.composite_score IS NOT NULL+ORDER BY+ CASE a.tier WHEN 'tier1' THEN 0 WHEN 'tier2' THEN 1 ELSE 2 END,+ a.composite_score DESC;++-- ==================== schema_meta ====================+-- Schema version for future migrations.++CREATE TABLE IF NOT EXISTS schema_meta (+ key TEXT PRIMARY KEY,+ value TEXT NOT NULL+);++INSERT OR REPLACE INTO schema_meta (key, value) VALUES+ ('schema_version', '1.0'),+ ('created_at', datetime('now')),+ ('source', 'cheat-on-content templates/content.db.schema.sql');diff --git a/templates/prediction.template.md b/templates/prediction.template.mdnew file mode 100644index 0000000..c487814--- /dev/null+++ b/templates/prediction.template.md@@ -0,0 +1,134 @@+# [作品标题] — 预测日志++> **本模板由 `/cheat-predict` 自动填充**。+> 所有预测都用统一格式(7 个组件 + 复盘段)——前 5 篇和成熟期都一样,区别仅是 header 里的 confidence 等级。+>+> 完整规范见 [shared-references/prediction-anatomy.md](../cheat-on-content/shared-references/prediction-anatomy.md)。+>+> 模板里的示例数据来自 视频分析 项目「停止期待」([predictions/2026-04-24_ab61ed09_停止期待.md])。++---++**Article ID**: `<12 位 hash>` ← e.g. ab61ed09f0a1(对 `scripts/<id>.md` 首次落盘内容做 sha256,取前 12)+**Title**: `<完整标题>`+**Rubric Version**: **`<v0/v1/v2/...>`**+**预测时间**: `<YYYY-MM-DD>`(基于最终稿)+**Script Path**: `scripts/<YYYY-MM-DD>_<id>_<short>.md`+**Script Hash**: `sha256:<12 位>` (predict 时 hash script 内容;cheat-shoot 时再 hash,不一致则复盘段加 integrity warning)+**Target Duration (s)**: `<state.typical_duration_seconds>` ← e.g. 240 (3-5min)+**Actual Script Length**: `<script.md 实际字数>` ← e.g. 980 字+**Calibration Samples (at predict time)**: `<state.calibration_samples>` ← e.g. 3+**Confidence**: `<emoji + 标签>` ← e.g. 🟡 偏低 (中枢 ±40%,可作为参考之一)。从 calibration_samples 派生,见 state-management.md+**Scored By**: `claude` | `claude+user_override` ← Claude 自打分;如用户在 review 阶段挑刺改了字段,标 `+user_override`+**User Override**: `<如有覆盖,列出哪些字段被改了+原值与新值>` | `none`+ ← 例:`AB: claude=4 → user=3 (用户认为 '一人公司题没那么普适')` `中枢: claude=60w → user=40w`+ ← 复盘时这个字段帮诊断:用户哪个维度直觉跟 Claude 系统性偏离,被实绩验证 → rubric 可能漏了什么+**预测时数据状态**: **blind**(未看任何 `<平台>` 实际播放数据)++---++## 输入快照++**分数 (vN)**: `<dim1=X / dim2=X / ...>` → composite=**`<X.XX>`**++> 示例:ER5 / HP5 / QL5 / NA3 / AB5 / SR2 / SAT4 → composite=**8.24**++**用户改写要点 vs Claude 草稿**(如有):+- **开头**:[user 砍掉了什么 / 加了什么]+- **砍掉**:[具体段落 / 概念名 / 铺垫]+- **保留**:[关键的金句 / 致谢段 / 主体结构]+- **节奏**:比草稿 [紧 / 松] 约 N%++> 如用户从零写没用 cheat-seed,写"用户原创稿,无 Claude 草稿对照"。++---++## 预测++> ⚠️ **本段是 immutable**——`hooks/prediction-immutability.sh` 会拦截对本段的 Edit。+> 写完不可改。如要重做请创建 `<本文件名>_redo.md`,原文件保留。++**Bucket**: `<X-Yw>` ← e.g. `30-100w`++**内心概率分布**:+- `<5w` → X%+- `5-30w` → X%+- **`<headline bucket>` → X%**(中枢 ~Xw)+- `>100w` → X%+- `>150w` → X%++> 加起来必须 100%。+> Confidence 低(calibration_samples 少)时**应该更平**(如 30/30/20/15/5),不是更尖(如 5/40/45/8/2)——诚实地反映不确定。++**一句话 reason**:+> [核心驱动因素 + 最强反例约束 + 中枢预测]++---++## 推理因素++| 因素 | 方向 | 置信度 | 说明 |+|---|---|---|---|+| `<dim or feature>` | 强 + / 中 + / 弱 ? / 强 - | 高 / 中 / 低 | [≤30 字理由] |++> 置信度三档:高(强证据 + 多锚点支持)、中(有理由但样本少)、低(凭直觉)。复盘时如果"低置信度"因素被验证 → 直觉强;"高置信度"因素被推翻 → rubric 有 bug。++---++## 锚点对比++| 对照样本 | composite | 实绩 | 异同 |+|---|---|---|---|+| `<样本名>` | `<X.XX>` | `<Yw>` | [关键差异维度] |++> **校准池不够时**(< 2 个 composite ±0.5 邻近样本):+> 写"校准池只有 N 个样本,无 composite 邻近样本。**锚点对比 N/A**——注意本次预测 confidence 是 🟡 偏低 / 🔴 极低,bucket 中枢仅供参考。"+> **不要直接删这段**——告诉读者锚点为何缺,比静默跳过诚实。++---++## 反事实场景(复盘用)++**如果爆 `>X w`**(X% 预期):+- [验证什么假设]+- [推翻什么假设]+- [可能新增什么 rubric 维度]++**如果落在 `headline bucket`**(X% 预期):+- [基准线验证什么]++**如果跌到 `<X w`**(X% 预期):+- [推翻什么核心判断]++**如果 `<<X w`**(X% 预期):+- [极端场景的可能解释]++> 实际落在哪个 bucket → 告诉你 rubric 的哪个假设被测试。**不可省略**。++---++## 关键校准假设++[把这次预测当成一次实验,明确写下"如果 X 发生,证明 Y"]++[找一个对照样本(最好是上一篇预测)]++两篇 [同 composite / 邻近 composite],差异:+- 本篇:[关键维度对比]+- 对照:[关键维度对比]++**我押**:[本篇 vs 对照 = X 倍 / 高 N w]++如果反过来 → [推翻什么 rubric 假设]+如果差距 < N → [rubric 基本 OK / 噪声范围]++> **校准池只有 0-1 篇时**:写"无可对照样本——但仍写下我对这次的核心赌注(即使没有锚点):"然后写 1-2 条这次想测的事。++---++## 复盘++> ⚠️ **以下段落由 `/cheat-retro` 在 T+`RETRO_WINDOW_DAYS` 天后追加**。+> hook 允许追加本段;不允许改预测段任何字符。++(待填——T+RETRO_WINDOW_DAYS 天后跑 `/cheat-retro <对应 video folder>`)diff --git a/templates/retro.template.md b/templates/retro.template.mdnew file mode 100644index 0000000..6573d75--- /dev/null+++ b/templates/retro.template.md@@ -0,0 +1,100 @@+# 复盘段模板++> **本模板由 `/cheat-retro` 自动追加到对应 prediction 文件的 `## 复盘` 段**。+> 不是独立文件——只是 prediction 文件的下半段格式参考。+>+> 示例数据来自视频分析项目的「停止期待」复盘([predictions/2026-04-24_ab61ed09_停止期待.md] 的复盘段)。+>+> 完整规范见 [shared-references/prediction-anatomy.md](../cheat-on-content/shared-references/prediction-anatomy.md) 的"复盘段"部分。++---++## 复盘++**复盘时间**: `<YYYY-MM-DD>`(发布 T+`<N>`d)+**抓取时间**: `<YYYY-MM-DD HH:MM>`+**数据来源**: `manual paste` / `adapter:<platform>`++### 实绩数据++- 播放:**`<X>`w**(落在 \``<bucket>`\` 桶内 [偏高 / 偏低 / 中枢],相对中枢 `<X>`w **`<+X% / -X%>`**)+- 点赞:`<X>`w(赞播比 `<X.XX%>`)+- 评论:`<N>`(评播比 `<X.XXX%>`)+- 收藏:`<N>`+- 分享:**`<X>`w**(分播比 **`<X.XX%>`**,[强 / 中 / 弱])++> **示例**(停止期待 T+7d):+> - 播放:**71.1w**(落在 `30-100w` 桶内偏高,相对中枢 50w **+42%**)+> - 点赞:2.4w(赞播比 3.38%)+> - 评论:899(评播比 0.126%,**为同期视频之首**)+> - 收藏:5251+> - 分享:**1.8w**(分播比 **2.53%**,强)++> **关键派生比率必须算出来**:赞播比、评播比、分播比——它们是单纯播放数无法暴露的信号。+> 比如视频分析项目发现"分播比"是 TS(议题分享冲动)维度的最强外部代理:求职 0.96% vs 停止期待 2.53%——同 composite 但分播比差 2.6 倍。++### Top 评论关键词++> 把粘进来的 N 条评论分 3-5 类(高赞模因 / 概念引用 / 离题噪声 / 转发暴露暗示 / @朋友传播 等),+> 每类列代表性评论 + 赞数 + 比例。++- **「[关键模因 / 句式]」**: [赞数] 独占 / 高频出现 N 次变体([简短描述模式])+- **「[次级模因]」**: [赞数] [次级模式描述]+- **戒断 / 共鸣 / 戏仿 类**: [赞数] [代表性评论]+- **拓展引用**: [其他衍生模式]+- **@朋友传播 / 自嘲共谋**: [评论区是否在做这件事]++> **示例**:+> - **「她不一样」/「他不一样」模因爆发**:2266 赞独占榜首,且全文出现至少 12 次(193、5、5、5、3、4、4、2、2、2、2、1...重复变体),观众**主动套用句式自嘲**——这是关键级模因+> - **「Joker / 小丑 / 舔狗」二级模因**:412 赞「薛定谔的Joker/Crush叠加态」、74 赞「我自己想转圈圈」+> - **戒断方法被认真转译**:27 赞「1.少想 2.别相信美好 3.重构滤镜」——观众主动 RTF+> - **@朋友传播**:大量 @ 链——评论区是社交场,观众把视频当作"骂朋友 / 自嘲共谋"工具++### 哪些预测被验证 ✅ / 推翻 ❌++**被验证 ✅**:+- [关键校准假设是否成立] [带具体数字的对比]+- [推理因素表里哪些被验证]+- [反事实场景里哪个 bucket 被命中]++**被推翻 ❌**:+- [中枢偏差超 ±25% 的话明确写]+- [反事实里"如果 X 意味着 Y"的 Y 是否真的发生]+- [推理因素表里"高置信度"被推翻的项 → rubric bug 信号]++> **示例**:+> **被验证 ✅**:+> - 关键校准假设**完全成立**:本篇 71.1w / 谁问你了 11.7w = **6.07x**,远超我押的 1.5-2x+> - ER=5 主导情感传播力 → **H1 强证据**+> - HP=5 验证:分播比 2.53%,金句"间歇性希望"被高频引用+>+> **被推翻 ❌**:+> - 中枢 50w 被超出 +42%:低估了"她不一样"模因的二创病毒级+> - 反事实推理里"必须搭配强社会议题才能破 30w"**完全错误**——SR=2 也轻松破 70w+> - 我对 SR 的押注("H2 SR 应上调")**反向被推翻**:SR 在情感向场景**几乎不贡献**++> **关键纪律**:每条验证 / 推翻必须引用具体数据("分播比 2.53%"),不许写"基本符合"这种含糊措辞。++### 需要写进 rubric_notes.md 的新观察++1. **[一句话规律标题]**:[具体证据,引用具体数据点]+2. **[第二条规律]**:[同上]+3. **[候选维度命名建议]**:[如观察到 rubric 没捕获的维度,提议候选维度名 + 评分定义草案]++> **示例**:+> 1. **ER 在情感向场景的真实权重应 ≥ ×2.0**:与谁问你了 6x 流量比是 v2 rubric 最强的反事实证据+> 2. **议题分享冲动 (TS) 是隐藏维度**:joker / "她不一样" / 滤镜重构提供了**安全的自嘲身份**,转发不暴露处境,TS=5 的样本+> 3. **HP × ER 共振效应**:ER=5 + HP=5 + 可挪用模因句 = 病毒级;缺一不可+> 4. **"二创句式" 维度候选 (Memetic Shareability, MS)**:观众能不能用作者的句式造句?停止期待 = Y(她不一样无穷变体),谁问你了 = N(无需求信息供给只能引用)++> 每条观察必须可追溯到具体数据点(不写"情感很重要"——写"ER5/SR2 vs ER3/SR4 同 composite 下流量差 6x")。+> 这些观察会被 `/cheat-retro` 自动写到 `rubric_notes.md` 的"观察记录"段。++### Bump 触发评估++- 偏差方向:[high / low / on-target]+- 累计同向偏差:[N 次(包含本次)]+- 是否触发 bump 提议:[是 / 否]++> 如累计同向偏差 ≥3,`/cheat-retro` 会在末尾输出"建议跑 /cheat-bump"提示。+> 实际 bump 通过 `/cheat-bump` 完成,本段只是触发器记录。diff --git a/templates/rubric_notes.template.md b/templates/rubric_notes.template.mdnew file mode 100644index 0000000..6f75029--- /dev/null+++ b/templates/rubric_notes.template.md@@ -0,0 +1,214 @@+# 评分校准笔记++> **本文件是 cheat-on-content 评分规则进化的载体**。每次复盘实际播放数据 vs 预测分数后,把判断依据和规律显式写在这里,下次打分前 `/cheat-score` `/cheat-predict` 会先读这个文件再动手。+>+> **核心原则**:规律必须可追溯到具体样本。不写"情感共鸣很重要"这种空话,要写"XX 这篇 ER=5 得到验证 / 推翻,因为评论区 top 3 都是 YY 模式"。+>+> 完整生命周期协议见 [shared-references/observation-lifecycle.md](../cheat-on-content/shared-references/observation-lifecycle.md)。+> 升级流程见 [shared-references/bump-validation-protocol.md](../cheat-on-content/shared-references/bump-validation-protocol.md)。++---++## Rubric 版本日志++_结构性变更才 bump 版本号;纯观察积累不算。升版后,校准池里的样本必须用新公式重打分。每次升级写一份结构化 evidence memo(见下方各版本 section)。_++**当前版本**: `v0`++**版本速查表**:++| 版本 | 生效日期 | 变更类型 | 驱动样本数 | 驱动 article_ids |+|---|---|---|---|---|+| v0 | [YOUR-INIT-DATE] | 初版占位(cold-start) | 0(先验) | — |++**升级决策原则**:+- 纯权重微调(如 SR×1.5 → ×1.8)→ 不 bump,trigger 重算 composite+- 维度定义细化(如 SR=5 的门槛变严)→ 不 bump,但复盘时标注新门槛+- 新增/删除维度、或定义颠覆性改写 → bump 主版本号++**迁移触发**: 候选筛选时如遇旧版打分的文章进入 top → 当场重读重评;不做全量重评。**校准池(带实绩数据)必须在每次升级时全量重打**。++---++## 当前评分维度 (0-5)++> **示例:下表是「视频分析」项目(中文观点视频博主,25+ 已发样本)的实测 v2 公式。+> Cold-start 用户应该等权起步——见 [opinion-video-zero.md](../cheat-on-content/starter-rubrics/opinion-video-zero.md)。+> 校准 5 篇之后再决定要不要把这个表换成你自己拟合的版本。**++| 维度 | 权重 | 含义 | 典型信号 |+|---|---|---|---|+| emotional_resonance (ER) | 1.5 | 情感冲击力 | 评论"泪目 / 破防 / 我也是" |+| social_resonance (SR) | 1.5 | 社会议题共振 | 评论出现社会现象关键词 |+| hook_potential (HP) | 1.5 | 开头抓人程度 | 完播率 / 前 3s 留存 |+| quotable_lines (QL) | 1.0 | 金句密度 | 评论引用原文 |+| narrativity (NA) | 1.0 | 故事性 | 转发 / 保存率 |+| audience_breadth (AB) | 1.0 | 受众广度 | 非粉丝占比 |+| satire_depth (SAT) | 1.0 | 讽刺 / 反讽深度 | 评论"狠 / 透 / 支棱" |++**综合分公式**:++```+composite = (ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0+```++> Cold-start 用户的占位公式(等权):+> ```+> composite = (ER + HP + QL + NA + AB + SR + SAT) / 7 × 2.0+> ```++---++## 观察记录++> **模板**(每次复盘后追加一条):+>+> ```+> ### YYYY-MM-DD [标题简称] (id) — [一句话定性,如"验证 ER 主导"]+> - 预测:composite=X.XX,bucket=Y+> - 实绩:播放 / 点赞 / 评论 / 转发(带 T+Nd 标注)+> - Top 评论关键词:[简短摘录 + 赞数]+> - 判断:哪个维度被验证 / 推翻?为什么?+> - Rubric 调整:[如果有,写明 "下次打 XX 类文章时改 YY"]+> - 详见:[predictions/<file>.md]+> ```+>+> 删除规则见 [shared-references/observation-lifecycle.md](../cheat-on-content/shared-references/observation-lifecycle.md):被吸收为维度 → 删;被推翻 → 删。git history 是档案。++### 示例条目(来自视频分析项目,仅供参考;你的项目的真实条目从复盘后开始累计)++#### 2026-04-24 停止期待 (ab61ed09) — 验证情感向爆款【T+7d 数据】+- 预测:composite=8.24(v2: ER5/HP5/QL5/NA3/AB5/SR2/SAT4),bucket=30-100w+- 实绩:T+7d 71.1w(中枢 50w,**+42%**),分播比 **2.53%**+- Top 评论关键词:「她不一样」/「他不一样」全文出现 12+ 次变体(最高 2266 赞)+- 判断:ER=5 主导被强证据验证(与同 composite 谁问你了 11.7w 比,**6.07x 流量比**)+- Rubric 调整:候选下次 bump 把 ER 从 ×1.5 提到 ×2.0+- 详见:[predictions/2026-04-24_ab61ed09_停止期待.md]++> 上面是示例。Cold-start 期请删除,从你的第一次复盘开始累计真实条目。++---++## 重大跨视频观察(≥2 样本支持但需要更多验证)++> 单样本观察先放在"观察记录"段,不上来。≥2 样本同 pattern 才升格到这里。++(暂无——开始记录后会自动累积)++---++## 规律沉淀区(高置信度,打分前必看)++> 每条规律要有 ≥2 样本支持 + 已通过升级验证流程(即被吸收为维度或显式确认)。++(暂无——升级 1-2 次后会有内容)++---++## Benchmark-derived initial signals++> 由 [benchmark.md](benchmark.md) 派生(如有),表示对标账号的高/中/低样本里**哪些维度看起来重要**。+>+> **仅定性方向,不直接采纳为数值权重**——5-10 样本拟合容易过拟合。+> 等你自己 N≥5 校准样本后正式 bump 时再决定是否调权重。+>+> 初始为空——`/cheat-learn-from` 完成后会填这里。++(待 cheat-learn-from 填入)++---++## 待验证假设++> 单样本观察 + 强信号但还没复现的,暂存这里。++- [ ] [示例] 类比型文章 > 直抒型文章(等下一篇类比稿发完看)+- [ ] [示例] 春节 / 清明等节点,家庭类文章 AB 临时 +1(无样本)++---++## 被拒升级 log++> 提议过但未通过验证的 bump,记录在这里——避免半年后重复提相同的失败方案。++(暂无)++---++## Bucket 方案(**当前: ratio**)++> ⚠️ **bucket 边界是用户账号的属性,不是普适常量**——绝对数桶("5w 是底部")只对有粉丝基础的老手成立,对 0 粉新人会让所有视频都落"底部 99%",bucket 失去排序意义。+>+> 本工具按校准阶段切换三种 bucket 方案。当前生效方案由 `.cheat-state.json` 的 `bucket_scheme` 字段决定。++### 阶段 1:cold-start,比率桶(当前阶段)++`bucket_scheme = "ratio"`++**第 1 篇**:用平台通用默认(实际播放数)++| Bucket | 范围(实际播放)| 含义 | 先验概率 |+|---|---|---|---|+| 底部 | < 100 | 几乎被算法埋了 | 30% |+| 基础盘 | 100 - 1,000 | 完播率支撑的小推荐 | 40% |+| 命中 | 1,000 - 10,000 | 第一次破圈的信号 | 20% |+| 小爆 | 10,000 - 100,000 | 极罕见的"零粉首爆" | 8% |+| 大爆 | > 100,000 | 平台算法异常加权 | 2% |++**第 2 篇起**:`baseline = 上一篇实际播放数`(或最近 3 篇中位数)++| Bucket | 倍数范围 | 含义 |+|---|---|---|+| 退步 | < 0.3 × baseline | 比上一篇明显差 |+| 持平 | 0.3 - 1 × baseline | 与上一篇同档 |+| 命中 | 1 - 3 × baseline | 中度突破 |+| 小爆 | 3 - 10 × baseline | 显著破圈 |+| 大爆 | > 10 × baseline | 量级跃迁 |++详见 [starter-rubrics/opinion-video-zero.md](../cheat-on-content/starter-rubrics/opinion-video-zero.md) 的"比率桶方案"段。++### 阶段 2:N=5 后切到固定绝对桶(带 ratio 备用)++`bucket_scheme = "absolute_with_ratio"`++跑完 5 篇后,`/cheat-bump --bucket-only` 自动派生:+- `baseline = 5 篇实际播放的中位数`+- 边界 = baseline × {0.3 / 1 / 3 / 10 / 30}++`/cheat-bump --bucket-only` 落地时会替换本段表格。++### 阶段 3:N≥10 后切到 percentile 桶(推荐长期方案)++`bucket_scheme = "percentile"`++边界 = 你历史样本的 percentile:+- 底部 = bottom 30%+- 基础盘 = 30-60%+- 命中 = 60-85%+- 小爆 = 85-95%+- 大爆 = top 5%++`/cheat-status` 在 N=10 时主动建议切换。这种方案永远自洽——不管账号多大,"top 5%"语义稳定。++---++> **参考博主的绝对桶**(25+ 视频拟合,**只适用于已有粉丝基础的成熟博主**——你 calibrated 之前不要照搬):+>+> | Bucket | 范围(万播放) | 先验概率 |+> |---|---|---|+> | 底部 | <5w | 5% |+> | 基础盘 | 5-30w | 35% |+> | 命中 | 30-100w | 45% |+> | 爆款 | 100-150w | 12% |+> | 现象级 | >150w | 3% |++---++## 默认复盘窗口++`RETRO_WINDOW_DAYS = 3`++为什么 3 天:算法分发决策一般在 72 小时内基本结束;等更久只引入噪声不增信号。++如果你的平台特别——记得在这里写明覆盖原因,例如:+> 公众号 RETRO_WINDOW_DAYS = 7(推送后 24h 内发完,长尾更慢)diff --git a/templates/script_patterns.template.md b/templates/script_patterns.template.mdnew file mode 100644index 0000000..8b59fbf--- /dev/null+++ b/templates/script_patterns.template.md@@ -0,0 +1,201 @@+# 写作 Pattern 沉淀++> **本文件由 cheat-seed 在写 draft 前必读,由 cheat-retro 在复盘后建议追加新 pattern**。+>+> rubric_notes.md 教 Claude **怎么打分**,本文件教 Claude **怎么写**。两者解耦——分数高的稿子不一定写得好(rubric 漏掉的维度),写得好的稿子不一定分数高(结构创新跑出 pattern 之外)。+>+> **本模板初始为空**——从两个来源累积 pattern:+>+> 1. **对标账号导入**(建议起步用)—— 跑 `/cheat-learn-from` 拆对标账号样本 → 写到下方"对标 [账号名] 借鉴"段,每条 pattern 标 **Imported, untested**+> 2. **自己复盘累积**(长期主力)—— 跑 `/cheat-retro` 时发现的用户改稿 pattern → 写到下方"用户改稿历史观察"段+>+> 想看一份完整的范例(基于"中文观点视频博主,25+ 视频"),翻 [examples/script_patterns.example.md](../examples/script_patterns.example.md)。++---++## ⚠️ Pattern 是 toolbox 不是 mold(核心 meta 原则)++任何 pattern 都是**从你已发样本反推的"路径之一"**——不是默认应该 apply 的模板。++如果你每篇都用同一种"3 段式 + 致谢段 + 互动钩子",账号上限只是"做得稳定的中等爆款"。**真正的爆款来自结构创新**——pattern 之外的东西。++写稿前**永远先回答**:这篇稿子的最强属性是什么?再决定用什么 pattern。++---++## 结构选型 cheat sheet(按文章属性匹配)++文章属性决定结构。下面是**框架**——你的具体内容应该自己填,cheat-retro 复盘后会建议哪些 pattern 应该加入。++| 文章属性 | 适合的结构(一般原则)| 你的样本 |+|---|---|---|+| **强 metaphor**(具体载体可类比一切)| metaphor 优先:开头场景代入比喻 → 主体翻译比喻 | (待填) |+| **强时间维度**(一天循环 / 阶段演变)| 时间线叙事:时间点切换开场 → 命名概念 → 数据穿插 | (待填) |+| **强讽刺戏仿(SAT 高)**| 脱口秀向:单事件段子开场 → punchline → 扩展 | (待填) |+| **强数据反差**(冷数据暴力)| 数据反转开场:具体数字 → 反直觉对比 → 数据驱动叙事 | (待填) |+| **多个真实事件 / 案例**| 案例驱动:标志性事件开场 → 抽象命名 → 三段失效 | (待填) |+| **多个并行概念**| 3 段工业流水:影响声明 → 3 段命名 → 致谢 / MVP 句 | (待填) |+| **强场景代入**(具体的、第一/二人称视角的瞬间)| 第二人称代入 → 反转 → 数据 → 三段 | (待填) |+| **强可挪用句式**(高 MS)| 模板核心:句式贯穿全稿 → 互动钩子激活模板 | (待填) |++> 上表的"结构"是**通用框架**,不是普世真理。你的频道可能有完全不同的结构是有效的——填到"你的样本"列里就成为你账号的 pattern 库。++### 用法++写稿前先问:+1. 这篇稿子最强的属性是什么?+2. 表里对应哪种结构?(不在表里 → 写到底部"新发现的 Pattern"段,标 ≥1 样本待验证)+3. 如果属性多元,哪种结构能让最强属性发挥到最大?++---++## 通用 pattern 库(**初始抽象骨架,复盘后填具体**)++### Pattern 1:开头钩子(前 3 秒)++**原则**:绝不用"近年来 / 大家好 / 今天聊一聊"。++**已知有效的钩子类型**(参考——具体哪种最适合你账号要试):++- **A. 第二人称场景代入 → 反转**(适用:原文有具体载体 / 实验对象 / 案例)+- **B. 戏仿原文体的影响声明**(适用:原文有锐利的核心断言)+- **C. 直接甩数据 / 反转性观察**(适用:原文有强数据点 + 反差)++> 你的账号哪种最有效,cheat-retro 复盘后会逐渐填出来。++---++### Pattern 2:主体段落数量 + 切分++**原则**:避免 4-7 个并列概念。一般压缩到 **3 个**——挑最具命名力 + 最具可挪用性的。++> 这是个**经验法则**——不是绝对。某些频道(如教程类)适合更多段。看你账号的实测。++---++### Pattern 3:学术包装的剥离 / 保留(如适用)++**原则**:观众能不能在评论区**复述/挪用**这个东西?++| 一般保留 | 一般剥离 |+|---|---|+| 自创概念名(高 MS 来源)| 模型名(缩写大于 3 字符的)|+| 关键精确数字 | 样本数量铺垫 |+| 致谢段(如果它本身就是 MVP 句)| 文献综述 |+| 反转性数据点 | 局限性讨论 |+| 作者原话的金句段 | 实验流程细节(除非是钩子)|++> 如果你不做学术 / 论文解读类,这个 pattern 不适用——可以删。++---++### Pattern 4:emotional 标记节点++**原则**:跑得好的稿子里第一人称"我"出现 0-2 次,**永远在 emotional 高潮处**——给观众"该共鸣了"的提示信号。每出现 1 次"我",必须紧跟一个高强度信息点。**不要空说"我觉得"**。++---++### Pattern 5:双声道结构(作者 + 用户旁白)++**原则**(如果你做内容解读 / 评论类):++- 作者的话引出**框架**+- 你的话做**接地翻译**("打工人版" / "意思就是说" / "换句话说" / "说人话就是")+- 你的话做**emotional 标记**("最让我破防的" / "全文最反转的" / "更恐怖的是")++**永远不要**让一段超过 4 行没有用户接地词。++> 不解读他人内容的频道(纯个人观点表达)这个 pattern 不适用。++---++### Pattern 6:致谢段 / MVP 句不是必选++**原则**:只有当致谢段或 outro **本身就是 MVP 句**(即可独立成模因)时才完整引用。否则用文末核心金句替代。++致谢段是**某些样本**的核心传播载体,但不是必杀技——**MVP 句才是**。++> 你账号有没有标志性 outro?要建立一个吗?++---++### Pattern 7:句子长度 / 段落节奏(**最容易忽视**)++**写稿用段落版**(每段 100-300 字,逗号、句号、自然句),**不要写一行一行的字幕格式**——那是用户拍完后剪映自动断的字幕,**不是写作时的形态**。++- **写作形态**(scripts/<id>.md / videos/<id>/script.md):完整段落+- **字幕形态**(视频拍完):剪映自动断成 5-15 字 / 行+- cheat-seed 写 draft 时**只输出段落版**++**段落内的句子节奏**:+- **短句为主**——避免复合句、避免"其..."、"以..."这种文言连接+- 句号 + 逗号正常使用,不要怕标点+- **多用语气词**(你账号的风格相关)++---++### Pattern 8:词汇风格++**原则**:**你应该建立你自己的词汇库**——这是品牌识别的关键。++| 类别 | 用法 | 你的词汇 |+|---|---|---|+| 接地翻译 | 把抽象概念翻译成日常话 | (待填)|+| 反转标记 | "但是" / "更恐怖的是" 等 | (待填)|+| emotional 标记 | "破防" / "头皮发麻" 等 | (待填)|+| 节奏词 | 句尾的"啊 / 这就 / 你看" | (待填)|++**避免**(普适):+- 论文体连接词:"其次" / "本研究" / "综上所述" / "因此"+- 形容词堆砌+- 冗长定语++---++### Pattern 9:时长目标++**原则**:你的 typical_duration_seconds 决定字数(已在 cheat-init 时设定)。++**不要超过 typical_duration × 1.2**——临界值越长,完播率代价越大。++> 你账号实测的时长甜点是多少?cheat-retro 复盘后会发现。++---++## 用户改稿历史观察(**持续追加,cheat-retro 复盘后建议补充**)++> 每次复盘发现"用户改了 X,流量出现明显 Y 影响"时,cheat-retro 会建议在这里追加一行。+> **本表初始为空**——从你的复盘里慢慢填。++| 视频 | 你砍掉了什么 | 你加了什么 | 流量影响 |+|---|---|---|---|+| (待填——第一次复盘后开始)| | | |++---++## 新发现的 Pattern(编号续,从复盘里发现)++> cheat-retro 复盘时发现新现象(你的改稿带来明显流量变化、评论区出现新模式),会建议追加新 pattern 编号到这里。+>+> 单样本支持的 pattern 标 "待验证"——≥2 样本支持后升级为正式 pattern。++(待填——从你的复盘里逐步累积)++---++## 对标 [账号名] 借鉴(imported by /cheat-learn-from)++> 这一段由 `/cheat-learn-from` 填入——从对标账号的样本拆出的 pattern。+>+> **每条 pattern 默认标 `**Imported, untested on my channel**`** ——你的频道未必适用,+> 实拍验证后(≥2 次跑出 + 复盘确认有效)再去掉这个标记,升入正式 pattern 库。++(待 cheat-learn-from 填入——本段在 init 时不存在,跑过 cheat-learn-from 才出现)++---++## 维护建议++- **保持 < 500 行**——每次复盘后追加新 pattern,但也定期删除被推翻的旧 pattern(与 rubric_notes.md 同 lifecycle 协议——见 [observation-lifecycle.md](../cheat-on-content/shared-references/observation-lifecycle.md))+- **每条新 pattern 必须有 ≥1 样本支持**——单点观察先放到底部"新发现的 Pattern"段,≥2 才升正式 pattern+- 每条 pattern **必须可追溯到具体视频** + 数据(不写"开头钩子很重要",写"我的视频 X 用 IS 戏仿开场,T+7d 71w")diff --git a/templates/status.template.md b/templates/status.template.mdnew file mode 100644index 0000000..250f65d--- /dev/null+++ b/templates/status.template.md@@ -0,0 +1,48 @@+# 状态++> 本文件由 `/cheat-status` 维护——每次跑 status 都会更新。手改无意义。++---++**最近更新**: [INIT-DATE]+**模式**: cold-start+**内容形态**: opinion-video+**当前 rubric**: v0+**校准样本**: 0 / 5(解锁第一次 bump 的门槛)++---++## 进度条++```+[░░░░░░░░░░░░░░░░░░░░] 0 / 30 → SQLite 升级建议门槛+[░░░░░░░░░░░░░░░░░░░░] 0 / 5 → 脱离 cold-start 门槛+```++## 🎬 待办++无——你刚初始化,先写第一篇稿子吧。++## 🔥 候选池++无(cold-start 期默认状态)。+- 想试试热点抓取 → 说 `抓热点`+- 想手动建池 → 编辑 `candidates.md`++## 📈 健康度++- `rubric_notes.md`: [X 行](健康,<600 警戒线)+- `hooks_installed`: [✅ / ❌]+- external audit configured: [✅ / ❌]++## 下一步建议++1. **写一份稿子**(任何观点视频脚本即可)+2. 跑 `打分这篇 path/to/draft.md` 看 rubric 给的初始评分+3. 准备发布前跑 `启动预测`+4. 发布后说 `已发布 https://...`+5. T+3 天跑 `复盘 path/to/draft.md`++第 5 篇之后会解锁 `/cheat-bump`,rubric 才真正开始校准。++完整工作流见 `WORKFLOW.md`。diff --git a/templates/workflow.template.md b/templates/workflow.template.mdnew file mode 100644index 0000000..806345b--- /dev/null+++ b/templates/workflow.template.md@@ -0,0 +1,205 @@+# 工作流速查(cheat-on-content)++> 这是 `/cheat-init` 在你的项目根创建的速查文档。完整规范在 cheat-on-content 的 `SKILL.md` 和 `shared-references/`。+> 本文件给"忘了下次该说什么"的时候用——不需要从头读完。++---++## 一句话流程++```+找选题+ ├─ 没发过历史的 → /cheat-seed brainstorm(兴趣 × 热点)+ └─ 发过历史的 → /cheat-seed brainstorm(兴趣 × 热点 × 你过去做过什么)+ (都跑 cheat-seed,区别是发过的 brainstorm 时多一份历史 context)+ ↓+cheat-seed 写 5 个草稿到 → scripts/<日期>_<id>_<short>.md+ ↓+用户改写 scripts/<日期>_<id>_<short>.md(同一文件覆盖)+ ↓+/cheat-score scripts/<日期>_<id>_<short>.md → 看 rubric 评分(探索)+ ↓+/cheat-predict scripts/<日期>_<id>_<short>.md → 写 immutable 预测到 predictions/+ ↓+拍摄完 → /cheat-shoot scripts/<日期>_<id>_<short>.md+ ├─ 建 videos/<日期>_<id>_<short>/ 目录+ ├─ 询问用户:"拍时实际用的稿子和 scripts/<id>.md 一致吗?"+ │ ├─ 一致 → cp scripts/<id>.md → videos/<id>/script.md+ │ └─ 不一致 → 用户提供最终拍摄稿,存为 videos/<id>/script.md+ └─ buffer +1+ ↓+发布 → /cheat-publish + URL → buffer -1+ ↓+T+3 天 → /cheat-retro videos/<日期>_<id>_<short>/+ ├─ 抓数据 / 用户粘 → 写 videos/<id>/report.md+ ├─ 追加 ## 复盘 段到 predictions/<id>.md+ ├─ diff scripts/<id>.md vs videos/<id>/script.md → 学用户改稿 pattern+ └─ 把新观察写入 rubric_notes.md / script_patterns.md+ ↓+累计 ≥3 同向偏差 → /cheat-bump(升级 rubric)+```++---++## 五个阶段对应触发词++### ① 选题阶段++| 想做什么 | 触发词 |+|---|---|+| 看 candidates.md 排序后的推荐 | "推荐选题" / "下一篇做什么" |+| 抓今天的热点拓展 candidates | "抓热点" / "今天有什么可做的" |+| 看当前状态 | "状态" |++> Cold-start 期没 candidates.md 是默认状态——不要因为这个就觉得工具坏了。++### ② 打分 + 预测++| 想做什么 | 触发词 | 写文件吗 |+|---|---|---|+| 看一份稿子的 rubric 分(探索) | "打分这篇 path/to/draft.md" | 否 |+| 给最终稿写正式 immutable 预测日志 | "启动预测" 或 "给这稿子启动预测 path/to/draft.md" | 是(`predictions/...md`) |++> **score 与 predict 的核心区别**:+> - score 是探索,无副作用,可反复跑+> - predict 是承诺,写完文件 `## 预测` 段被 hook 锁死++### ③ 发布登记++发完后立刻:++```+"已发布 https://..."+```++或:++```+"已发布 predictions/2026-05-04_xxx.md 链接是 https://..."+```++会更新预测文件 header 的 `published_at` / `Platform` / `URL`,并把文件加入 `pending_retros` 队列。++### ④ 复盘++T+3 天后(默认):++```+"复盘 predictions/2026-05-04_xxx.md"+```++或干脆:++```+"复盘"+```++后者会从 `pending_retros` 取最早的一条。++> 复盘需要你提供数据。默认是手动粘——粘"播放 / 点赞 / 评论 / 转发"和 top 20 评论到对话里。+> 配了 adapter 的可以让 cheat-retro 自动抓。++### ⑤ Rubric 升级(罕见)++**满足条件才提议**:+- 校准池 ≥ 5 篇+- 上次 bump 后又有 ≥ 3 篇新校准+- 检测到连续 ≥ 3 次同向偏差++满足就跑:++```+"升级 rubric --propose 'ER 权重 1.5→2.0,加 MS 维度'"+```++bump 是高风险操作——会做 5 步验证(含跨模型独立审)。详见 `cheat-on-content/shared-references/bump-validation-protocol.md`。++---++## 三条不可妥协的原则++> 这三条违反任一条 → 整个校准循环退化为占星。++1. **盲预测**:预测段写在看到任何数据之前,写完不可改。hook 在 harness 层强制。+2. **升级 = 全量重打**:bump 必须校准池全量重打分 + 跨模型独立审。+3. **rubric 是工作台不是博物馆**:被吸收 / 被推翻的观察都删掉。git history 是档案。++---++## 默认配置++`/cheat-init` 创建的项目默认值:++| 设置 | 默认 | 何时改 |+|---|---|---|+| `RETRO_WINDOW_DAYS` | 3 | 长文 / 慢平台改 7 |+| `BLIND_CHECK` | strict | 演练 / 测试时临时改 lenient |+| `MIN_SAMPLES_FOR_BUMP` | 5 | 不要降 |+| `CROSS_MODEL_AUDIT` | true(如 mcp__llm-chat__chat 已配) | 仅离线时 false |+| `TREND_SOURCES` | ["manual-paste"] | 用 `enabled_trend_sources` 字段加新源 |+| `POOL_PATH` | candidates.md | 用 Notion 时改字段 |++---++## 看板(status 命令)++任何时候说 "状态",会输出:+- 当前 mode / rubric 版本 / 校准样本数+- 待办(pending retros + 同向偏差警告 + 陈旧 in-progress)+- 候选池规模 + 上次抓热点的天数+- 健康度(rubric_notes.md 行数 / hooks 是否安装 / 是否配跨模型审)+- 下一步建议(按推荐优先级)++---++## 文件结构(你的项目根)++```+<your-content-project>/+├── rubric_notes.md # 评分规则真实来源+├── script_patterns.md # 写作 pattern 沉淀+├── WORKFLOW.md # 本文件+├── STATUS.md # 看板(cheat-status 维护)+├── candidates.md # 候选池(可选;cheat-seed / cheat-trends 写)+├── .cheat-state.json # 状态文件(git track)+├── .cheat-cache/ # 本地缓存(gitignore)+│ ├── usage.jsonl+│ └── trends-history.jsonl+├── .cheat-secrets.json # API key / cookie(gitignore)+├── .cheat-hooks/ # hook 脚本副本+│ ├── prediction-immutability.sh+│ ├── session-start.sh+│ └── log-event.sh+├── .claude/settings.json # 含 cheat-on-content hooks+│+├── scripts/ # **拍前的所有草稿**+│ └── YYYY-MM-DD_<id>_<short>.md # cheat-seed 写或用户写+│+├── predictions/ # **immutable 预测日志**(hook 保护)+│ └── YYYY-MM-DD_<id>_<short>.md # cheat-predict 写+│+└── videos/ # **拍后才建**(cheat-shoot 创建)+ └── YYYY-MM-DD_<id>_<short>/+ ├── script.md # 你提供的最终拍摄稿+ └── report.md # T+3d 数据(cheat-retro 写)+```++### 三个目录的关系++| 目录 | 阶段 | 内容 | 谁写 |+|---|---|---|---|+| `scripts/` | 拍前草稿 | Claude AI 草稿或用户原创 | cheat-seed 写初版;用户改写也在原文件 |+| `predictions/` | 预测锁定 | 7 组件 immutable 日志 | cheat-predict 写 |+| `videos/<id>/` | 拍后产物 | 最终拍摄稿 + T+3d 数据 | cheat-shoot 建目录;cheat-retro 写 report.md |++三处用同一组 `<date>_<id>_<short>` 命名,`<id>` 是 `scripts/<id>.md` 首次落盘内容的 sha256 前 12 位,**草稿改写不变**。++`/cheat-init` 自动创建以上骨架(不覆盖已存在的)。++---++## 卡住了?++- 看 `cheat-on-content/SKILL.md` 的"必须拒绝的请求"段——你想做的事可能正好是被设计拒绝的+- 看对应子 skill 的 `cheat-on-content/skills/cheat-X/SKILL.md`+- 跑 "状态" 看 cheat-status 的"下一步建议"diff --git a/tools/score-curve.py b/tools/score-curve.pynew file mode 100644index 0000000..db836b8--- /dev/null+++ b/tools/score-curve.py@@ -0,0 +1,235 @@+#!/usr/bin/env python3+"""+score-curve.py — predict accuracy convergence chart for cheat-on-content.++Reads predictions/*.md (in the user's project), pairs each prediction's+center-of-bucket estimate against actual plays from the retrospective section,+and plots rolling-mean prediction error over time. The chart shows whether the+rubric is calibrating (error narrows) or drifting (error widens).++Usage:+ python tools/score-curve.py [--predictions DIR] [--out PATH] [--window N]++Defaults:+ --predictions ./predictions+ --out score-curve.png+ --window 5 (rolling-mean window in samples)++Dependencies: stdlib only for parsing; matplotlib for plotting (optional —+if absent, prints a CSV table to stdout instead).+"""+from __future__ import annotations++import argparse+import csv+import re+import sys+from dataclasses import dataclass+from datetime import datetime+from pathlib import Path+from typing import Optional++# Bucket center mapping (the "中枢" if the prediction file doesn't spell it out+# explicitly). Units: 万 (10,000 plays). Adjust per platform if needed.+BUCKET_CENTERS = {+ "<5w": 2.5,+ "5-30w": 17.5,+ "30-100w": 65.0,+ "100-150w": 125.0,+ ">150w": 200.0,+}++PREDICTION_HEADER_RE = re.compile(r"^\*\*Bucket\*\*:\s*`?([^`\n]+?)`?\s*$", re.MULTILINE)+CENTER_RE = re.compile(r"中枢\s*[~约]?\s*(\d+(?:\.\d+)?)\s*w", re.IGNORECASE)+ACTUAL_PLAYS_RE = re.compile(r"播放[::]\s*\*?\*?(\d+(?:\.\d+)?)\s*w", re.IGNORECASE)+DATE_FROM_FILENAME_RE = re.compile(r"^(\d{4}-\d{2}-\d{2})_")+++@dataclass+class Sample:+ file: Path+ date: datetime+ bucket: Optional[str]+ predicted_center_w: Optional[float]+ actual_plays_w: Optional[float]++ @property+ def has_retro(self) -> bool:+ return self.actual_plays_w is not None++ @property+ def signed_error_pct(self) -> Optional[float]:+ """(actual - predicted) / predicted, in percent."""+ if self.predicted_center_w is None or self.actual_plays_w is None or self.predicted_center_w == 0:+ return None+ return (self.actual_plays_w - self.predicted_center_w) / self.predicted_center_w * 100++ @property+ def abs_error_pct(self) -> Optional[float]:+ sep = self.signed_error_pct+ return abs(sep) if sep is not None else None+++def parse_prediction_file(path: Path) -> Sample:+ text = path.read_text(encoding="utf-8")++ # Date from filename (YYYY-MM-DD_<id>_<short>.md)+ m = DATE_FROM_FILENAME_RE.search(path.name)+ if not m:+ raise ValueError(f"{path.name}: filename does not start with YYYY-MM-DD_")+ date = datetime.strptime(m.group(1), "%Y-%m-%d")++ # Split prediction vs retro section+ pred_section, _, retro_section = text.partition("## 复盘")++ # Bucket from prediction section+ bm = PREDICTION_HEADER_RE.search(pred_section)+ bucket = bm.group(1).strip() if bm else None++ # Predicted center: prefer explicit "中枢 ~50w", fall back to bucket midpoint+ cm = CENTER_RE.search(pred_section)+ if cm:+ predicted_center_w = float(cm.group(1))+ elif bucket and bucket in BUCKET_CENTERS:+ predicted_center_w = BUCKET_CENTERS[bucket]+ else:+ predicted_center_w = None++ # Actual plays from retro section+ actual_plays_w = None+ if retro_section.strip():+ am = ACTUAL_PLAYS_RE.search(retro_section)+ if am:+ actual_plays_w = float(am.group(1))++ return Sample(+ file=path,+ date=date,+ bucket=bucket,+ predicted_center_w=predicted_center_w,+ actual_plays_w=actual_plays_w,+ )+++def collect_samples(predictions_dir: Path) -> list[Sample]:+ samples: list[Sample] = []+ for path in sorted(predictions_dir.glob("*.md")):+ try:+ samples.append(parse_prediction_file(path))+ except (ValueError, OSError) as e:+ print(f"warn: skipping {path.name}: {e}", file=sys.stderr)+ return samples+++def rolling_mean(values: list[float], window: int) -> list[float]:+ if not values:+ return []+ out = []+ for i in range(len(values)):+ lo = max(0, i - window + 1)+ chunk = values[lo : i + 1]+ out.append(sum(chunk) / len(chunk))+ return out+++def render_chart(samples: list[Sample], out_path: Path, window: int) -> bool:+ """Returns True on success, False if matplotlib is unavailable."""+ try:+ import matplotlib++ matplotlib.use("Agg")+ import matplotlib.pyplot as plt+ from matplotlib import font_manager+ except ImportError:+ return False++ # Try to find a CJK-capable font so Chinese labels render. Falls back silently+ # to default if none available — labels will show as boxes but the chart still works.+ for cand in ("PingFang SC", "Heiti SC", "Hiragino Sans GB", "Noto Sans CJK SC", "Microsoft YaHei", "WenQuanYi Zen Hei"):+ try:+ if any(cand.lower() in f.name.lower() for f in font_manager.fontManager.ttflist):+ plt.rcParams["font.sans-serif"] = [cand] + plt.rcParams.get("font.sans-serif", [])+ plt.rcParams["axes.unicode_minus"] = False+ break+ except Exception:+ pass++ samples_with_retro = [s for s in samples if s.has_retro and s.abs_error_pct is not None]+ if not samples_with_retro:+ print("error: no samples with retro data — nothing to plot", file=sys.stderr)+ return True # signal "we did our part"; nothing to plot is not a missing-deps issue++ samples_with_retro.sort(key=lambda s: s.date)+ abs_errors = [s.abs_error_pct for s in samples_with_retro]+ signed_errors = [s.signed_error_pct for s in samples_with_retro]+ rolling = rolling_mean(abs_errors, window)+ indices = list(range(1, len(samples_with_retro) + 1))++ fig, ax = plt.subplots(figsize=(10, 5))+ ax.bar(indices, abs_errors, alpha=0.3, label=f"|误差%| 单篇", color="steelblue")+ ax.plot(indices, rolling, marker="o", linewidth=2, label=f"|误差%| 滚动 {window} 篇均值", color="firebrick")+ ax.axhline(50, linestyle="--", linewidth=1, color="gray", label="cold-start 期参考线 (±50%)")+ ax.axhline(25, linestyle=":", linewidth=1, color="green", label="校准成熟期目标 (±25%)")++ ax.set_xlabel("第 N 篇校准样本")+ ax.set_ylabel("|预测中枢偏差%|")+ ax.set_title("Cheat-on-Content — 预测精度收敛曲线")+ ax.set_xticks(indices)+ ax.set_xticklabels([s.date.strftime("%m-%d") for s in samples_with_retro], rotation=45, ha="right")+ ax.legend(loc="upper right")+ ax.grid(True, alpha=0.3)++ fig.tight_layout()+ fig.savefig(out_path, dpi=150)+ plt.close(fig)+ return True+++def render_csv(samples: list[Sample]) -> None:+ """Fallback when matplotlib is unavailable."""+ writer = csv.writer(sys.stdout)+ writer.writerow(["file", "date", "bucket", "predicted_center_w", "actual_plays_w", "signed_error_pct"])+ for s in sorted(samples, key=lambda x: x.date):+ writer.writerow(+ [+ s.file.name,+ s.date.date().isoformat(),+ s.bucket or "",+ s.predicted_center_w if s.predicted_center_w is not None else "",+ s.actual_plays_w if s.actual_plays_w is not None else "",+ f"{s.signed_error_pct:.1f}" if s.signed_error_pct is not None else "",+ ]+ )+++def main() -> int:+ ap = argparse.ArgumentParser(description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter)+ ap.add_argument("--predictions", type=Path, default=Path("predictions"), help="prediction files directory")+ ap.add_argument("--out", type=Path, default=Path("score-curve.png"), help="output chart path")+ ap.add_argument("--window", type=int, default=5, help="rolling-mean window in samples")+ args = ap.parse_args()++ if not args.predictions.is_dir():+ print(f"error: {args.predictions} is not a directory", file=sys.stderr)+ return 2++ samples = collect_samples(args.predictions)+ if not samples:+ print(f"error: no prediction files found under {args.predictions}", file=sys.stderr)+ return 1++ n_with_retro = sum(1 for s in samples if s.has_retro)+ print(f"found {len(samples)} predictions, {n_with_retro} with retrospective data", file=sys.stderr)++ plotted = render_chart(samples, args.out, args.window)+ if plotted:+ print(f"chart written → {args.out}", file=sys.stderr)+ else:+ print("matplotlib not installed — emitting CSV to stdout instead", file=sys.stderr)+ render_csv(samples)++ return 0+++if __name__ == "__main__":+ sys.exit(main())diff --git a/uninstall.sh b/uninstall.shnew file mode 100755index 0000000..585134b--- /dev/null+++ b/uninstall.sh@@ -0,0 +1,63 @@+#!/usr/bin/env bash+#+# cheat-on-content / uninstall.sh+#+# Removes the 13 sub-skills from ~/.claude/skills/.+#+# Does NOT touch any content project's data (.cheat-state.json, predictions/,+# rubric_notes.md, candidates.md, etc.) — those live in your content directories+# and uninstalling the skill leaves your work intact.+#+# To re-install: bash install.sh++set -euo pipefail++SKILLS=(+ cheat-init+ cheat-learn-from+ cheat-seed+ cheat-score+ cheat-predict+ cheat-shoot+ cheat-publish+ cheat-retro+ cheat-bump+ cheat-recommend+ cheat-trends+ cheat-status+ cheat-migrate+)++echo ""+echo "Removing cheat-on-content from ~/.claude/skills/"+echo ""++REMOVED=0+for s in "${SKILLS[@]}"; do+ TARGET="$HOME/.claude/skills/$s"+ if [[ -L "$TARGET" ]]; then+ rm "$TARGET"+ echo " ✓ removed symlink: $s"+ REMOVED=$((REMOVED + 1))+ elif [[ -d "$TARGET" ]]; then+ rm -rf "$TARGET"+ echo " ✓ removed directory: $s"+ REMOVED=$((REMOVED + 1))+ else+ echo " · not found: $s (skipped)"+ fi+done++echo ""+if [[ $REMOVED -gt 0 ]]; then+ echo "✅ Uninstalled $REMOVED skill(s)."+else+ echo "ℹ️ Nothing to uninstall."+fi+echo ""+echo "Note: your content projects' data (predictions/, rubric_notes.md, .cheat-state.json,"+echo " .cheat-hooks/, candidates.md, etc.) are NOT touched. They live in each content"+echo " project directory. To clean a specific content project, delete those files manually."+echo ""+echo "To re-install: bash install.sh (from cheat-on-content source root)"+echo ""