Skip to content

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

cheat-seed Mode 重构: 聊经历下放到 Mode C, Mode B 改单问"为什么", 集成两个热点工具

jonccc160103f97
diff --git a/CHANGELOG.md b/CHANGELOG.md
index 2e9927f..49a541d 100644
--- a/CHANGELOG.md
+++ b/CHANGELOG.md
@@ -8,6 +8,32 @@ All notable changes to cheat-on-content will be documented here.
## [Unreleased]
+### Added — cheat-seed Mode 重构 + 双热点工具集成
+
+**问题**:原 Mode B 给"a/b/c 三种例子"让用户讲经历——但同样的话术对**有方向但抽象的用户**("想做职场")和**完全没想法的用户**("帮我想")一视同仁,前者其实有真动机不需要 AI 列举,后者需要的是外部素材而不是 prompt。
+
+**改动**:
+
+- **Mode B 改成单问"为什么想做这个主题?"** —— 用户内省窗口,**不调任何热点工具**。3 类回答:含具体经历→转 Mode A;空动机→反问最多 2 轮;真没想法→转 Mode C
+- **Mode C 整合外部素材**:按 `content_form` 路由热点工具——AI 类形态调 [aihot](adapters/trend-sources/aihot.md),文化/社会形态调 [trendradar-mcp](adapters/trend-sources/trendradar-mcp.md),混合两个都调;用户挑一条后**回到内省**问"你为啥对这条最有感觉",再转 Mode A 深挖
+- **Mode A 灰色场景**(用户给了时事话题):Phase 2A.5 询问"要不要拉外部数据作参考"——**不主动调**,避免外部信息带偏用户视角
+- **聊经历三选项移到 Mode C 兜底**:仅当用户拒绝外部素材或外部都不感兴趣时呈现
+
+### Added — 两个一等公民 trend source
+
+- **[aihot](adapters/trend-sources/aihot.md)**(Claude skill):[aihot.virxact.com](https://aihot.virxact.com) 的中文 AI 行业每日精选,5 类(模型/产品/行业/论文/技巧)。无 auth,curl 公开 API,rate limit 600/min
+- **[trendradar-mcp](adapters/trend-sources/trendradar-mcp.md)**(MCP server):[TrendRadar](https://github.com/sansan0/TrendRadar)(57k stars,GPL-3.0 通过 MCP 调用不构成 linking)。25+ MCP 工具——除 `get_latest_news` 外还有 `analyze_topic_trend`(爆火/衰退判定)、`compare_periods`(周环比)、`analyze_sentiment`
+
+### Added — `shared-references/data-source-routing.md`
+
+热点工具的触发与路由协议——单一来源记录:"何时调"(5 个入口的触发矩阵)+ "调哪个"(content_form → adapter 路由表)+ "不调时怎么办"(失败降级链)+ Token 成本意识。
+
+### 哲学保持不变
+
+> 热点工具是"前置素材库",不是"主菜单"——AI 给材料,用户决定 angle。
+
+cheat-seed 的核心论点"好内容来自用户的真实经历,AI 不凭空 brainstorm"完全保留。新设计只是让"完全没想法"这条 cold-cold-start 路径不再死锁。
+
### Added — v2 预测重判系统(拍后改稿场景)
- **append-only v2 prediction**:cheat-shoot 检测拍摄稿与 `scripts/<id>.md` 行级 diff ≥ 30%(`V2_TRIGGER_THRESHOLD`)→ 自动调用 `/cheat-predict — mode: v2 — prediction-file: <path>` → 在原 prediction 文件 `## 复盘` 之前 append `## 预测 v2 (replaces v1)` 段。**v1 段绝不修改**(hook 物理强制),v2 才进 cheat-retro 的偏差计算
diff --git a/adapters/trend-sources/aihot.md b/adapters/trend-sources/aihot.md
new file mode 100644
index 0000000..7a2717d
--- /dev/null
+++ b/adapters/trend-sources/aihot.md
@@ -0,0 +1,60 @@
+# adapters/trend-sources/aihot — AI 行业热点
+
+**适合谁**:AI 教程 / Builder / 工具号 / AI 行业评论。**不适合**普通生活/职场/文化垂类(用 trendradar-mcp.md)。
+
+---
+
+## 它是什么
+
+[aihot.virxact.com](https://aihot.virxact.com) 的 Claude skill 适配。直接 curl 公开 REST API 拿中文 AI 行业每日精选 + 历史归档。
+
+- **5 类内容**:模型 / 产品 / 行业 / 论文 / 技巧
+- **数据新鲜度**:每天人工精选 + 实时增量;items 端点最近 7 天
+- **无 auth**、无 API key、无 MCP server——就是装上 skill 直接用
+
+## 装
+
+```bash
+UA='Mozilla/5.0 ... Chrome/124'
+curl -fsSL -A "$UA" https://aihot.virxact.com/aihot-skill/install.sh | bash
+```
+
+装完后 Claude 会在 `~/.claude/skills/aihot/SKILL.md` 看到这个 skill,自动在用户问 AI 资讯时触发。
+
+## cheat-seed / cheat-trends 怎么调
+
+**不要直接 curl** —— 让 Claude 自然触发 aihot skill 即可:
+
+| cheat-seed 场景 | 给 Claude 的内部指令 |
+|---|---|
+| Mode C,content_form 含 AI/教程/Builder | "调 aihot skill 拿今天 AI 圈精选条目,按 content_form 过滤后给 5 条" |
+| Mode A 用户提到 AI 产品名("DeepSeek V5") | "调 aihot skill 用 q 参数搜该关键词最近 7 天动态" |
+
+aihot skill 的 SKILL.md 已经详尽描述了端点 + 路由优先级(默认走精选不走日报)——cheat-seed 不需要重复写这套逻辑,**信任 aihot skill 自己的判断**。
+
+## 输出格式契约
+
+aihot skill 默认返回 markdown,按 5 类(模型/产品/行业/论文/技巧)分组。cheat-seed 收到后:
+
+1. 按 `content_form` 过滤掉不相关类别(如 opinion-video → 留行业 + 产品;tutorial-builder → 留模型 + 工具)
+2. 用当前 rubric 粗筛 5 条最适合的
+3. 转成 [candidate-schema.md](../../shared-references/candidate-schema.md) 的 schema 写入 `candidates.md`
+
+## 失败模式
+
+| 症状 | 处理 |
+|---|---|
+| 403 Forbidden | UA 没设浏览器格式——aihot skill 自己的 SKILL.md 第一段就警告了,正确装的话不会出问题 |
+| 端点超时 / 5xx | 优雅降级到 trendradar-mcp 或 manual-paste;不抛异常 |
+| 用户的 content_form 跟 AI 完全无关(如美食/妆教) | cheat-seed 应该**不调 aihot**——按 [data-source-routing.md](../../shared-references/data-source-routing.md) 的路由表 |
+
+## 稳定性
+
+★★★★★ — 公开 API,作者维护,无认证依赖。
+
+---
+
+## 与其他 adapter 的关系
+
+- **vs trendradar-mcp.md**:互补不重叠。aihot 是 AI 垂直,trendradar 是综合。两者都启用时按 `content_form` 路由。
+- **vs manual-paste**:永远的 fallback。aihot/trendradar 都失败时走 manual-paste。
diff --git a/adapters/trend-sources/trendradar-mcp.md b/adapters/trend-sources/trendradar-mcp.md
new file mode 100644
index 0000000..274158a
--- /dev/null
+++ b/adapters/trend-sources/trendradar-mcp.md
@@ -0,0 +1,66 @@
+# adapters/trend-sources/trendradar-mcp — 综合社会热点(MCP)
+
+**适合谁**:观点视频 / 时评 / 文化垂类 / 美食 / 职场 / 社会议题——**任何非 AI 垂直**的内容。
+
+---
+
+## 它是什么
+
+[TrendRadar](https://github.com/sansan0/TrendRadar) 是 57k stars 的中文热点聚合监控(用 newsnow API 拉微博 / 知乎 / 抖音 / B 站 / 头条 等多平台)。它自带独立的 MCP server `trendradar-mcp`,暴露 25+ 个 tool。
+
+cheat-on-content 把它当作 trend-sources adapter 之一——用户配 MCP server 后,cheat-seed / cheat-trends 自然能调。
+
+- **多平台覆盖**:微博 / 知乎 / 抖音 / B站 / 头条 / 36kr / 等等
+- **AI 增强工具**:`analyze_topic_trend` 给爆火/衰退判定;`compare_periods` 给周环比;`analyze_sentiment` 给情感倾向
+- **License**:TrendRadar 本体是 GPL-3.0,但我们**只通过 MCP 协议调用**他们的 server,不构成 linking——无 GPL 传染
+
+## 装
+
+参考 TrendRadar 仓库的 [MCP 配置文档](https://github.com/sansan0/TrendRadar)。装好后用户的 Claude Code `.claude/settings.json` 含 `mcp__trendradar__*` 系列工具。
+
+cheat-on-content 不打包 TrendRadar——用户自己装、自己保管 server 资源。
+
+## cheat-seed / cheat-trends 调用的关键工具
+
+| MCP 工具 | 用途 | 在哪调 |
+|---|---|---|
+| `mcp__trendradar__get_latest_news` | 拿最新热榜(最直接) | cheat-seed Mode C 主调 / cheat-trends 主调 |
+| `mcp__trendradar__get_trending_topics` | 自动提取话题统计 | cheat-seed Mode C 备用 |
+| `mcp__trendradar__analyze_topic_trend` | 单话题趋势分析(爆火/衰退) | cheat-seed Mode A 灰色场景 enrich(用户提了具体话题且同意拉数据) |
+| `mcp__trendradar__compare_periods` | 周环比 / 月环比 | cheat-bump 升级 rubric 时作"用户领域是否变化"的弱信号(罕见用) |
+| `mcp__trendradar__search_news` | 关键词搜索 | cheat-seed Mode A 用户提了关键词时 |
+
+## 输出格式契约
+
+TrendRadar MCP 返回 JSON / markdown。cheat-seed 收到后:
+
+1. 解析 items(title / source / hot_score / snapshot_at / url)
+2. 按 [candidate-schema.md](../../shared-references/candidate-schema.md) 算稳定 id(`sha256(source + normalized_title + url_path)[:12]`)
+3. 去重(参考 cheat-trends 的去重协议)
+4. 用当前 rubric 粗筛
+5. 写入 `candidates.md`
+
+## 失败模式
+
+| 症状 | 处理 |
+|---|---|
+| MCP server 没装 / 没启动 | cheat-seed 自动降级到下一个启用的源(如 aihot 或 manual-paste),不抛异常 |
+| MCP 调用超时 | 30 秒后超时,提示用户"trendradar 慢,要等还是切别的源" |
+| newsnow 上游 API 改了 | TrendRadar 维护者会修;用户跟着升级 |
+
+## 稳定性
+
+★★★★ — 取决于 TrendRadar 项目活跃度(57k stars,活跃)+ newsnow 上游稳定性。
+
+---
+
+## 与其他 adapter 的关系
+
+- **vs aihot.md**:互补不重叠。trendradar 是综合社会,aihot 是 AI 垂直。两者都启用时按 `content_form` 路由(详见 [data-source-routing.md](../../shared-references/data-source-routing.md))
+- **vs manual-paste**:永远的 fallback。两个 API 都失败时走 manual-paste
+
+## 给 TrendRadar 团队的话
+
+如果你是 TrendRadar 维护者看到这份 adapter doc——感谢你把多平台聚合做成 MCP server。cheat-on-content 是你们项目的"内容生产侧下游"——用户用 TrendRadar 知道发生了啥,用 cheat-on-content 把这个变成可校准的内容预测循环。互补不替代。
+
+欢迎 cross-link:[github.com/XBuilderLAB/cheat-on-content](https://github.com/XBuilderLAB/cheat-on-content)。
diff --git a/shared-references/data-source-routing.md b/shared-references/data-source-routing.md
new file mode 100644
index 0000000..063051d
--- /dev/null
+++ b/shared-references/data-source-routing.md
@@ -0,0 +1,149 @@
+# Data Source Routing — 热点工具的触发与路由协议
+
+被 cheat-seed / cheat-trends 引用。规定**何时**调热点工具、**调哪个**、**不调时怎么办**。
+
+---
+
+## 核心哲学
+
+> **热点工具是"前置素材库",不是"主菜单"。**
+>
+> - 用户在**内省**(讲自己的经历 / 思考动机)→ **不调**,避免外部信息污染
+> - 用户在**找素材**(没想法 / 要批量 / 显式抓热点)→ **调**,按 content_form 路由数据源
+> - 用户在**确认 angle**(讲了时事话题)→ **不主动调**,让用户决定要不要外部数据作参考
+
+设计目的:保护 cheat-seed 的核心论点——"好内容来自用户的真实经历,AI 不凭空 brainstorm"——同时不让"完全没想法"的新博主卡死。
+
+---
+
+## 触发矩阵(被 cheat-seed Phase 1 引用)
+
+| cheat-seed Mode | 默认调? | 触发条件 |
+|---|---|---|
+| **Mode A**(用户给了具体经历/topic) | ❌ 默认不调 | 仅当用户讲的本身是时事话题(含产品名/人名/事件名 + 时间词)+ 用户**主动同意** |
+| **Mode B**(方向不具体,问"为什么") | ❌ **永远不调** | 这阶段用户在内省,外部素材是噪音 |
+| **Mode C**(完全没想法) | ✅ 默认调 | Mode C 的核心动作就是把外部素材摆出来 |
+| `--batch N` | ✅ 默认调 | 批量 brainstorm 必须有 anchor |
+| `/cheat-trends` 显式 | ✅ 调 | 主入口,无需解释 |
+| `/cheat-recommend` | ❌ 默认不调 | 已有 pool;除非 pool >7 天没更新 → 提示先 trends |
+
+---
+
+## 时事话题判定(Mode A 灰色场景用)
+
+让 Claude 判断,**不写正则白名单**:
+
+| 信号 | 含义 |
+|---|---|
+| 含**专有名词**(人名 / 产品名 / 事件名) | 强信号——可能是时事 |
+| 含**时间词**("今天" / "刚" / "最近" / "刚刚发生") | 强信号 |
+| 含**结构词**("对比" / "回应" / "事件") | 弱信号 |
+| 仅含通用名词 + 个人经历词("我" / "昨天" / "我同事") | 反信号——是长青个人经历,**不是时事** |
+
+判定结果:
+- **强信号** → 询问用户"要不要拉一下这话题的舆论风向作参考"
+- **弱信号 / 模糊** → 不主动询问,直接进 Mode A 深挖
+- **反信号** → 100% 不调
+
+跟 [bump-validation-protocol.md](bump-validation-protocol.md) 的"软规则、Claude 判断"哲学一致。
+
+---
+
+## 数据源路由(按 content_form)
+
+[adapters/trend-sources/](../adapters/trend-sources/) 目前有两个一等公民 + 一个保底:
+
+| Adapter | 适合的 content_form |
+|---|---|
+| [`aihot`](../adapters/trend-sources/aihot.md) | `tutorial-builder` / AI 行业评论 / AI 教程 / AI 产品测评 |
+| [`trendradar-mcp`](../adapters/trend-sources/trendradar-mcp.md) | `opinion-video` / `long-essay` / `short-text` / `podcast` / `other`(生活/职场/文化) |
+| `manual-paste` | 永远的 fallback——用户粘 URL/标题列表 |
+
+### content_form → 主调 + 备调矩阵
+
+| content_form | 主调 | 备调 | 不调 |
+|---|---|---|---|
+| `opinion-video` | trendradar-mcp | aihot(仅当话题与 AI 行业相关) | — |
+| `long-essay` | trendradar-mcp | aihot(同上) | — |
+| `short-text` | trendradar-mcp | aihot(同上) | — |
+| `podcast` | trendradar-mcp | aihot(同上) | — |
+| `tutorial-builder` | **aihot** | trendradar-mcp(仅当涉及通用工具/产品发布) | — |
+| `mixed` | 两个都调 | — | 由 Claude 判断每条候选属于哪个垂类 |
+| `other`(美食/妆教/剧情/...)| trendradar-mcp | — | aihot(与 AI 无关) |
+
+### 用户层覆盖
+
+`.cheat-state.json` 的 `enabled_trend_sources` 字段是**显式开关**:
+
+```json
+"enabled_trend_sources": ["aihot", "trendradar-mcp", "manual-paste"]
+```
+
+数组里有的才会被调。空数组 → 仅走 manual-paste。
+
+cheat-trends 显式调用时支持 override:`/cheat-trends — sources: aihot`(仅这次用 aihot)。
+
+---
+
+## 失败降级链
+
+```
+[cheat-seed Mode C 触发拉热点]
+ ↓
+[按 content_form 选主调]
+ ↓
+ ├─ 主调成功 → 拿数据 → 进流程
+ ├─ 主调失败(API down / MCP 没装 / 超时)
+ │ ↓
+ │ [按 content_form 选备调]
+ │ ├─ 备调成功 → 拿数据 → 提示用户"主调用不了,用了备调"
+ │ └─ 备调也失败 → 走 manual-paste 兜底
+ │ ↓
+ │ [询问用户:"今天看到啥可以拍的?粘几条 URL/标题给我"]
+ └─ 用户当前没启用任何 source → 提示如何启用 + 这次直接走 manual-paste
+```
+
+**关键纪律**:所有失败都**不抛异常**。cheat-seed 永远能跑——区别只是有没有外部素材。
+
+---
+
+## Token 成本意识
+
+热点 API 调用**有成本**(aihot 是 token / trendradar-mcp 是 MCP 调用 + LLM context)。判定原则:
+
+| 场景 | 调用频率 |
+|---|---|
+| Mode C 触发 | 每次会话最多 1 次(拿数据后 cache 在内存) |
+| Mode A 灰色场景 | 用户同意才调,1 次 |
+| `--batch N` | 1 次拿足够候选 |
+| 用户连说"再来一批" | 第二次允许,第三次提示"要不要换 query 角度" |
+
+不要在同一会话里反复调同一个端点——那是浪费。
+
+---
+
+## 与 candidates.md 的关系
+
+热点工具拉回的数据**最终落到** [candidate-schema.md](candidate-schema.md) 定义的 `candidates.md`:
+
+```
+[trend tool] → items
+ → 去重(vs candidates.md / predictions/ / .cheat-cache/trends-history.jsonl)
+ → 粗打分(cheat-seed 内联 rubric)
+ → 写入 candidates.md(带 source 字段标明来自哪个 adapter)
+```
+
+cheat-seed Mode C 拿到数据后**不**直接进 brainstorm,先入 candidates.md,再让 Claude 从池子里选。这样数据可追溯、可被后续 cheat-recommend 复用。
+
+---
+
+## 给 maintainer 的扩展指南
+
+新增一个 trend source:
+
+1. 写 `adapters/trend-sources/<name>.md`,按现有 aihot.md / trendradar-mcp.md 的格式
+2. 在本文件"数据源路由"段加一行——明确该 adapter 适合的 content_form
+3. 不需要改 cheat-seed 内部逻辑——按 `enabled_trend_sources` 自动启用
+4. CHANGELOG 标 MINOR
+
+不要把硬编码"aihot"/"trendradar-mcp" 写进 cheat-seed SKILL.md——保持 adapter 模型可扩展。
diff --git a/skills/cheat-seed/SKILL.md b/skills/cheat-seed/SKILL.md
index a90b69e..c323b0a 100644
--- a/skills/cheat-seed/SKILL.md
+++ b/skills/cheat-seed/SKILL.md
@@ -53,8 +53,10 @@ Batch Mode — 用户显式要批量(`/cheat-seed --batch 5`):
## 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
+- **DEFAULT_TREND_SOURCES = ["manual-paste"]** — 仅 Mode C / Mode A 灰色场景 / Batch 用到。用户可在 state 里加 aihot / trendradar-mcp
+- **TREND_TOOL_ROUTING** — 按 `content_form` 路由数据源,详见 [shared-references/data-source-routing.md](../../shared-references/data-source-routing.md)
+- **MODE_B_MAX_REPROBE_TURNS = 2** — Mode B "为什么" 反问最多 2 轮;超过则转 Mode C
+- **MAX_DEEP_DIVE_TURNS = 4** — Mode A 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
@@ -96,11 +98,11 @@ Batch Mode — 用户显式要批量(`/cheat-seed --batch 5`):
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**(深挖;如话题是时事,Phase 2A.5 询问要不要拉外部数据)
-**含方向词但无具体内容**("想做职场" / "AI 方向" / "婚恋")→ **Mode B**
+**含方向词但无具体内容**("想做职场" / "AI 方向" / "婚恋")→ **Mode B**(单问"为什么想做这个"——用户内省窗口,**不调任何热点工具**)
-**显式说没想法**("不知道做什么" / "帮我想" / "随便给个")→ **Mode C**
+**显式说没想法**("不知道做什么" / "帮我想" / "随便给个")→ **Mode C**(按 [data-source-routing.md](../../shared-references/data-source-routing.md) 调热点工具 + 用户挑 + 回到内省;都不行则走"聊经历"三选项兜底)
**显式 `--batch N`**(用户主动批量)→ **Batch Mode**
@@ -110,11 +112,11 @@ Batch Mode — 用户显式要批量(`/cheat-seed --batch 5`):
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>"
+- 知道大致方向 → 告诉我("想做职场" / "AI 方向")→ 我会单问你为啥想做
+- 完全没想法 → 说"帮我想"→ 我用 [aihot / trendradar] 拉今天的热点给你看
+- 批量搞定 → 说 "batch <N>"
-(我不会拿 3 个开放问题追你——你给一句话我就开始)
+(我不会拿一堆开放问题追你——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。
@@ -159,45 +161,92 @@ Confidence: 🔴 极低 (你才校准 0/N 篇)
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
+### Phase 2B: Mode B — 单问"为什么",触发用户内省
-用户给了方向但不具体("想做职场"):
+用户给了方向但不具体("想做职场" / "AI 方向" / "婚恋")。**这阶段不调任何热点工具**——是用户内省的窗口,外部信息会污染。
+只问一个问题,**单刀直入**:
+
+```
+为什么想做这个主题?
```
-[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...")
+不要问"a/b/c 三种例子"——那是 dump 选项让用户挑,破坏内省。让用户自己组织语言。
-随便挑一个开始讲。
-```
+**根据用户回答分流**:
-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)"。
+| 用户答 | 分类 | 行为 |
+|---|---|---|
+| 含具体经历 / 个人卡点("我自己经常加班" / "我看到 X 让我...") | **真动机** | 转 Mode A 深挖(Phase 2A) |
+| 抽象热度归因("这话题最近热" / "别人都在做" / "听说能涨粉") | **空动机** | 反问"那你自己对这个话题最有感觉的角度是啥?"——逼出个人 stake;继续空 → 转 Mode C |
+| "我也不知道" / "朋友说赚钱" / 模糊推搡 | **真没想法** | 直接转 Mode C |
-### Phase 2C: Mode C — 抓热点 + 提议 1 个
+**反问纪律**:最多 2 轮。第 2 轮还问不出真动机 → 直接转 Mode C,**不要无限挖**。
-用户完全没想法,进 brainstorm 模式:
+> 设计意图:Mode B 是"过滤器",不是"工厂"。用户来这里要么暴露真实动机(→ 进 Mode A)要么暴露自己其实没想法(→ 进 Mode C)。两条都比硬要在 Mode B 里产出选题更好。
-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:
+### Phase 2C: Mode C — 外部素材 + 用户挑 + 回到内省
-```
-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:
+用户完全没想法(直接显式说 / 从 Mode B 转过来)。**这是唯一默认调热点工具的入口**。
+
+按 [shared-references/data-source-routing.md](../../shared-references/data-source-routing.md) 的路由规则:
+
+1. **拉外部素材**(按 `content_form` 选 trend source):
+ - `tutorial-builder` / AI 类 → 调 aihot skill
+ - `opinion-video` / `long-essay` / `podcast` / `other` → 调 trendradar-mcp(如启用)
+ - `mixed` → 两个都调
+ - 都不可用 → 走 manual-paste(询问用户:"今天看到啥可以拍的?粘几条 URL/标题")
+
+2. **聊经历兜底**(用户拒绝看外部素材 / 外部素材都不感兴趣):
+
+ ```
+ 外部素材你都没感觉,那回到你自己。三个开口,挑一个开始讲:
+
+ 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。
+ ```
+
+3. **拉到外部素材后**,用 rubric 粗筛 + 按 content_form 过滤,留 5 条最契合的:
-[一句话立意]
+ ```
+ 今天这 5 个跟你形态契合:
+ 1. [标题 A](来源: trendradar / 微博热搜 / hot_score: 8.5)
+ 2. [标题 B](来源: aihot / 模型类 / 精选)
+ 3. ...
-[走法 + 粗打分 + confidence,同 Mode A 收敛输出]
+ 你哪个最有感觉?没感觉就回 '都没',我换方向问。
+ ```
+
+4. **用户挑了一条 → 回到内省**:
+
+ ```
+ OK [标题 X]。你为啥对这条最有感觉?
+ 是 [angle1] 还是 [angle2] 还是别的?
+ ```
+
+ → 用户答 → 转 Mode A 深挖。
+
+5. **用户回 "都没"** → 转回 Mode C 第 2 步的"聊经历兜底"。
+
+**关键**:热点不是"塞 5 候选让用户挑",是"给材料 + 强制问用户的个人 stake"——AI 不替用户决定哪条最值得做。
+
+### Phase 2A.5: Mode A 灰色场景 — 用户讲了时事话题
+
+Mode A 默认深挖用户经历。但如果**用户讲的本身是时事话题**(产品名 + 时间词 / 人名 + 事件词),按 [data-source-routing.md](../../shared-references/data-source-routing.md) 的"时事判定"规则,**询问**用户要不要拉外部数据作参考:
-要这个吗?(yes / 换一个 / 我想批量看 5 个 → 进 batch 模式)
```
+💡 [话题] 是时事——我可以拉一下今天的舆论风向(各平台情绪 + 主要 angles)作参考。
+
+要看吗?回 '看' 我调;回 '不用' 我直接跟你深挖你的角度。
+```
+
+用户回 "看" → 调对应 trend source → 把数据 inline 到深挖 context;
+用户回 "不用" → 标准 Mode A 深挖,不动外部数据。
-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。
+**永远不主动调**——用户的 angle 优先于外部数据,避免外部信息**带偏**用户视角。
### Phase 2D: Batch Mode(用户显式 `--batch N`)
@@ -287,7 +336,9 @@ c) 你长期琢磨的某个 unsolved 困惑?("我一直没想明白为啥 X.
## 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
+- 「AI 替我决定 topic」 → 拒绝。Mode A/B/C 路径里 AI 永远只**呈现外部素材** + **问用户角度**,不替用户拍板"做哪条"
+- 「Mode B 我懒得回答为什么,直接给我 5 个候选吧」 → 拒绝。Mode B 的"为什么"是过滤器——你答不出来就不该用 Mode B 的方向。要么进 Mode A 给具体经历,要么进 Mode C 我帮你找素材
+- 「Mode A 时直接帮我拉热点,不问我同意」 → 拒绝。Mode A 用户已经有 angle,未经允许拉外部数据会污染他的视角。详见 [data-source-routing.md](../../shared-references/data-source-routing.md)
- 「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`)