author-methodology-analysis

# 作者内容方法论分析 ## 输入契约 调用方应提供： - `input_dir` 或明确的文件列表/文档内容 - `output_dir` - 作者或账号名 - 可选的文章清单，最好包含标题、链接和发布时间 - `generate_html`：默认 `true` - `sync_lark`：默认 `true` 输入不足时先寻找工作区内可发现的内容；仍无正文样本才询问用户。不得只看标题分析。 支持格式与处理边界： - Markdown/TXT：使用内置解析器。 - DOCX：优先使用 `python-docx`；不可用时明确报错。 - 可提取文本的 PDF：优先使用 `pypdf`；扫描 PDF 无文本时标记需要 OCR，不伪造正文。 - 飞书文档：先按当前 `lark-doc` skill 读取，再把正文作为输入。 - 多种格式混合时统一转换为文章记录，但保留原始文件路径和来源类型。 ## 输出契约 始终写入调用方提供的 `output_dir`： ```text <output_dir>/ <博主>-方法论报告.md <博主>-文案框架.md <博主>-分析数据.json <博主>-文章特征.csv <博主>-方法论看板.html # 默认生成的学习者视角看板 <博主>-飞书同步.json # 成功同步后生成 <博主>-竞品标题样本.json # 提供竞品样本时生成 ``` 所有根目录产物统一使用“`<博主>-<功能>.<扩展名>`”命名。`<博主>-分析数据.json` 和 `<博主>-文章特征.csv` 是可审计交付物，不是临时文件。报告、HTML 和飞书内容必须使用同一份分析数据。只有用户明确要求“不生成 HTML”或“不同步飞书”时才关闭对应步骤。 本 skill 自行根据 `references/copywriting-framework-template.md` 生成文案框架，不依赖名为 `creator-copywriting-framework` 的外部 skill。 ## 工作流 ### 1. 建立样本清单 - 运行确定性分析脚本： ```bash python3 scripts/analyze_corpus.py \ --input "<input_dir>" \ --output "<output_dir>" ``` - 脚本负责格式解析、去重、图片引用保留、基础统计和文章级特征。 - 少于 5 篇时只做描述性分析并明确低稳定性；少于 3 篇时不得输出趋势、演化或稳定风格结论。 - 超过 50 篇时优先全量做基础统计；只有上下文或处理成本明显过高时才抽样，并披露抽样方法。 ### 2. 预处理正文 - 删除导航、广告和版权尾注等噪声。 - 图片 Markdown 从纯文本分析副本中移除，但必须在文章记录中保留原始位置、相对路径和相邻文本，供视觉分析使用。 - 保留标题层级、列表、引用、案例、数据和结论段。 - 区分原文片段与模型归纳，保留证据到文章标题的映射。 ### 3. 详细数据分析 先读取 `<博主>-分析数据.json` 和 `<博主>-文章特征.csv`，再按 `references/data-analysis-framework.md` 完成解释性分析。确定性指标不得由模型重新估算。默认覆盖： - 样本质量与数据完整性 - 发布频率、周期、连续性和时间分布 - 篇幅、段落、句子、图片和结构复杂度 - 主题、母题、对象、场景、问题与内容类型分布 - 关键词、术语、概念组合和语义关联 - 标题长度、钩子、句式、对象、承诺和标题正文一致性 - 开头、正文、转折、结论、CTA 和常见叙事路径 - 观点、事实、因果、对比、反例、边界和建议等论证单元 - 数据、引用、实测、案例、权威来源和经验等证据类型 - 人物、公司、产品、技术、事件、行业、地点和模型等实体网络 - 强弱判断、确定性、时间尺度、风险态度和价值取向 - 词汇、句长、节奏、修辞、口语化、专业度和可读性 - 目标读者、使用场景、痛点、内容承诺和读者收益 - 评论、领取资料、购买等正文行动引导（仅作为写作结构观察） - 图片密度、图文位置和视觉内容作用（数据可得时） - 主题、表达和判断随时间的演化（发布时间可得时） - 主题与标题、结构、证据、篇幅、CTA 等维度的交叉关系 - 异常样本、内容缺口、过度集中和可系列化机会 - 不分析平台后台的阅读、分享、点赞、收藏、关注或转化表现 - 标题方法拆解：整体统计数字具体、悬念问题、痛点冲突、热点时效、收益明确；代表标题解释公式、原因、仿写方法和适用条件 - 文章结构示范：用开头任务、中段任务、结尾任务解释节奏，并提供学习者可执行的练习 - 更新节奏怎么学：用发布日、星期分布、同日多篇和文章间隔观察作者的内容供给方式，再按学习者的时间、证据积累速度和创作阶段设计可持续节奏 - 竞品选题雷达：公开搜索同行标题并记录来源链接、选题类型和样本边界 数据和代表样本只用于解释作者的方法，不能把看板写成评分、自检、通过/不通过或改进作者的报告。平台后台表现指标不进入看板。其他不能计算的内容不得估算或编造。词频不能直接等同于作者态度；主题、金句、情绪和立场等主观标签必须说明分类规则与证据。 默认采用学习者视角输出，而不是只评价博主。每个核心模块都要说明： - 这个博主具体怎么做； - 为什么这种方法有效； - 哪些能力值得学习； - 学习者可以执行什么练习； - 哪些依赖个人经历、资源或平台条件，不能直接照搬； - 如何判断方法已经迁移成自己的能力，而不是只模仿表面风格。 主观标签需要写入 `<博主>-分析数据.json` 的 `annotations`，每条包含： ```text dimension,label,article_ids,evidence,rule,confidence ``` 这样报告中的主题、立场、读者和金句结论可回溯到文章。 ### 4. 提炼方法论 主报告使用 `references/report-template.md`。数据章节引用 `<博主>-分析数据.json` 中的指标和文章 ID，不重复制造第二套数字；方法论章节负责解释数据事实，至少包含： 报告“样本说明”必须写入 `dataset_sha256`，供一致性校验。 1. 作者定位与内容人设 2. 读者画像与内容收益 3. 内容资产地图 4. 选题系统 5. 分析框架 6. 判断标准 7. 表达模板 8. 案例库 9. 金句风格 10. 内容缺口与选题机会 11. 可复用写作 SOP 12. 风险与边界 13. 样本清单 每个关键结论尽量引用 2-5 篇文章标题、短片段或案例。原文摘录保持必要且简短；抽象模板必须标注“抽象模板”，结构化示例必须标注“非作者原文”。 ### 5. 生成独立文案框架 使用 `references/copywriting-framework-template.md` 生成 `<博主>-文案框架.md`。模板只规定结构，不预置任何作者风格句式；所有公式必须从样本证据归纳，包括： - 选题脚手架 - 8-15 条标题公式 - 多类开头模板 - 至少 3 套正文结构 - 段落句式和转场句 - 金句句式生成器 - 结尾 CTA - 1-2 个换主题、换案例、换措辞的结构化示例 - 发布前检查清单与禁用边界 只学习结构，不复刻作者独特表达，不冒充作者。 ### 6. 自动生成 HTML HTML 看板是本 skill 的标准交付物，不是可选的聊天附属内容。生成时必须读取 `references/interactive-dashboard-template.md`，并直接使用本 skill 内置的 `scripts/generate_dashboard.py`，不得临时改用另一套通用 BI 模板。 默认运行： ```bash python3 scripts/generate_dashboard.py \ --data "<output_dir>/<博主>-分析数据.json" \ --output "<output_dir>/<博主>-方法论看板.html" ``` HTML 与 Markdown 必须共享 `<博主>-分析数据.json` 中的确定性统计。模型生成的方法论摘要可以作为附加数据写回 `annotations`，不得覆盖脚本计算字段。 看板必须保持以下固定结构： 1. 一页看懂 2. 定位与价值 3. 内容地图 4. 选题方法 5. 文章写法 6. 观点与证据 7. 语言风格 8. 值得学习 9. 运营增长 10. 学习与迁移 所有章节站在学习者视角，重点回答“我应该学习什么、我要怎么学”，不得改回作者自检、文章评分或平台表现分析。页面底部只保留简短的来源说明与免责声明，不设置独立的“数据与边界”章节。 生成后用浏览器检查控制台、主要交互和视觉可读性。 仅当用户明确要求不生成 HTML，即 `generate_html=false` 时跳过。 ### 7. 自动同步飞书 先检查来源边界： - 样本全部来自公开 URL 或公开文章归档：默认同步。 - 样本来自本地访谈、内部文档、私密飞书文档，或敏感扫描命中：暂停自动上传并请求用户确认。 确认可同步后加载 `lark-doc`： 1. 先完成本地 Markdown。 2. 若 `<博主>-飞书同步.json` 中已有可访问 `doc_token`，更新该文档；否则创建新文档。 3. 按当前 `lark-doc` skill 的接口规范写入并读取校验。 4. 将 `doc_token`、URL、标题、内容指纹和更新时间写入 `<博主>-飞书同步.json`。 5. 校验关键章节存在后返回 URL。 飞书失败不得影响本地文件完成状态。 仅当用户明确要求不同步飞书，即 `sync_lark=false` 时跳过。 ## 质量门槛 - `<博主>-分析数据.json` 与 `<博主>-文章特征.csv` 必须由脚本生成。 - 结论基于正文并披露样本边界。 - 可观察统计与主观归纳明确区分。 - 数据分析尽量覆盖所有可计算维度，并明确不可得字段。 - 每项重要统计都说明口径、分母、分类规则或计算方式。 - 每个数据模块都连接到代表文章和方法论启发。 - 每个核心模块都有证据和可复用动作。 - 案例不足时明确写“未形成稳定案例库”。 - 不推断无法从样本支持的作者意图。 - 本地输出路径全部位于 `output_dir`。 - HTML 和飞书默认完成；用户明确关闭时记录跳过原因。 - HTML 导航必须为十个固定章节，底部必须包含来源说明和免责声明。 - HTML 不得出现独立的“数据与边界”章节，不得出现“自检、评分、通过/不通过”等面向作者的评价模块。 - 最终运行： ```bash python3 scripts/validate_outputs.py "<output_dir>" ``` ## 参考资料 - `references/report-template.md`：生成主报告时读取。 - `references/data-analysis-framework.md`：执行详细数据分析时读取。 - `references/copywriting-framework-template.md`：生成独立文案框架时读取。 - `references/interactive-dashboard-template.md`：默认生成 HTML 时读取。 - `references/analysis-data.schema.json`：共享分析数据结构。 - `scripts/analyze_corpus.py`：解析语料并生成确定性特征数据。 - `scripts/generate_dashboard.py`：从共享数据源生成离线 HTML。 - `scripts/validate_outputs.py`：校验数据、报告、HTML 和同步元数据的一致性。