hit-lab

把内容创作变成可校准的预测循环——打分 → 盲预测 → T+3d 复盘 → 进化 rubric，适用任何能被量化（播放/阅读/收听/点击）的内容；内置一份观点视频 rubric，其他形态可借此起步。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"/"挖问题"/"状态"/"找对标"/"learn from"。首次使用必须先跑 /hit-init，强烈建议先用 /hit-learn-from 导入对标账号作为初始信号源。

hit-lab 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 hit-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 hit-lab"。**必须在用户第一次会话执行；其他子 skill 在 .hit-state.json 不存在时自动路由到此。**

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"。

从配置的源抓今天的选题原料（两类：**热点话题** via aihot/trendradar 等，或 **真实用户提问** via community-questions），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"/"挖问题"（= 抓真实用户提问，等价于 sources: community-questions）。

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**。另含两个子模式：--backfill 补登记历史已发内容（无预测）、--preflight 发布前检查（标题 lint / 字数 / 图数）。触发词："已发布"/"I shipped"/"发布链接是 X"/"刚发完 [url]"/"补登记"/"backfill"/"发布前检查"/"preflight"。

INTERNAL sub-agent for blind 9-dim rubric scoring — NOT user-facing, do NOT invoke from main conversation. Spawned via Task tool by hit-score / hit-predict / hit-bump（channel B：A=main / B=blind sub / C=cross-model）. Input ONLY script_path + rubric_notes_path, refuses anything else. Output strict JSON: 9 dims × {score 0-5, confidence enum, one-line reason}. Hard-refuses to Read .hit-state.json / predictions/* / retro 段 / audience.md, or anything that could leak post-publish data.

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）与 --bucket-only 轻量重校（只动 bucket 边界，不碰 rubric 公式）。Phase 2 强制由 hit-score-blind sub-agent 给校准池重打分，不接受 self-scored fallback。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"。

给最终稿写一份 immutable 盲预测日志——hit-lab 校准循环的核心动作，预测段写完即不可改（hook 强制）。目标文件已有 `## 预测`/`## 预测 v1` 段时（hit-shoot 调用场景）自动走 v2 模式 append 而非覆盖。打分必须经 Task tool 委派 `hit-score-blind` sub-agent（context-isolated channel B），主 Claude review 后落盘。触发词："启动预测"/"start prediction"/"给这稿子打分并预测"/"写预测日志"。

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"。

把老用户的 .hit-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"。

从复盘评论数据派生 / 刷新账号的受众画像，写入 audience.md。这是和 rubric 平行的第二个派生物——rubric 答"怎么打分"，persona 答"谁在看"。hit-seed 选题 / 写稿时读它。**audience.md 含实绩信号，hit-score-blind 硬禁读**。触发词："构造受众画像"/"更新 persona"/"我的观众是谁"/"build persona"/"刷新受众画像"/"看看我的受众画像"。

T+N 天数据回收 + 复盘 + 把实绩观察写入 rubric-memo.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"。

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 hit-predict 之前的轻量探索动作。

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：`/hit-seed --batch 5` 走旧的 brainstorm 5 候选 + 写 5 draft 流程。

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 hit-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"。

hit-lab 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"。