cheat-learn-from

# /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） |