cheat-on-audience

# cheat-on-audience 把一堆散装评论变成一张有结构、可追溯的知识图谱。 核心主张：**单条评论没有价值，评论之间的关系才有。** 谁在关心什么、什么内容引出了什么讨论、哪些关注点总是同时出现、哪些提问从来没被回答过——这些只有连成网络才看得见。 ## 什么时候用 - 用户想知道自己的观众到底在关心/焦虑什么 - 用户有评论数据（任何平台），想找选题缺口 - 用户想做「我分析了 N 条评论」这类元内容 ## 六个阶段 ### 阶段 1：拿到评论数据 按优先级尝试： 1. **用户已有导出文件** — 直接问路径。支持 JSON / CSV / 纯文本（一行一条）。 2. **iGrowth 插件已采集的数据**（如果用户装了）— 查 `~/.igrowth/opc-assets/runs/*/video-comments.json`，取最新且 `comment_count` 最大的一份。 3. **用户手动复制** — 让用户从创作者后台复制评论粘贴进来。 最低要求：每条评论至少有正文。有点赞数更好（权重信号），有来源视频最好（上下文）。 **不要写爬虫去抓平台数据。** 用官方后台导出、用户已授权的插件，或手动复制。 ### 阶段 2：先看数据，再定 schema **这一步不能跳。** 先采样 30-50 条评论读一遍，看清这个账号的评论区在聊什么，再决定关注点词表。 一个讲 AI 工具的账号和一个讲留学的账号，评论区的关注点维度完全不同。用通用词表抽出来的图谱是废的。 读完之后，把 `references/schema.md` 里的词表改成贴合这批数据的版本，再进入抽取。 ### 阶段 3：逐条抽取 按 `references/schema.md` 对每条评论抽取结构化字段。 评论超过 200 条时，切成每批 ~130 条，用多个 subagent 并行抽取，每个 agent 写自己的 `extracted_N.json`。 **中文评论区必须处理的三件事：** - `is_sarcasm` 阴阳怪气——字面正向实际负面，不处理整张图会歪 - `is_ask` 提问——这是内容缺口信号，最有商业价值的一类 - `is_win` 成果汇报——正反馈，是做案例内容的素材库 ### 阶段 4：建图 ```bash python3 scripts/build_graph.py ``` 读 `data/extracted_*.json` 合成 `data/graph.json`。每条边都挂评论原文作为证据——图谱里任何一个结论都能点回到具体是谁说的哪句话。没有证据的边不要建。 ### 阶段 5：渲染 ```bash python3 scripts/render.py ``` 产出 `atlas.html`——零依赖单文件，双击就能打开，也能直接发 Artifact 或推 GitHub Pages。 **不要引 CDN。** Artifact 的 CSP 会拦截外部请求，弱网也会白屏。渲染器里的力导向是手写的，200 行，不需要 d3。 ### 阶段 6：发布（可选） ```bash python3 scripts/export.py ``` 一次生成四种分发形态： | 产物 | 给谁看 | 怎么打开 | | --- | --- | --- | | `docs/index.html` | 人 | GitHub Pages，点链接就能交互 | | README 里的 mermaid | 人 | GitHub 首页原生渲染，不用点任何链接 | | `data/digest.md` | agent 和人 | 纯文本摘要，结论在前证据在后 | | `data/graph.json` | agent | 完整结构化数据，含逐条评论证据 | | `llms.txt` | agent | 资源清单入口 | 脚本会从 `git remote` 自动推断仓库地址补全链接；还没推送时用相对路径，推送后重跑即可。 mermaid 片段写在 README 的 `<!-- ATLAS:MERMAID:BEGIN/END -->` 之间，每次重跑覆盖。生成前会做语法自检——**首页渲染失败会显示一大块红色报错，比没有图更糟**，自检不过就不改 README。 开启 Pages：仓库 Settings → Pages → Source 选 `main` 分支的 `/docs` 目录。 **发布前必须确认**：`graph.json` 里含评论原文。虽然不含昵称和 UID，但仍是用户生成内容。公开仓库前要明确告知用户这一点，由用户决定。 ## 渲染器的三层交互 1. 悬浮 tooltip — 类型、提及次数、最高赞的一条评论 2. 点击抽屉 — 全部关系 + 每条关系下的评论原文、点赞、来源视频、信号标记 3. 筛选 — 按节点类型、按信号（只看提问 / 只看成果 / 只看阴阳怪气）、全文搜索 悬浮只做速览，证据一定要放点击层——手机上没有 hover。 ## 读取别人发布的图谱 这个 skill 也能反过来用——读现成的公开图谱，不用自己跑数据： ``` 读一下 https://raw.githubusercontent.com/<owner>/<repo>/main/data/digest.md ``` 要完整证据链就 fetch `graph.json`。结构： ``` meta { title, subtitle, stats, stance } types { concern|persona|video|metaphor|coping: {label, color} } nodes [ {id, type, mentions} ] links [ {s, t, rel, w, ev: [{text, like, video, stance, sarcasm, ask, win}]} ] ``` ## 产出解读 图建完后，主动给用户这几个结论，别只丢一个 HTML： - **关注点 TOP 榜** — 按提及次数排 - **内容缺口** — `is_ask` 密集但你的视频从没正面回应过的关注点，这是被验证过需求的选题 - **共现簇** — 总是一起出现的关注点，说明观众心里它们是一件事 - **金句库** — 高赞 metaphor，直接可以当视频标题或结尾 - **成果案例** — `is_win` 的评论，是最好的社会证明素材 ## 常见坑 - 评论数据通常没有单条时间戳（平台后台一般不给），所以时间维度只能用视频发布时间近似，别假装有精确的评论时间轴 - 只出现一次的关注点是噪音，建图时过滤掉 - 玩梗、纯打招呼的评论要保留记录但 concerns 留空，不要硬塞——否则关注点榜单会被垃圾词污染 - 抽取时 `text` 字段必须原样复制，一旦改写就失去了证据价值