victim-rights-news-tracker

name	victim-rights-news-tracker
description	搜集網路上關於受害者家屬相關的新聞、採訪、論述、人權團體活動等素材。當需要為生命權平等協會等非營利組織網站收集司法不公、受害者家屬權益、相關社會活動等主題資料時使用。支援首次完整搜集和每日增量更新，提供 Markdown 格式輸出含 Mermaid 時間線圖表、URL 引用和圖片連結。

受害者家屬權益新聞追蹤器 (Victim Rights News Tracker)

概述

此技能用於系統性搜集台灣地區與受害者家屬相關的新聞報導、採訪、論述文章及人權團體活動資訊。目的是為生命權平等協會等非營利組織網站提供素材，特別關注：

• 司法不公議題：突顯司法系統偏向加害者的案例
• 受害者家屬權益：家屬的聲音、權利爭取歷程
• 人權團體活動：為受害者家屬發聲的社會活動與倡議
• 立法與司法改善：相關法案進展、制度改革、政策倡議
• 角色立場追蹤：非營利組織、政黨、政治人物、法律人士在此議題上的發言與立場
• 連續事件追蹤：特定案件的後續發展與報導

觸發條件與使用時機

應立即使用此技能當：

1. 首次完整搜集

   • 使用者明確要求「搜集受害者家屬相關新聞」
   • 需要建立特定時間區段的完整資料庫
   • 範例：「請搜集過去一年關於受害者家屬權益的新聞」

2. 每日增量更新

   • 每日工作天執行，比較昨日與今日的新聞差異
   • 範例：「執行每日新聞追蹤，找出今天的新報導」

3. 特定事件追蹤

   • 註冊新 tag 追蹤特定案件或主題
   • 範例：「追蹤標籤 #某某案件 的最新進展」

4. 素材整理輸出

   • 需要將搜集結果整理為 Markdown 格式供網站使用
   • 範例：「整理本月搜集的新聞為網站素材」

核心工作流程

工作流程 1：首次完整搜集 (Initial Collection)

使用時機：建立特定時間區段的完整新聞資料庫

執行步驟：

1. 確認搜集範圍

   • 詢問使用者時間區段（例如：過去 6 個月、1 年、特定日期範圍）
   • 確認是否已有特定的關注案件或 tag

2. 執行多維度搜尋

   使用 websearch 工具執行以下搜尋組合：

   關鍵詞組 A - 受害者家屬權益

   • "受害者家屬 權益 台灣"
   • "被害者家屬 人權 新聞"
   • "victim family rights Taiwan"

   關鍵詞組 B - 司法不公議題

   • "司法不公 加害者 受害者家屬"
   • "司法改革 被害人保護"
   • "judicial injustice victim family Taiwan"

   關鍵詞組 C - 人權團體活動

   • "生命權平等協會 活動"
   • "被害人保護協會 新聞"
   • "victim advocacy group Taiwan"

   關鍵詞組 D - 立法與司法改善

   • "刑事被害人保護法 修法"
   • "司法改革 被害人訴訟參與"
   • "被害人權益 法案"
   • "犯罪被害人保護法 修正案"
   • "立法保障 受害者家屬"

   關鍵詞組 E - 特定案件追蹤（如有指定）

   • 使用使用者提供的案件名稱或關鍵字

   關鍵詞組 F - 角色立場追蹤

   • "非營利組織 被害人保護 發言"
   • "人權團體 受害者家屬 聲明"
   • "民進黨 國民黨 民眾黨 被害人權益"
   • "立法委員 被害人保護 提案"
   • "法官 輕判 家屬 發言"
   • "律師 被害人權益 評論"

3. 篩選與分類

   對每篇搜尋結果進行評估：

   • 相關性：是否與受害者家屬權益直接相關
   • 地域性：是否為台灣發生的事件（優先）或國際案例（次要）
   • 時效性：發布日期是否在指定時間範圍內
   • 內容品質：是否為完整報導（非僅標題或摘要）

   分類標籤：

   • #司法不公 - 突顯司法偏向加害者的報導
   • #家屬權益 - 關於受害者家屬權利爭取的報導
   • #人權活動 - 人權團體為受害者發聲的活動
   • #案件追蹤 - 特定案件的連續報導
   • #國際案例 - 國際間相關案例（非台灣）
   • #立法倡議 - 法案推動、修法進展
   • #司法改善 - 制度改革、政策倡議、司改進展
   • #NPO發聲 - 非營利組織發言、聲明、活動
   • #政黨立場 - 政黨、政治人物相關發言與立場
   • #法界觀點 - 法官、律師等法律人士的評論與見解

4. 整理輸出格式

   使用 references/output-templates.md 中的模板，產生：

   • 時間線圖表 (Mermaid)：顯示重要事件時間順序
   • 分類清單：依 tag 分類的新聞列表
   • 元資料記錄：每篇新聞的標題、來源、日期、URL、圖片 URL、摘要

5. 建立 Tag 註冊表

   將本次搜集涉及的重要案件、主題建立為 tag，記錄於 references/tag-registry.md，供後續追蹤使用。

工作流程 2：每日增量更新 (Daily Incremental Update)

使用時機：每個工作日執行，找出新的新聞報導

執行步驟：

1. 載入昨日資料

   • 讀取前一次的搜集結果
   • 載入已註冊的 tag 清單

2. 執行差異搜尋

   使用相同的關鍵詞組，但加入時間篩選：

   • 搜尋「過去 24 小時」或「今日」的新聞
   • 使用搜尋引擎的時間篩選功能（如可用）

3. 比對差異

   使用 scripts/diff_checker.py 或手動比對：

   • 比對 URL：檢查是否為已存在的新聞
   • 比對標題：檢查相似度，避免重複
   • 標記新報導：[NEW] 標籤

4. Tag 追蹤更新

   檢查已註冊的每個 tag：

   • 搜尋該 tag 相關的新聞（限制時間為過去 24 小時）
   • 記錄該主題的最新進展
   • 更新 tag 的狀態（進行中/已結案/持續關注）

5. 產出差異報告

   輸出格式：

   • 新增報導清單：今日發現的新新聞
   • Tag 更新摘要：各追蹤主題的最新狀態
   • 立法司法改善摘要：法案進展、制度改革等重要更新
   • 角色立場摘要：NPO、政黨、政治人物、法界人士的發言與立場更新
   • 統計資訊：今日新增數量、各類別分布

工作流程 4：角色立場追蹤與人物圖像建立 (Stakeholder Tracking)

使用時機：追踪非營利組織、政黨、政治人物、法律人士在此議題上的發言與立場，建立清楚的人物立場圖像

執行步驟：

1. 識別關鍵角色

   在搜集過程中，識別以下角色的發言與行動：

   A. 非營利組織 (NPOs)

   • 人權團體：生命權平等協會、民間司法改革基金會、人權公約施行監督聯盟
   • 受害者支持組織：犯罪被害人保護協會
   • 其他相關NGO

   B. 政黨與政治人物

   • 主要政黨：民進黨、國民黨、民眾黨、時代力量等
   • 立法委員：司法法制委員會成員、相關提案立委
   • 地方首長：與重大案件相關的地方政府首長

   C. 法界人士

   • 法官：參與重大案件審判的法官、司法院發言人
   • 檢察官：案件承辦檢察官、檢察總長
   • 律師：受害者家屬代理律師、人權律師、法界評論者

2. 角色資訊擷取

   對每個涉及的角色，記錄以下資訊：

   • 基本資料：姓名、職稱、所屬組織/政黨
   • 發言內容：直接引用或摘要其發言
   • 發言情境：發言場合（記者會、立法院質詢、法庭、社群媒體等）
   • 立場傾向：支持/反對/中立/未表態受害者家屬權益
   • 具體行動：提案、聲明、參與活動、法律見解等
   • 時間脈絡：首次發言日期、後續發展

3. 立場分類與標記

   使用以下標記系統記錄角色立場：

   立場標籤：

   • ⭐⭐⭐⭐⭐ (強烈支持) - 積極推動修法、多次為家屬發聲、實質行動
   • ⭐⭐⭐⭐ (支持) - 公開表態支持、參與相關活動
   • ⭐⭐⭐ (中立) - 表示關注但未明確表態，或提出平衡觀點
   • ⭐⭐ (消極) - 態度模糊、迴避表態、僅官方客套話
   • ⭐ (反對/阻礙) - 明確反對家屬訴求、阻撓法案進度

   角色類型標籤：

   • @組織 - 非營利組織（如 @生命權平等協會）
   • @政黨 - 政黨官方（如 @民進黨 @國民黨）
   • @立委 - 立法委員（如 @王婉諭 @黃國昌）
   • @法官 - 法官（如 @某某法官）
   • @檢察官 - 檢察官
   • @律師 - 律師
   • @官員 - 政府官員（如法務部長、司法院長等）

4. 建立人物檔案

   為重要角色建立持續更新的檔案：

   ### @[角色名稱]
   
   **角色類型**：NPO / 政黨 / 立委 / 法官 / 檢察官 / 律師 / 官員  
   **所屬組織**：XXX  
   **首次記錄日期**：YYYY-MM-DD  
   **最後更新日期**：YYYY-MM-DD  
   
   **立場傾向**：⭐⭐⭐⭐⭐ (強烈支持)  
   **立場摘要**：簡述其整體立場與態度...
   
   **發言記錄**：
   | 日期 | 場合 | 內容摘要 | 立場 | 來源 |
   |------|------|----------|------|------|
   | YYYY-MM-DD | 記者會 | 呼籲修法保障被害人權益 | ⭐⭐⭐⭐⭐ | [連結](URL) |
   | YYYY-MM-DD | 立法院質詢 | 要求加重刑責 | ⭐⭐⭐⭐⭐ | [連結](URL) |
   
   **具體行動**：
   - [行動1] 說明...（日期）
   - [行動2] 說明...（日期）
   
   **關聯Tag**：#立法倡議 #司法改善 #家屬權益
   
   **備註**：其他需要注意的事項
   

5. 關係網絡分析

   使用 Mermaid 圖表建立角色關係圖：

   • 支持網絡：哪些角色共同支持家屬權益
   • 反對陣營：哪些角色持相反立場
   • 互動關係：角色之間的公開互動（如辯論、聯合聲明等）
   • 影響力路徑：誰影響了誰的立場或行動

6. 產出角色立場報告

   定期產出彙整報告：

   • 角色立場總覽表：所有追蹤角色的立場一覽
   • 新發言摘要：本期新增的角色發言
   • 立場變化追蹤：角色立場的轉變歷程
   • 人物關係圖：視覺化呈現角色間的關係與立場分布

工作流程 5：關係網絡與立場分析 (Network Analysis)

使用時機：分析不同角色之間的互動關係，識別關鍵影響者與結盟模式

執行步驟：

1. 數據彙整

   • 收集所有角色的發言與行動記錄
   • 整理時間序列資料

2. 關係識別

   • 識別角色間的公開互動（如聯合聲明、公開辯論、互相引用等）
   • 標記關係類型：同盟、對立、中立、上下級等

3. 影響力分析

   • 識別高頻發言者與關鍵決策者
   • 分析立場傳播路徑（誰影響了誰）

4. 視覺化呈現

   使用 Mermaid 產出：

   • 角色立場分布圖
   • 關係網絡圖
   • 立場變化時間線

5. 策略建議

   基於分析結果，提供：

   • 潛在結盟對象建議
   • 需要關注的反對勢力
   • 影響力最大化策略建議

工作流程 6：圖形資料庫管理與網站視覺化 (Graph Database Management)

使用時機：

• 需要建立結構化的角色關係資料庫
• 需要匯出資料供網站互動式視覺化使用
• 需要進行進階的網絡分析
• 需要將資料轉移至專業圖形資料庫（如 Neo4j）

執行步驟：

階段 1：初始化本地圖形資料庫

1. 啟用 SQLite 圖形資料庫

   使用 scripts/graph_db.py 初始化本地資料庫：

   python scripts/graph_db.py --init
   

   這會在 data/stakeholders_graph.db 建立 SQLite 資料庫，包含：

   • nodes 表：人物、組織、案件節點
   • edges 表：關係（同盟、對立、互動等）
   • statements 表：發言記錄時間序列

2. 匯入現有角色資料

   將已記錄的角色從 Markdown 檔案匯入資料庫：

   # 新增人物節點
   python scripts/graph_db.py --add-node "wang_wanyu" \
       --name "王婉諭" --type person --role "立委" \
       --party "時代力量" --stance 5 \
       --description "小燈泡案受害者母親，積極推動修法"
   
   # 新增組織節點
   python scripts/graph_db.py --add-node "victims_rights_assoc" \
       --name "生命權平等協會" --type organization --stance 5
   

階段 2：建立關係網絡

1. 記錄角色互動關係

   每當發現角色間的互動（聯合聲明、公開辯論等）：

   # 建立同盟關係
   python scripts/graph_db.py --add-edge "wang_wanyu" "victims_rights_assoc" \
       --type ally --interaction "聯合記者會" --date "2024-01-15"
   
   # 記錄質詢互動
   python scripts/graph_db.py --add-edge "wang_wanyu" "minister_of_justice" \
       --type interact --interaction "立法院質詢" --date "2024-01-10"
   

2. 記錄發言時間序列

   為每個角色記錄發言歷史：

   python scripts/graph_db.py --add-statement "wang_wanyu" \
       --date "2024-01-15" --occasion "立法院質詢" \
       --content "要求加速被害人保護法修法進度" \
       --stance-mark 5 --source-url "https://..."
   

階段 3：資料查詢與分析

1. 查詢個人網絡

   查看某角色周邊的人物網絡：

   python scripts/graph_db.py --query-network "wang_wanyu" --depth 2
   

   這會顯示王婉諭直接關聯的角色，以及這些角色的關聯角色（二度關係）。

2. 查看統計資訊

   取得整體網絡統計：

   python scripts/graph_db.py --stats
   

   輸出：

   • 總節點數、關係數、發言數
   • 節點類型分布（人物/組織/政黨等）
   • 立場分布（⭐星級統計）
   • 關係類型分布（同盟/對立/互動等）

階段 4：匯出網站視覺化格式

執行一鍵匯出所有格式：

python scripts/export_graph.py

這會在 export/ 目錄產生以下檔案：

A. 網站前端格式（推薦）

檔案	格式	用途	推薦套件
stakeholders_cytoscape.json	Cytoscape.js	互動式網路圖	Cytoscape.js
stakeholders_d3.json	D3.js	力導向動態圖	D3.js

特色：

• 節點顏色依立場自動標記（紅=支持、黃=中立、藍=反對）
• 節點形狀依類型區分（圓形=人物、方塊=組織、六角形=政黨）
• 支援節點拖曳、縮放、點擊查看詳情
• 關係線可顯示互動類型（記者會、質詢等）

B. 專業圖形工具格式

檔案	格式	用途	適用工具
stakeholders.graphml	GraphML	專業圖形分析	Neo4j, Gephi, Cytoscape Desktop

特色：

• 標準 XML 格式，通用性高
• 包含完整節點屬性（立場、角色、政黨等）
• 可直接匯入 Neo4j 進行進階圖形分析
• 支援 Gephi 視覺化與社群分析

C. 資料分析格式

檔案	格式	用途	適用工具
stakeholders_nodes.csv	CSV	節點資料表	Excel, R, Python Pandas
stakeholders_edges.csv	CSV	關係資料表	Excel, R, Python Pandas

特色：

• 表格形式，易於篩選與排序
• 可在 Excel 中進行樞紐分析
• 方便與其他資料整合

D. 匯出報告

檔案	用途
graph_export_report.md	完整匯出說明與統計

階段 5：網站整合

使用 Cytoscape.js 呈現（推薦）

將 stakeholders_cytoscape.json 整合至網站：

<!-- 在網頁中顯示互動式人物關係圖 -->
<div id="stakeholder-network"></div>

<script src="https://unpkg.com/cytoscape@3.26.0/dist/cytoscape.min.js"></script>
<script>
fetch('stakeholders_cytoscape.json')
  .then(response => response.json())
  .then(data => {
    var cy = cytoscape({
      container: document.getElementById('stakeholder-network'),
      elements: data,
      style: [
        { selector: 'node', style: { 'label': 'data(label)' } },
        { selector: 'edge', style: { 'label': 'data(label)' } }
      ],
      layout: { name: 'cose', padding: 10 }
    });
  });
</script>

視覺化效果：

• 節點顏色自動反映立場（紅=支持、藍=反對）
• 可拖曳節點調整布局
• 點擊節點顯示詳細資訊（角色、發言歷史）
• 縮放與平移探索整體網絡

階段 6：遷移至正式 Graph DB（可選）

匯入 Neo4j

如需更強大的圖形分析能力，可將資料遷移至 Neo4j：

# 使用 GraphML 匯入
neo4j-admin import --database victimrights \
    --nodes import/stakeholders_nodes.csv \
    --relationships import/stakeholders_edges.csv

或使用 Cypher 查詢語言：

// 載入節點
LOAD CSV WITH HEADERS FROM 'file:///stakeholders_nodes.csv' AS row
CREATE (n:Person {id: row.id, name: row.name, stance: toInteger(row.stance)})

// 載入關係
LOAD CSV WITH HEADERS FROM 'file:///stakeholders_edges.csv' AS row
MATCH (a {id: row.source}), (b {id: row.target})
CREATE (a)-[r:INTERACTS {type: row.type}]->(b)

// 執行進階查詢：找出所有支持者的同盟關係
MATCH (n)-[r:ALLY]->(m)
WHERE n.stance >= 4 AND m.stance >= 4
RETURN n.name, m.name, r.interaction

Neo4j 優勢：

• 支援複雜圖形查詢（最短徑、社群偵測）
• 視覺化瀏覽器 (Neo4j Browser)
• 企業級規模支援
• Cypher 查詢語言直覺易用

圖形資料庫最佳實踐

資料維護：

• 定期備份 data/stakeholders_graph.db
• 每日更新時同步更新資料庫
• 保留歷史快照供趨勢分析

命名規範：

• 節點 ID：使用英文小寫 + 底線（如 wang_wanyu）
• 類型標記：person, organization, party, official, case
• 關係類型：ally, oppose, interact, hierarchy

效能建議：

• 節點數超過 1000 時，考慮遷移至 Neo4j
• 定期執行 python graph_db.py --stats 監控資料規模

搜尋策略與關鍵詞

詳細的搜尋關鍵詞組合與查詢模板，請參考 references/search-queries.md。

搜尋來源建議

中文媒體：

• 主流新聞網站：中央社、聯合報、自由時報、中國時報
• 司法專題：司法院新聞、法律相關媒體
• 人權團體網站：生命權平等協會、民間司法改革基金會

英文媒體：

• Taiwan News, Focus Taiwan
• 國際人權組織報導

輸出格式規範

Markdown 報告結構

# 受害者家屬權益新聞追蹤報告

**報告日期**：YYYY-MM-DD  
**時間區段**：YYYY-MM-DD 至 YYYY-MM-DD  
**報告類型**：首次搜集 / 每日增量

---

## 摘要統計

- 總計新聞數量：XX 篇
- 新增報導：XX 篇（增量更新時）
- 主要類別分布：
  - 司法不公：XX 篇
  - 家屬權益：XX 篇
  - 人權活動：XX 篇

---

## 時間線圖表

```mermaid
timeline
    title 重要事件時間線
    section 日期區段
        事件1 : 描述
        事件2 : 描述

---

類別一：司法不公議題

[NEW] 報導標題

• 來源：媒體名稱
• 日期：YYYY-MM-DD
• 圖片：[圖片 URL]（如有）
• 摘要：內容摘要...
• 標籤：#司法不公 #案件追蹤

---

已註冊 Tag 追蹤狀態

Tag	狀態	最後更新	關鍵進展
#案件名稱	進行中	YYYY-MM-DD	簡要說明

---

資料來源

本次報告搜集自以下來源：

• 來源1
• 來源2

完整的模板與範例，請參考 [references/output-templates.md](references/output-templates.md)。

## 注意事項與最佳實踐

### 內容篩選原則

1. **真實性驗證**：優先使用主流媒體報導，謹慎引用論壇或部落格內容
2. **平衡報導**：雖然關注受害者家屬，但仍需保持報導的客觀性描述
3. **隱私保護**：注意受害者家屬個人隱私資訊的處理
4. **版權聲明**：使用新聞摘要時注意合理使用範圍，標註來源

### 執行頻率建議

- **首次搜集**：依時間區段大小，可能需要分批執行
- **每日更新**：每個工作日執行一次，建議早上 9-10 點（新聞已發布）
- **Tag 追蹤**：每日更新時一併檢查，重大案件可增至每日兩次

### 資料保存

建議將每次報告保存為獨立 Markdown 檔案，檔名格式：
- 首次搜集：`victim-news-initial-YYYYMMDD.md`
- 每日更新：`victim-news-daily-YYYYMMDD.md`

## 資源檔案說明

此技能包含以下參考資源：

### 主要文件
- **[references/search-queries.md](references/search-queries.md)**：完整的搜尋關鍵詞清單與查詢模板
- **[references/tag-registry.md](references/tag-registry.md)**：Tag 註冊表格式與管理指南，含角色立場追蹤系統
- **[references/output-templates.md](references/output-templates.md)**：Markdown 輸出模板與 Mermaid 圖表範例，含網站視覺化範本
- **[references/graph-db-guide.md](references/graph-db-guide.md)**：圖形資料庫使用詳細指南
- **[references/stance-assessment-guidelines.md](references/stance-assessment-guidelines.md)**：立場評估標準化準則
- **[references/FMEA-report.md](references/FMEA-report.md)**：FMEA 風險分析與改善報告

### 工具腳本
- **[scripts/diff_checker.py](scripts/diff_checker.py)**：新舊新聞差異比對工具
- **[scripts/graph_db.py](scripts/graph_db.py)**：本地 SQLite 圖形資料庫管理工具
  - 功能：節點管理、關係建立、發言記錄
  - 支援多格式匯出：Cytoscape.js、D3.js、GraphML、CSV
- **[scripts/export_graph.py](scripts/export_graph.py)**：一鍵匯出所有圖形格式
- **[scripts/db_maintenance.py](scripts/db_maintenance.py)**：資料庫備份與維護工具
- **[scripts/tag_validator.py](scripts/tag_validator.py)**：Tag 命名標準檢查工具

### 資料目錄
- **data/**：本地 SQLite 資料儲存
  - `stakeholders_graph.db`：角色關係圖形資料庫
- **backup/**：自動備份儲存
- **export/**：圖形資料匯出目錄
  - `stakeholders_cytoscape.json`：網站互動圖
  - `stakeholders_d3.json`：D3.js 力導向圖
  - `stakeholders.graphml`：Neo4j/Gephi
  - `stakeholders_nodes.csv` / `stakeholders_edges.csv`：CSV資料表
  - `graph_export_report.md`：匯出報告

---

## 附錄