wehub-resource-sync
57 lines
2.3 KiB
Markdown
57 lines
2.3 KiB
Markdown
# 1. 输入渠道定义
|
|
|
|
## 渠道 A：纯文本描述
|
|
* **处理逻辑：** 提取用户主观陈述中的核心事实，过滤情绪噪声
|
|
* **抓取重点：** 关键事件（谁约了谁）、核心矛盾点（为什么吵架）、历史背景（认识多久，聊天间隔）
|
|
|
|
## 渠道 B：聊天截图
|
|
* **处理逻辑：** 使用 OCR 或多模态视觉识别
|
|
|
|
|
|
## 1.2. 拆解指标
|
|
|
|
系统在接收到截图后，自动提取以下五个关键指标：
|
|
|
|
### 头像与视觉标签
|
|
* **分析：** 识别女生头像风格（高冷/可爱/生活化/抽象）
|
|
* **价值：** 用于预设其初始的 Pface (面子阻力) 和 Ddepth (心理纵深) 的初始权重
|
|
|
|
### 时间戳动力学
|
|
* **分析：** 提取每条消息右侧或上方的回复时间
|
|
* **价值：** 计算 **响应延迟比**（谁等谁的时间更长）
|
|
- 识别 **社交节奏**（是深夜高频互动，还是跨天低频互动）
|
|
|
|
### 内容与密度分析
|
|
* **分析：** 统计男、女双方的回复字数、行数、表情包比例
|
|
* **价值：** 直接映射到 Icost (投入成本) 变量。判断谁在过度输出，谁在敷衍回馈
|
|
|
|
### 上下文语义识别
|
|
* **分析：** 识别当前话题的类别（工作/吐槽/分享生活/调侃/邀约）
|
|
* **价值：** **判定阶段：** 识别是“初识筛选”还是“暧昧推拉”
|
|
- **判定主要矛盾：** 识别目前是否存在“废物测试”或“窗口信号”
|
|
|
|
### 氛围与效价
|
|
* **分析：** 通过文字中的语气助词（喔, 呢, 哈, 额）和表情符号，判定 Ve (情绪效价)
|
|
* **价值：** 判断当前聊天是处于“结冰期”、“恒温期”还是“沸腾期”
|
|
|
|
---
|
|
|
|
## 1.3. 参数映射表
|
|
|
|
拆解完成后，将数据自动注入 Social-Algos 公式：
|
|
|
|
| 拆解指标 | 对应公式变量 | 备注 |
|
|
| :--- | :--- | :--- |
|
|
| 回复字数差 | **Fback / Icost** | 衡量能量平衡。 |
|
|
| 回复时间差 | **Rlatency** | 衡量博弈势能 (SPE)。 |
|
|
| 语气波动度 | **EV** | 衡量对方的受关注度。 |
|
|
| 顺从对话指令 | **Cp** | 衡量服从性阶梯。 |
|
|
| 朋友圈/头像变化 | **Ddepth** | 衡量神秘感与纵深。 |
|
|
|
|
---
|
|
|
|
## 执行流程
|
|
1. **扫描：** 快速识别截图中的左右对话角色
|
|
2. **定性：** 判定当前处于哪个阶段（基于语义理解）
|
|
3. **定量：** 计算字数、时间、情绪极性
|