wehub-resource-sync
14 KiB
14 KiB
Prediction Anatomy（预测日志解剖）
被这些子 skill 引用：cheat-predict、cheat-retro、templates/prediction.template.md。
所有预测都用统一格式——7 个必备组件 + 复盘段。Confidence 等级（基于 calibration_samples 派生，见 state-management.md 的 confidence 表）作为 header 字段标注，告诉用户这次预测有多可信，但不改变预测格式本身。
为什么不分 cold-start 简化版 / complete 完整版（旧设计的弃疑）： 把 cold-start 切成简化版是基于"前 5 篇 bucket 数字是 false precision"的担忧。但更好的解决方案是显示 confidence 等级——天气预报永远报具体温度，再标置信度，不会因为预报员经验少就不给数字。 双版本切换还引入了"第 5 篇突然解锁完整版"的复杂度跃迁——用户体验割裂。统一格式 + 渐进信心标注更平滑。
参考真实样本：参考博主项目（私有，含 25+ 视频校准）—— 工具的设计灵感与 rubric 权重均来自此实测。
7 个必备组件
组件 1：File header（文件头）
# <标题> — 预测日志
**Article ID**: <12 位 hash> (sha256 of scripts/<id>.md initial content, 取前 12)
**Title**: <作品完整标题>
**Rubric Version**: **v0** | **v1** | **v2** | ...
**预测时间**: 2026-05-04（基于最终稿）
**Script Path**: scripts/2026-05-04_<id>_<short>.md
**Script Hash**: <sha256:12 of script content at predict time>
**Target Duration (s)**: 240 (state.typical_duration_seconds 派生)
**Actual Script Length**: 980 字 (从 Script Path 文件读)
**Calibration Samples (at predict time)**: 3
**Confidence**: 🟡 偏低 (中枢 ±40%，可作为参考之一)
**Prediction Basis**: pre_shoot ← 或 `post_shoot_pre_publish`（v2 段）
**Scored By**: claude ← 或 `claude+user_override`
**BlindScored By**: subagent-v1 ← 或 `main-claude-self` / `mixed`
**BlindScore Disagreement**: <inline JSON 见下方>
**User Override**: none ← 或列出被覆盖字段
**预测时数据状态**: **blind**（未看任何 <平台> 实际播放数据）
BlindScore Disagreement 字段是 inline JSON 数组，每维度一行，delta=0 也必须记：
[
{"dim": "ER", "blind": 5, "self": 5, "delta": 0, "decided_as": 5},
{"dim": "SR", "blind": 3, "self": 4, "delta": 1, "decided_as": 3},
{"dim": "AB", "blind": 2, "self": 4, "delta": 2, "decided_as": 4, "user_decision": "b"},
{"dim": "HP", "blind": 5, "self": 5, "delta": 0, "decided_as": 5}
]
blind：sub-agent 给的分self：主 Claude 自估（Phase 2 末尾 internal 估值，不落盘的那份现在落盘了——这是必要的诚实代价）delta：|blind - self|decided_as：进入 composite 计算的最终值user_decision（如有）：Phase 2.5 用户裁定时的选项a/b/c <number>——只在 delta ≥ DISAGREEMENT_THRESHOLD 时出现
字段必填规则：
Rubric Version必填——将来 v3 时代回看 v2 预测，没有版本号就无法公平对比预测时数据状态必填——明确声明 blind 是 immutable 承诺的前提Script Path必填——指向scripts/<id>.md（pre-shoot 草稿）Script Hash必填——cheat-shoot 时再 hashvideos/<id>/script.md，不一致 → 复盘段加 integrity warningCalibration Samples+Confidence必填——告诉读者这次预测有多可信。Confidence 自动派生自 calibration_samples（见 state-management.md）Prediction Basis必填——pre_shoot为标准盲预测；post_shoot_pre_publish为 v2 拍后改稿重判（仍未见数据，但软盲）Scored By必填——告诉读者这次预测是 Claude 全自动还是用户介入改过：claude：Claude 主动打分 + bucket + 概率，用户 review 后回 "ok" 接受claude+user_override：用户在 review 阶段挑刺改了某些字段
BlindScored By必填——本次维度分由谁打：subagent-v1：通过 Task tool 调 cheat-score-blind sub-agent 拿到的盲打分（默认，Phase 2 路径）main-claude-self：用户--skip-blindflag 或 Phase 2.5 选 b（信主 Claude 自估）——同时state.last_prediction_self_scored=truemixed：Phase 2.5 用户选 c 给个别维度自定分，其他维度仍走 sub-agent
BlindScore Disagreement必填——上方 JSON。所有维度必记（即使 delta=0），不允许"只记差异大的"。理由：复盘时按 delta 分布分析"哪类维度 sub-agent 与主 Claude 系统性分歧"是 rubric 演进的重要信号User Override必填（如有覆盖）——列出哪些字段从 X 改成 Y，附用户给的理由。复盘时这个字段帮诊断：用户的覆盖被实绩验证（用户直觉准）→ rubric 可能漏了什么
组件 2：输入快照（Input snapshot）
记录预测时的稿子状态——尤其是用户的最终改动。
## 输入快照
**分数 (vN)**: ER5 / HP5 / QL5 / NA3 / AB5 / SR2 / SAT4 → composite=**8.24**
**用户改写要点 vs Claude 草稿（如有）**:
- **开头**：user 砍掉 EWDM 模型名和铺垫
- **砍掉**：[具体段落 / 概念名 / 铺垫]
- **保留**：[关键的金句 / 致谢段 / 主体结构]
- **节奏**：比草稿 [紧 / 松] 约 N%
如果是用户从零写的（没用 cheat-seed），这一段写"用户原创稿，无 Claude 草稿对照"。
组件 3：预测主体（Prediction）⭐ immutable 段
这是 immutable 段的核心。hooks/prediction-immutability.sh 拦截这段往后到下一个 ## 的所有 Edit。
## 预测 v1
**Bucket**: `30-100w`
**内心概率分布**:
- `<5w` → 3%
- `5-30w` → 22%
- **`<headline bucket>` → 55%**（中枢 ~50w）
- `>100w` → 17%
- `>150w` → 3%
**一句话 reason**:
> ER=5+AB=5 暗恋普适受众；IS 直接锁定；7.3天+零信号反转+MVP金句情绪曲线完整；SR=2 无社会议题托底是天花板瓶颈；预计 40-60w 中枢。
强制要求：
- Bucket 必须是预定义的 5 个之一
- 概率分布 必须加起来 100%——这是逼你诚实的工具
- 中枢 是该 bucket 内的点估计，便于复盘判断"偏高 / 偏低"
- 一句话 reason 浓缩到 DB 字段，便于跨样本检索
关于 cold-start 期的 bucket：calibration_samples 少 → 概率分布应该更平（如 30/30/20/15/5 而非 5/40/45/8/2）。Confidence 低不代表跳过 bucket，而代表对 bucket 该有合适的不确定度。
组件 4：推理因素表（Reasoning factors）
每个驱动判断的因素 + 方向 + 置信度 + 说明。
## 推理因素
| 因素 | 方向 | 置信度 | 说明 |
|---|---|---|---|
| ER=5 | 强 + | 高 | "半夜三点翻聊天记录"极端具象 |
| IS 钩子 | 强 + | 高 | "仅影响 X 的人"一句锁定受众 |
| SR=2 | 强 - | 高 | 无社会议题托底，纯个人情感天花板有限 |
| 数据+金句路线 | 中 ? | 低 | 对算法友好度未验证 |
置信度 分三档：高（强证据 + 多锚点支持）、中（有理由但样本少）、低（凭直觉）。
- 复盘时如果"低置信度"因素被验证 → 直觉强
- 如果"高置信度"因素被推翻 → rubric 有 bug
组件 5：锚点对比（Anchor comparison）
找 2-4 个 composite 接近的旧样本，列出它们的实绩。
## 锚点对比
| 对照样本 | composite | 实绩 | 异同 |
|---|---|---|---|
| 仓鼠 | 9.41 | ~150w | composite 低 1.17，但路线差异大（类比讲解 vs 数据+金句） |
| 房价 | 9.41 | 259w | SR 差 3 分（2 vs 5） |
| 谁问你了 | 8.24 | T+8d 11.7w | 同 composite 但 ER 5 vs 3，SR 2 vs 4 |
锚点的价值：抓出公式抓不到的错误。
校准样本不够时（< 2 个 composite 邻近的已发样本）：
## 锚点对比
校准池只有 N 个样本，无 composite ±0.5 邻近样本。**锚点对比 N/A**——
注意这次预测的 confidence 标注是 🟡 偏低 / 🔴 极低，bucket 中枢仅供参考。
仍然写出这段——告诉读者锚点为何缺。不是把段落删掉。
组件 6：反事实场景（Counterfactual scenarios）
每个可能的 bucket 写一段"如果落在这里，意味着什么"。
## 反事实场景
**如果爆 `>X w`**（X% 预期）:
- [验证什么假设]
- [推翻什么假设]
- [可能新增什么 rubric 维度]
**如果落在 `headline bucket`**（X% 预期）:
- [基准线验证什么]
**如果跌到 `<X w`**（X% 预期）:
- [推翻什么核心判断]
**如果 `<<X w`**（X% 预期）:
- [极端场景的可能解释]
为什么必填：复盘时实际落在哪个 bucket 直接告诉你 rubric 的哪个假设被测试。没有反事实场景，复盘退化为"这次准 / 不准"——没有诊断价值。
组件 7：关键校准假设（Critical calibration hypothesis）
可选但强烈推荐：把这次预测当成一次实验，明确写下"如果 X 发生，证明 Y"。
## 关键校准假设（对比谁问你了）
两篇同 composite=8.24，差异：
- 怎么停止期待：ER=5 / SR=2
- 谁问你了：ER=3 / SR=4
**我押：本篇 > 谁问你了（比率 1.5-2x）**
如果反过来 → rubric 里 SR 权重应上调，ER 权重应下调
如果差距 < 1.3x → rubric 基本 OK，差异在噪声范围
校准假设是 rubric 升级的种子——单条假设被 ≥3 样本验证 → 进入 bump 候选。
校准样本不够时：写"无可对照样本——仍写下我对这次的核心赌注（即使没有锚点）"，然后写一两条这次想测的事。不要删掉这段。
组件 ∞：复盘段（Retrospective）— 仅追加
发布后 T+N 天复盘时追加。不修改预测段任何字符。
## 复盘
**复盘时间**: 2026-05-07（发布 T+3d）
**抓取时间**: 2026-05-07 09:30
**数据来源**: manual paste / adapter:douyin-session
### 实绩数据
- 播放：71.1w（落在 `30-100w` 桶内偏高，相对中枢 50w **+42%**）
- 点赞：2.4w（赞播比 3.38%）
- 分享：1.8w（分播比 2.53%，强）
### Top 评论关键词
- 「她不一样」模因爆发：2266 赞独占榜首，全文 12+ 次变体
### 哪些预测被验证 / 推翻
**被验证 ✅**:
- 关键校准假设完全成立：本篇 71.1w / 谁问你了 11.7w = 6.07x
- ER=5 主导情感传播力 → H1 强证据
**被推翻 ❌**:
- 中枢 50w 被超出 +42%
- 我对 SR 的押注反向被推翻：SR 在情感向场景应下调
### 需要写进 rubric-memo.md 的新观察
1. ER 在情感向场景的真实权重应 ≥ ×2.0
2. 议题分享冲动 (TS) 是隐藏维度
完整结构总览
file: predictions/YYYY-MM-DD_<id>_<short>.md
# 标题 — 预测日志 ← 组件 1: header（含 confidence + script_hash + Prediction Basis + BlindScored By + BlindScore Disagreement）
（metadata block）
## 输入快照 ← 组件 2
（scores + 用户改写要点 vs Claude 草稿）
## 预测 v1 ← 组件 3 ⭐ IMMUTABLE 起点（基于 pre-shoot 草稿）
（bucket + 概率 + 中枢 + 一句话 reason）
## 推理因素 ← 组件 4
（带方向 + 置信度的表）
## 锚点对比 ← 组件 5（校准池不够时仍写"N/A 段"）
## 反事实场景 ← 组件 6
（每 bucket 一段"意味着什么"）
## 关键校准假设 ← 组件 7
（这次预测作为实验的明确赌注）
## 预测 v2 (replaces v1) ← (可选) 拍后改稿 ≥30% 时由 cheat-shoot 触发，append 不覆盖
（同 7 组件结构 + 头部含 Diff vs v1 摘要）
## 复盘 ← 仅追加，IMMUTABLE 边界
（实绩 + top 评论 + 验证/推翻 + 新观察）
v1 / v2 段约定
- 新建文件：cheat-predict 写
## 预测 v1（不再裸## 预测——为 v2 留 schema 一致性） - legacy 兼容：v0.1.0 时期写的
## 预测文件不动；hook 与 cheat-retro 都识别 - v2 触发条件：cheat-shoot 检测拍摄稿与
scripts/<id>.md的 line-diff ≥ 30%（V2_TRIGGER_THRESHOLD），调用/cheat-predict — mode: v2 — prediction-file: <path> - append 而非覆盖：v2 段插在
## 复盘之前。v1 段绝不修改（hook 物理强制） - 校准用谁：cheat-retro 读最后一个
## 预测 vN算偏差；v1 留作历史档案 - diff 学习：v1 vs v2 的字段差异（如 ER 4→5）就是用户改稿带来的判分变化，是 rubric 升级证据
Prediction Basis 字段
prediction header 必含 Prediction Basis：
pre_shoot（v1 默认，标准盲预测）post_shoot_pre_publish（v2，软盲预测——拍后改稿但发布前重判）
cheat-retro 用此字段在 score-curve / bump 校准时区分两条数据线，避免混样。
子 skill 验收标准
cheat-predict 写完一份预测后，必须自检 7 个组件齐全：
- 组件 5 / 7 在校准样本不足时仍写"N/A 段 + 解释"，不允许直接跳过
- header 的
Calibration Samples+Confidence必填——读者一眼看到这次预测多可信
cheat-retro 写复盘段时，必须先校验该文件的 7 个组件：
- 缺组件 → 警告"该 prediction 不规范，复盘价值打折"
- 复盘段格式与 confidence 等级无关——任何阶段复盘都是同一格式
- diff
Script Hash与当前videos/<id>/script.md的 hash → 不一致则在复盘段加**Script changed between predict and shoot**警告
与旧设计的对照（v1 用户迁移参考）
| v0 设计（已弃） | v1 设计（当前） |
|---|---|
prediction_complexity = cold-start-simple 用 3 组件简化版 |
删除字段。所有预测都用 7 组件统一版 |
prediction_complexity = complete 用 7 组件 |
同上——一直就是 7 组件 |
| 第 5 次复盘"解锁完整预测" | 不需要解锁——一直完整。Confidence 等级随 calibration_samples 自动提升 |
| Cold-start 期跳过 bucket / 锚点对比 / 反事实 | 不跳过——锚点不够就显式标"N/A"，bucket 该写还写（概率分布需诚实平摊） |
| 用 mode=cold-start 字段判断流程分支 | 删除字段。所有 skill 走同一流程，按 calibration_samples 渐进显示 confidence |