wehub-resource-sync
5.1 KiB
Starter Rubric：长文 (公众号 / Substack / Medium) — v0 cold-start 占位
**这是给完全没数据的新作者用的占位 rubric。**它会打错。前 5 篇预测精度大概 ±50%——这是 cold-start 的数学事实，不是 rubric 失败。
跑完 5 篇（每篇都走完 /cheat-predict → 发布 → /cheat-retro 闭环）之后，你会有第一份个人校准数据，可以提议第一次 /cheat-bump 升级到 v1（或直接采用同形式的稳定 rubric 作为起点重新校准权重）。
v0 综合分公式（等权占位）
composite = (ER + HP + QL + NA + AB + SR + SAT) / 7 × 2.0
每个维度 0-5 整数分。综合分范围 0-10。
为什么等权：你没有数据支持任何特定权重。等权能让你在数据出来之前对每个维度都给"中立的关注"。第 5 篇之后你的复盘数据会告诉你哪些维度真的预测了你的账号的传播。
7 个维度
ER — Emotional Resonance（情感共鸣）
文章能否让读者在某一段产生一种具体的、能命名的情感？
- 0 — 纯知识 / 信息搬运；没有情感层
- 3 — 有共鸣但停留在"大家都这么说"的层面
- 5 — 锐利、具体、让读者忍不住截图发朋友圈并加一句"这就是我"
HP — Hook Potential（钩子强度）
标题 + 第一段能不能让人在信息流里停下来点进去，并读完前三段？
- 0 — 通用标题（"浅谈 XX 的几点思考"）
- 3 — 有具体承诺或反直觉论点；标题引发好奇
- 5 — 标题即观点弹药，第一段就给出令人不安的具体场景
QL — Quotable Lines（金句密度）
文章里至少 2-3 句话能被截图传播、能脱离原文独立成立吗？
- 0 — 全是论述，没有可提取的单句
- 3 — 结尾有一句总结性金句
- 5 — 多句独立可传播的文字，散布在文章不同段落
NA — Narrativity（叙事弧线）
文章有可辨识的结构弧线，还是平铺直叙的论点堆砌？
- 0 — 列表 / 清单式；读到中间可以随时关掉
- 3 — 有松散主线但中段可跳读
- 5 — 紧凑弧线（悬念 → 转折 → 落点），读者必须读到最后
AB — Audience Breadth（受众广度）
这个话题的潜在读者群有多广？
- 0 — 极小众行业 / 圈层
- 3 — 中等——特定人群（如职场人 / 家长 / 创业者）
- 5 — 普世情感 / 社会议题，几乎所有人都能代入
SR — Social Resonance（社会议题共振）
文章触及当下的社会模式或集体情绪吗？
- 0 — 纯个人经历 / 技术细节
- 3 — 触到公认现象但没新视角
- 5 — 命名了读者认识但缺乏语言形容的结构性模式
SAT — Satire Depth（讽刺 / 文体深度）
文章在文体层面有多少"装置感"——反讽、戏仿、文体实验？
- 0 — 真诚直陈（大多数长文的正常状态）
- 3 — 一层反讽或有意的文体选择
- 5 — 嵌套反讽 / 戏仿 / 自指
长文通常走真诚路线。如果你的写作风格是直陈型，SAT 给 2-3 当占位即可。
Bucket 预测：比率桶方案
⚠️ 新人的 bucket 不能用绝对数字——参考博主的"10w 阅读是底部"对 0 粉新号来说是"现象级爆款"。
第 1 篇：平台通用默认
公众号 / Substack / Medium 上新号第 1 篇的典型分布：
| Bucket | 范围（阅读数） | 先验概率 |
|---|---|---|
| 底部 | < 50 | 30% |
| 基础盘 | 50 - 500 | 40% |
| 命中 | 500 - 5,000 | 20% |
| 小爆 | 5,000 - 50,000 | 8% |
| 大爆 | > 50,000 | 2% |
第 2 篇起：用比率桶
baseline = 上一篇实际阅读数（或最近 3 篇中位数）。
| Bucket | 倍数范围 | 含义 |
|---|---|---|
| 退步 | < 0.3 × baseline | 明显下滑 |
| 持平 | 0.3 - 1 × baseline | 同档 |
| 命中 | 1 - 3 × baseline | 中度突破 |
| 小爆 | 3 - 10 × baseline | 显著破圈 |
| 大爆 | > 10 × baseline | 量级跃迁 |
第 5 篇后跑 /cheat-bump --bucket-only 重新校准边界。
Cold-start 战略（简版）
前 5 篇的"预测"不是预测——是数据采集。
- 建立纪律：发布前写下盲判断
- 记录 7 维评分：复盘后每条样本变成 (打分, 实绩) 配对
- 取样策略：主动选维度组合差异最大的稿子——1 篇 ER 主导、1 篇 SR 主导、1 篇 QL 主导、1 篇叙事实验、1 篇综合中等
| 校准样本 | 你能相信什么 |
|---|---|
| N=0-2 | 啥都别信 |
| N=3-5 | 相信"哪个维度可能重要"的方向 |
| N=5-10 | 相信 bucket 排序 |
| N=10-20 | 中枢可信 ±30% |
| N≥20 | rubric 真正成为"作弊器" |
重要警告
- cold-start 期 composite 的置信度低——不要基于 v0 分数决定要不要发某篇文章
- 前 5 篇每篇必须走完整闭环（predict → 发布 → retro），跳过任何一篇复盘 = 整个校准失败
- 第 5 篇后必须跑
/cheat-bump升级
最重要的一句话
前 5 篇你不是在做决策，你是在收集数据。 cold-start 期最大的诱惑是看着 composite 8.4 就觉得这条会爆——别信。