laohan-xuanti

真人口播①选题决策主写者;按老韩选题五步法(扫爆款→剔假爆款→看重复→定角度→验收藏)执行:扫描数据层达人库与自频道异常倍数,过滤假阳性,判定单期/系列,提炼冲突角度并验证收藏价值后AI自主定题(Jeffrey保留否决权),核对小白受众承诺、抖音语义对齐和 PRIMARY 原始来源。Use when 用户说"抓热点""AI热点""找选题""选题""今天做什么""redian",或 bianpai

SKILL.md

GitHub

①选题决策

热点只用于发现,最终结果是一个可审计的生产决策:为什么现在做、给谁看、论点凭什么成立、抖音上有哪些重复角度、为什么淘汰其他候选,以及发布后如何按固定窗口复盘。

边界

  • 本 skill 是①唯一主写者,写 signals、candidates、source-health 和 00-选题.*。
  • laohan-douyinsousuo 只写 00-抖音搜索证据.{json,md};同一 Agent 宿主按 bianpai 路由执行,不做 programmatic skill-to-skill 调用。
  • ②才写口播稿;①不生成正文、大纲段落或封面。
  • ⑤才做完整事实核验;①仍须给最终事实前提找到至少一条 PRIMARY 原始来源。
  • 不安装新浏览器、爬虫、Python runtime 或第三方 skill。抖音平台访问只用已安装 OpenCLI。
  • 同一事件可以形成观点候选和教程候选;受众任务、标题承诺和内容路径真正不同时可分别参加比较。②—④沿用选中 lane,不混写。

输入

Episode 模式必须读取:

  1. 本期 episode-config.json 与 00-编排/ 冻结产物。
  2. 本期已显式登记的反馈快照;没有就记录 NOT_AVAILABLE,不得扫描旧 episode 猜经验。
  3. 本轮真实 signals 与抖音搜索证据。

标准 Episode 为 AUTO_SELECT:AI按五步法完成发现、过滤与定题, Jeffrey 保留事后否决权(00-选题-Jeffrey否决.json,否决原因必填,否决后按原因重新扫描)。Jeffrey 明确给题时走 USER_SEED,仍须给出至少一个真实替代候选、抖音取证、PRIMARY 证据和测量合同。

Jeffrey给出的是软件、方法或系列方向时,先走USER_DIRECTION_RESEARCH:读取项目docs/系列选题研究与分期规格.md,完成四平台定向搜索、内容级拆解、需求判断、系列分期和单期资料包。它不运行与方向无关的9账号泛扫描来凑热度。只有DEMAND_VALIDATED可进入三期以上系列,EXPERIMENTAL_ONE_OFF只进入单期,DIRECTION_REJECTED停止。正式episode仍须提供替代候选。

工作流

1. 采集当前信号

先写00-选题-signals.json.discovery_mode:无方向为AUTONOMOUS_SCAN;Jeffrey已给方向为USER_DIRECTION_RESEARCH。后者把已通过node scripts/check-series-research.mjs的series_research_path与SHA写入direction_research,并把哔哩哔哩、小红书、抖音、知乎四路结果分别登记为signals来源。DEMAND_VALIDATED至少两个平台有真实需求信号;EXPERIMENTAL_ONE_OFF只按研究包内已验证的官方新事件、Jeffrey亲历或小众任务依据进入单期,不强制伪造两个平台热度。

Episode 模式执行唯一确定性入口:

node ~/Documents/laohan-skills/laohan-xuanti/scripts/collect-topic-signals.mjs \
  --episode episodes/<slug>

AUTONOMOUS_SCAN按五步法第1步扫爆款:数据层/tracked-creators.json全池逐账号扫描(ACTIVE必扫且失败阻断;PENDING一并扫描供交叉印证,失败如实记录不阻断)、数据层/self-channel.json自频道异常倍数(自己异常倍数高的方向优先深挖)、全面热点(辅助输入)与script-pool/Jeffrey个人表达池.md(素材来源)。扫描同时执行时间分层(近30天异常=当下需求优先做;3个月前异常=常青题,需再验证当下热度)与异常分级(3倍=值得注意,10倍以上=大机会优先深挖),并消费每条异常的top_comments高赞评论——高赞评论是观众没被满足的问题,直接作为候选线索。默认发现与展示优先级为BENCHMARK_CREATOR(1) > SELF_CHANNEL(2) > BROAD_HOTSPOT(3) > PERSONAL_EXPRESSION(4)。全面热点默认 route 为 AIHOT、Hacker News、知乎、微博、36kr、B站、抖音热榜、头条、贴吧和虎扑;某一路失败如实记录,其他热点路继续。需要缩小热点route时才传 --sources,不能借此跳过达人库和自频道。

脚本只写:

  • 00-选题-signals.json
  • 初始 00-选题-source-health.json

脚本不选题、不访问旧 episode、不调用 douyin-ai.js。

2. 标准化、去重、形成候选

读取 signals,按稳定 signal id 聚类同一事实事件;排除同 URL/同承诺/同路径的重复表达。对标账号只提炼母题、公众需求和异常信号,不复制标题、文案、案例或结论。同一事件只有在“帮观众作判断”和“带观众完成任务”分别成立时才生成两个形态。写 schema 4 00-选题-candidates.json,先用顶层 screening_summary 留下筛选链路,再写至少两个真正不同的短名单候选。screening_summary 只包含:

  • raw_signal_count:signals 中实际结果总数;event_cluster_count:去重后的事件簇总数。
  • longlist:有效事件足够时记8—12条,不足8条时全部记录。每条含唯一 event_cluster_id、working_title、非空 signal_ids、正整数 source_count、disposition: SHORTLISTED|REJECTED 和具体 reason。
  • 每个最终候选的 event_cluster_id 都必须在 longlist 中标 SHORTLISTED。不新增中间文件、额外节点或第二套打分器。

同一事件的观点/教程变体在受众任务、标题承诺和内容路径不同时可分别计数。每项必须有:

定角度前置动作:先读原视频——必须读过原爆款的转录或完整内容才允许写tension(反驳/补深/亲历替代都建立在实际内容上,没读过就是猜)。对标视频转录复用项目既有转录工具链(large-v3),产物放数据层/scans/<日期>/或episode临时目录。想不出差异时用兴趣市场工具:两个高兴趣题材组合=受众叠加,并评估母题受众池大小(工具教程类通常大于纯观点类,同质量优先池大的)。

形成候选前恢复原版分析:以“AI/GPT/Claude/大模型/机器人/自动化/编程/副业”等直接词和“教育/职业/消费/创业/职场”等间接词标注相关度,但保留可能产生新角度的边缘信号;统计安装教程/进阶技巧/方法论/对比评测/实战/资源推荐等内容类型;标出多平台共振、单平台独有、已拥挤角度和竞品未覆盖机会。它们用于扩大候选,不替代后面的 PRIMARY 与抖音关键词核验。

  • 唯一 id、稳定非空 event_cluster_id、非空 why_now、title、content_form: opinion-video|tutorial-video、audience_level: BEGINNER|INTERMEDIATE|ADVANCED、audience_problem、audience_promise、thesis。
  • candidate_origin 必须登记 primary_lane、对应的 priority_rank、非空 origin_signal_ids 与 corroborating_lanes。交叉印证可以提高可信度,但不能把个人表达来源伪装成对标爆款来源。
  • tension 必须登记 type: CONFLICT|MISCONCEPTION|COUNTERINTUITIVE|TRADEOFF、common_assumption、jeffrey_position 和一句可由正文兑现的 conflict_statement。只写领域名、产品发布或“值得关注”不算候选。
  • creator_fit 必须写清 basis: FIRSTHAND_EXPERIENCE|BUILT_OR_TESTED|OWNED_EVIDENCE|LONG_TERM_PRACTICE|RESEARCHED_JUDGMENT|NOT_ESTABLISHED、why_jeffrey 与 distinctive_judgment。它回答“为什么由 Jeffrey 讲、他的依据是什么、相比通用复述多了什么判断”。SELECTED 不允许 NOT_ESTABLISHED;没有亲历时可以使用 RESEARCHED_JUDGMENT,但必须形成有证据边界的独立判断,不能把“我也关注了”冒充个人优势。
  • assumed_prerequisites 与 jargon_to_explain 字符串数组。BEGINNER 候选必须把标题和论点里的关键工具、命令、迁移/导入概念列入解释清单,不能只提高 audience_fit 分。
  • 非空 signal_ids 和 evidence_ids。
  • 非空 platform_query_intent;platform_alignment 含 status: ALIGNED|ADJACENT|CONTRADICTED|UNRESOLVED|UNAVAILABLE、非空 rationale 和 evidence_ids。有平台结果时 evidence ids 必须真实;平台访问失败时写 UNAVAILABLE 和空数组。
  • content_gap 含 status: CONFIRMED|NOT_CONFIRMED|UNAVAILABLE、非空 rationale 和 evidence_ids。只有平台直接提供搜索量、供给或缺口证据时才能写前两种;搜索结果条数、互动字段缺失或模型判断一律不能冒充内容缺口。UNAVAILABLE 合法且不参与机械淘汰。
  • 非空 claim_evidence_map;每条含唯一 claim_id、非空 claim、evidence_ids。它要把技术事实绑定 PRIMARY;平台证据可用时,把“平台有人关心什么”绑定 PLATFORM_SIGNAL,不能让相邻关键词替另一个论点背书。平台 UNAVAILABLE 时不虚构 PLATFORM_SIGNAL claim。
  • scorecard 七维整数 1—5:audience_fit、evidence_strength、platform_relevance、differentiation、creator_fit、production_feasibility、learning_value。
  • 非空 rationale。未定题时候选为 disposition: SHORTLISTED或REJECTED;五步法全部通过的最优候选由AI标记AUTO_SELECTED(同时其余候选给REJECTED加具体理由)。
  • false_positive_filter(第2步剔假爆款):status: PASSED|REJECTED、checks四项布尔(celebrity_event/controversy/off_niche/pure_news)、非空rationale。四类假信号命中的候选保持REJECTED,不得入选。
  • topic_kind(第3步看重复):SERIES_CANDIDATE|ONE_OFF。前者必须绑定topic_corroboration.signal_ids——两个不同账号的同母题异常即可成系列,三个以上账号=强信号降风险。系列优先采用可追更形式("挑战30天XX""10天教会XX"式进度感系列,直接吃到复访率权重),形式写入topic_corroboration.series_format_hint(可空)。
  • packaging_assessment(第5步验收藏):非空title_direction与cover_concept(一句话,不做图)、三问布尔worth_collecting/evergreen_half_year/title_clickable、非空rationale。AUTO_SELECTED候选三问必须全true;不达标回第4步换角度或换题。

分数是可挑战的候选比较,不是流量预测。热度不能替代受众价值、证据强度、差异化或可拍性。SELECTED 可为 ALIGNED、有明确差异化解释的 ADJACENT,也可在 discovery 与 PRIMARY 充分时为如实说明缺失范围的 UNAVAILABLE;平台缺失降低 platform_relevance 置信度,但不能单独淘汰候选。CONTRADICTED|UNRESOLVED 不得入选。教程候选写成确定步骤前仍必须在 tutorial_proof 登记 status: VERIFIED、本期内 evidence_path、evidence_sha256、非空 version_boundary 和 recovery。

3. 对短名单做抖音关键词验证

为 1—3 个短名单各设计一个具体查询,交同一宿主执行 laohan-douyinsousuo episode 模式。必须得到 00-抖音搜索证据.json 与 .md 后才继续。

  • OK:引用真实结果 id,写清查询实际证明的观众意图。直接支持候选标题承诺、受众任务和 why_now 时标 ALIGNED;只支持同一产品、迁移热度或相邻概念时标 ADJACENT。优先补充更直接查询,但不因缺少完全同标题内容自动淘汰差异化新角度。
  • EMPTY_OR_FIELD_UNAVAILABLE:只写“平台证据未决”,不得写“无人做/蓝海”。
  • OpenCLI 登录或 adapter 全部失败:保留真实 FAILED 证据,把 platform_alignment 与 content_gap 标 UNAVAILABLE;只要 discovery 与 PRIMARY 足够,继续比较,不把平台缺失当卡点。

4. 回到 PRIMARY 原始来源

对最终候选的事实前提查找官网、官方公告、论文、产品文档或原始公开记录。平台热榜、搜索结果、媒体转述只能是 PLATFORM_SIGNAL 或 SECONDARY。

把 PRIMARY 与 PLATFORM_SIGNAL evidence 写入候选文件;每条有稳定 id、source、source_type、url、retrieved_at。缺 PRIMARY 时缩窄论点为可证范围;仍无法成立就换候选或 BLOCKED。

5. AI自主定题(Jeffrey保留否决权)

五步法全部通过后直接定题,不等待Jeffrey:

  • 按异常倍数 > 收藏价值 > 定位重合度排序,取最优候选标记AUTO_SELECTED,其余改REJECTED并写具体理由;并列时优先SELF_CHANNEL异常方向(自己已被验证的赛道)。
  • 写 schema 4 00-选题.json(含auto_selection_rationale)与00-选题.md后直接进入②。
  • Jeffrey否决:任何时候可写 schema 1 00-选题-Jeffrey否决.json(vetoed_by/vetoed_at/candidates_sha256/selected_candidate_id/veto_reason必填)。否决后进入TOPIC_RESCAN_REQUIRED:按否决原因重新扫描,删除AUTO_SELECTED与最终选题;新候选必须把否决记录(四项+旧候选SHA)原样写入screening_summary.rejection_history[],不得重复推被否决的候选。
  • 信号不足以支撑任何候选通过五步法时进入TOPIC_RESCAN_REQUIRED扩大扫描(新登记达人候选、补抖音搜索),不勉强定题。

6. 写最终决策与 source health

更新 00-选题-source-health.json,每路记录:

  • 唯一 source_id 与 source_role: DISCOVERY|BENCHMARK_CREATOR|PERSONAL_EXPRESSION|DOUYIN_SEARCH|PRIMARY_PROOF。schema 3必须保留后两条本地发现角色;个人表达池允许EMPTY,对标账号只允许完整扫描后的OK|EMPTY。
  • 实际 command_or_url、attempted_at、status、result_count。
  • 本期相对 result_file 与真实 result_sha256。
  • FAILED 写 error;SKIPPED 写 reason。

状态必须一致:OK 条数大于 0,EMPTY/FAILED/SKIPPED 条数为 0。至少一条 DISCOVERY 为 OK、一条 DOUYIN_SEARCH 有真实尝试记录、一条 PRIMARY_PROOF 为 OK;DOUYIN_SEARCH 可以 FAILED,但必须绑定本期抖音证据文件与原始错误。

写 schema 4 00-选题.json,绑定AUTO_SELECTED候选与auto_selection_rationale。最后执行:

node ~/Documents/laohan-skills/laohan-xuanti/scripts/check-topic-contract.mjs --episode episodes/<slug>

只有输出PASS redian topic contract schema=4才算①完成。

  • schema_version: 4、selected_candidate_id、非空 rejected_candidate_ids、非空 auto_selection_rationale。
  • 原样复制选中项的 content_form、audience_level、audience_promise、creator_fit、assumed_prerequisites、jargon_to_explain、platform_query_intent、platform_alignment、content_gap 和 claim_evidence_map。
  • audience、thesis、evidence、selection_rationale、not_do_reason。
  • evidence 全部属于选中候选,且至少一条 PRIMARY;平台可用时至少一条 PLATFORM_SIGNAL,platform_alignment.status=UNAVAILABLE 时可没有。
  • experiment 含唯一主要 intervention、合法 metric_keys、正整数 T+N、observation_window_unit: DAY 和逐键 metric_targets。

每条 metric target:

{
  "key": "avg_duration_sec",
  "direction": "INCREASE",
  "baseline_ref": "recent_5_median",
  "measurement_source": "douyin_creator_center"
}

最后写 00-选题.md,只解释机器合同里的真实决策,不新增未登记事实。

失败处理

触发条件 处理
单一 discovery source 失败 记录 FAILED;其他来源满足角色合同可继续
所有 discovery source 无结果 BLOCKED,不凭模型记忆选题
抖音返回合法空数组 记录 EMPTY;不得推断没有竞争
OpenCLI 登录/adapter 全路径失败 平台证据记 UNAVAILABLE 并继续;不安装替代爬虫,不推断蓝海
最终候选无 PRIMARY 缩窄论点或换候选;仍无则 BLOCKED
Jeffrey否决当前选题 进入TOPIC_RESCAN_REQUIRED;按否决原因重新扫描,否决历史带入新候选,不进入②
平台结果只支持相邻话题 标 ADJACENT,补充查询;仍相邻时如实说明差异化与风险,可参加最终比较,不得冒充直接对齐
教程候选没有本机真实执行证据 保持 REJECTED;可保留为待验证候选,不能写成教程已可交付
候选不可在既有⑬指标测量 换 intervention/metric 或换候选

反模式

❌ “三个平台都热,所以就做这个。”

✅ “候选 C02 同时解决目标受众问题,PRIMARY 支持事实前提,抖音证据显示现有内容集中在功能介绍,本期以真实工作流代价形成差异;C01/C03 因证据弱或不可拍被淘汰。”

❌ “抖音有人搜 Claude Code 迁移,所以能证明‘验证闭环’是当前平台需求。”

✅ “该结果只证明迁移/导入需求,标 ADJACENT;继续搜索验证失败、上线回归等直接意图。若仍无直接结果,可把‘验证闭环’作为差异化观点参加比较,但明确平台证据只支持相邻需求。”

❌ “搜索 0 条,所以这是蓝海。”

✅ “搜索执行成功但返回 0 条,记为平台证据未决,不据此判断竞争度。”

非 Episode 模式

用户只要热点简报时,可以执行同一采集脚本到临时目录后返回当前信号摘要;不写 episode 真源。用户只要搜抖音时直接路由 laohan-douyinsousuo。