ai-labeling: ground-truth v0.3.0 + 脚本扩展 --field 支持 Prompt 1

- ground-truth.json 新增 4 分类字段骨架（program_format/equipment_domain/scene_tags/tech_tags）
- equipment_domain 类型修正为数组（对齐 v2 快照多选定义）
- run_labeling.py 新增 --field 参数，文件名含 field 标记
- summarize.py 新增 --field 参数 + 老文件向后兼容
- CLAUDE.md 补入 v1-v4 快照精华：象限图规格、6 字段枚举、三层交付策略

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

ai-labeling/CLAUDE.md

@@ -38,18 +38,72 @@
 
 **质量标杆**：`example/` 目录下的 PPT（14 页诊断报告）和 Excel（8 个分析 Sheet）是制片人与 Opus 4.8 手工做出的 21 期阶段性分析成果。看板升级要达到**同等分析深度**，并把"一次性手工分析"变成"累积持续自动分析"。
 
-### 1.2 核心理论框架——"双引擎模型"
+### 1.2 核心理论框架——"双引擎 + 开篇钩子"
 
-**收视 = 题材热度 × 叙事结构**
+> 收视 ≈ 题材热度（横轴）× 叙事结构（纵轴）+ 开篇钩子（独立维度，叠加显示）
 
 - **引擎 1 题材热度（地基）**：热点/新装备/大舰/节日天然有人看。即使叙事并列，热点也能撑住收视（如防空网 0.875、X-76 0.873）。
 - **引擎 2 叙事结构（放大器）**：有没有贯穿全片的主线悬念。强主线能把冷题材拉到高收视（如仿生潜艇 0.92、组装武器 0.85）。
+- **开篇钩子（独立维度）**：前 1-2 分钟决定观众换不换台。功能与叙事结构不同（开篇=留住，结构=留住之后的体验），AI 打标也分开判。
 
 **两条腿至少占一条**：冷题材 + 并列结构 = 必然低分（如枪械图鉴 0.533）。
 
+**"话题性"已拆解消化**（v2 快照确认）：题材稳态热度→横轴承接，时机加成→scene_tags 承接，切口话题感→program_format"横切类比"部分承接。话题性不独立立维。
+
 这个模型是所有 AI 打标、分析计算、诊断结论的理论基础。开发任何功能都要回到这个公式上来。
 
-### 1.3 系统四层架构
+### 1.3 招牌视觉——双引擎象限图（v2 快照定稿）
+
+| 元素 | 编码 |
+|------|------|
+| 横轴 | 题材热度（= 该题材类别窗口内均值 − 栏目均值，零点=栏目自身平均线） |
+| 纵轴 | 叙事结构 2 档 |
+| 气泡大小 | 收视份额 |
+| 气泡颜色 | 收视判定三色（红 `#c0584f` 优秀 / 蓝 `#5b8db8` 达标 / 绿 `#7aa874` 待提升） |
+| 气泡边框 | 开篇钩子（粗实线=强 / 细实线=中 / 虚线=弱） |
+| 悬停 tooltip | 节目名 + 期次 + 份额 + 钩子档 |
+| 重叠处理 | 横轴 jitter + 垂直 jitter；同点聚集本身就是诊断信号 |
+
+这张图是整个看板升级的**核心视觉交付物**。制片人已认可视觉方向。
+
+### 1.4 6 字段完整枚举定义（v2 快照锁定，v3 修订叙事结构）
+
+**字段一：`program_format` 主题材（单选）** — 节目内容切口，不是播出形态
+
+| 枚举值 | 含义 |
+|--------|------|
+| `装备深解` | 围绕一款/一型具体装备深度剖析 |
+| `横切类比` | 用某切口（趣味/功能/技术）跨装备类比 |
+| `历史纵深` | 沿时间线讲装备/战术演进 |
+| `前沿科技` | 新技术在军事装备上的应用 |
+| `事件战例` | 围绕某次行动、战役、冲突 |
+| `人物牵引` | 用人物作叙事入口和牵引线 |
+
+**字段二：`equipment_domain` 装备域（多选，至少 1 项）**
+
+`陆战装备` / `海军舰船` / `航空航天` / `导弹与反导` / `信息化` / `后勤保障` / `轻武器` / `跨域` / `其他`
+
+注：原"枪械"升级为"轻武器"；原"空军防空"改为"导弹与反导"；"无人作战"从装备域剥离到 tech_tags。
+
+**字段三：`scene_tags` 场景标签（多选，可空）** — 回答"为什么这周播"
+
+`节点策划`（纪念日/周年/节庆/装备节点）/ `热点跟进`（突发新闻）/ `装备首发`（新装备亮相）/ `展会`
+
+注：原"节日策划"从 program_format 移到 scene_tags 并改名"节点策划"。
+
+**字段四：`tech_tags` 技术线标签（多选，可空）** — 新质新域追踪
+
+`无人作战` / `智能化`（AI/算法/智能决策）/ `有人无人协同`
+
+**字段五：`narrative_structure` 叙事结构（单选，2 档）**
+
+`主线演进` / `并列结构`（v3 从 3 档收为 2 档）
+
+**字段六：`opening_hook` 开篇钩子强度（单选，3 档）**
+
+`强`（新闻/反差/画面震撼/悬念）/ `中`（背景铺陈/装备亮相/历史溯源）/ `弱`（直接讲技术/概念/平铺直叙）
+
+### 1.5 系统四层架构
 
 | 层 | 名称 | 做什么 | 当前状态 |
 |----|------|--------|----------|
@@ -58,19 +112,29 @@
 | L3 | **分析引擎** | 基于双引擎模型，计算走势、编导对比、题材对比、高低样本对照等多维分析 | 待设计 |
 | L4 | **诊断报告** | 调用 LLM 生成文字诊断结论 + 改进建议（对标 PPT 第 8-10 页水平） | 待设计 |
 
-### 1.4 分析周期策略
+### 1.6 三层分步交付策略（v1 快照定稿）
+
+| 层 | 解锁条件 | 交付物 |
+|----|---------|--------|
+| 第一层"纯算的" | 只需题材字段（program_format + equipment_domain） | 核心指标卡、走势图（含基础/摸高目标线+滚动3期均值）、阶段对比、题材对比、编导维度 |
+| 第二层"打标后才能算的" | 叙事结构 + 开篇钩子标完 | **双引擎象限图**（招牌视觉）+ 高低样本下钻 |
+| 第三层"算不出只能写的" | L3 数据就绪 + LLM API 配通 | AI 季度诊断小结（制片人审改后发布）+ 一句话诊断 + 病因 + 提振方案 |
+
+**编导视角：能力地图，不是排名榜**（v1 §2.7）。团队视角看"谁擅长哪种结构/哪类题材"，把强项做成全组可复用模板。制片人视角可看完整排名+下钻。底层同一套数据，锁可后开。
+
+### 1.7 分析周期策略
 
 - **默认轨：季度报告**（Q1/Q2/Q3/Q4）。对标台里考核节奏，每季约 12-13 期，数据量合适。
 - **灵活轨：自定义周期**。所有栏目人员均可自由选择时间范围查看诊断（如"暑期档 7-8 月"、"最近 10 期"）。
 - 系统按季度自动生成，用户也能手动选范围——两不误。
 
-### 1.5 受众与权限
+### 1.8 受众与权限
 
 - **不只给制片人看**——全栏目人员（制片人、责编、6 名编导）都能查看分析结果、自由选择周期、调用 LLM 查看诊断。
 - AI 打标结果仍须制片人审核后才正式落库（设计哲学红线：AI 给方向不给答案）。
 - 但分析报告（L4）是基于已审核数据生成的，可直接展示。
 
-### 1.6 样板文件参照表（`example/` 目录）
+### 1.9 样板文件参照表（`example/` 目录）
 
 | 文件 | 内容 | 对标系统层 |
 |------|------|-----------|
@@ -82,7 +146,7 @@
 | PPT 第 12-13 页 | 选题日历、复盘会议程 | 超出系统范围，供人工参考 |
 | Excel 8 个 Sheet | 核心指标卡、数据明细、走势图、编导对比、题材对比、阶段对比、高低样本、诊断结论 | L3 分析引擎的完整数据底稿 |
 
-### 1.7 范围边界
+### 1.10 范围边界
 
 - ✅ 做：Prompt 撰写与迭代、模型选型基准测试、ground-truth 维护、打标脚本、分析引擎设计与实现、诊断报告生成、前端看板页面
 - ❌ 不做：选题日历自动编排、复盘会自动组织、标题自动改写（这些是人的工作）
@@ -163,14 +227,16 @@ python scripts/summarize.py --model mimo-v2.5-pro
 
 ## 3. 当前进度（动态，核心交接区）
 
-- **已完成**：L2 层 Prompt 2（叙事结构）锁定 + ground-truth v0.2.1 锁定 + 生产模型 mimo-v2.5-pro 确定
+- **已完成**：L2 层 Prompt 2（叙事结构）锁定 + ground-truth v0.3.0（4 分类字段骨架预留）+ 脚本扩展支持 --field classification + 生产模型 mimo-v2.5-pro 确定
-- **正在做**：全貌对齐完成，准备进入 Prompt 1 撰写
+- **正在做**：Prompt 1（4 分类字段）撰写中
-- **卡点/待解**：Prompt 1 的 4 分类字段枚举需收敛；L3/L4 架构设计尚未启动；诊断报告多 LLM 共识机制待选型测试
+- **卡点/待解**：L3/L4 架构设计尚未启动；诊断报告多 LLM 共识机制待选型测试
 
 ---
 
 ## 4. 已完成（只追加，最新在上）
 
+- [2026-06-24 ｜ Opus+Cline] ground-truth v0.3.0 结构扩展（4 分类字段骨架预留）+ run_labeling.py / summarize.py 扩展 --field 参数支持 classification。脚本可直接跑 Prompt 1，等 prompt 文件就位即用。
+- [2026-06-24 ｜ Opus] CLAUDE.md 二次更新：精读 v1-v4 四份续接快照，补入双引擎象限图视觉规格、6 字段完整枚举定义、三层分步交付策略、编导能力地图设计、v1-v4 关键决策。
 - [2026-06-24 ｜ Opus] 全貌对齐：精读 PPT+Excel 样板、明确四层架构（数据沉淀→AI打标→分析引擎→诊断报告）、确认多 LLM 共识机制方向、确认季度+自定义双轨周期、确认全员可见。CLAUDE.md 从打标沙盒文档升级为全局指导文件。
 - [2026-06-24 ｜ Opus] 模型配置统一更正：M3 配置移除，生产模型改为 mimo-v2.5-pro，更新 run_labeling.py / summarize.py / CLAUDE.md / README.md / .env.example。
 - [2026-06-11 ｜ Opus+Cline] AI 打标流水线跑通：Prompt 2 v0.2 锁定、ground-truth v0.2.1 锁定、M3 100% 命中率、模型选型完成。Git commit `38f3728` + `edfb298`。
@@ -220,7 +286,7 @@ python scripts/summarize.py --model mimo-v2.5-pro
 
 ## 6. 关键决策（跨 session 最易丢）
 
-### 项目全貌（2026-06-24 对齐）
+### 项目全貌（v1-v4 快照 + 2026-06-24 对齐）
 
 - [2026-06-24] **看板升级 ≠ AI 打标**。AI 打标只是 L2 层，完整系统是四层：数据沉淀 → AI 打标 → 分析引擎 → 诊断报告。目标是把 PPT+Excel 样板里的阶段性手工分析变成累积持续自动分析。
 - [2026-06-24] **双引擎模型是理论基础**：收视 = 题材热度 × 叙事结构。所有打标维度、分析计算、诊断结论都围绕这个公式展开。
@@ -228,6 +294,12 @@ python scripts/summarize.py --model mimo-v2.5-pro
 - [2026-06-24] **分析周期双轨**：默认季度 + 自定义范围。
 - [2026-06-24] **不用旧 21 期冷启动**：数据已重新整理清洗，拿新数据重新做。
 - [2026-06-24] **诊断报告用多 LLM 共识机制**：因合规限制无法用顶级模型（Opus），改为多个国产模型（MiMo / GLM 5.2 / 待定）分析相同数据取共识，弥补单模型洞察力不足。
+- [2026-06-09] **配色走浅色**：沿用 App 米色底 `#fbf9f1` + 深绿 `#6b8e6b`，不做深色大屏（留 2.0 独立数据大屏蓝本）。
+- [2026-06-09] **DataEase 不进 1.0**：栈冲突 + 资源不够。图表用 ECharts / @ant-design/charts 在 React 栈直接复刻。
+- [2026-06-09] **编导板块不做排名**（团队视角走"能力地图"），制片人视角可看完整排名+下钻。
+- [2026-06-09] **"活的边界"**：实时脉搏（走势/滚动均值）永远滚动；周期复盘（象限/病因/提振）按周期生成。每张图都要有显式时间选择器。
+- [2026-06-10] **话题性不独立立维**：稳态热度→横轴，时机→scene_tags，切口→横切类比形态。
+- [2026-06-10] **6 字段枚举锁定**（见 §1.4）：program_format 6 值 / equipment_domain 9 值多选 / scene_tags 4 值 / tech_tags 3 值 / narrative_structure 2 档 / opening_hook 3 档。
 
 ### 叙事结构判别
 
@@ -274,7 +346,7 @@ python scripts/summarize.py --model mimo-v2.5-pro
 
 ## 8. 待确认 / 开放问题（需制片人拍板）
 
-- [ ] Prompt 1 的 4 分类字段枚举最终口径（v1 快照 §三.1 已列草案，需收敛）
+- [x] ~~Prompt 1 的 4 分类字段枚举最终口径~~ → 已在 v2 快照锁定（见 §1.4）
 - [ ] 多 LLM 共识机制的模型阵容（MiMo + GLM 5.2 + ?）待选型测试后定
 - [ ] L3 分析引擎是否需要超出 Excel 8 Sheet 的额外分析维度
 - [ ] 下一步优先级：先推 Prompt 1 还是先推 schema 加字段方案？

ai-labeling/benchmark-set/ground-truth.json

@@ -1,19 +1,20 @@
 {
-  "version": "v0.2",
+  "version": "v0.3.0",
   "locked_at": "2026-06-11",
   "locked_by": "制片人刘通 + Opus 复议(二次审定)",
   "fields_covered": ["narrative_structure", "opening_hook"],
-  "changelog": "v0.1→v0.2: ep10(射速决定论)严格命中性能阶梯主线、ep15(空中坚盾)符合层级承接到体系困局递进,两期从并列结构改为主线演进。ep05/ep13/ep14 经讨论后维持并列结构(共同原因: 段内有承接但全片骨架为并列,已写入 Prompt v0.2 示例 4/5 作为反例教学)。v0.2.1: ep12 三家独立模型一致判并列结构,经制片人复读稿确认后改为并列结构",
+  "fields_reserved": ["program_format", "equipment_domain", "scene_tags", "tech_tags"],
+  "changelog": "v0.1→v0.2: ep10(射速决定论)严格命中性能阶梯主线、ep15(空中坚盾)符合层级承接到体系困局递进,两期从并列结构改为主线演进。ep05/ep13/ep14 经讨论后维持并列结构(共同原因: 段内有承接但全片骨架为并列,已写入 Prompt v0.2 示例 4/5 作为反例教学)。v0.2.1: ep12 三家独立模型一致判并列结构,经制片人复读稿确认后改为并列结构。v0.3.0: 为 Prompt 1 预留 4 个分类字段位置(program_format/equipment_domain/scene_tags/tech_tags),枚举值待定,暂填 null/[]。未改动现有 narrative_structure/opening_hook 标注结果。v0.3.0补丁: equipment_domain 从 null 改为 []，对齐 v2 快照"多选"定义。",
   "episodes": [
-    {"ep": 3,  "title": "硅基大脑",        "share": 0.85,  "narrative_structure": "并列结构", "opening_hook": "中"},
+    {"ep": 3,  "title": "硅基大脑",        "share": 0.85,  "narrative_structure": "并列结构", "opening_hook": "中", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 4,  "title": "潜艇仿生",        "share": 0.92,  "narrative_structure": "主线演进", "opening_hook": "强"},
+    {"ep": 4,  "title": "潜艇仿生",        "share": 0.92,  "narrative_structure": "主线演进", "opening_hook": "强", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 5,  "title": "舰证不凡",        "share": 0.72,  "narrative_structure": "并列结构", "opening_hook": "中"},
+    {"ep": 5,  "title": "舰证不凡",        "share": 0.72,  "narrative_structure": "并列结构", "opening_hook": "中", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 7,  "title": "马年军事图鉴",    "share": 0.95,  "narrative_structure": "并列结构", "opening_hook": "强"},
+    {"ep": 7,  "title": "马年军事图鉴",    "share": 0.95,  "narrative_structure": "并列结构", "opening_hook": "强", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 10, "title": "射速决定论",      "share": 0.703, "narrative_structure": "主线演进", "opening_hook": "弱"},
+    {"ep": 10, "title": "射速决定论",      "share": 0.703, "narrative_structure": "主线演进", "opening_hook": "弱", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 11, "title": "空战颠覆者",      "share": 0.859, "narrative_structure": "主线演进", "opening_hook": "中"},
+    {"ep": 11, "title": "空战颠覆者",      "share": 0.859, "narrative_structure": "主线演进", "opening_hook": "中", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 12, "title": "逆袭战局",        "share": 0.85,  "narrative_structure": "并列结构", "opening_hook": "强"},
+    {"ep": 12, "title": "逆袭战局",        "share": 0.85,  "narrative_structure": "并列结构", "opening_hook": "强", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 13, "title": "长短智慧",        "share": 0.533, "narrative_structure": "并列结构", "opening_hook": "中"},
+    {"ep": 13, "title": "长短智慧",        "share": 0.533, "narrative_structure": "并列结构", "opening_hook": "中", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 14, "title": "X-76 飞行器",     "share": 0.873, "narrative_structure": "并列结构", "opening_hook": "中"},
+    {"ep": 14, "title": "X-76 飞行器",     "share": 0.873, "narrative_structure": "并列结构", "opening_hook": "中", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []},
-    {"ep": 15, "title": "空中坚盾",        "share": 0.875, "narrative_structure": "主线演进", "opening_hook": "强"}
+    {"ep": 15, "title": "空中坚盾",        "share": 0.875, "narrative_structure": "主线演进", "opening_hook": "强", "program_format": null, "equipment_domain": [], "scene_tags": [], "tech_tags": []}
   ]
 }

ai-labeling/scripts/run_labeling.py

@@ -41,11 +41,16 @@ MODEL_CONFIG = {
 
 ALL_EPISODES = [3, 4, 5, 7, 10, 11, 12, 13, 14, 15]
 
+FIELD_PROMPT_MAP = {
+    "narrative": "prompt2_narrative.md",
+    "classification": "prompt1_classification.md",
+}
+
 
 def load_prompt(field):
-    if field == "narrative":
+    if field not in FIELD_PROMPT_MAP:
-        return (PROMPTS_DIR / "prompt2_narrative.md").read_text(encoding="utf-8")
+        raise ValueError(f"Unknown field: {field}, valid: {list(FIELD_PROMPT_MAP.keys())}")
-    raise ValueError(f"Unknown field: {field}")
+    return (PROMPTS_DIR / FIELD_PROMPT_MAP[field]).read_text(encoding="utf-8")
 
 
 def load_transcript(ep):
@@ -65,8 +70,19 @@ def load_ground_truth(ep):
 
 
 def parse_prompt(template, transcript):
+    """按 ## SYSTEM / ## USER 分隔符拆解 prompt。
+    自动剥离 ## SYSTEM 标签之前的标题行。
+    """
     parts = template.split("## USER")
-    system_prompt = parts[0].replace("# Prompt 2:叙事结构判别", "").strip()
+    # parts[0] 是 system 部分，可能包含标题行 + ## SYSTEM 标签
+    system_raw = parts[0]
+    # 如果有 ## SYSTEM 标签，取它之后的内容；否则去除标题行
+    if "## SYSTEM" in system_raw:
+        system_prompt = system_raw.split("## SYSTEM", 1)[1].strip()
+    else:
+        # 没有 ## SYSTEM 标签时，去掉第一行（标题行）作为降级处理
+        lines = system_raw.strip().splitlines()
+        system_prompt = "\n".join(lines[1:]).strip() if len(lines) > 1 else system_raw.strip()
     user_prompt = parts[1].strip().replace("{transcript}", transcript)
     return system_prompt, user_prompt
 
@@ -108,19 +124,19 @@ def call_model(model_key, system_prompt, user_prompt):
     return extract_json_from_response(raw)
 
 
-def run_labeling(ep, model_key):
+def run_labeling(ep, model_key, field="narrative"):
     transcript, fname = load_transcript(ep)
-    template = load_prompt("narrative")
+    template = load_prompt(field)
     system_prompt, user_prompt = parse_prompt(template, transcript)
     result = call_model(model_key, system_prompt, user_prompt)
     gt = load_ground_truth(ep)
     ts = datetime.now().strftime("%Y%m%d_%H%M%S")
-    out = EXPERIMENTS_DIR / f"{ts}_{model_key}_ep{ep:02d}.json"
+    out = EXPERIMENTS_DIR / f"{ts}_{model_key}_{field}_ep{ep:02d}.json"
     out.write_text(
-        json.dumps({"episode": ep, "filename": fname, "result": result, "ground_truth": gt}, ensure_ascii=False, indent=2),
+        json.dumps({"episode": ep, "filename": fname, "field": field, "result": result, "ground_truth": gt}, ensure_ascii=False, indent=2),
         encoding="utf-8",
     )
-    print(f"完成 ep{ep:02d} -> {out.name}")
+    print(f"完成 ep{ep:02d} [{field}] -> {out.name}")
     return result
 
 
@@ -129,12 +145,14 @@ def main():
     parser.add_argument("--ep", type=int, help="单期编号")
     parser.add_argument("--all", action="store_true", help="跑全部")
     parser.add_argument("--model", default="mimo-v2.5-pro", help="模型键名")
+    parser.add_argument("--field", default="narrative", choices=["narrative", "classification"],
+                        help="打标字段: narrative(叙事结构) / classification(4分类)")
     args = parser.parse_args()
     if args.all:
         for ep in ALL_EPISODES:
-            run_labeling(ep, args.model)
+            run_labeling(ep, args.model, args.field)
     elif args.ep:
-        run_labeling(args.ep, args.model)
+        run_labeling(args.ep, args.model, args.field)
     else:
         parser.print_help()
 

ai-labeling/scripts/summarize.py

@@ -39,11 +39,21 @@ def latest_per_ep(files):
     return {ep: info[0] for ep, info in latest.items()}
 
 
-def run(model):
+def run(model, field="narrative"):
-    pattern = str(EXPERIMENTS_DIR / f"*_{model}_*.json")
+    # 文件匹配：新格式有 field 标记，老格式（无 field）向后兼容
-    files = sorted(Path(p) for p in glob.glob(pattern))
+    pattern_new = str(EXPERIMENTS_DIR / f"*_{model}_{field}_*.json")
+    files_new = sorted(Path(p) for p in glob.glob(pattern_new))
+    # 如果是 narrative 且新格式文件为空，尝试匹配老格式（无 field 标记）
+    if field == "narrative" and not files_new:
+        pattern_old = str(EXPERIMENTS_DIR / f"*_{model}_ep*.json")
+        files_old = [f for f in sorted(Path(p) for p in glob.glob(pattern_old))
+                     if len(f.name.replace(".json", "").split("_")) == 3]  # 老格式: ts_model_epNN.json
+        files = files_old
+    else:
+        files = files_new
+
     if not files:
-        print(f"未找到 {pattern}")
+        print(f"未找到 {pattern_new}")
         return
 
     ep_files = latest_per_ep(files)
@@ -61,36 +71,47 @@ def run(model):
         result = data.get("result")
 
         title = gt.get("title", "?")
-        gt_val = gt.get("narrative_structure", "?")
-        pred_val = result.get("narrative_structure") if result else None
-        conf = result.get("confidence", "?") if result else "?"
-        hit = pred_val == gt_val if pred_val is not None else False
 
-        rows.append({"ep": ep, "title": title, "gt": gt_val, "pred": pred_val or "解析失败", "hit": hit, "conf": conf})
+        if field == "narrative":
+            gt_val = gt.get("narrative_structure", "?")
+            pred_val = result.get("narrative_structure") if result else None
+            conf = result.get("confidence", "?") if result else "?"
+            hit = pred_val == gt_val if pred_val is not None else False
+            rows.append({"ep": ep, "title": title, "gt": gt_val, "pred": pred_val or "解析失败", "hit": hit, "conf": conf})
+        elif field == "classification":
+            # 骨架预留：等 ground-truth 标注就绪后实现具体比对逻辑
+            rows.append({"ep": ep, "title": title, "gt": "?", "pred": "classification 待实现", "hit": False, "conf": "?"})
 
-    # 打印每行
+    if field == "narrative":
-    for r in rows:
+        # 打印每行
-        mark = "✓" if r["hit"] else "✗"
+        for r in rows:
-        conf_str = f'置信度:{r["conf"]}' if r["conf"] != "?" else ""
+            mark = "✓" if r["hit"] else "✗"
-        print(f'  ep{r["ep"]:02d} {r["title"]:<10} | 标准:{r["gt"]:<8} | {model}:{r["pred"]:<8} | {mark} {conf_str}')
+            conf_str = f'置信度:{r["conf"]}' if r["conf"] != "?" else ""
+            print(f'  ep{r["ep"]:02d} {r["title"]:<10} | 标准:{r["gt"]:<8} | {model}:{r["pred"]:<8} | {mark} {conf_str}')
 
-    # 汇总
+        # 汇总
-    total = len(rows)
+        total = len(rows)
-    hits = sum(1 for r in rows if r["hit"])
+        hits = sum(1 for r in rows if r["hit"])
-    hi_conf = [r for r in rows if r["conf"] == "高"]
+        hi_conf = [r for r in rows if r["conf"] == "高"]
-    mid_low = [r for r in rows if r["conf"] in ("中", "低")]
+        mid_low = [r for r in rows if r["conf"] in ("中", "低")]
-    hi_hit = sum(1 for r in hi_conf if r["hit"])
+        hi_hit = sum(1 for r in hi_conf if r["hit"])
-    ml_hit = sum(1 for r in mid_low if r["hit"])
+        ml_hit = sum(1 for r in mid_low if r["hit"])
 
-    print(f"\n  ===== {model} 命中情况 =====")
+        print(f"\n  ===== {model} 命中情况 =====")
-    print(f"  narrative_structure 命中: {hits}/{total} = {hits*100//total}%")
+        print(f"  narrative_structure 命中: {hits}/{total} = {hits*100//total}%")
-    print(f"  自评\"高\"置信的命中率: {hi_hit}/{len(hi_conf)}")
+        print(f"  自评\"高\"置信的命中率: {hi_hit}/{len(hi_conf)}")
-    print(f"  自评\"中/低\"置信的命中率: {ml_hit}/{len(mid_low)}")
+        print(f"  自评\"中/低\"置信的命中率: {ml_hit}/{len(mid_low)}")
-    print(f"  解析失败: {parse_fail} 期")
+        print(f"  解析失败: {parse_fail} 期")
+    elif field == "classification":
+        print(f"\n  ===== {model} classification =====")
+        print(f"  classification 比对逻辑待实现（等 ground-truth 标注就绪）")
+        print(f"  解析失败: {parse_fail} 期")
 
 
 if __name__ == "__main__":
     parser = argparse.ArgumentParser()
     parser.add_argument("--model", required=True, help="模型键名，如 mimo-v2.5-pro / deepseek-v4-pro")
+    parser.add_argument("--field", default="narrative", choices=["narrative", "classification"],
+                        help="打标字段: narrative(叙事结构) / classification(4分类)")
     args = parser.parse_args()
-    run(args.model)
+    run(args.model, args.field)