看板升级: L3分析引擎原型v0.1 + 视觉方向定稿 + 页面布局设计
- 新增 l3_analysis_prototype.py：读Excel 25期收视 + GT 20期AI标签， 计算5个分析模块（指标卡/走势/季度/题材/编导），输出HTML+ECharts报告 - 制片人审定视觉方向：磨砂玻璃/大倒角/1100px限宽/暖色渐变 - 页面布局定稿：指标卡→走势图→L4诊断(走势图下方)→季度+题材→编导→象限图 - 范围选择器定方案A（按自然年分页+年内dataZoom滑块） - 新增设计参考图3张（功能区划/幅面参考/页面风格） - 更新两份CLAUDE.md状态栏+进度+关键决策+交接备注 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
simonkoson
@@ -13,8 +13,8 @@
|
|||||||
|
|
||||||
## 🔖 状态栏（每次结束 session 前必须更新这三行）
|
## 🔖 状态栏（每次结束 session 前必须更新这三行）
|
||||||
|
|
||||||
- **最后更新**：Claude（顾问）｜ 2026-05-27
|
- **最后更新**：Claude（顾问）｜ 2026-06-26
|
||||||
- **当前状态一句话**：Phase 3 知识库基础设施已完成至 Task 3（树形视图按来源分组，commit `3409d48`）；主干暂停、资源转子项目，下一刀未定。
|
- **当前状态一句话**：Phase 3 知识库已完成；看板升级子项目 L3 分析引擎原型 v0.1 已出（HTML 可视化+制片人审定视觉方向），L2 打标收摊+003 迁移到位。主干暂停。
|
||||||
- **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
|
- **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|||||||
@@ -1,5 +1,6 @@
|
|||||||
.env
|
.env
|
||||||
experiments/*.json
|
experiments/*.json
|
||||||
|
output/
|
||||||
__pycache__/
|
__pycache__/
|
||||||
*.pyc
|
*.pyc
|
||||||
.venv/
|
.venv/
|
||||||
|
|||||||
+44
-18
@@ -13,7 +13,7 @@
|
|||||||
## 🔖 状态栏（每次结束 session 前必须更新这三行）
|
## 🔖 状态栏（每次结束 session 前必须更新这三行）
|
||||||
|
|
||||||
- **最后更新**：Claude Opus（顾问）｜ 2026-06-26
|
- **最后更新**：Claude Opus（顾问）｜ 2026-06-26
|
||||||
- **当前状态一句话**：L2 打标收摊。GT v0.5.0（20期6字段全覆盖）。Schema 加字段方案已写好（003_add_ai_labels.sql + Model），待在数据库上执行。下一步进 L3 分析引擎设计。
|
- **当前状态一句话**：L3 分析引擎原型 v0.1 已出（HTML 可视化，5 模块 + L4 模拟诊断），制片人审完视觉方向，页面布局和交互设计方案已定。下一步：原型微调收尾 → 进 React 前端实现。
|
||||||
- **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
|
- **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
|
||||||
|
|
||||||
---
|
---
|
||||||
@@ -109,8 +109,8 @@
|
|||||||
|----|------|--------|----------|
|
|----|------|--------|----------|
|
||||||
| L1 | **数据沉淀** | 每期节目的收视数据、文稿全文、编导、选题单持续入库 | 主项目已有 episodes 表基础结构 |
|
| L1 | **数据沉淀** | 每期节目的收视数据、文稿全文、编导、选题单持续入库 | 主项目已有 episodes 表基础结构 |
|
||||||
| L2 | **AI 打标** | 读文稿自动判别：题材分类(4字段)、叙事结构(2档)、开篇钩子(3档) | Prompt 1 v0.3(80%) + Prompt 2 v0.2(100%) + Prompt 3 v0.2(90%)，三个均达可用水平 |
|
| L2 | **AI 打标** | 读文稿自动判别：题材分类(4字段)、叙事结构(2档)、开篇钩子(3档) | Prompt 1 v0.3(80%) + Prompt 2 v0.2(100%) + Prompt 3 v0.2(90%)，三个均达可用水平 |
|
||||||
| 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 |
|
| 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 | HTML 原型 v0.1 已出（5 模块），页面布局已定 |
|
||||||
| 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 |
|
| 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） | 位置已定（走势图下方），模拟文字已预览 |
|
||||||
|
|
||||||
### 1.6 三层分步交付策略（v1 快照定稿）
|
### 1.6 三层分步交付策略（v1 快照定稿）
|
||||||
|
|
||||||
@@ -229,14 +229,16 @@ python scripts/summarize.py --model mimo-v2.5-pro --field opening_hook
|
|||||||
|
|
||||||
## 3. 当前进度（动态，核心交接区）
|
## 3. 当前进度（动态，核心交接区）
|
||||||
|
|
||||||
- **已完成**：三个 Prompt 均达可用水平 + GT v0.5.0（20期6字段全覆盖）+ schema 加字段方案（SQL + Model 已写好）+ git 大扫除
|
- **已完成至**：L3 原型 v0.1（HTML 可视化 + 制片人审定视觉方向），L2 打标收摊，003 迁移到位
|
||||||
- **正在做**：无
|
- **正在做**：L3 原型视觉微调（Cline 执行），页面布局设计讨论中
|
||||||
- **卡点/待解**：① 003_add_ai_labels.sql 待在数据库上执行（先 pg_dump 备份）；② L3 分析引擎架构设计未启动
|
- **卡点/待解**：无硬卡点。下一步进 React 前端实现前需定最终页面线框图
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 4. 已完成（只追加，最新在上）
|
## 4. 已完成（只追加，最新在上）
|
||||||
|
|
||||||
|
- [2026-06-26 ｜ Opus] L3 分析引擎原型 v0.1：Python 脚本读 Excel（25期）+ ground-truth（20期AI标签），计算 5 个模块（核心指标卡/走势图/季度对比/题材对比/编导对比），生成 HTML+ECharts 可视化报告。制片人审定：磨砂玻璃+大倒角+1100px 限宽+暖色渐变底；L4 诊断报告位置定在走势图下方（摘要-详情模式）；题材饼图+柱图组合；摸高完成率动态变色。脚本 `scripts/l3_analysis_prototype.py`，输出 `output/l3_report.html`。
|
||||||
|
- [2026-06-26 ｜ Opus] 003_add_ai_labels.sql 迁移已在 milsci_dev 执行：episodes 表 +7 列（program_format / equipment_domain / scene_tags / tech_tags / narrative_structure / opening_hook / ai_label_confidence）+3 索引。COMMENT 因 Windows GBK 编码未写入，不影响功能。Schema（schemas/episode.py）留待 L3 API 时同步更新。
|
||||||
- [2026-06-26 ｜ Opus] GT v0.5.0：补完10期narrative_structure标注（MiMo跑批85%命中+制片人审定，ep019从AI判主线演进改为并列结构）。20期6字段全覆盖。Schema加字段方案：003_add_ai_labels.sql（episodes表+7列）+ episode.py Model同步。summarize.py修复无标注期次崩溃。Git大扫除：doco/programs中间产物移出git、.gitignore补全、deliverables/寄存条入库。commit `cdb213f`。
|
- [2026-06-26 ｜ Opus] GT v0.5.0：补完10期narrative_structure标注（MiMo跑批85%命中+制片人审定，ep019从AI判主线演进改为并列结构）。20期6字段全覆盖。Schema加字段方案：003_add_ai_labels.sql（episodes表+7列）+ episode.py Model同步。summarize.py修复无标注期次崩溃。Git大扫除：doco/programs中间产物移出git、.gitignore补全、deliverables/寄存条入库。commit `cdb213f`。
|
||||||
- [2026-06-25 ｜ Opus] Prompt 1 迭代 v0.1→v0.3（全对率40%→80%）：v0.2加多选字段显著篇幅门槛+从属零件反例+前沿科技vs横切类比拆清+装备深解同类体系测试；v0.3修正跨域规则（传播分类框非军事术语）+训练舰窄类别判定+装备首发校准。ground-truth v0.4.1（ep008补标跨域）。
|
- [2026-06-25 ｜ Opus] Prompt 1 迭代 v0.1→v0.3（全对率40%→80%）：v0.2加多选字段显著篇幅门槛+从属零件反例+前沿科技vs横切类比拆清+装备深解同类体系测试；v0.3修正跨域规则（传播分类框非军事术语）+训练舰窄类别判定+装备首发校准。ground-truth v0.4.1（ep008补标跨域）。
|
||||||
- [2026-06-25 ｜ Opus] Prompt 3 v0.1→v0.2（开篇钩子，命中率50%→90%）：v0.1撰写+脚本opening_hook支持；v0.2修复三问题——阅读范围扩至3段（导视+主持人+首段解说）、强判定从紧迫感硬门槛改为6条独立路径、弱判定区分信息性提问vs悬念式提问。ground-truth v0.4.2（20期opening_hook全标注，制片人逐期审定含钩子分析）。summarize.py改为从源GT文件读取。
|
- [2026-06-25 ｜ Opus] Prompt 3 v0.1→v0.2（开篇钩子，命中率50%→90%）：v0.1撰写+脚本opening_hook支持；v0.2修复三问题——阅读范围扩至3段（导视+主持人+首段解说）、强判定从紧迫感硬门槛改为6条独立路径、弱判定区分信息性提问vs悬念式提问。ground-truth v0.4.2（20期opening_hook全标注，制片人逐期审定含钩子分析）。summarize.py改为从源GT文件读取。
|
||||||
@@ -269,20 +271,27 @@ python scripts/summarize.py --model mimo-v2.5-pro --field opening_hook
|
|||||||
|
|
||||||
### L1 — 数据沉淀（与主项目交界，需 Opus 审）
|
### L1 — 数据沉淀（与主项目交界，需 Opus 审）
|
||||||
|
|
||||||
- [ ] **episodes schema 加字段** — 方案已就绪（`003_add_ai_labels.sql` + Model），待在数据库执行。先 `pg_dump` 备份。
|
- [x] **episodes schema 加字段** — 003 迁移已执行（2026-06-26），7 列 + 3 索引到位。
|
||||||
- [ ] **文稿入库流程** — 每期文稿全文入知识库（主项目 Phase 3 已有知识库基础设施）。
|
- [ ] **文稿入库流程** — 每期文稿全文入知识库（主项目 Phase 3 已有知识库基础设施）。
|
||||||
- [ ] **收视数据导入** — 真实收视 Excel 批量导入 + 清测试数据。
|
- [ ] **收视数据导入** — 真实收视 Excel 批量导入 + 清测试数据。
|
||||||
|
|
||||||
### L3 — 分析引擎（待设计）
|
### L3 — 分析引擎（原型已出，进入前端实现）
|
||||||
|
|
||||||
- [ ] **分析维度定义** — 对标 Excel 8 个 Sheet：核心指标卡、走势图、编导对比、题材对比、阶段对比、高低样本对照、诊断结论。
|
- [x] **HTML 原型 v0.1** — 5 模块计算验证通过（指标卡/走势/季度/题材/编导），25 期数据全部读入。
|
||||||
- [ ] **计算逻辑实现** — 滚动均值、达标率、分组统计、样本排序等。
|
- [x] **视觉方向定稿** — 磨砂玻璃+大倒角+1100px 限宽+暖色渐变底+三色判定+题材饼图柱图组合。
|
||||||
- [ ] **API 设计** — 支持按季度/自定义周期查询，返回结构化分析数据。
|
- [x] **页面布局定稿** — 指标卡 → 走势图 → L4 诊断报告 → 季度对比+题材对比 → 编导对比 → 双引擎象限图。
|
||||||
|
- [ ] **范围选择器（方案 A 已定）** — 按自然年分页，年内用 ECharts dataZoom 滑块选范围，下方所有模块联动刷新。历史年份（如 2025）仅展示走势+编导（无 AI 标签的模块标灰）。
|
||||||
|
- [ ] **单期详情页入口** — 走势图柱子可点击跳转到该期节目分析页（独立子项目）。
|
||||||
|
- [ ] **计算逻辑实现（React）** — 将原型 Python 计算逻辑搬进 backend API。
|
||||||
|
- [ ] **API 设计** — 支持按年度+自定义期次范围查询，返回结构化分析数据。
|
||||||
|
|
||||||
### L4 — 诊断报告（待设计）
|
### L4 — 诊断报告（位置已定，待实现）
|
||||||
|
|
||||||
|
- [x] **位置定稿** — 走势图下方，摘要-详情模式（看板页固定高度干条 + 点击展开详情页全文）。
|
||||||
|
- [ ] **自适应色调 Prompt 机制** — 根据选定范围的达标率/均值动态切换分析角度：优秀期→复盘总结模式；问题期→病因诊断模式；混合→综合对比模式。
|
||||||
- [ ] **多 LLM 共识选型测试** — 用样板数据测试 MiMo / GLM 5.2 / 其他模型的诊断分析能力，确定阵容。
|
- [ ] **多 LLM 共识选型测试** — 用样板数据测试 MiMo / GLM 5.2 / 其他模型的诊断分析能力，确定阵容。
|
||||||
- [ ] **诊断 Prompt 撰写** — 输入结构化分析数据，输出自然语言诊断结论 + 改进建议。需融入双引擎理论框架。
|
- [ ] **诊断 Prompt 撰写** — 输入结构化分析数据，输出自然语言诊断结论 + 改进建议。需融入双引擎理论框架。
|
||||||
|
- [ ] **外部因素关联分析** — 结合互联网搜索（同时段竞争节目、社会热点）丰富诊断深度。
|
||||||
- [ ] **共识聚合逻辑** — 多家结果如何合并/投票/呈现。
|
- [ ] **共识聚合逻辑** — 多家结果如何合并/投票/呈现。
|
||||||
- [ ] **UI 置信度三档** — AI 草稿/制片人确认/标题推断一眼可辨。
|
- [ ] **UI 置信度三档** — AI 草稿/制片人确认/标题推断一眼可辨。
|
||||||
|
|
||||||
@@ -350,6 +359,17 @@ python scripts/summarize.py --model mimo-v2.5-pro --field opening_hook
|
|||||||
- [2026-06-11] **三个 Prompt 独立**（分类 / 叙事结构 / 开篇钩子），不合并成一个大 Prompt。
|
- [2026-06-11] **三个 Prompt 独立**（分类 / 叙事结构 / 开篇钩子），不合并成一个大 Prompt。
|
||||||
- [2026-06-11] **示例集"慢慢长大"**：10-30 期全塞 prompt → 30-80 期 pgvector 检索相似 → 80+ 期固定 5 + 动态 5-8。栈里 pgvector 已就位，第二阶段不新增依赖。
|
- [2026-06-11] **示例集"慢慢长大"**：10-30 期全塞 prompt → 30-80 期 pgvector 检索相似 → 80+ 期固定 5 + 动态 5-8。栈里 pgvector 已就位，第二阶段不新增依赖。
|
||||||
|
|
||||||
|
### L3/L4 页面设计决策
|
||||||
|
|
||||||
|
- [2026-06-26] **范围选择器走方案 A（按自然年分页）**：每年目标清零+基础/摸高数值可能变+2025 年以前无文稿无 AI 标签，跨年混算问题太多。年内用 ECharts dataZoom 滑块选范围，所有模块联动刷新。
|
||||||
|
- [2026-06-26] **L4 诊断报告位置：走势图下方**（不是最底部）：制片人定调——诊断分析是最有含金量的内容，不能埋在最后。摘要-详情模式：看板页放 3-5 条干条，点击展开详情页看全文。
|
||||||
|
- [2026-06-26] **L4 诊断内容自适应选定范围色调**：全红→复盘总结模式；全绿→病因诊断模式（语气重）；混合→综合对比模式。
|
||||||
|
- [2026-06-26] **页面幅面 max-width 1100px 居中**：参考 Crextio 风格，不撑满全屏。
|
||||||
|
- [2026-06-26] **视觉方向**：磨砂玻璃卡片（backdrop-filter: blur）+ 大倒角（16px）+ 暖色渐变底 + 充足留白。参考风格图 `example/页面风格.webp`。
|
||||||
|
- [2026-06-26] **摸高完成率动态效果**：≥95% 红色微光闪烁；85-94% 蓝色；80-84% 绿色脉冲；<80% 黑色+红色警报光晕。
|
||||||
|
- [2026-06-26] **收视分析看板 ≠ TPS 仪表盘首页**：首页是每天扫一眼的门面（题图/近9期/热点/排播），分析看板是左侧工具栏里的深度分析入口。首页从看板抽关键数字展示。
|
||||||
|
- [2026-06-26] **2026 年收视目标**：基础 0.6448，摸高 0.8989。
|
||||||
|
|
||||||
### 技术约束
|
### 技术约束
|
||||||
|
|
||||||
- [2026-06-11] MiMo / M3 等 reasoning model 输出带 `<think>...</think>` 前缀。脚本用 `extract_json_from_response` 正则剥掉后再 `json.loads`。**换其他 reasoning model（R1、o1 系列）同样适用。**
|
- [2026-06-11] MiMo / M3 等 reasoning model 输出带 `<think>...</think>` 前缀。脚本用 `extract_json_from_response` 正则剥掉后再 `json.loads`。**换其他 reasoning model（R1、o1 系列）同样适用。**
|
||||||
@@ -361,11 +381,14 @@ python scripts/summarize.py --model mimo-v2.5-pro --field opening_hook
|
|||||||
|
|
||||||
## 7. ⏩ 交接备注（换人/换工具 0 摩擦续上）
|
## 7. ⏩ 交接备注（换人/换工具 0 摩擦续上）
|
||||||
|
|
||||||
- **L2 打标已收摊**（2026-06-26）：三个 Prompt 均可用（分类80%/结构85%/钩子90%），GT v0.5.0 20期6字段全覆盖。边际收益递减，暂停迭代。
|
- **L3 原型已出**（2026-06-26）：`scripts/l3_analysis_prototype.py` 读 Excel 25 期 + GT 20 期标签，输出 `output/l3_report.html`。5 个模块计算验证通过，视觉方向已定（磨砂玻璃/大倒角/限宽/暖色渐变），L4 位置已定（走势图下方）。原型仍在微调中（Cline 执行视觉改动）。
|
||||||
- **Schema 加字段方案已就绪**：`backend/sql/003_add_ai_labels.sql`（episodes 表 +7 列）+ `backend/app/models/episode.py`（Model 同步）。**待在数据库上执行**：先 `pg_dump` 备份 → 执行 SQL → 验证。
|
- **页面布局已定**（2026-06-26）：指标卡 → 走势图 → AI 诊断报告(L4) → 季度+题材对比 → 编导对比 → 双引擎象限图。范围选择器走方案 A（按自然年分页 + 年内 dataZoom 滑块）。
|
||||||
- **Git 已清理**（2026-06-26）：doco/programs 中间产物移出 git（本地保留），.gitignore 补全，`git status` 干净。
|
- **关键数据**：2026 年基础目标 0.6448，摸高目标 0.8989。25 期完整收视数据在 `example/2026收视update.xlsx`。5 位编导：张彤枫/付天雨/孙逸昊/穆佩弦/左鑫。
|
||||||
- **下一步**：① 在数据库执行 003 迁移 → ② L3 分析引擎架构设计（对标 Excel 8 个 Sheet）→ ③ L4 诊断报告。
|
- **GT↔Excel 映射**：ground-truth 的 20 期 ep 编号与 Excel 期次不同（GT 用重映射编号），脚本通过关键词匹配标题。5 期无标签：第1/2/9/24/25期。
|
||||||
- **L3/L4 待设计**：分析引擎和诊断报告的架构尚未展开。数据基础（打标+schema）就位后可启动。
|
- **L2 打标已收摊**（2026-06-26）：三个 Prompt 均可用（分类80%/结构85%/钩子90%），GT v0.5.0 20期6字段全覆盖。
|
||||||
|
- **003 迁移已执行**（2026-06-26）：episodes 表 +7 列 +3 索引到位。`schemas/episode.py` 尚未加新字段，留待 L3 API 时同步。
|
||||||
|
- **下一步**：① 原型视觉微调收尾；② 页面线框图定稿；③ 进 React 前端实现（Cline 主力，Claude 审关键逻辑）。
|
||||||
|
- **单期详情页**：走势图柱子可点击跳转（已登记需求入口，独立子项目，暂不实施）。
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
@@ -373,6 +396,9 @@ python scripts/summarize.py --model mimo-v2.5-pro --field opening_hook
|
|||||||
|
|
||||||
- [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）
|
- [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
|
- [ ] 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
|
- [x] ~~L3 分析引擎是否需要超出 Excel 8 Sheet 的额外分析维度~~ → 暂不增加，先复刻 Excel 能力
|
||||||
|
- [x] ~~范围选择器方案 A vs B~~ → 方案 A（按自然年分页），2025 年以前无文稿无 AI 标签不适合跨年混算
|
||||||
|
- [x] ~~L4 诊断报告放在页面什么位置~~ → 走势图下方（制片人定调：诊断是最有含金量的内容）
|
||||||
|
- [ ] L4 诊断需要哪些外部搜索 API（同时段竞争节目热度等）
|
||||||
- [x] ~~下一步优先级：先推 Prompt 1 还是先推 schema 加字段方案？~~ → Prompt 1 先行，已完成 v0.3（80%）
|
- [x] ~~下一步优先级：先推 Prompt 1 还是先推 schema 加字段方案？~~ → Prompt 1 先行，已完成 v0.3（80%）
|
||||||
- [x] ~~Prompt 1 示例集是否需要扩充？~~ → v0.3 已扩至 7 个示例（含防空反导、硅基大脑等易错案例），全对率 80%
|
- [x] ~~Prompt 1 示例集是否需要扩充？~~ → v0.3 已扩至 7 个示例（含防空反导、硅基大脑等易错案例），全对率 80%
|
||||||
|
|||||||
Binary file not shown.
|
After Width: | Height: | Size: 814 KiB |
Binary file not shown.
|
After Width: | Height: | Size: 351 KiB |
Binary file not shown.
|
After Width: | Height: | Size: 130 KiB |
@@ -0,0 +1,849 @@
|
|||||||
|
"""
|
||||||
|
L3 分析引擎原型 — 第一层"纯算的"
|
||||||
|
读 Excel 收视数据 + ground-truth AI 标签，计算 5 个分析模块，输出 HTML 可视化。
|
||||||
|
|
||||||
|
模块：
|
||||||
|
1. 核心指标卡（年度均值、达标率、最高/最低、期数）
|
||||||
|
2. 走势图（逐期份额 + 基础/摸高目标线 + 滚动3期均值）
|
||||||
|
3. 阶段对比（Q1 vs Q2 均值、达标率变化）
|
||||||
|
4. 题材对比（各 program_format 均值份额排名）
|
||||||
|
5. 编导对比（各编导均值、期数、最高/最低）
|
||||||
|
"""
|
||||||
|
|
||||||
|
import json
|
||||||
|
import openpyxl
|
||||||
|
from pathlib import Path
|
||||||
|
from datetime import datetime
|
||||||
|
from collections import defaultdict
|
||||||
|
|
||||||
|
# ── 配置 ──────────────────────────────────────────────
|
||||||
|
BASE_DIR = Path(__file__).resolve().parent.parent
|
||||||
|
EXCEL_PATH = BASE_DIR / "example" / "2026收视update.xlsx"
|
||||||
|
GT_PATH = BASE_DIR / "benchmark-set" / "ground-truth.json"
|
||||||
|
OUTPUT_PATH = BASE_DIR / "output" / "l3_report.html"
|
||||||
|
|
||||||
|
TARGET_BASE = 0.6448
|
||||||
|
TARGET_HIGH = 0.8989
|
||||||
|
|
||||||
|
# 三色判定（基于 audience_share vs yearly_targets）
|
||||||
|
# 红=份额 > 摸高 = 优秀；蓝=基础 ≤ 份额 ≤ 摸高 = 达标；绿=份额 < 基础 = 待提升
|
||||||
|
COLOR_EXCELLENT = "#c0584f" # 红
|
||||||
|
COLOR_STANDARD = "#5b8db8" # 蓝
|
||||||
|
COLOR_IMPROVE = "#7aa874" # 绿
|
||||||
|
|
||||||
|
# 题材配色（饼图用）
|
||||||
|
FORMAT_COLORS = {
|
||||||
|
"装备深解": "#5b8db8",
|
||||||
|
"横切类比": "#c0584f",
|
||||||
|
"历史纵深": "#e8a838",
|
||||||
|
"前沿科技": "#7aa874",
|
||||||
|
"事件战例": "#9b7eb8",
|
||||||
|
"人物牵引": "#d4816b",
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
def rating_color(share):
|
||||||
|
if share > TARGET_HIGH:
|
||||||
|
return COLOR_EXCELLENT
|
||||||
|
elif share >= TARGET_BASE:
|
||||||
|
return COLOR_STANDARD
|
||||||
|
else:
|
||||||
|
return COLOR_IMPROVE
|
||||||
|
|
||||||
|
|
||||||
|
def rating_label(share):
|
||||||
|
if share > TARGET_HIGH:
|
||||||
|
return "优秀"
|
||||||
|
elif share >= TARGET_BASE:
|
||||||
|
return "达标"
|
||||||
|
else:
|
||||||
|
return "待提升"
|
||||||
|
|
||||||
|
|
||||||
|
# ── 1. 读 Excel ──────────────────────────────────────
|
||||||
|
def read_excel():
|
||||||
|
wb = openpyxl.load_workbook(EXCEL_PATH, data_only=True)
|
||||||
|
ws = wb[wb.sheetnames[0]]
|
||||||
|
|
||||||
|
episodes = []
|
||||||
|
for row in ws.iter_rows(min_row=4, values_only=True):
|
||||||
|
date_str = row[1]
|
||||||
|
period = row[2]
|
||||||
|
title = row[3]
|
||||||
|
editor = row[4]
|
||||||
|
share = row[5]
|
||||||
|
rating = row[6]
|
||||||
|
|
||||||
|
if date_str is None or period is None:
|
||||||
|
continue
|
||||||
|
|
||||||
|
period_num = int("".join(c for c in str(period) if c.isdigit()))
|
||||||
|
editor_clean = str(editor).replace(" ", "").strip() if editor else ""
|
||||||
|
|
||||||
|
if isinstance(date_str, str):
|
||||||
|
date_str = date_str.strip().replace(" ", "-")
|
||||||
|
air_date = datetime.strptime(date_str, "%Y-%m-%d")
|
||||||
|
else:
|
||||||
|
air_date = date_str
|
||||||
|
|
||||||
|
episodes.append({
|
||||||
|
"period": period_num,
|
||||||
|
"title": str(title).strip(),
|
||||||
|
"editor": editor_clean,
|
||||||
|
"air_date": air_date,
|
||||||
|
"share": float(share) if share else 0,
|
||||||
|
"rating": float(rating) if rating else 0,
|
||||||
|
})
|
||||||
|
|
||||||
|
return sorted(episodes, key=lambda e: e["period"])
|
||||||
|
|
||||||
|
|
||||||
|
# ── 2. 读 ground-truth + 匹配 ────────────────────────
|
||||||
|
def read_gt_and_match(episodes):
|
||||||
|
with open(GT_PATH, "r", encoding="utf-8") as f:
|
||||||
|
gt = json.load(f)
|
||||||
|
|
||||||
|
gt_episodes = gt["episodes"]
|
||||||
|
|
||||||
|
# 用关键词匹配 GT episode → Excel episode
|
||||||
|
# GT 标题是缩写，Excel 标题是全称
|
||||||
|
TITLE_KEYWORDS = {
|
||||||
|
"防空反导大对决": "防空",
|
||||||
|
"潜艇仿生": "潜艇",
|
||||||
|
"枪械小尺寸大讲究": "小尺寸",
|
||||||
|
"枪王对决": "枪王",
|
||||||
|
"硅基大脑": "硅基",
|
||||||
|
"舰证不凡": "舰",
|
||||||
|
"大国巨舰反差": "巨舰",
|
||||||
|
"马年军事图鉴": "马年",
|
||||||
|
"重金造神器": "重金",
|
||||||
|
"射速决定论": "射速",
|
||||||
|
"空战演进": "空战",
|
||||||
|
"逆袭战局": "逆袭战局",
|
||||||
|
"X-76飞行器": "X76",
|
||||||
|
"启程远航": "启程",
|
||||||
|
"舰炮暴力美学": "舰炮",
|
||||||
|
"无人舰艇": "无人舰艇",
|
||||||
|
"逆袭的鸭翼": "鸭翼",
|
||||||
|
"机枪双雄": "机枪双雄",
|
||||||
|
"玩具总动员": "玩具",
|
||||||
|
"武器颜值洼地": "颜值",
|
||||||
|
}
|
||||||
|
|
||||||
|
for gt_ep in gt_episodes:
|
||||||
|
gt_title = gt_ep["title"]
|
||||||
|
keyword = TITLE_KEYWORDS.get(gt_title, gt_title)
|
||||||
|
matched = False
|
||||||
|
for ep in episodes:
|
||||||
|
if keyword in ep["title"]:
|
||||||
|
ep["program_format"] = gt_ep.get("program_format")
|
||||||
|
ep["equipment_domain"] = gt_ep.get("equipment_domain", [])
|
||||||
|
ep["scene_tags"] = gt_ep.get("scene_tags", [])
|
||||||
|
ep["tech_tags"] = gt_ep.get("tech_tags", [])
|
||||||
|
ep["narrative_structure"] = gt_ep.get("narrative_structure")
|
||||||
|
ep["opening_hook"] = gt_ep.get("opening_hook")
|
||||||
|
matched = True
|
||||||
|
break
|
||||||
|
if not matched:
|
||||||
|
print(f" ⚠ GT ep{gt_ep['ep']} '{gt_title}' 未匹配到 Excel 期次")
|
||||||
|
|
||||||
|
matched_count = sum(1 for e in episodes if "program_format" in e)
|
||||||
|
print(f" GT 匹配结果：{matched_count}/{len(episodes)} 期有 AI 标签")
|
||||||
|
return episodes
|
||||||
|
|
||||||
|
|
||||||
|
# ── 3. 计算分析模块 ──────────────────────────────────
|
||||||
|
def compute_analysis(episodes):
|
||||||
|
shares = [e["share"] for e in episodes]
|
||||||
|
n = len(shares)
|
||||||
|
|
||||||
|
# ── 模块 1: 核心指标卡 ──
|
||||||
|
avg_share = sum(shares) / n
|
||||||
|
max_ep = max(episodes, key=lambda e: e["share"])
|
||||||
|
min_ep = min(episodes, key=lambda e: e["share"])
|
||||||
|
above_base = sum(1 for s in shares if s >= TARGET_BASE)
|
||||||
|
above_high = sum(1 for s in shares if s > TARGET_HIGH)
|
||||||
|
|
||||||
|
metrics = {
|
||||||
|
"total_episodes": n,
|
||||||
|
"avg_share": round(avg_share, 4),
|
||||||
|
"avg_rating": round(avg_share / TARGET_BASE, 2),
|
||||||
|
"base_completion": round(avg_share / TARGET_BASE * 100, 1),
|
||||||
|
"high_completion": round(avg_share / TARGET_HIGH * 100, 1),
|
||||||
|
"max_share": max_ep["share"],
|
||||||
|
"max_title": max_ep["title"],
|
||||||
|
"max_period": max_ep["period"],
|
||||||
|
"min_share": min_ep["share"],
|
||||||
|
"min_title": min_ep["title"],
|
||||||
|
"min_period": min_ep["period"],
|
||||||
|
"above_base_count": above_base,
|
||||||
|
"above_base_pct": round(above_base / n * 100, 1),
|
||||||
|
"above_high_count": above_high,
|
||||||
|
"above_high_pct": round(above_high / n * 100, 1),
|
||||||
|
}
|
||||||
|
|
||||||
|
# ── 模块 2: 走势图数据 ──
|
||||||
|
trend = []
|
||||||
|
for i, ep in enumerate(episodes):
|
||||||
|
rolling_3 = None
|
||||||
|
if i >= 2:
|
||||||
|
rolling_3 = round(sum(shares[i-2:i+1]) / 3, 4)
|
||||||
|
trend.append({
|
||||||
|
"period": ep["period"],
|
||||||
|
"title": ep["title"],
|
||||||
|
"share": ep["share"],
|
||||||
|
"rating": ep["rating"],
|
||||||
|
"editor": ep["editor"],
|
||||||
|
"air_date": ep["air_date"].strftime("%m-%d"),
|
||||||
|
"rolling_3": rolling_3,
|
||||||
|
"color": rating_color(ep["share"]),
|
||||||
|
"label": rating_label(ep["share"]),
|
||||||
|
})
|
||||||
|
|
||||||
|
# ── 模块 3: 阶段对比（按季度）──
|
||||||
|
quarters = defaultdict(list)
|
||||||
|
for ep in episodes:
|
||||||
|
q = (ep["air_date"].month - 1) // 3 + 1
|
||||||
|
quarters[f"Q{q}"].append(ep["share"])
|
||||||
|
|
||||||
|
stages = {}
|
||||||
|
for q_name in sorted(quarters.keys()):
|
||||||
|
q_shares = quarters[q_name]
|
||||||
|
q_avg = sum(q_shares) / len(q_shares)
|
||||||
|
q_above_base = sum(1 for s in q_shares if s >= TARGET_BASE)
|
||||||
|
stages[q_name] = {
|
||||||
|
"count": len(q_shares),
|
||||||
|
"avg_share": round(q_avg, 4),
|
||||||
|
"base_completion": round(q_avg / TARGET_BASE * 100, 1),
|
||||||
|
"high_completion": round(q_avg / TARGET_HIGH * 100, 1),
|
||||||
|
"above_base_count": q_above_base,
|
||||||
|
"above_base_pct": round(q_above_base / len(q_shares) * 100, 1),
|
||||||
|
}
|
||||||
|
|
||||||
|
# ── 模块 4: 题材对比 ──
|
||||||
|
format_groups = defaultdict(list)
|
||||||
|
for ep in episodes:
|
||||||
|
fmt = ep.get("program_format")
|
||||||
|
if fmt:
|
||||||
|
format_groups[fmt].append(ep["share"])
|
||||||
|
|
||||||
|
topic_stats = {}
|
||||||
|
for fmt, fmt_shares in format_groups.items():
|
||||||
|
topic_stats[fmt] = {
|
||||||
|
"count": len(fmt_shares),
|
||||||
|
"avg_share": round(sum(fmt_shares) / len(fmt_shares), 4),
|
||||||
|
"max_share": max(fmt_shares),
|
||||||
|
"min_share": min(fmt_shares),
|
||||||
|
}
|
||||||
|
topic_stats = dict(sorted(topic_stats.items(), key=lambda x: x[1]["avg_share"], reverse=True))
|
||||||
|
|
||||||
|
# ── 模块 5: 编导对比 ──
|
||||||
|
editor_groups = defaultdict(list)
|
||||||
|
for ep in episodes:
|
||||||
|
editor_groups[ep["editor"]].append(ep)
|
||||||
|
|
||||||
|
editor_stats = {}
|
||||||
|
for editor, ed_eps in editor_groups.items():
|
||||||
|
ed_shares = [e["share"] for e in ed_eps]
|
||||||
|
ed_max = max(ed_eps, key=lambda e: e["share"])
|
||||||
|
ed_min = min(ed_eps, key=lambda e: e["share"])
|
||||||
|
editor_stats[editor] = {
|
||||||
|
"count": len(ed_eps),
|
||||||
|
"avg_share": round(sum(ed_shares) / len(ed_shares), 4),
|
||||||
|
"max_share": ed_max["share"],
|
||||||
|
"max_title": ed_max["title"],
|
||||||
|
"min_share": ed_min["share"],
|
||||||
|
"min_title": ed_min["title"],
|
||||||
|
"above_base_count": sum(1 for s in ed_shares if s >= TARGET_BASE),
|
||||||
|
"above_base_pct": round(sum(1 for s in ed_shares if s >= TARGET_BASE) / len(ed_shares) * 100, 1),
|
||||||
|
}
|
||||||
|
editor_stats = dict(sorted(editor_stats.items(), key=lambda x: x[1]["avg_share"], reverse=True))
|
||||||
|
|
||||||
|
return {
|
||||||
|
"metrics": metrics,
|
||||||
|
"trend": trend,
|
||||||
|
"stages": stages,
|
||||||
|
"topic_stats": topic_stats,
|
||||||
|
"editor_stats": editor_stats,
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
# ── 4. 生成 HTML ─────────────────────────────────────
|
||||||
|
def generate_html(data, episodes):
|
||||||
|
metrics = data["metrics"]
|
||||||
|
trend = data["trend"]
|
||||||
|
stages = data["stages"]
|
||||||
|
topic_stats = data["topic_stats"]
|
||||||
|
editor_stats = data["editor_stats"]
|
||||||
|
|
||||||
|
# 走势图数据
|
||||||
|
periods = [t["period"] for t in trend]
|
||||||
|
titles = [f'第{t["period"]}期 {t["title"]}' for t in trend]
|
||||||
|
shares = [t["share"] for t in trend]
|
||||||
|
rolling3 = [t["rolling_3"] for t in trend]
|
||||||
|
colors = [t["color"] for t in trend]
|
||||||
|
editors = [t["editor"] for t in trend]
|
||||||
|
labels = [t["label"] for t in trend]
|
||||||
|
dates = [t["air_date"] for t in trend]
|
||||||
|
|
||||||
|
# 题材对比数据
|
||||||
|
topic_names = list(topic_stats.keys())
|
||||||
|
topic_avgs = [topic_stats[k]["avg_share"] for k in topic_names]
|
||||||
|
topic_counts = [topic_stats[k]["count"] for k in topic_names]
|
||||||
|
|
||||||
|
# 题材饼图数据
|
||||||
|
topic_pie_data = []
|
||||||
|
topic_pie_colors = []
|
||||||
|
for k in topic_names:
|
||||||
|
color = FORMAT_COLORS.get(k, "#999")
|
||||||
|
topic_pie_data.append({"name": k, "value": topic_stats[k]["count"]})
|
||||||
|
topic_pie_colors.append(color)
|
||||||
|
|
||||||
|
# 编导对比数据
|
||||||
|
editor_names = list(editor_stats.keys())
|
||||||
|
editor_avgs = [editor_stats[k]["avg_share"] for k in editor_names]
|
||||||
|
editor_counts = [editor_stats[k]["count"] for k in editor_names]
|
||||||
|
|
||||||
|
# 阶段对比数据
|
||||||
|
stage_names = list(stages.keys())
|
||||||
|
stage_avgs = [stages[k]["avg_share"] for k in stage_names]
|
||||||
|
stage_base_pcts = [stages[k]["above_base_pct"] for k in stage_names]
|
||||||
|
|
||||||
|
# ── 摸高目标完成率卡片动态样式 ──
|
||||||
|
hc = metrics["high_completion"]
|
||||||
|
if hc >= 95:
|
||||||
|
high_card_class = "metric-card metric-card-shimmer"
|
||||||
|
high_card_value_style = "background: linear-gradient(90deg, #c0584f 40%, #f0a050 50%, #c0584f 60%); background-size: 200%; -webkit-background-clip: text; -webkit-text-fill-color: transparent; animation: shimmer 2s infinite;"
|
||||||
|
elif hc >= 85:
|
||||||
|
high_card_class = "metric-card"
|
||||||
|
high_card_value_style = "color:#5b8db8"
|
||||||
|
elif hc >= 80:
|
||||||
|
high_card_class = "metric-card metric-card-pulse-warn"
|
||||||
|
high_card_value_style = "color:#7aa874"
|
||||||
|
else:
|
||||||
|
high_card_class = "metric-card metric-card-pulse-danger"
|
||||||
|
high_card_value_style = "color:#333"
|
||||||
|
|
||||||
|
html = f"""<!DOCTYPE html>
|
||||||
|
<html lang="zh-CN">
|
||||||
|
<head>
|
||||||
|
<meta charset="UTF-8">
|
||||||
|
<meta name="viewport" content="width=device-width, initial-scale=1.0">
|
||||||
|
<title>军事科技 2026 收视分析 — L3 原型</title>
|
||||||
|
<script src="https://cdn.jsdelivr.net/npm/echarts@5/dist/echarts.min.js"></script>
|
||||||
|
<style>
|
||||||
|
* {{ margin: 0; padding: 0; box-sizing: border-box; }}
|
||||||
|
body {{
|
||||||
|
font-family: "Microsoft YaHei", "PingFang SC", sans-serif;
|
||||||
|
background: linear-gradient(135deg, #f5f0e8 0%, #e8e4d8 30%, #f0ece2 60%, #ebe5d5 100%);
|
||||||
|
min-height: 100vh;
|
||||||
|
color: #333;
|
||||||
|
max-width: 1100px;
|
||||||
|
margin: 0 auto;
|
||||||
|
padding: 32px 24px;
|
||||||
|
}}
|
||||||
|
h1 {{
|
||||||
|
text-align: center;
|
||||||
|
color: #4a6741;
|
||||||
|
font-size: 22px;
|
||||||
|
margin-bottom: 4px;
|
||||||
|
}}
|
||||||
|
.subtitle {{
|
||||||
|
text-align: center;
|
||||||
|
color: #888;
|
||||||
|
font-size: 13px;
|
||||||
|
margin-bottom: 24px;
|
||||||
|
}}
|
||||||
|
|
||||||
|
/* 指标卡 */
|
||||||
|
.metrics-grid {{
|
||||||
|
display: grid;
|
||||||
|
grid-template-columns: repeat(5, 1fr);
|
||||||
|
gap: 16px;
|
||||||
|
margin-bottom: 28px;
|
||||||
|
}}
|
||||||
|
.metric-card {{
|
||||||
|
background: rgba(255,255,255,0.55);
|
||||||
|
backdrop-filter: blur(12px);
|
||||||
|
-webkit-backdrop-filter: blur(12px);
|
||||||
|
border-radius: 16px;
|
||||||
|
padding: 20px;
|
||||||
|
text-align: center;
|
||||||
|
border: 1px solid rgba(255,255,255,0.6);
|
||||||
|
box-shadow: 0 4px 16px rgba(0,0,0,0.06);
|
||||||
|
}}
|
||||||
|
.metric-card .value {{
|
||||||
|
font-size: 28px;
|
||||||
|
font-weight: 700;
|
||||||
|
margin-bottom: 4px;
|
||||||
|
}}
|
||||||
|
.metric-card .desc {{
|
||||||
|
font-size: 12px;
|
||||||
|
color: #888;
|
||||||
|
}}
|
||||||
|
.metric-card .sub {{
|
||||||
|
font-size: 11px;
|
||||||
|
color: #aaa;
|
||||||
|
margin-top: 4px;
|
||||||
|
}}
|
||||||
|
|
||||||
|
/* 图表容器 */
|
||||||
|
.chart-section {{
|
||||||
|
background: rgba(255,255,255,0.55);
|
||||||
|
backdrop-filter: blur(12px);
|
||||||
|
-webkit-backdrop-filter: blur(12px);
|
||||||
|
border-radius: 16px;
|
||||||
|
padding: 24px;
|
||||||
|
margin-bottom: 24px;
|
||||||
|
border: 1px solid rgba(255,255,255,0.6);
|
||||||
|
box-shadow: 0 4px 16px rgba(0,0,0,0.06);
|
||||||
|
}}
|
||||||
|
.chart-section h2 {{
|
||||||
|
font-size: 15px;
|
||||||
|
color: #4a6741;
|
||||||
|
margin-bottom: 14px;
|
||||||
|
padding-left: 8px;
|
||||||
|
border-left: 3px solid #6b8e6b;
|
||||||
|
}}
|
||||||
|
.chart-section h3 {{
|
||||||
|
margin: 0;
|
||||||
|
}}
|
||||||
|
.chart-section ul {{
|
||||||
|
margin: 0;
|
||||||
|
list-style-type: disc;
|
||||||
|
}}
|
||||||
|
.chart-container {{
|
||||||
|
width: 100%;
|
||||||
|
height: 380px;
|
||||||
|
}}
|
||||||
|
.chart-container-sm {{
|
||||||
|
width: 100%;
|
||||||
|
height: 300px;
|
||||||
|
}}
|
||||||
|
|
||||||
|
/* 双列布局 */
|
||||||
|
.two-col {{
|
||||||
|
display: grid;
|
||||||
|
grid-template-columns: 1fr 1fr;
|
||||||
|
gap: 20px;
|
||||||
|
}}
|
||||||
|
|
||||||
|
/* 阶段对比表格 */
|
||||||
|
.stage-table {{
|
||||||
|
width: 100%;
|
||||||
|
border-collapse: collapse;
|
||||||
|
font-size: 13px;
|
||||||
|
}}
|
||||||
|
.stage-table th {{
|
||||||
|
background: #f5f3eb;
|
||||||
|
padding: 8px 12px;
|
||||||
|
text-align: left;
|
||||||
|
font-weight: 600;
|
||||||
|
color: #555;
|
||||||
|
}}
|
||||||
|
.stage-table td {{
|
||||||
|
padding: 8px 12px;
|
||||||
|
border-bottom: 1px solid #eee;
|
||||||
|
}}
|
||||||
|
|
||||||
|
/* 图例 */
|
||||||
|
.legend {{
|
||||||
|
display: flex;
|
||||||
|
justify-content: center;
|
||||||
|
gap: 20px;
|
||||||
|
margin-bottom: 16px;
|
||||||
|
font-size: 12px;
|
||||||
|
}}
|
||||||
|
.legend-item {{
|
||||||
|
display: flex;
|
||||||
|
align-items: center;
|
||||||
|
gap: 4px;
|
||||||
|
}}
|
||||||
|
.legend-dot {{
|
||||||
|
width: 10px;
|
||||||
|
height: 10px;
|
||||||
|
border-radius: 50%;
|
||||||
|
}}
|
||||||
|
|
||||||
|
/* 摸高卡片动效 */
|
||||||
|
@keyframes shimmer {{
|
||||||
|
0% {{ background-position: -200% center; }}
|
||||||
|
100% {{ background-position: 200% center; }}
|
||||||
|
}}
|
||||||
|
@keyframes pulse-danger {{
|
||||||
|
0%, 100% {{ box-shadow: 0 0 8px rgba(180,30,30,0.3); }}
|
||||||
|
50% {{ box-shadow: 0 0 20px rgba(180,30,30,0.6); }}
|
||||||
|
}}
|
||||||
|
@keyframes pulse-warn {{
|
||||||
|
0%, 100% {{ opacity: 1; }}
|
||||||
|
50% {{ opacity: 0.75; }}
|
||||||
|
}}
|
||||||
|
.metric-card-shimmer .value {{
|
||||||
|
display: inline-block;
|
||||||
|
}}
|
||||||
|
.metric-card-pulse-danger {{
|
||||||
|
border: 2px solid rgba(180,30,30,0.4);
|
||||||
|
animation: pulse-danger 1.5s infinite;
|
||||||
|
}}
|
||||||
|
.metric-card-pulse-warn {{
|
||||||
|
animation: pulse-warn 2s infinite;
|
||||||
|
}}
|
||||||
|
|
||||||
|
.footer {{
|
||||||
|
text-align: center;
|
||||||
|
color: #bbb;
|
||||||
|
font-size: 11px;
|
||||||
|
margin-top: 20px;
|
||||||
|
}}
|
||||||
|
</style>
|
||||||
|
</head>
|
||||||
|
<body>
|
||||||
|
|
||||||
|
<h1>军事科技 2026 年度收视分析</h1>
|
||||||
|
<p class="subtitle">数据范围：第1–25期 ｜ 基础目标 {TARGET_BASE} ｜ 摸高目标 {TARGET_HIGH} ｜ 生成时间 {datetime.now().strftime("%Y-%m-%d %H:%M")}</p>
|
||||||
|
|
||||||
|
<div class="legend">
|
||||||
|
<div class="legend-item"><div class="legend-dot" style="background:{COLOR_EXCELLENT}"></div>优秀（>摸高）</div>
|
||||||
|
<div class="legend-item"><div class="legend-dot" style="background:{COLOR_STANDARD}"></div>达标（基础~摸高）</div>
|
||||||
|
<div class="legend-item"><div class="legend-dot" style="background:{COLOR_IMPROVE}"></div>待提升（<基础）</div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<!-- 指标卡 -->
|
||||||
|
<div class="metrics-grid">
|
||||||
|
<div class="metric-card">
|
||||||
|
<div class="value" style="color:{rating_color(metrics['avg_share'])}">{metrics['avg_share']}</div>
|
||||||
|
<div class="desc">平均份额</div>
|
||||||
|
<div class="sub">基础完成率 {metrics['base_completion']}%</div>
|
||||||
|
</div>
|
||||||
|
<div class="{high_card_class}">
|
||||||
|
<div class="value" style="{high_card_value_style}">{metrics['high_completion']}%</div>
|
||||||
|
<div class="desc">摸高目标完成率</div>
|
||||||
|
</div>
|
||||||
|
<div class="metric-card">
|
||||||
|
<div class="value" style="color:{COLOR_EXCELLENT}">{metrics['max_share']}</div>
|
||||||
|
<div class="desc">最高份额</div>
|
||||||
|
<div class="sub">第{metrics['max_period']}期 {metrics['max_title'][:8]}…</div>
|
||||||
|
</div>
|
||||||
|
<div class="metric-card">
|
||||||
|
<div class="value" style="color:{COLOR_IMPROVE}">{metrics['min_share']}</div>
|
||||||
|
<div class="desc">最低份额</div>
|
||||||
|
<div class="sub">第{metrics['min_period']}期 {metrics['min_title'][:8]}…</div>
|
||||||
|
</div>
|
||||||
|
<div class="metric-card">
|
||||||
|
<div class="value">{metrics['above_base_count']}<span style="font-size:16px;color:#888">/{metrics['total_episodes']}</span></div>
|
||||||
|
<div class="desc">达标期数</div>
|
||||||
|
<div class="sub">达标率 {metrics['above_base_pct']}% ｜ 优秀 {metrics['above_high_count']} 期</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<!-- 走势图 -->
|
||||||
|
<div class="chart-section">
|
||||||
|
<h2>收视走势</h2>
|
||||||
|
<div id="trendChart" class="chart-container"></div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<!-- AI 诊断报告 -->
|
||||||
|
<div class="chart-section">
|
||||||
|
<h2>AI 诊断报告</h2>
|
||||||
|
<div style="display:flex;gap:20px;">
|
||||||
|
<div style="flex:1;padding:16px;background:rgba(192,88,79,0.06);border-radius:12px;border-left:3px solid #c0584f;">
|
||||||
|
<h3 style="font-size:14px;color:#c0584f;margin-bottom:10px;">核心发现</h3>
|
||||||
|
<ul style="font-size:13px;line-height:1.8;color:#444;padding-left:16px;">
|
||||||
|
<li><b>摸高目标完成率 83.7%</b>，距达标差 16.3 个百分点。Q2 连续 4 期低于基础线（第16-19期），是全年最大失速段。</li>
|
||||||
|
<li>收视<b>两极分化加剧</b>：最高 1.227（第23期）与最低 0.343（第22期）相差 3.6 倍，说明选题质量波动远大于制作水平波动。</li>
|
||||||
|
<li><b>近 3 期强势反弹</b>（第23-25期均值 1.105），但需警惕"福建舰效应"消退后能否维持。</li>
|
||||||
|
</ul>
|
||||||
|
</div>
|
||||||
|
<div style="flex:1;padding:16px;background:rgba(91,141,184,0.06);border-radius:12px;border-left:3px solid #5b8db8;">
|
||||||
|
<h3 style="font-size:14px;color:#5b8db8;margin-bottom:10px;">病因与提振建议</h3>
|
||||||
|
<ul style="font-size:13px;line-height:1.8;color:#444;padding-left:16px;">
|
||||||
|
<li><b>轻武器/枪械题材连续拖累</b>：4 期枪械相关节目平均份额仅 0.573，远低于基础线。建议控制同类选题间隔至少 6 期。</li>
|
||||||
|
<li><b>"横切类比"形态两极分化</b>：好的横切（马年图鉴 0.95、颜值洼地 1.227）收视极高，差的（重金造神器 0.52）极低。关键变量是"切口话题感"。</li>
|
||||||
|
<li><b>建议增加"装备深解+热点跟进"组合</b>：防空网 0.875、X-76 0.873 证明该组合稳定高产。</li>
|
||||||
|
</ul>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<p style="font-size:11px;color:#bbb;margin-top:12px;text-align:right;">* 以上为 AI 模拟诊断草稿，仅供版面预览，非真实分析结论</p>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<!-- 双列：阶段对比 + 题材对比 -->
|
||||||
|
<div class="two-col">
|
||||||
|
<div class="chart-section">
|
||||||
|
<h2>季度对比</h2>
|
||||||
|
<table class="stage-table">
|
||||||
|
<tr><th>季度</th><th>期数</th><th>平均份额</th><th>基础完成率</th><th>达标率</th></tr>
|
||||||
|
{''.join(f'<tr><td>{q}</td><td>{stages[q]["count"]}</td><td style="color:{rating_color(stages[q]["avg_share"])};font-weight:600">{stages[q]["avg_share"]}</td><td>{stages[q]["base_completion"]}%</td><td>{stages[q]["above_base_pct"]}%</td></tr>' for q in stage_names)}
|
||||||
|
</table>
|
||||||
|
<div id="stageChart" class="chart-container-sm" style="margin-top:12px"></div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<div class="chart-section">
|
||||||
|
<h2>题材对比</h2>
|
||||||
|
<div style="display:flex;gap:16px">
|
||||||
|
<div id="topicPieChart" class="chart-container-sm" style="flex:1;height:280px"></div>
|
||||||
|
<div id="topicBarChart" class="chart-container-sm" style="flex:1;height:280px"></div>
|
||||||
|
</div>
|
||||||
|
<div style="font-size:11px;color:#aaa;margin-top:8px;text-align:center">仅含已标注的 {sum(topic_counts)} 期（共 {metrics['total_episodes']} 期，{metrics['total_episodes'] - sum(topic_counts)} 期待标注）</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<!-- 编导对比 -->
|
||||||
|
<div class="chart-section">
|
||||||
|
<h2>编导对比</h2>
|
||||||
|
<div id="editorChart" class="chart-container-sm"></div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<div class="footer">L3 分析引擎原型 v0.1 — TPS 工作台 ｜ 数据草稿，仅供内部讨论</div>
|
||||||
|
|
||||||
|
<script>
|
||||||
|
// ── 走势图 ──
|
||||||
|
var trendTitles = {json.dumps(titles, ensure_ascii=False)};
|
||||||
|
var trendChart = echarts.init(document.getElementById('trendChart'));
|
||||||
|
trendChart.setOption({{
|
||||||
|
tooltip: {{
|
||||||
|
trigger: 'axis',
|
||||||
|
formatter: function(params) {{
|
||||||
|
var p = params[0].dataIndex;
|
||||||
|
var editors = {json.dumps(editors, ensure_ascii=False)};
|
||||||
|
var labels = {json.dumps(labels, ensure_ascii=False)};
|
||||||
|
var dates = {json.dumps(dates, ensure_ascii=False)};
|
||||||
|
var shares = {json.dumps(shares)};
|
||||||
|
var s = '<b>' + trendTitles[p] + '</b><br/>';
|
||||||
|
s += dates[p] + ' ｜ ' + editors[p] + '<br/>';
|
||||||
|
s += '份额：<b>' + shares[p] + '</b>（' + labels[p] + '）';
|
||||||
|
if (params.length > 1 && params[1].value != null) {{
|
||||||
|
s += '<br/>滚动3期均值：' + params[1].value;
|
||||||
|
}}
|
||||||
|
return s;
|
||||||
|
}}
|
||||||
|
}},
|
||||||
|
grid: {{ left: 50, right: 30, top: 80, bottom: 40 }},
|
||||||
|
xAxis: {{
|
||||||
|
type: 'category',
|
||||||
|
data: {json.dumps([f'{t["period"]}' for t in trend])},
|
||||||
|
axisLabel: {{ fontSize: 11 }}
|
||||||
|
}},
|
||||||
|
yAxis: {{
|
||||||
|
type: 'value',
|
||||||
|
min: 0.2,
|
||||||
|
max: 1.4,
|
||||||
|
axisLabel: {{ fontSize: 11 }}
|
||||||
|
}},
|
||||||
|
series: [
|
||||||
|
{{
|
||||||
|
name: '收视份额',
|
||||||
|
type: 'bar',
|
||||||
|
data: {json.dumps([{"value": s, "itemStyle": {"color": c}} for s, c in zip(shares, colors)])},
|
||||||
|
barWidth: '50%',
|
||||||
|
label: {{
|
||||||
|
show: true,
|
||||||
|
position: 'top',
|
||||||
|
rotate: 45,
|
||||||
|
align: 'left',
|
||||||
|
fontSize: 10,
|
||||||
|
color: 'inherit',
|
||||||
|
opacity: 0.7,
|
||||||
|
formatter: function(params) {{
|
||||||
|
var t = trendTitles[params.dataIndex];
|
||||||
|
var name = t.replace(/^第\\d+期\\s*/, '');
|
||||||
|
return name.length > 4 ? name.substring(0, 4) + '..' : name;
|
||||||
|
}}
|
||||||
|
}},
|
||||||
|
}},
|
||||||
|
{{
|
||||||
|
name: '滚动3期均值',
|
||||||
|
type: 'line',
|
||||||
|
data: {json.dumps(rolling3)},
|
||||||
|
smooth: true,
|
||||||
|
lineStyle: {{ color: '#e8a838', width: 2 }},
|
||||||
|
itemStyle: {{ color: '#e8a838' }},
|
||||||
|
symbolSize: 4,
|
||||||
|
}},
|
||||||
|
{{
|
||||||
|
name: '基础目标',
|
||||||
|
type: 'line',
|
||||||
|
data: {json.dumps([TARGET_BASE] * len(trend))},
|
||||||
|
lineStyle: {{ color: '{COLOR_STANDARD}', type: 'dashed', width: 1.5 }},
|
||||||
|
symbol: 'none',
|
||||||
|
tooltip: {{ show: false }},
|
||||||
|
}},
|
||||||
|
{{
|
||||||
|
name: '摸高目标',
|
||||||
|
type: 'line',
|
||||||
|
data: {json.dumps([TARGET_HIGH] * len(trend))},
|
||||||
|
lineStyle: {{ color: '{COLOR_EXCELLENT}', type: 'dashed', width: 1.5 }},
|
||||||
|
symbol: 'none',
|
||||||
|
tooltip: {{ show: false }},
|
||||||
|
}},
|
||||||
|
]
|
||||||
|
}});
|
||||||
|
|
||||||
|
// ── 阶段对比 ──
|
||||||
|
var stageChart = echarts.init(document.getElementById('stageChart'));
|
||||||
|
stageChart.setOption({{
|
||||||
|
tooltip: {{ trigger: 'axis' }},
|
||||||
|
grid: {{ left: 50, right: 30, top: 20, bottom: 30 }},
|
||||||
|
xAxis: {{ type: 'category', data: {json.dumps(stage_names)} }},
|
||||||
|
yAxis: {{ type: 'value', min: 0.4, max: 1.0 }},
|
||||||
|
series: [
|
||||||
|
{{
|
||||||
|
type: 'bar',
|
||||||
|
data: {json.dumps([{"value": v, "itemStyle": {"color": rating_color(v)}} for v in stage_avgs])},
|
||||||
|
barWidth: '40%',
|
||||||
|
label: {{ show: true, position: 'top', fontSize: 12, fontWeight: 'bold',
|
||||||
|
formatter: function(p) {{ return p.value.toFixed(4); }} }}
|
||||||
|
}},
|
||||||
|
{{
|
||||||
|
type: 'line',
|
||||||
|
data: {json.dumps([TARGET_BASE] * len(stage_names))},
|
||||||
|
lineStyle: {{ color: '{COLOR_STANDARD}', type: 'dashed', width: 1 }},
|
||||||
|
symbol: 'none',
|
||||||
|
}},
|
||||||
|
{{
|
||||||
|
type: 'line',
|
||||||
|
data: {json.dumps([TARGET_HIGH] * len(stage_names))},
|
||||||
|
lineStyle: {{ color: '{COLOR_EXCELLENT}', type: 'dashed', width: 1 }},
|
||||||
|
symbol: 'none',
|
||||||
|
}}
|
||||||
|
]
|
||||||
|
}});
|
||||||
|
|
||||||
|
// ── 题材对比 - 饼图（期数占比）──
|
||||||
|
var topicPieChart = echarts.init(document.getElementById('topicPieChart'));
|
||||||
|
topicPieChart.setOption({{
|
||||||
|
tooltip: {{
|
||||||
|
trigger: 'item',
|
||||||
|
formatter: function(params) {{
|
||||||
|
return params.name + '<br/>期数：' + params.value + ' 期（' + params.percent + '%）';
|
||||||
|
}}
|
||||||
|
}},
|
||||||
|
series: [{{
|
||||||
|
type: 'pie',
|
||||||
|
radius: ['40%', '70%'],
|
||||||
|
center: ['50%', '55%'],
|
||||||
|
data: {json.dumps(topic_pie_data, ensure_ascii=False)},
|
||||||
|
color: {json.dumps(topic_pie_colors)},
|
||||||
|
label: {{
|
||||||
|
fontSize: 11,
|
||||||
|
formatter: '{{b}}\\n{{c}}期 ({{d}}%)'
|
||||||
|
}},
|
||||||
|
emphasis: {{
|
||||||
|
label: {{ fontSize: 14, fontWeight: 'bold' }}
|
||||||
|
}}
|
||||||
|
}}]
|
||||||
|
}});
|
||||||
|
|
||||||
|
// ── 题材对比 - 柱图（平均份额排名）──
|
||||||
|
var topicBarChart = echarts.init(document.getElementById('topicBarChart'));
|
||||||
|
var formatColors = {json.dumps(FORMAT_COLORS, ensure_ascii=False)};
|
||||||
|
var topicColorData = {json.dumps([{"value": v, "itemStyle": {"color": FORMAT_COLORS.get(k, "#999")}} for k, v in zip(reversed(topic_names), reversed(topic_avgs))])};
|
||||||
|
topicBarChart.setOption({{
|
||||||
|
tooltip: {{
|
||||||
|
trigger: 'axis',
|
||||||
|
formatter: function(params) {{
|
||||||
|
var counts = {json.dumps(topic_counts)};
|
||||||
|
return params[0].name + '<br/>平均份额：' + params[0].value + '<br/>期数：' + counts[params[0].dataIndex];
|
||||||
|
}}
|
||||||
|
}},
|
||||||
|
grid: {{ left: 80, right: 30, top: 10, bottom: 30 }},
|
||||||
|
xAxis: {{ type: 'value', min: 0.4, max: 1.0 }},
|
||||||
|
yAxis: {{
|
||||||
|
type: 'category',
|
||||||
|
data: {json.dumps(list(reversed(topic_names)), ensure_ascii=False)},
|
||||||
|
axisLabel: {{ fontSize: 12 }}
|
||||||
|
}},
|
||||||
|
series: [{{
|
||||||
|
type: 'bar',
|
||||||
|
data: topicColorData,
|
||||||
|
barWidth: '50%',
|
||||||
|
label: {{ show: true, position: 'right', fontSize: 11,
|
||||||
|
formatter: function(p) {{ return p.value.toFixed(3); }} }}
|
||||||
|
}}]
|
||||||
|
}});
|
||||||
|
|
||||||
|
// ── 编导对比 ──
|
||||||
|
var editorChart = echarts.init(document.getElementById('editorChart'));
|
||||||
|
var editorAvgs = {json.dumps(editor_avgs)};
|
||||||
|
var editorCounts = {json.dumps(editor_counts)};
|
||||||
|
var editorDetails = {json.dumps({k: v for k, v in editor_stats.items()}, ensure_ascii=False)};
|
||||||
|
editorChart.setOption({{
|
||||||
|
tooltip: {{
|
||||||
|
trigger: 'axis',
|
||||||
|
formatter: function(params) {{
|
||||||
|
var name = params[0].name;
|
||||||
|
var d = editorDetails[name];
|
||||||
|
var s = '<b>' + name + '</b>（' + d.count + '期）<br/>';
|
||||||
|
s += '平均份额：<b>' + d.avg_share + '</b><br/>';
|
||||||
|
s += '最高：' + d.max_share + '（' + d.max_title.substring(0,10) + '）<br/>';
|
||||||
|
s += '最低：' + d.min_share + '（' + d.min_title.substring(0,10) + '）<br/>';
|
||||||
|
s += '达标率：' + d.above_base_pct + '%';
|
||||||
|
return s;
|
||||||
|
}}
|
||||||
|
}},
|
||||||
|
grid: {{ left: 70, right: 30, top: 10, bottom: 30 }},
|
||||||
|
xAxis: {{ type: 'value', min: 0.4, max: 1.0 }},
|
||||||
|
yAxis: {{
|
||||||
|
type: 'category',
|
||||||
|
data: {json.dumps(list(reversed(editor_names)), ensure_ascii=False)},
|
||||||
|
axisLabel: {{ fontSize: 13 }}
|
||||||
|
}},
|
||||||
|
series: [{{
|
||||||
|
type: 'bar',
|
||||||
|
data: {json.dumps([{"value": v, "itemStyle": {"color": rating_color(v)}} for v in reversed(editor_avgs)])},
|
||||||
|
barWidth: '40%',
|
||||||
|
label: {{ show: true, position: 'right', fontSize: 12, fontWeight: 'bold',
|
||||||
|
formatter: function(p) {{ return p.value.toFixed(4); }} }}
|
||||||
|
}},
|
||||||
|
{{
|
||||||
|
type: 'line',
|
||||||
|
data: {json.dumps([TARGET_BASE] * len(editor_names))},
|
||||||
|
lineStyle: {{ color: '{COLOR_STANDARD}', type: 'dashed', width: 1 }},
|
||||||
|
symbol: 'none',
|
||||||
|
}}]
|
||||||
|
}});
|
||||||
|
|
||||||
|
// 响应窗口变化
|
||||||
|
window.addEventListener('resize', function() {{
|
||||||
|
trendChart.resize();
|
||||||
|
stageChart.resize();
|
||||||
|
topicPieChart.resize();
|
||||||
|
topicBarChart.resize();
|
||||||
|
editorChart.resize();
|
||||||
|
}});
|
||||||
|
</script>
|
||||||
|
</body>
|
||||||
|
</html>"""
|
||||||
|
return html
|
||||||
|
|
||||||
|
|
||||||
|
# ── 主流程 ────────────────────────────────────────────
|
||||||
|
def main():
|
||||||
|
print("L3 分析引擎原型 v0.1")
|
||||||
|
print("=" * 40)
|
||||||
|
|
||||||
|
print("\n[1/4] 读取 Excel 收视数据…")
|
||||||
|
episodes = read_excel()
|
||||||
|
print(f" 读取 {len(episodes)} 期")
|
||||||
|
|
||||||
|
print("\n[2/4] 匹配 ground-truth AI 标签…")
|
||||||
|
episodes = read_gt_and_match(episodes)
|
||||||
|
|
||||||
|
print("\n[3/4] 计算分析模块…")
|
||||||
|
analysis = compute_analysis(episodes)
|
||||||
|
m = analysis["metrics"]
|
||||||
|
print(f" 年度均值份额：{m['avg_share']}")
|
||||||
|
print(f" 基础完成率：{m['base_completion']}%")
|
||||||
|
print(f" 摸高完成率：{m['high_completion']}%")
|
||||||
|
print(f" 达标期数：{m['above_base_count']}/{m['total_episodes']}（{m['above_base_pct']}%）")
|
||||||
|
|
||||||
|
print("\n[4/4] 生成 HTML 报告…")
|
||||||
|
OUTPUT_PATH.parent.mkdir(parents=True, exist_ok=True)
|
||||||
|
html = generate_html(analysis, episodes)
|
||||||
|
with open(OUTPUT_PATH, "w", encoding="utf-8") as f:
|
||||||
|
f.write(html)
|
||||||
|
print(f" [OK] 报告已生成：{OUTPUT_PATH}")
|
||||||
|
print(f" 请在浏览器中打开查看。")
|
||||||
|
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
main()
|
||||||
Reference in New Issue
Block a user