ai-labeling: Prompt 1 v0.1 + ground-truth v0.4.0(20期) + MiMo首轮跑批

- Prompt 1 v0.1: 4分类字段(题材/装备域/场景/技术)判别prompt，含5示例+边界规则+换装测试
- ground-truth v0.4.0: 10→20期扩展，ep编号重映射(旧ep3-15→新ep001-020)，4分类字段全填(制片人逐期审定)
- 文稿升级: 旧10期删除，新20期md文件(doco子项目清洗产出)替换
- 脚本升级: ep编号2位→3位，ALL_EPISODES扩至1-20，summarize classification比对逻辑实现
- MiMo首轮结果: 题材75%/装备域70%/场景95%/技术70%/全对40%，需迭代Prompt
- 质量标杆: 加入PPT+Excel样板文件(example/)

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

ai-labeling/CLAUDE.md

@@ -12,8 +12,8 @@
 
 ## 🔖 状态栏（每次结束 session 前必须更新这三行）
 
-- **最后更新**：Claude Opus（顾问）｜ 2026-06-24
-- **当前状态一句话**：全貌已对齐——看板升级 = 数据沉淀 + AI 打标 + 分析引擎 + 诊断报告生成。Prompt 2（叙事结构）已锁定，生产模型 mimo-v2.5-pro。下一步写 Prompt 1 + Prompt 3，同时启动分析引擎架构设计。
+- **最后更新**：Claude Opus（顾问）｜ 2026-06-24（晚）
+- **当前状态一句话**：Prompt 1 v0.1 完成 + ground-truth v0.4.0（20期4分类字段全填） + MiMo 首轮跑批完成（题材75%/装备域70%/场景95%/技术70%/全对40%）。Prompt 需迭代改进多选字段门槛。
 - **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
 
 ---
@@ -108,7 +108,7 @@
 | 层 | 名称 | 做什么 | 当前状态 |
 |----|------|--------|----------|
 | 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 2 已锁定，Prompt 1/3 待写 |
+| 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 v0.1 + Prompt 2 已锁定，Prompt 1 需迭代，Prompt 3 待写 |
 | 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 |
 
@@ -199,17 +199,16 @@ ai-labeling/
 ### 2.4 常用命令（PowerShell）
 
 ```powershell
-# 单期打标
+# 单期打标（narrative 或 classification）
 cd E:\tps-dashboard\ai-labeling
-python scripts/run_labeling.py --ep 4 --model mimo-v2.5-pro
+python scripts/run_labeling.py --ep 1 --model mimo-v2.5-pro --field classification
 
-# 批量跑 10 期基准
-3, 4, 5, 7, 10, 11, 12, 13, 14, 15 | ForEach-Object {
-  python scripts/run_labeling.py --ep $_ --model mimo-v2.5-pro
-}
+# 批量跑 20 期基准
+python scripts/run_labeling.py --all --model mimo-v2.5-pro --field classification
 
 # 汇总命中率
-python scripts/summarize.py --model mimo-v2.5-pro
+python scripts/summarize.py --model mimo-v2.5-pro --field classification
+python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 ```
 
 ### 2.5 模型配置（`scripts/run_labeling.py` 内 MODEL_CONFIG）
@@ -227,14 +226,15 @@ 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 v0.3.0（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**：Prompt 1（4 分类字段）撰写中
-- **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
+- **已完成**：Prompt 1 v0.1 + ground-truth v0.4.0（20期完整标注）+ MiMo 首轮跑批（题材75%/装备域70%/场景95%/技术70%/全对40%）+ 脚本 ep 编号升级至 3 位数 + summarize classification 比对逻辑实现
+- **正在做**：无（本轮收摊）
+- **卡点/待解**：Prompt 1 需迭代（多选字段门槛太松、program_format 三组边界混淆）；Prompt 3（开篇钩子）待写；L3/L4 架构设计未启动
 
 ---
 
 ## 4. 已完成（只追加，最新在上）
 
+- [2026-06-24晚 ｜ Opus] Prompt 1 v0.1 撰写完成（4分类字段：题材/装备域/场景/技术）+ ground-truth v0.4.0（10→20期扩展，旧ep编号重映射，4分类字段全填，制片人逐期审定）+ 脚本升级（ep编号2位→3位、ALL_EPISODES扩至1-20、summarize classification比对逻辑实现）+ MiMo首轮跑批20期（题材75%/装备域70%/场景95%/技术70%/全对40%）。主要错误模式：多选字段过度标注、装备深解/前沿科技与横切类比混淆。
 - [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。
@@ -250,7 +250,7 @@ python scripts/summarize.py --model mimo-v2.5-pro
 
 ### L2 — AI 打标（当前主战场）
 
-- [ ] **Prompt 1（4 分类字段）撰写** — program_format / equipment_domain / scene_tags / tech_tags。Opus 写 → MiMo 跑基准 → 制片人审 → 锁定。
+- [ ] **Prompt 1 v0.2 迭代** — v0.1 首轮全对率 40%，主要问题：多选字段（equipment_domain/tech_tags）过度标注（"一笔带过"也选了）+ program_format 三组边界混淆（装备深解vs横切类比、前沿科技vs横切类比、装备深解vs前沿科技）。改进方向：加强门槛描述+加反例教学。
 - [ ] **Prompt 3（开篇钩子）撰写** — 只看前 1-2 分钟判强/中/弱。同上套路。
 - [ ] **opening_hook AI 验证** — ground-truth 里 opening_hook 是人工标的，等 Prompt 3 上线后跑一次看 MiMo 命中率。
 - [ ] **示例集月度更新机制** — 上线后启用，每月集中替换，不碎片化（吃 prompt 缓存红利）。
@@ -317,7 +317,9 @@ python scripts/summarize.py --model mimo-v2.5-pro
 
 - v0.1：10 期初始标注
 - v0.2：改 2 期（ep12 逆袭战局改为并列→后经复议改回主线演进、ep14 X76 确认并列）
-- **v0.2.1（当前锁定）**：改 1 期（ep12 经制片人复读稿 + 三家模型独立一致，最终定为并列结构）。**边界期用"多家独立一致 + 人工复审"双重证据机制**，未来扩展示例集时沿用。
+- v0.2.1：改 1 期（ep12 经制片人复读稿 + 三家模型独立一致，最终定为并列结构）。**边界期用"多家独立一致 + 人工复审"双重证据机制**。
+- v0.3.0：为 Prompt 1 预留 4 分类字段骨架（null/[]），ep 编号仍为旧制。
+- **v0.4.0（当前锁定）**：期号重映射（旧ep3-15→新ep001-020按播出日期排序），10→20期扩展，4分类字段(program_format/equipment_domain/scene_tags/tech_tags)全部填入，制片人逐期审定。新增10期暂无narrative_structure/opening_hook标注。
 
 ### Prompt 设计原则
 
@@ -336,11 +338,12 @@ python scripts/summarize.py --model mimo-v2.5-pro
 ## 7. ⏩ 交接备注（换人/换工具 0 摩擦续上）
 
 - **全貌已对齐**（2026-06-24）：看板升级四层架构（L1-L4）、双引擎理论、多 LLM 共识机制、季度+自定义双轨周期、全员可见——这些方向已与制片人确认。新来的人先读完第 1 节「子项目全貌」再动手。
-- **当前主战场是 L2（AI 打标）**：Prompt 2 已锁定，下一步写 Prompt 1（4 分类字段）→ Prompt 3（开篇钩子）。流程：Opus/Claude Code 写 Prompt → MiMo 跑 10 期基准 → 制片人审 → 锁定。
-- **Prompt 1 前置**：4 分类字段枚举需与制片人收敛口径（v1 快照 §三.1 已列草案）。
+- **Prompt 1 v0.1 已完成，需迭代至 v0.2**：首轮 MiMo 跑批全对率 40%。两大错误模式：① 多选字段（equipment_domain/tech_tags）过度标注——"一笔带过"的也选了；② program_format 三组边界混淆（装备深解vs横切类比、前沿科技vs横切类比）。改进方向：加强门槛措辞 + 加反例教学 + 可能需要增补示例。
+- **ground-truth v0.4.0 已锁定**：20 期全部标注（4 分类字段），期号已重映射至 ep001-020。新增 10 期暂无 narrative_structure/opening_hook（待 Prompt 2/3 跑批后补）。
+- **脚本已升级**：ep 编号 2 位→3 位，ALL_EPISODES 扩至 1-20，summarize classification 比对逻辑已实现（逐字段命中 + 全对率）。
+- **下一步优先级建议**：Prompt 1 v0.2 迭代 → Prompt 3（开篇钩子）→ 新增 10 期跑 Prompt 2 补 narrative_structure。
 - **L3/L4 待设计**：分析引擎和诊断报告的架构尚未展开。建议 Prompt 1/3 锁定后启动，可与 schema 加字段并行。
 - **schema 加字段是跨层硬前置**：episodes 表加 6+1 字段，必须 Plan + Opus 审 + 制片人批准 + `pg_dump` 备份。这是主项目的事，不在沙盒内做。
-- **ep12 逆袭战局**是标志性边界期：制片人 v0.1 标主线演进 → 三家模型独立判并列 → 制片人复读稿后改并列（v0.2.1）。这个案例是"双重证据机制"的范例。
 
 ---
 
@@ -349,5 +352,5 @@ python scripts/summarize.py --model mimo-v2.5-pro
 - [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？
-- [ ] 示例集扩充策略：当前 5 个示例（含 2 个陷阱反例），是否需要补更多？
+- [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 v0.1
+- [ ] Prompt 1 v0.2 示例集是否需要扩充？当前 5 个示例（含 2 个陷阱反例），首轮全对率 40% 偏低