tps-dashboard/ai-labeling/CLAUDE.md

看板升级子项目协作主控文件 (CLAUDE.md)

---

🔖 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。
• 下一个动手的人从这里开始：见下方「⏩ 交接备注」

---

🤖 子项目专属工作约定（READ FIRST）

• 先读上一级 tps-dashboard/CLAUDE.md，那里有通用协作原则和主项目全局信息。本文件只补看板升级自己的事。
• 沙盒自治：ai-labeling/ 内改动允许 Cline 直接 Act（改坏重跑就是）。但 backend/ 任何改动必须切 Plan + Opus 审——这是宪法红线。
• Prompt 内容不让 Cline 创作——Cline 是执行者不是作者。Prompt 由 Opus/Claude Code 写，Cline 只负责落文件。
• 改 ground-truth 必须留 changelog（谁、何时、改了什么、为什么改），不能悄悄改。
• 长文件（Prompt / ground-truth）让制片人手工替换最稳——Cline 的 write_to_file 对长内容会截断，别让它反复 workaround。短文件（<200 行）用 write_to_file 整体写，老文件用 replace_in_file 局部改。

---

1. 子项目全貌（核心，所有开发决策的锚点）

1.1 定位与终极目标

看板升级是 TPS-Dashboard 项目中最重要、最首页的工程。

终极目标：在 TPS 工作台上建立持续运行的收视诊断分析能力——栏目每做完一期节目，系统自动消化选题单、文稿、收视成绩，按策划周期输出诊断报告，让制片人和全体编导都能看到"我们做得怎么样、问题出在哪、下一步怎么调"。

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"

收视 = 题材热度 × 叙事结构

• 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）。

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）。

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

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
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

• 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

• 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）

文件	内容	对标系统层
PPT 第 2-5 页	收视走势、阶段对比、月度均值	L3 分析引擎（走势分析模块）
PPT 第 6 页	题材结构饼图 + 各题材均值	L3 分析引擎（题材分析模块）
PPT 第 7 页	高分 vs 低分样本对照	L3 分析引擎（样本对照模块）
PPT 第 8-10 页	5 大病因、双引擎发现、提振方案	L4 诊断报告（LLM 生成）
PPT 第 11 页	标题"3秒可懂"原则	L4 诊断报告（建议模块）
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

• ✅ 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）
• ❌ 不用旧 21 期数据冷启动——文稿和数据已重新整理清洗，拿新数据重新做

---

2. 技术栈与运行方式（稳定）

2.1 AI 打标沙盒（当前工作区）

• 语言：Python 3.x
• 依赖锁定（scripts/requirements.txt）：
  • openai==1.55.0 — 不能升级，新版自动转 developer 角色，部分兼容接口不支持
  • python-dotenv>=1.0.0
  • python-docx>=1.1.0
• 生产模型：mimo-v2.5-pro（通过 OpenAI SDK 兼容接口调用）
• 备选模型：DeepSeek V4 Pro（命中率 80%，MiMo 中断时备用）
• 工作目录：E:\tps-dashboard\ai-labeling\

2.2 诊断报告生成（L4 层，待实现）

• 多 LLM 共识机制：配置多个 LLM API（如 MiMo + GLM 5.2 + 其他），分析相同数据、遵守相同规定，取共识结果。目的：弥补单一非顶级模型洞察力不足的问题，用"多家独立一致"提高诊断可信度。
• 模型候选：mimo-v2.5-pro、GLM 5.2（智谱）、其他国产合规模型。具体阵容待选型测试。
• 与 AI 打标的区别：打标是结构化判别（JSON 输出），诊断是开放式分析（自然语言输出）。两者用不同的 Prompt、可能用不同的模型。

2.3 关键目录

ai-labeling/
├── example/
│   ├── 军事科技栏目收视复盘与提振方案_v2.pptx  ← 质量标杆（14 页诊断报告）
│   └── 军事科技栏目收视诊断分析_v2.xlsx        ← 质量标杆（8 个分析 Sheet）
├── benchmark-set/
│   ├── transcripts/          ← 10 期文稿 .md（基准卷子）
│   └── ground-truth.json     ← 基准答案 v0.2.1（核心资产，入 git）
├── prompts/
│   └── prompt2_narrative.md  ← 叙事结构判别 v0.2（已锁定，入 git）
├── experiments/              ← 跑批结果 .json（不入 git）
├── scripts/
│   ├── import_transcripts.py ← docx → md 解析清洗
│   ├── run_labeling.py       ← 调模型 + 写结果
│   └── summarize.py          ← 汇总命中率
├── .env                      ← 真 Key（不入 git）
├── .env.example              ← Key 占位模板（入 git）
├── .gitignore                ← 拦 .env / experiments/ / __pycache__/
└── README.md

2.4 常用命令（PowerShell）

# 单期打标
cd E:\tps-dashboard\ai-labeling
python scripts/run_labeling.py --ep 4 --model mimo-v2.5-pro

# 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
}

# 汇总命中率
python scripts/summarize.py --model mimo-v2.5-pro

2.5 模型配置（scripts/run_labeling.py 内 MODEL_CONFIG）

key	base_url	model_name	env key
mimo-v2.5-pro	https://api.xiaomimimo.com/v1	mimo-v2.5-pro	MIMO_API_KEY
deepseek-v4-pro	https://api.deepseek.com	deepseek-v4-pro	DEEPSEEK_API_KEY

2.6 环境变量

放 .env，不进 git、不写进本文件。需要：MIMO_API_KEY、DEEPSEEK_API_KEY。

---

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
• 正在做：全貌对齐完成，准备进入 Prompt 1 撰写
• 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

---

4. 已完成（只追加，最新在上）

• [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。
• [2026-06-11 ｜ Opus+Cline] 叙事结构 3 档收为 2 档（主线演进/并列结构）、10 期基准答案集 v0.1 锁定。
• [2026-06-11 ｜ Cline] 工作区目录结构搭建、三个脚本（import_transcripts / run_labeling / summarize）编写完成、10 期文稿导入。

---

5. 开发路线图（按层级展开，层内按优先级排序）

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 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）。
• Prompt 2 v0.2 撰写 + 锁定
• ground-truth v0.2.1 锁定
• 模型选型（mimo-v2.5-pro 生产）

L1 — 数据沉淀（与主项目交界，需 Opus 审）

• episodes schema 加字段 — program_format / equipment_domain / scene_tags / tech_tags / narrative_structure / opening_hook + confidence。必须先切 Plan + Opus 审迁移方案，Cline 不许直接 Act。
• 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。

L3 — 分析引擎（待设计）

• 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。
• 计算逻辑实现 — 滚动均值、达标率、分组统计、样本排序等。
• API 设计 — 支持按季度/自定义周期查询，返回结构化分析数据。

L4 — 诊断报告（待设计）

• 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。
• 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。

跨层

• 横轴量化方法落地 — 栏目均值偏离，需算具体数值。
• prompt 缓存月度更新纪律 — AI 打标上线后第 1 个月起执行。

---

6. 关键决策（跨 session 最易丢）

项目全貌（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。
• [2026-06-24] 全员可见：看板不只给制片人，所有栏目人员都能查看分析、自选周期、调用 LLM 看诊断。
• [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。

叙事结构判别

• [2026-06-11] 3 档收为 2 档：主线演进 / 并列结构。原"强主线悬念 vs 主线演进"实操中区分不开，合并。
• [2026-06-11] 判别心法：先列全片大章节（3-5 个）→ 做"打乱测试"（调换顺序观众是否懵）。段内承接 ≠ 全片骨架——看到"递进""演进"字样先别急，回到大章节之间判断。
• [2026-06-11] 关键边界：命名共性、装备域共性、空间方位共性均不构成主线。

模型选型

• [2026-06-11] 初始选型 MiniMax M3（Prompt 2 v0.2 命中率 100%）。DeepSeek V4 Pro 80%（备用）、MiMo v2.5 Pro 70%。
• [2026-06-24] 生产模型改为 mimo-v2.5-pro（Cline 统一配 MiMo），M3 配置移除。DeepSeek V4 Pro 保留为备用。
• [2026-06-11] 好 Prompt 不为单家定制——v0.2 同时提升了三家命中率，说明判别规则讲清楚就是最好的优化。

ground-truth 版本史

• 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。

Prompt 设计原则

• [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。

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] openai==1.55.0 锁版本——新版自动转 developer 角色，部分兼容接口不支持。
• [2026-06-11] API 调用不用 response_format={"type": "json_object"}——部分模型不完整支持，改为在 Prompt 末尾加输出强约束。
• [2026-06-11] experiments/*.json 不入 git（结果不固化）；prompts/*.md + benchmark-set/ 入 git（核心资产）。

---

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）。
• 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。

---

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）
• 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？