simonkoson
d8057b07e9
- 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 实验工作区
用途
为《军事科技》栏目 AI 自动打标做模型选型实验。 基准答案集 = 10 期已审稿的标准答案。
目录结构
benchmark-set/transcripts/10 期文稿benchmark-set/ground-truth.json10 期的标准答案prompts/prompt 模板scripts/实验脚本（含 import_transcripts.py）experiments/每次跑出来的结果（不入 git）
使用步骤
1. 安装依赖
pip install -r scripts/requirements.txt
2. 配置 API Key
cp .env.example .env
# 填入真实 MIMO_API_KEY
3. 导入文稿
python scripts/import_transcripts.py
将源目录（刘瑞桦收集）的 10 期 docx 文稿解析并清洗，落入
benchmark-set/transcripts/。
4. 跑单期打标
python scripts/run_labeling.py --ep 4 --model mimo-v2.5-pro
当前版本
- v0.1: Prompt 2（叙事结构）含 3 示例 + 10 期 ground-truth
- 生产模型: mimo-v2.5-pro / 备用: DeepSeek V4 Pro
ground-truth 版本
v0.1(2026-06-11): 锁定 10 期narrative_structure+opening_hook标准答案- 其他字段（program_format / equipment_domain / scene_tags / tech_tags）待 Prompt 1 阶段补