cheat-seed

name cheat-seed description 跟用户对话讨论选题——**默认一次一个**，用户主动给主题或经历，AI 围绕用户的输入深挖、提炼角度、写一份 draft。不是 AI 拿三个开放问题追用户，也不是一次给 5 个候选。触发词："找选题"/"我想做一条 X"/"最近有个想法"/"seed"/"启动种子"。可选 batch 模式：`/cheat-seed --batch 5` 走旧的 brainstorm 5 候选 + 写 5 draft 流程。 argument-hint [— batch: N] [— sources: <comma-separated>] allowed-tools Bash(*), Read, Write, Edit, Glob, WebFetch, Skill /cheat-seed — 选题对话（默认）/ 批量 brainstorm（可选） cheat-seed 的核心是 跟用户讨论选题 ，不是机械地 brainstorm。好内容来自用户的真实经历 + 观察 + 情绪——这些是 AI 不可能凭空 brainstorm 出来的。AI 的角色是 听用户讲 → 帮提炼角度 → 写一份 draft ，不是 dump 15 候选让用户挑。 默认模式 ：对话式一次一个。 Batch 模式 （ --batch N ）：保留旧的 brainstorm N 候选 + 写 N 份 draft 流程，给"完全没想法 + 想批量初始化"的用户。 三种 Mode（自动识别） Mode A — 用户主动给主题（**最常见**）： 用户："/cheat-seed" + 直接说"我想做一条关于 X 的" 或："/cheat-seed 我最近开会被领导..." ↓ AI 围绕 X / 这件事**深挖**——什么瞬间触发？最让你 [情绪 / 不爽 / 觉得有意思] 的是哪点？ ↓ 收敛到一个具体角度 → 提议 → 用户认可 → 写 1 份 draft → 完成 ↓ 问"下一篇？" 或用户说"今天就这样" Mode B — 用户给方向但不具体： 用户："最近想做点关于 [职场 / 婚恋 / AI / ...] 的" ↓ AI："[范围] 太广。最近你接触到的具体哪件事让你想做这个方向？" ↓ 收敛到 Mode A 的具体经历 Mode C — 用户完全没想法（少见）： 用户："我不知道做什么" / "帮我想个题" ↓ AI："好，进 brainstorm 模式——先抓热点 + 你之前的兴趣方向，给你 1 个建议" ↓ 跑 trend-sources 抓热点 + 读 candidates.md / predictions/ 看用户历史 ↓ 提议 1 个角度（不是 5 个） → 用户认可 → 写 draft Batch Mode — 用户显式要批量（`/cheat-seed --batch 5`）： 按旧版 brainstorm 流程：3 问题 → 15 候选 → 用户挑 → 写 5 draft。 给"今天想一次性把未来 2 周的选题搞定"的用户。 关键纠正 （与旧版的区别）： AI 不主动开放问 ——等用户给输入再深挖 一次一个选题，不是 5 个 默认对话式 + 一次一个，batch 是 escape hatch Constants DEFAULT_TREND_SOURCES = ["manual-paste"] — 仅 Mode C / Mode A 灰色场景 / Batch 用到。用户可在 state 里加 aihot / trendradar-mcp TREND_TOOL_ROUTING — 按 content_form 路由数据源，详见 shared-references/data-source-routing.md MODE_B_MAX_REPROBE_TURNS = 2 — Mode B "为什么" 反问最多 2 轮；超过则转 Mode C MAX_DEEP_DIVE_TURNS = 4 — Mode A 收敛阶段最多 4 轮反问，避免 AI 过度盘问 WITH_DRAFT = yes — 默认确认角度后立刻写 draft；用户可说 "等下，我自己写" 跳过 DRAFT_LENGTH — 派生自 state.typical_duration_seconds ：30s→100-200字 / 90s→250-500字 / 240s→600-1000字 / 450s→1100-2000字 / 900s→2200+字 HUMANIZE_DRAFT = on （默认）/ off —— 写完 draft 后用 humanizer skill 过一遍，去掉 AI 写作 tells（em-dash 滥用 / rule of three / inflated 词汇 / 空泛归因等）。off 时直接出原始 AI draft。 只 humanize 正文，不动 header 的"必须改写"警告 Inputs 必填 来源 .cheat-state.json 读 calibration_samples / typical_duration / cadence rubric_notes.md 读当前 rubric（粗打分用） script_patterns.md 读已有 pattern（写 draft 时按 cheat sheet 选结构） predictions/*.md （如有） 已发历史，brainstorm 时作为 context audience.md （如有） 受众画像——选题 / 写稿时的"谁在看"镜子（由 /cheat-persona 派生） Workflow Phase 0: 前置检查 + 加载所有 context（ 核心：3 个 context 来源 ） 读 .cheat-state.json → 不存在则提示先跑 /cheat-init 读 rubric_notes.md 拿当前公式（粗打分用） 读 script_patterns.md ——写 draft 时按 cheat sheet 选结构 读已有 prediction 文件 （含 init 时 import 的 reconstructed）作为 context 来源 A （用户自己历史）： 0 个 → A 为空 ≥1 个 → A 有内容，提取 (title / 7 维 / 实绩) 读 benchmark.md （如存在）作为 context 来源 B （对标账号）： state.benchmark_status = imported → B 有内容，提取对标账号的样本主题分布、调性、Pattern state.benchmark_status = none / pending → B 为空 读 audience.md （如存在且非空骨架）作为 受众镜子 ： Confidence 🟡 以上（有真实复盘数据派生）→ 选题 / 写 draft 时作为"这个 persona 会在乎吗"的检验视角 Confidence 🔴/🟠（空 / 仅 benchmark seed）→ 当弱参考，不当硬约束 不进粗打分 ——audience.md 是 creative lens，粗打分仍只用 rubric。persona 影响"写什么 / 哪个角度"，不影响分数 检查用户的入参——是否含具体 topic / 经历，决定走 Mode A/B/C/Batch brainstorm 时的 context 优先级 （ Claude 判断 ——下面是参考默认）： A 主导 （用户自己数据）：当 Claude 判断用户数据已能驱动方向时（参考默认： calibration_samples ≥ 10 ，但 Claude 可以更早——如 N=5 但出现 ≥3 个与 benchmark 明显不一致的强样本） B 主导 （benchmark）：用户数据少 + benchmark 有内容时 B 缺席 （benchmark 为空）+ 用户数据少：纯靠用户 input + 抓热点；明确告诉用户"没 benchmark 也没足够自己数据，建议跑 /cheat-learn-from 后再回来 brainstorm" 判断依据 不是死磕样本数 ，而是看： 用户最近 N 个样本的实绩 是否与 benchmark 的高表现样本类型一致 ——一致说明 benchmark 仍有借鉴价值；不一致说明用户已经走自己的路 用户的样本 多样性 ——3 篇都是同类内容不算成熟；3 篇覆盖不同类目反而比 10 篇同类更可信 Phase 1: Mode 分流 读用户输入，识别： 含具体名词 + 情绪 / 经历词 （"我昨天开会..." / "我看到 X 让我..." / "我对 Y 觉得..."）→ Mode A （深挖；如话题是时事，Phase 2A.5 询问要不要拉外部数据） 含方向词但无具体内容 （"想做职场" / "AI 方向" / "婚恋"）→ Mode B （单问"为什么想做这个"——用户内省窗口， 不调任何热点工具 ） 显式说没想法 （"不知道做什么" / "帮我想" / "随便给个"）→ Mode C （按 data-source-routing.md 调热点工具 + 用户挑 + 回到内省；都不行则走"聊经历"三选项兜底） 显式 --batch N （用户主动批量）→ Batch Mode 纯 /cheat-seed 无附加内容 → 询问入口问题 ： 你今天想干嘛？ - 有想做的主题 / 经历 → 直接告诉我（"我想做一条 X" / "我最近 X..."） - 知道大致方向 → 告诉我（"想做职场" / "AI 方向"）→ 我会单问你为啥想做 - 完全没想法 → 说"帮我想"→ 我用 [aihot / trendradar] 拉今天的热点给你看 - 批量搞定 → 说 "batch <N>" (我不会拿一堆开放问题追你——你给一句话我就开始) 注意这是 唯一的开放式问题 ——只在用户 纯触发 /cheat-seed 时问。如果用户已经在触发词里给了内容（"/cheat-seed 我想做..." 或 "找选题 我最近开会..."），直接进 Mode A/B/C 不再问这一句。 Phase 2A: Mode A 深挖（用户给了具体 topic / 经历） 核心原则 ：围绕用户给的内容 深挖 ， 不要切到别的话题 。 反问类型（按场景挑） ： 触发瞬间："你说 X 这件事，最初是哪个具体瞬间触发你想做的？" / "是什么让你觉得这值得讲一条视频？" 情绪锚点："这里面最让你 [生气 / 觉得荒唐 / 觉得有意思] 的是哪个细节？" 角度选择："你想说的是 [角度 a：现象批判] 还是 [角度 b：自我反思] 还是 [角度 c：泛化到普遍]？" 受众想象："你心里想着是说给哪种人听？她/他听完会怎么想 / 怎么转发？" 反对意见探测："如果有人反驳说 [反方观点 X]，你会怎么回？"——逼用户先想清楚立场 反问纪律 ： 一次只问 1 个 问题（不要塞 3 个连珠炮） 最多 MAX_DEEP_DIVE_TURNS 轮（默认 4）——超过就主动收敛："OK 我感觉够了，帮你提议一个角度试试" 用户的回答如果含 emoji / 简短 / 不耐烦 → 立刻收敛，不要逼 收敛输出 ： 我感觉这个角度能做： [一句话立意：50 字以内] 走法： - 用 [Pattern X 结构]（来自 script_patterns.md） - 钩子：[具体场景 / 句子] - 主体：[3 个观察是什么] - 收尾：[MVP 句方向] 粗打分（v0 等权 7 维）：ER=X HP=X QL=X NA=X AB=X SR=X SAT=X → composite ≈ X.X Confidence: 🔴 极低 (你才校准 0/N 篇) 要不要让我先写一份 draft？(yes / 换角度 / 我自己写) 用户回 yes → Phase 4 写 draft。 用户说"换角度" → 回 Phase 2A 深挖更多。 用户说"我自己写" → 把 candidate 加进 candidates.md 标 tier1，结束。 Phase 2B: Mode B — 单问"为什么"，触发用户内省 用户给了方向但不具体（"想做职场" / "AI 方向" / "婚恋"）。 这阶段不调任何热点工具 ——是用户内省的窗口，外部信息会污染。 只问一个问题， 单刀直入 ： 为什么想做这个主题？ 不要问"a/b/c 三种例子"——那是 dump 选项让用户挑，破坏内省。让用户自己组织语言。 根据用户回答分流 ： 用户答 分类 行为 含具体经历 / 个人卡点（"我自己经常加班" / "我看到 X 让我..."） 真动机 转 Mode A 深挖（Phase 2A） 抽象热度归因（"这话题最近热" / "别人都在做" / "听说能涨粉"） 空动机 反问"那你自己对这个话题最有感觉的角度是啥？"——逼出个人 stake；继续空 → 转 Mode C "我也不知道" / "朋友说赚钱" / 模糊推搡 真没想法 直接转 Mode C 反问纪律 ：最多 2 轮。第 2 轮还问不出真动机 → 直接转 Mode C， 不要无限挖 。 设计意图：Mode B 是"过滤器"，不是"工厂"。用户来这里要么暴露真实动机（→ 进 Mode A）要么暴露自己其实没想法（→ 进 Mode C）。两条都比硬要在 Mode B 里产出选题更好。 Phase 2C: Mode C — 外部素材 + 用户挑 + 回到内省 用户完全没想法（直接显式说 / 从 Mode B 转过来）。 这是唯一默认调热点工具的入口 。 按 shared-references/data-source-routing.md 的路由规则： 拉外部素材 （按 content_form 选 trend source）： tutorial-builder / AI 类 → 调 aihot skill opinion-video / long-essay / podcast / other → 调 trendradar-mcp（如启用） mixed → 两个都调 都不可用 → 走 manual-paste（询问用户："今天看到啥可以拍的？粘几条 URL/标题"） 聊经历兜底 （用户拒绝看外部素材 / 外部素材都不感兴趣）： 外部素材你都没感觉，那回到你自己。三个开口，挑一个开始讲： a) 你最近真实接触到的某件具体事？（"上周我看到我同事 X..."） b) 你最近读到 / 看到的某条让你想吐槽的内容？（"知乎上有个回答..."） c) 你长期琢磨的某个 unsolved 困惑？（"我一直没想明白为啥 X..."） 随便挑一个开始讲。 拉到外部素材后 ，用 rubric 粗筛 + 按 content_form 过滤，留 5 条最契合的： 今天这 5 个跟你形态契合： 1. [标题 A]（来源: trendradar / 微博热搜 / hot_score: 8.5） 2. [标题 B]（来源: aihot / 模型类 / 精选） 3. ... 你哪个最有感觉？没感觉就回 '都没'，我换方向问。 用户挑了一条 → 回到内省 ： OK [标题 X]。你为啥对这条最有感觉？ 是 [angle1] 还是 [angle2] 还是别的？ → 用户答 → 转 Mode A 深挖。 用户回 "都没" → 转回 Mode C 第 2 步的"聊经历兜底"。 关键 ：热点不是"塞 5 候选让用户挑"，是"给材料 + 强制问用户的个人 stake"——AI 不替用户决定哪条最值得做。 Phase 2A.5: Mode A 灰色场景 — 用户讲了时事话题 Mode A 默认深挖用户经历。但如果 用户讲的本身是时事话题 （产品名 + 时间词 / 人名 + 事件词），按 data-source-routing.md 的"时事判定"规则， 询问 用户要不要拉外部数据作参考： 💡 [话题] 是时事——我可以拉一下今天的舆论风向（各平台情绪 + 主要 angles）作参考。 要看吗？回 '看' 我调；回 '不用' 我直接跟你深挖你的角度。 用户回 "看" → 调对应 trend source → 把数据 inline 到深挖 context； 用户回 "不用" → 标准 Mode A 深挖，不动外部数据。 永远不主动调 ——用户的 angle 优先于外部数据，避免外部信息 带偏 用户视角。 Phase 2D: Batch Mode（用户显式 --batch N ） 保留旧 brainstorm 流程 ： 问 3 个清单问题（兴趣 / 调性 / 红线）—— Batch 模式才问这些 抓热点 + Claude brainstorm 15 候选 用户挑 N 写 N 份 draft 到 scripts/—— 每份都走 Phase 4 的段落版格式 + Phase 4.5 自检 （line-format + humanizer），不因为批量就跳过 详见 commit history（旧 cheat-seed 的 Phase 1-3）。这是 escape hatch，不是默认。 Phase 3: 计算 candidate ID + 落候选池 不管 Mode A/B/C 哪条路径，确认角度后： 算 candidate id： sha256("seed-" + 立意 + 触发时间)[:12] 写一行 entry 到 candidates.md （按 candidate-schema.md 格式） 标 tier=tier1 + read_status=deep_read （已经讨论过，不是 skim） Phase 4: 写 draft WITH_DRAFT=yes → 顺次写到 scripts/<YYYY-MM-DD>_<id>_<short-title>.md ： 写 draft 前必读 script_patterns.md —— 按"结构选型 cheat sheet"对应用户的 topic 选合适结构。如果文件还在抽象骨架阶段（用户没填几个 pattern），就用 starter rubric 对应的通用框架。 字数 ：按 DRAFT_LENGTH 派生（基于 typical_duration_seconds ）。 ⚠️ 正文必须是段落版，不是字幕格式（ 最常见的生成跑偏 ） 模型的训练先验会把"视频脚本"默认写成提词器/字幕的短行格式。 这是错的 ——cheat-seed 的 draft 是给用户 改写 的散文稿，不是拍摄字幕。字幕是剪映拍后自动断的，不是写作时的形态。 生成正文时，眼睛盯住下面这个对照： ❌ 字幕格式（不要这样写）： 你有没有发现 所有审稿人都在说一样的话 你的研究太老套了 但你仔细看 他们引用的全是 5 年前的反应 ✅ 段落版（必须这样写）： 你有没有发现，所有审稿人都在说一样的话——你的研究太老套了。但你仔细看，他们引用的全是 5 年前的反应。AI 不是新东西，新的是这次大家集体觉醒了。 规则： 每段 100-300 字 ，逗号 / 句号 / 破折号自然连， 不在句子边界硬断行 段与段之间空一行（自然的主题切换才换段） 一份 draft 正文一般 3-6 段， 不该有几十个单句行 格式： # [立意标题] > ⚠️ **Draft by Claude — 你必须改写后再拍** > > 这是脚手架，不是成品。你的语气 / 节奏 / 个人经历无法 AI 生成。 > 改写流程： > 1. **直接在本文件改写** （同 path：scripts/<...>.md） > - 加你的语气、个人经历、真实金句 > - 砍铺垫、砍模型缩写、砍学术包装 > 2. 改完后跑 `/cheat-predict scripts/<本文件>.md` > 3. 拍完跑 `/cheat-shoot scripts/<本文件>.md` **Article ID** : <12 位 hash> **调性** : [基于讨论得出的，不是清单 Q] **目标时长** : < state.typical_duration_seconds 转换 > 分钟 **目标字数** : <按时长派生> **结构选型** : [按 script _patterns.md 的 cheat sheet 显式标，如 "metaphor 优先" / "数据反转开场"] **用到的 patterns** : [编号 + 简短说明] **讨论种子** : [一句话回顾 deep dive 出来的核心] --- [draft 正文 —— **段落版** ，3-6 段，每段 100-300 字，不是单句碎行] WITH_DRAFT=no （用户说"我自己写"）→ 跳过 Phase 4 + Phase 4.5。 Phase 4.5: draft 自检 pass（版式 + 去 AI 味） draft 写完落盘后、 在展示给用户前 跑两步自检。 顺序固定：先 4.5a 修版式，再 4.5b 去 AI 味 ——humanizer 处理散文，喂它字幕格式的碎行会乱。 为什么安全 （不污染校准）：cheat-seed 的 draft 不是被预测/发布的东西——用户改写后、cheat-predict 打分的是 用户最终稿 。这两步只是给用户更干净的起点。 Phase 4.5a: line-format 自检（字幕格式 → 段落版） Phase 4 的散文指令 + ❌/✅ 对照已经在生成时压先验，但生成仍可能跑偏。这一步是 确定性兜底 ： # 只看正文段（--- 分隔线之后） body=$(awk '/^---$/{f=1;next} f' scripts/< id >.md) line_count=$( printf '%s\n' " $body " | grep -c .) # 非空行数 char_count=$( printf '%s' " $body " | wc -m | tr -d ' ' ) avg_chars_per_line=$(( char_count / (line_count > 0 ? line_count : 1 ) )) 判定： avg_chars_per_line < 15 且 line_count >= 8 → 判定为字幕格式 → 自动重排 ： 把句子边界的硬断行合并回自然段落 按主题切换分 3-6 段，每段 100-300 字 用 Edit 替换正文段（header 不动） 在 Phase 5 输出里标一行："📐 检测到字幕格式，已重排为段落版" 不命中 → 跳过，正文已经是段落版。 Phase 4.5b: humanizer 去 AI 味 HUMANIZE_DRAFT=on （默认）—— 用 humanizer skill 过一遍。Claude 自己写的初稿天然带 AI tells（em-dash 滥用 / rule of three / "inflated" 词汇 / 空泛归因 / -ing 浅层分析），这一步把它们清掉。 步骤： 检查 humanizer skill 是否可用（ ~/.claude/skills/humanizer/ 存在）： 不可用 → 跳过 4.5b，在 Phase 5 输出里加一行"（humanizer 未装，draft 是原始 AI 版—— git clone https://github.com/blader/humanizer 到 ~/.claude/skills/ 可启用自动去 AI 味）" 可用 → 通过 Skill tool 调 humanizer ， 只传 draft 正文 （ --- 分隔线之后、4.5a 已重排好的段落版）， 绝不传 header ： header 的 ⚠️ Draft by Claude — 你必须改写后再拍 警告是 有意的脚手架标记 ，不是要 humanize 的散文