Changelog

May 22, 2026 · View on GitHub

All notable changes to cheat-on-content will be documented here.

格式参考 Keep a Changelog，版本号遵循 SemVer。

[Unreleased]

Added — 受众画像 persona（cheat-persona skill + audience.md）

动机：用户选题 / 写稿时缺一个清晰的"谁在看"的镜子。新增受众画像功能——从复盘评论数据聚类出账号真实受众。

设计：persona 是和 rubric 平行的第二个派生物：

复盘数据（评论 + 完播 + 转粉）
   ├──→ rubric 进化（cheat-bump）   —— "怎么打分"
   └──→ 受众画像（cheat-persona）    —— "谁在看"
  • 新 skill /cheat-persona（第 15 个子 skill）—— 扫 predictions/*.md 复盘段评论，按"自我认同 / 情绪寄存 / 反驳点 / 语言"四维聚类，写 audience.md
  • 新文件 audience.md + templates/audience.template.md —— 受众画像 reference，和 benchmark.md 同级。强制每条"验证特征"带评论证据 + 条数；验证 / 假设 / 反画像三分；强制写"反画像"防 persona 变成讨好自己的虚构
  • ⚠️ 污染隔离：audience.md 从评论派生 = 含实绩信号。cheat-score-blind hard refusal list 加 audience.md，refusal_code blocked_audience。persona 影响 cheat-seed 写什么（creative），不影响 cheat-predict 怎么打分（blind sub-agent 永不读 audience.md）
  • cheat-seed 接线：Phase 0 读 audience.md 作为"这个 persona 会在乎吗"的镜子（Confidence 🟡 以上才当检验视角；不进粗打分）
  • cheat-init 接线：Phase 3 脚手架创建空 audience.md；导了 benchmark 的用户提示可 /cheat-persona — seed-from-benchmark
  • Confidence 分级：🔴 无数据 / 🟠 benchmark-seed 未验证 / 🟡 1-2 篇复盘 / 🟢 3-5 篇 / 🔵 6+
  • 零 schema 变化：persona 元数据全放 audience.md header（version / last_rebuilt / 数据基础 / Confidence），不动 .cheat-state.json

Phase 1 范围（本次）：上述。Phase 2 路线（未做）：cheat-recommend persona-fit 排序 / cheat-status 新鲜度 nag / cheat-retro 自动 flag。

Known limitations（写进 cheat-persona/SKILL.md）：评论 ≠ 全部受众（偏向会评论的活跃少数）；评论可被水军污染；persona 滞后于真实受众变化；不替用户做"想要的受众 vs 实际受众"的战略决策。

Fixed — cheat-seed draft 写成字幕格式（一句一行）

问题：用户反馈 cheat-seed 写的 draft 正文是"一句话一行"的字幕格式，而不是段落版。根因不是文档缺失——"不要字幕格式"的指令在 4 个文件里都有，但全是散文指令。生成 draft 那一刻，模型"video script = 提词器短行"的训练先验压过了埋在 Phase 4 散文里的一句话。

修复（两手）：

  • A — 生成时压先验：Phase 4 draft 模板块加 ❌字幕格式 / ✅段落版 的具象并排对照，就放在正文占位符旁边——generation 那一刻眼睛在示例上，先验被锚点压住
  • B — 落盘后确定性兜底：新增 Phase 4.5a line-format 自检——算正文 avg_chars_per_line，< 15 字 且 行数 ≥ 8 → 判定字幕格式 → 自动重排为 3-6 段段落版。不靠模型自觉，靠 awk 判定
  • Phase 4.5 顺序固定：先 4.5a 修版式，再 4.5b humanizer（humanizer 处理散文，喂碎行会乱）
  • batch 模式的 N 份 draft 同样走 Phase 4 格式 + Phase 4.5 自检

Added — cheat-seed Phase 4.5：humanizer 自检 pass（去 AI 味）

问题：Claude 自己写的 cheat-seed 初稿天然带 AI 写作 tells——em-dash 滥用、rule of three、inflated 词汇、空泛归因、-ing 浅层分析。用户拿到的起点"机器味"重。

改动：draft 写完落盘后、展示给用户前，新增 Phase 4.5——用 humanizer skill（MIT，外部项目，18k stars）过一遍去掉 AI tells。

  • 只 humanize 正文，不动 header 的"必须改写"警告（那是有意的脚手架标记）
  • voice calibration：有历史脚本 / script_patterns.md 时作为参考样本一起传——往"用户的声音"靠，不是"通用人声"
  • 报告修了哪些 tell，Phase 5 输出展示
  • HUMANIZE_DRAFT = on 默认；humanizer 未装时优雅跳过 + 提示如何启用
  • 不污染校准：cheat-seed draft 不是被预测/发布的东西——cheat-predict 打分的是用户最终稿，humanize 初稿只是给更干净的起点
  • 不替用户改写：humanizer 去 AI 味 ≠ 变成用户的声音，"必须改写"警告依然成立

humanizer 不打包进 cheat-on-content——用户自己 git clone 到 ~/.claude/skills/humanizer/。

Fixed — douyin-session 运行时路径隐私漏洞（@level5Ninja #16）

问题：douyin-session adapter 把 .auth/（含抖音登录 cookie）、debug 截图、report 写进 skill 源码目录 而不是用户内容项目——symlink 安装时，用户的会话凭据会落在 cheat-on-content repo 里，有被 commit 的风险。meta-logging hook 还把每条 user prompt 前 120 字存进 usage.jsonl，采集过度。

修复：

  • 新增 adapters/perf-data/douyin-session/paths.py —— 运行时路径 helper（runtime_project_root / auth_dir / debug_dir / videos_dir），用 CHEAT_PROJECT_ROOT env var + cwd fallback
  • .auth/ → 用户内容项目根；debug 产物 → .cheat-cache/douyin-session-debug/；report/script → 用户项目 videos/（不再散落在 skill 源码树）
  • run.sh export CHEAT_PROJECT_ROOT
  • meta-logging hook 不再存 prompt 摘要——改成只记 prompt_present（bool）+ prompt_chars（长度）
  • docs（adapter README + state-management.md）同步

Fixed — cheat-shoot DIFF_METRIC 在口语化场景的 v2 误触发（BREAKING for v2-trigger-logic）

问题：cheat-shoot Phase 3b 用 line-level unified diff 算 diff_pct = (added + removed) * 100 / orig_lines。但创作者真实场景——draft 是 markdown 长句（一行 ~50 字），拍摄稿是 whisper 转录的口语化短断句（每行 ~5-10 字）——同样的内容会 inflate diff_pct 到 100-200%，触发本不该的 v2 重判。

实测复现（use clone PR pre-fix）：

  • draft markdown 63 行 / ~380 字
  • 拍摄转录 100 行 / 同 ~380 字
  • 内容几乎完全保留（审稿人原句一字不差 + 5 年前反应概念 + 升维段所有金句）
  • 唯一新增：1 句 brand 锚定 "全面拥抱 AI"
  • line-level diff_pct = 198% ⚠️ v2 错误触发
  • 语义内容真实 diff ≈ 15-25%

修复：拆 metric。

  • DIFF_METRIC=char_levenshtein_normalized（新默认）—— tools/diff_pct.py 先 normalize（去 markdown header / 分隔线 / 列表标记 / 装饰标点 / 折叠所有空白），再算 char-level Levenshtein / max(len_a, len_b)
  • backend 优先级：rapidfuzz（C-backed，~ms 级；需 pip install rapidfuzz） → difflib.SequenceMatcher（stdlib，永远可用，~10ms 级）
  • V2_TRIGGER_THRESHOLD = 0.30 保持不动（阈值经验合理）
  • legacy line-level 保留为终极 fallback（只在 python3 + tools/diff_pct.py 都不可达时降级）

测试：3 fixture × 2 backend = 6 case，全过：

Case内容期望范围difflibrapidfuzz
1markdown 长句 vs 转录短断句（内容同）< 30712
2完全不同主题≥ 608897
3加 20% outro/CTA10-301425

跑 bash tools/diff_pct_test.sh 复现。

已知局限：

  • 历史 v2 prediction 文件保留 line-level 数字作 audit trail——不重新走过去的 prediction
  • normalize 是启发式（中文标点）——对其他语言 / 非典型 markdown 可能需调整 regex

Fixed — rubric_notes.md 实绩泄漏漏洞（BREAKING for blind channel integrity）

问题：PR #11 引入的 cheat-score-blind sub-agent 承诺只读 scripts/<id>.md + rubric_notes.md 两个文件。但 cheat-bump Phase 5 把升级 Memo（含真实视频名 + 实绩 + 派生证据）写进了 rubric_notes.md——sub-agent 通过白名单读到了本不该看的实绩，盲打分变成"看过实绩的事后合理化"。实测复现：5 条已发视频里 2 条 sub-agent 自动标 any_contamination_signal: true（refusal=non_blind_warning，所有维度 confidence 降 medium）。

修复（拆 file）：

  • 新增 rubric-memo.md——升级 Memo 累积档案。cheat-bump Phase 5 写这里，不写 rubric_notes.md。append 模式累积多次 bump
  • rubric_notes.md 严格收窄——只放公式 + 通用语言维度定义 + bucket 边界 + 顶部 metadata 指向 rubric-memo.md。绝不含真实视频名 / 实绩 / 派生证据带命名锚
  • cheat-score-blind 硬禁读 rubric-memo.md——refusal_code blocked_rubric_memo；同时加白名单文件兜底自检（grep 命中实绩 pattern → 标 non_blind_warning）
  • cheat-bump Phase 5 leak guard——写完 rubric_notes.md 后 grep 自检，命中违禁 pattern → abort + 回滚
  • shared-references/observation-lifecycle.md 加约束——任何 skill 写 rubric_notes.md 都不许含实绩 pattern（防止将来再犯）

老用户必跑：v0.x 任何已有 rubric_notes.md 含 bump Memo 的项目，git pull 后必须跑 /cheat-migrate 把 rubric_notes.md 拆分为两份文件。不跑 → blind sub-agent 仍泄漏。详见 migrations/1.3-to-1.4.md。

Changed — schema 1.3 → 1.4（MINOR but BREAKING for blind channel）

  • state 字段无变化——schema_version bump 仅标识"老用户须跑文件层拆分迁移"
  • migrations/1.3-to-1.4.md 7 步标准流程（备份 → 扫描 → 抽离 → 写 rubric-memo.md → 清理 rubric_notes.md → 自检 → bump schema）
  • cheat-init, SessionStart hook LATEST_SCHEMA, registry.md 三处同步

Added — Blind scoring sub-agent（channel B 隔离）

问题：cheat-on-content 的 7/9 维打分原本在主对话 inline 完成——但主 Claude 已经看过用户对话、实绩数据、复盘段历史，打分被污染。/cheat-bump Phase 2 校准池重打分时尤其严重——rank 一致性可能 overfit 而非真信号。

改动：引入 skills/cheat-score-blind 作为 channel B 隔离打分 sub-agent。三 channel 模型：

  • A = 主对话：决策 / 写 retro / 跟用户交互
  • B = blind sub-agent (新)：只接收 script_path + rubric_notes_path，硬拒绝读 state file / predictions/ / videos/，输出严格 JSON 9 维分 + per-dim confidence
  • C = 跨模型 audit（qwen-max via mcp__llm-chat__chat，已有）：bump 终局 sanity check

具体落地：

  • cheat-score Step 3 改为 Task tool delegate 到 cheat-score-blind（不再 inline 打分；cheat-score 无 --skip-blind 因为是轻量探索）
  • cheat-predict Phase 2 默认 delegate；新 Phase 2.5 做 disagreement detection——blind 与主 Claude 自估 |delta| ≥ 2 弹用户裁定（选 a/b/c）；header 新增 BlindScored By + BlindScore Disagreement 字段（所有维度必记，delta=0 也记，作为复盘分析素材）
  • cheat-predict --skip-blind flag 是 escape hatch：触发 state.last_prediction_self_scored=true + last_self_scored_at 时间戳，cheat-status / SessionStart hook 持续 nag 至下次正常调用清回
  • cheat-bump Phase 2 强制 sub-agent，不接受任何 fallback——Task tool 不可用 → abort bump，不接受"自审"；每条 prediction 的 Re-scored under vN 行额外标 blind: true
  • SessionStart hook 检测 last_prediction_self_scored && days_since >= 7 输出红色警告
  • install.sh / uninstall.sh 加 cheat-score-blind 到 SKILLS 数组（14 个子 skill）

Changed — schema 1.2 → 1.3（MINOR）

  • 新增 last_prediction_self_scored: bool（默认 false）+ last_self_scored_at: ISO 8601 / null
  • migrations/1.2-to-1.3.md 含 4 段标准格式（WHAT/WHY/HOW/Manual fallback）
  • 老 state 跑 /cheat-migrate 升级；不跑也兼容（skills 用 state.get(field, default) 兜底）

Known limitations（写进 cheat-score-blind/SKILL.md）

  1. sub-agent ≠ 真独立 —— 同 Claude 模型，RLHF priors 共享；新 context 不等于另一个判分体系
  2. 不解决 rubric 设计 bias —— 用户自己写的 rubric 自然让自己内容显得好。这层 bias 由 channel C 跨模型 audit 和定期 bump 验证解决
  3. 不解决 review 阶段的覆盖 —— 主 Claude 拿到 blind 分后，可能在 Phase 2.5 被实绩诱导覆盖。disagreement detection + 用户裁定减轻但不消除

Changed — README / cheat-init voice 重塑（递归宿命感）

  • README tagline 改递归宿命版："你正在读这段话——这个 skill 预测过了。... 你停下来思考'这是不是真的'——也在它的预测里。" 替代原"凭感觉发是猜，这套让你算"框架
  • 新增 🌀 起源段：创作者本人视频脚本精华（一阶宿命 → 二阶宿命的觉醒）作为 README 中段叙事 hook
  • closing tagline 加 callback："你看到这一行——也是它预测的"——首尾呼应把读者卡进预测循环
  • cheat-init Phase 1 首屏同步：从 "做内容本质上就是作弊" 改成 "你的下一条内容已经在改写 3 个月后的你。规律是客观存在的，区别是你看见还是没看见。这套让你看见。"
  • GitHub repo description 同步递归版

Changed — 多语言 README 拆分

  • README.md 现为英文默认——国际用户首屏
  • docs/README_CN.md 为简体中文（原 README 内容 + 宿命感重塑）
  • 两份顶部加 language switcher（QuantDinger 风格）
  • logo 路径 + 内部链接按相对路径调整

Added — Star History 图表

两份 README 末尾加 star-history.com 图表，社区可视化项目热度。

Changed — 弱化 Claude Code 强调

README 安装段从"### Claude Code"+"### Codex"双标题，改为"默认 + supported agents 列表"——把 skill 包装成跨 agent 的工作流而不是 Claude Code 专属。日常用法段同步换成 "skill-compatible agent" 泛称。

Added — Terminal-style logo SVG

  • docs/logo.svg（1.9KB 原生 SVG，无图片资源依赖）
  • 终端窗口 + traffic lights + $ fatesnail 命令行 + 5 阶段循环 + // cheat on content 注释
  • README hero 居中嵌入

Added — cheat-seed Mode 重构 + 双热点工具集成

问题：原 Mode B 给"a/b/c 三种例子"让用户讲经历——但同样的话术对有方向但抽象的用户（"想做职场"）和完全没想法的用户（"帮我想"）一视同仁，前者其实有真动机不需要 AI 列举，后者需要的是外部素材而不是 prompt。

改动：

  • Mode B 改成单问"为什么想做这个主题？" —— 用户内省窗口，不调任何热点工具。3 类回答：含具体经历→转 Mode A；空动机→反问最多 2 轮；真没想法→转 Mode C
  • Mode C 整合外部素材：按 content_form 路由热点工具——AI 类形态调 aihot，文化/社会形态调 trendradar-mcp，混合两个都调；用户挑一条后回到内省问"你为啥对这条最有感觉"，再转 Mode A 深挖
  • Mode A 灰色场景（用户给了时事话题）：Phase 2A.5 询问"要不要拉外部数据作参考"——不主动调，避免外部信息带偏用户视角
  • 聊经历三选项移到 Mode C 兜底：仅当用户拒绝外部素材或外部都不感兴趣时呈现

Added — 两个一等公民 trend source

  • aihot（Claude skill）：aihot.virxact.com 的中文 AI 行业每日精选，5 类（模型/产品/行业/论文/技巧）。无 auth，curl 公开 API，rate limit 600/min
  • trendradar-mcp（MCP server）：TrendRadar（57k stars，GPL-3.0 通过 MCP 调用不构成 linking）。25+ MCP 工具——除 get_latest_news 外还有 analyze_topic_trend（爆火/衰退判定）、compare_periods（周环比）、analyze_sentiment

Added — shared-references/data-source-routing.md

热点工具的触发与路由协议——单一来源记录："何时调"（5 个入口的触发矩阵）+ "调哪个"（content_form → adapter 路由表）+ "不调时怎么办"（失败降级链）+ Token 成本意识。

哲学保持不变

热点工具是"前置素材库"，不是"主菜单"——AI 给材料，用户决定 angle。

cheat-seed 的核心论点"好内容来自用户的真实经历，AI 不凭空 brainstorm"完全保留。新设计只是让"完全没想法"这条 cold-cold-start 路径不再死锁。

Added — v2 预测重判系统（拍后改稿场景）

  • append-only v2 prediction：cheat-shoot 检测拍摄稿与 scripts/<id>.md 行级 diff ≥ 30%（V2_TRIGGER_THRESHOLD）→ 自动调用 /cheat-predict — mode: v2 — prediction-file: <path> → 在原 prediction 文件 ## 复盘 之前 append ## 预测 v2 (replaces v1) 段。v1 段绝不修改（hook 物理强制），v2 才进 cheat-retro 的偏差计算
  • immutability hook awk 升级：单个 ## 预测 改为可识别多个 ## 预测 vN 段（v1 / v2 / 任意 vN 一起锁），同时兼容 v0.1.0 的 legacy 裸 ## 预测 写法。端到端 5 场景验证通过（编辑 v1 / 编辑 v2 / 编辑 legacy 都 BLOCK；append 新段、改 ## 复盘 都 ALLOW）
  • cheat-predict 加 Phase 0.7 模式判定：检测目标 prediction 文件已含 ## 预测... 段 → 自动切 v2 模式（Edit 在 ## 复盘 边界 append，不 Write 覆盖）
  • cheat-retro 升级：识别多个 ## 预测 vN，取最后一段作校准依据；预测段哈希校验扩展为"全部 v? 段合并哈希"，任一被改即报错回滚
  • prediction header 新字段 Prediction Basis：pre_shoot（v1 默认）/ post_shoot_pre_publish（v2）。score-curve 与 cheat-bump 据此区分两条数据线避免混样
  • shoots[] 项 schema 扩展：新增 scripts_path / script_consistency / script_diff_pct / v2_prediction_written / script_hash_at_shoot（详见 migrations/1.1-to-1.2.md）

Changed — schema 1.1 → 1.2（MINOR）

  • 升级 migrations/registry.md LATEST_SCHEMA 标记 + 版本链表
  • cheat-init 新建 state 写 "schema_version": "1.2"
  • SessionStart hook LATEST_SCHEMA="1.2" —— 老用户 git pull + 跑会话 → hook 提示 schema mismatch → 用户跑 /cheat-migrate 5 秒升上来。MINOR 兼容，不强制（skills 用 state.get(field, default) 兜底）

Why now

用户实际工作流：写完草稿 → 常常拍摄时即兴改文案 → 草稿和实际播出版本脱节。原"拍前预测，拍后只登记"的严格盲预测让"预测对的稿子"与"实际播出的稿子"不是同一份——校准失真。

v2 系统让"拍后改稿"成为一等公民：v1 留作档案，v2 基于实际拍摄稿重判，diff(v1, v2) 本身成为 rubric 升级的强证据（用户改稿改高了 ER → 工具学到这个用户的 ER 阈值跟当前公式不一致）。盲预测原则保留：v2 仍在发布前完成，没有播放数据可"作弊"。

Added — Codex 安装兼容（@songth1ef #6）

  • install.sh --codex：安装根路由 skill cheat-on-content 和 13 个子 skill 到 ~/.codex/skills/
  • install.sh --all：同时安装 Claude Code 和 Codex skill
  • uninstall.sh --codex / --all：对称卸载 Codex 或双端安装
  • Codex 路由说明：Codex 用自然语言触发同一套流程，不依赖 Claude Code 的 /cheat-* slash-command harness

Added — Migration 系统（让长期迭代不打断老用户）

  • /cheat-migrate skill：把老用户 .cheat-state.json 从旧 schema_version 升级到当前 LATEST_SCHEMA。幂等、不跳版、失败停在断点
  • migrations/ 目录：版本演进单一来源
    • registry.md：LATEST_SCHEMA 标记 + 完整版本链表
    • <from>-to-<to>.md：每步迁移 4 段（WHAT changed / WHY / HOW Claude steps / Manual fallback）
  • shared-references/migration-protocol.md：演进哲学 + maintainer checklist（bump schema 必做的 4 件事）
  • SessionStart hook 增强：检测 state.schema_version != LATEST_SCHEMA → 输出非阻塞警告，建议跑 /cheat-migrate
  • install.sh --reinstall-hooks <project>：git pull 后重写用户项目 .cheat-hooks/ 的脚本（不动 state / rubric / predictions）
  • state-management.md 升级：所有 schema 升级文档指向 cheat-migrate；明确 MINOR / MAJOR 边界

Why now

v0.1.0 用户的 state 是 schema 1.1。后续如果改字段语义、删字段、重命名等 → 没有迁移系统的话老用户 git pull 后会卡住。这套系统让"长期迭代不打断老用户"成为常态。

Fixed

  • cheat-init content_form 存成字母 bug：Phase 3 state JSON 模板用 <Q1> 抽象占位，导致 Claude 字面把 "a" 写进 state 文件而不是 enum "opinion-video"。修复：Q1/Q3/Q4/Q5 各加明确字母→enum 映射表 + Phase 3 模板加粗 warning。同时补全 7 个缺失的 last_* init 字段（之前靠 state.get(field, default) 兜底）+ enabled_perf_adapters 派生 + 强制 initialized_at 用本地 +08:00 时区不用 UTC Z

Changed — README 重写（v0.1.0 ship 后的定位调整）

  • 标题：英文 Cheat on Content，副标 网红外挂（之前 网红作弊器）
  • Tagline 直面"作弊"框架：「做内容本质上就是作弊——谁先看穿规律，谁就拿走流量」
  • 新增"那 ChatGPT / 豆包 / DeepSeek 不是也能干这个？"段——核心定位为"你自己的运营专家 + 自动进化"
  • 删早期产品警示段（badge + 本 CHANGELOG 已经在传达，重复就是不自信）
  • 砍 ARIS attribution（保留多 adapter 设计思路，去掉外部归功）
  • README 总长 330 行 → 90 行
  • cheat-init Phase 1 首屏文案同步重写：删方法论哲学，2 条 caveats（早期不准 + 强烈建议导对标）

余项

  • Step B：软化更多硬编码规则
  • 完整 reference-implementation 脱敏快照

[0.1.0] — 2026-05-05

⚠️ 早期产品（v0.x）—— state schema 仍可能 breaking

在 v1.0 之前，每次升级可能改变 .cheat-state.json 的字段结构。升级前建议 backup 你的整个 <your-channel>/ 目录。重大 breaking 改动会在本 CHANGELOG 标 BREAKING，并在可能的情况下给手动迁移步骤。

Added

  • 方法论 + 12 个子 skill：完整闭环 init → learn-from → seed → score → predict → shoot → publish → retro → bump，加 status / recommend / trends 辅助
  • 3 条不可妥协原则：盲预测 + 升级=全量重打 + rubric 是工作台不是博物馆（详见 shared-references/）
  • /cheat-learn-from 对标账号导入：5-10 条对标样本派生 base rubric 信号 + script patterns。两种 input 方式（粘文本 默认 / whisper 转录）+ 两种 data 方式（手填 / adapter 自动抓）
  • Buffer 警戒系统（cadence-protocol）：按发布频率派生颜色阈值，断更预警
  • 统一预测格式 + confidence 等级：所有阶段同一 7 组件预测，header 显示 🔴/🟠/🟡/🟢/🔵 信心等级
  • prediction-immutability hook：harness 层强制原则 #1（端到端验证 5/5 通过）
  • SessionStart auto-report hook：每次开会话自动渲染状态报告
  • 跨模型 bump 审核（mcp__llm-chat__chat）：rubric 升级时调外部 LLM 独立判定
  • douyin-session adapter（Playwright）：自动抓抖音视频 + 评论数据
  • whisper adapter：转录视频文件为 transcript
  • 9 份 templates + 2 份 starter rubrics（opinion-video v2 校准 / opinion-video-zero v0 等权）
  • score-curve.py：预测精度收敛曲线诊断工具

软规则（Claude 判断为主，非死磕门槛）

下面规则有默认参考值但 Claude 可基于强信号软违反：

  • bump 触发样本数（默认 ≥5，可基于强反例破例）
  • 同向偏差触发（默认连续 ≥3 次，可基于 1 次极端偏差破例）
  • benchmark 影响淡出（默认 calibration_samples ≥10，可基于"用户数据 vs benchmark 差异度"破例）
  • observation 升格门槛（默认 ≥2 样本，可基于强信号破例）

软违反时 Claude 必须显式标注 judgment-driven 让用户审视。

硬约束（不可软违反）

  • bump 验证 THRESHOLD = 4/5（统计刚性）
  • prediction immutability hook（binary）
  • RETRO_WINDOW_DAYS = 3 默认（用户可配置 1/7）
  • 必须有 ≥3 条 benchmark 样本才能拆 pattern
  • 必须 ≥20 top 评论才能完成 manual paste 复盘

已知 limitations

  • v0.x 无自动 migration：升级时若 state schema 变了，老用户需手动 wipe + 重 init
  • adapter fragility：抖音 / 小红书 adapter 依赖反爬绕过，平台改版时可能 break，需要持续维护
  • whisper 中文准确度：medium 模型够用，long-form 准确度一般，关键稿子建议 manual review

升级指南（pre-v1.0）

每次 git pull 之后：

  1. Symlink 模式装（推荐）：直接生效，无需重装
  2. Copy 模式装：重跑 bash install.sh --copy
  3. 如果 CHANGELOG 标了 BREAKING：照 manual migration steps 操作。无 steps 时建议 wipe + 重 init