Content Calibrator — 内容校准预测循环

三条不可妥协原则：

1. 盲预测：预测必须在看到实际数据之前写完，写完即 immutable
2. 升级需盲重打验证：新公式必须盲重打 10 篇 + validate-rubric.sh 降幅达标才落地，Agent 不得自动升级
3. rubric 是工作台不是博物馆：被推翻/吸收的观察删掉，git history 是档案

核心设计：per-work 归集 + 统一 rubric

一个作品 = 一个打分 + 一个预测 + 一个复盘。 作品的内在内容质量与发布平台无关，故打分/预测/复盘按作品归集，rubric 全平台统一，放行阈值也全局统一（质量门是作品本身的事，不分平台）。平台差异（baseline 量级、受众、对标账号）仅作为预测的输入数据按平台保留。

<work> 即作品目录：文章为 output_articles/<article-english-title>/，视频为 output_videos/<topic-en-slug>/。

核心闭环

📊 打分+盲预测 → 🚀 发布 → 📝 记录(1B) → 📈 T+3d 复盘 → 🧬 进化 rubric
                                    │
                                    ├─ 3a: 单篇复盘批量（retro.md + rubric-memo.md）
                                    └─ 3b: 综合评估（detect-bump-signals.sh + 混杂因素 + 建议）

打分与盲预测同一次出分内完成（合并理由：已读稿件、已出分值，顺手出预测； 复盘拆两步：先批量写完所有单篇 retro.md + 观察进 rubric-memo.md（3a），再做跨作品综合评估（3b）——综合评估需本批全部观察落盘后才有效。

派发策略：blind sub-agent 是条件派发，不是强制

blind sub-agent 的隔离价值在于"主对话已看过用户对话/实绩/复盘历史，inline 打分会污染"。这一前提只在交互式会话成立。 发布常走定时任务 + isolatedSession，此时主 agent 本就是全新对话、无上下文，再套一层隔离 subagent 买不到隔离收益，反而 subagent 经 sessions_yield 回包会让 isolated 主 agent 误判本轮结束、截断后续发布动作（见 gotcha：心跳 isolated session 交互死锁）。

inline 打分时必须遵守的隔离纪律（用文字约束替代 spawn 硬隔离，弱一档但可接受）：打分前只读稿件 + calibration/rubric_notes.md；不要读 rubric-memo.md、.cheat-state.json、其他 work 的 calibration/、audience.md、benchmark.md。读完即出分 + 预测，不翻历史。

与 published-track 的集成

发布流程为 打分+预测(1A) → 发布 → 记录(1B)。打分+预测（1A）由本技能负责，发布记录（1B）由 published-track 负责。

流程 1A·打分+盲预测（发布前自检）

发布前对稿件做盲打分 + 盲预测 + 阈值门，避免自创自评。派发方式按上方"派发策略"表，依会话场景选 inline 或 blind sub-agent。

1. 出分+出预测（inline 或 blind sub-agent 二选一，见派发策略表）：
   • 交互式会话：主 agent sessions_spawn 一个 blind sub-agent，只喂 script_path（稿件/视频定稿）+ calibration/rubric_notes.md。sub-agent 硬禁读 .cheat-state.json/各 work 的 calibration//rubric-memo.md/audience.md/benchmark.md/对话历史。
   • 定时 / isolatedSession：主 agent 自己 inline 打分，只读稿件 + calibration/rubric_notes.md，不读上述禁读文件，不翻对话历史。
   • 两种方式输出同一份严格 JSON：
   • 7 维分（ER/HP/SR/QL/NA/AB/PV，各 0-5）+ per-dim confidence
   • 盲预测草稿：cold-start 期（前 5 个作品）= 一句话 bet；过 cold-start = 每目标平台的 bucket + 概率分布 + 中枢 + 反事实场景 + 关键校准假设
2. 主 agent 拿分调 score-only.sh 校验 + 算 composite + 判阈值门：

   ./skills/content-calibrator/scripts/score-only.sh \
     --content-path "output_articles/xxx/article.md" \
     --cal-er 3 --cal-hp 4 --cal-sr 3 --cal-ql 4 --cal-na 3 --cal-ab 4 --cal-pv 2

   返回 JSON 含 passed 与 failing_dims。阈值取自根级 calibration/.cheat-state.json 的 score_threshold（全局，默认 0=不拦截），每维需 > 阈值才算通过。--platform 可选，仅用于校验该平台是否启用 calibration。
3. 主 agent 调 commit-prediction.sh 把 score + 预测落盘到 <work>/calibration/：

   ./skills/content-calibrator/scripts/commit-prediction.sh \
     --work-dir "output_articles/xxx" --platform wx_mp \
     --cal-er 3 --cal-hp 4 --cal-sr 3 --cal-ql 4 --cal-na 3 --cal-ab 4 --cal-pv 2 \
     --prediction-file /tmp/prediction-draft.md

   写 score.json + prediction.md。同 work 重复打分直接覆盖（用户有意见/未过阈值 → 改稿重打，新结果覆盖旧的）。
4. 阈值门：passed=false → 主 agent 据 failing_dims 改稿 → 按派发策略重新出分+预测 → 再判门。最多 2 轮，仍不达标 → 暂停发布、上报用户裁定。
5. passed=true → 放行，进入发布技能。
6. 平台未启用 calibration（calibration/<platform>/.platform-state.json 不存在或 enabled=false）→ 跳过 1A，直接发布。

视频内容：打分+预测对象是脚本定稿（storyboard/口播稿），不是成片。视频技能流程 = 打分+预测(定稿) → 制作 → 发布 → 记录。成片后不再打分。

多平台发布：作品一次打分+预测，预测文件内含每个目标平台的 bucket/中枢（各平台 baseline 不同）。打分维度分只有一组。发布到 N 个平台 → record.sh 调 N 次，每次同一 --source-folder（指向 <work>），record.sh 自动从同一份 score.json 读分。

流程 1B·发布记录（由 published-track 承接）

打分通过并发布成功后，由 published-track/scripts/record.sh 落库。record.sh 直接从 <work>/calibration/score.json 读分（不再传 --cal-* 入参）：默认要求 score.json + prediction.md 齐全否则报错（拦截漏跑 1A）；--no-cal 显式跳过（补发/不打分）。详见 published-track/SKILL.md。

平台打分开关 + 全局阈值

content-calibrator/scripts/cal-toggle.sh：

• 平台开关：--platform <p> --enable/--disable/--status（per-platform）
• 全局阈值：--threshold（查看）/ --set-threshold N（设置，每维 0-5，需 >N 才放行；0=不拦截）/ --list（总览）

数据采集由 published-track 统一管理

content-calibrator 不直接抓取平台数据, 详见 published-track。

路由表（触发词 → 操作）

Predict 不再是独立路由项——它已合并进"打分"。如需单独重跑预测，用"打分这篇"即可（会覆盖 prediction.md）。

平台启用控制

是否启用某个平台的 calibration，必须由用户决定。 Agent 不得自动启用。

• 启用：./skills/content-calibrator/scripts/cal-toggle.sh --platform <platform> --enable
• 停用：./skills/content-calibrator/scripts/cal-toggle.sh --platform <platform> --disable
• 查看状态：./skills/content-calibrator/scripts/cal-toggle.sh --list

Agent 在复盘或发布时，发现对应平台未启用 calibration，不得自动启用，应告知用户"该平台未启用 content-calibrator，如需启用请确认"。

--platform 为必填参数（Init 除外）。支持的平台 ID：

文件结构

<workspace>/
├── calibration/                     # 校准系统根目录
│   ├── rubric_notes.md              # 统一评分公式（blind sub-agent 可读）
│   ├── rubric-memo.md               # 统一观察记录（blind 不可读）
│   ├── .cheat-state.json            # 统一 rubric 循环状态（mode/samples/bump/score_threshold）
│   ├── wx_mp/                       # 平台专属*数据*（无 rubric、无 predictions、无 threshold）
│   │   ├── .platform-state.json     # baseline / enabled / content_form
│   │   ├── audience.md              # 受众画像
│   │   └── benchmark.md             # 对标账号
│   └── xhs/ ...
├── output_articles/<work>/
│   └── calibration/
│       ├── score.json               # 7 维 + composite + rubric_version + 时间戳（重打覆盖）
│       ├── prediction.md            # 盲预测（发布前重打覆盖；发布后 immutable）
│       └── retro.md                 # T+3d 写一次，多平台分析内含（immutable）
└── output_videos/<work>/
    └── calibration/                 # 同上

Init — 初始化

为指定平台创建 calibration/<platform>/ 目录和平台数据文件。首次初始化时同时创建根级统一 rubric（若不存在）。

两种触发方式：

• 用户主动：用户说"初始化校准"或"我要做 XX 平台" → 交互式问答
• Agent 不得自主初始化：必须用户明确要求

用户主动触发流程

1. 询问或从 --platform 参数获取平台 ID
2. 若 calibration/rubric_notes.md 不存在 → 创建根级统一 rubric（v0）+ .cheat-state.json（cold-start）+ rubric-memo.md
3. 创建 calibration/<platform>/ + .platform-state.json + audience.md + benchmark.md
4. 询问用户：内容形态、典型篇幅、发布频率、对标账号（可选）、该平台 baseline
5. 如有对标账号 → 触发 LearnFrom

./skills/content-calibrator/scripts/init.sh --platform <platform_id>

幂等——已存在则跳过。

Score+Predict — 打分+盲预测（合并）

给单篇稿子打 rubric 分 + 出盲预测，在发布前作为自检门（流程见上方"流程 1A"）。脚本不做 LLM 打分/预测；打分+预测由主 agent 出（inline 或 blind sub-agent，按上方"派发策略"表选），脚本只做算术、门禁、落盘。

隔离规则（无论 inline 还是 subagent，白名单/禁读清单相同；区别只是 inline 靠文字自律、subagent 靠 spawn 硬隔离）：

• 白名单只读：稿件（script.md/article.md/post.md）+ calibration/rubric_notes.md
• rubric 路径：统一 rubric 只在根级 calibration/rubric_notes.md。calibration/<platform>/ 下没有独立 rubric，只有 audience.md/benchmark.md/.platform-state.json（平台目录里的 rubric_notes.md 是指向根级的软链，读它等于读根级）。派发 subagent 时应把根级 rubric 路径或内容显式喂给 subagent，不要让 subagent 自己去平台目录找。
• 硬禁读：rubric-memo.md、.cheat-state.json、各 <work>/calibration/、audience.md、benchmark.md、对话历史
• 输出：严格 JSON = 7 维分（各 0-5）+ per-dim confidence + 盲预测草稿
• 校准池重打分（Rubric 升级）强制 blind sub-agent，不接受 inline fallback——升级是交互式深度操作，主 agent 必有上下文，且盲重打需要严格隔离保证验证有效

盲预测的"盲"与落盘分工

• blind subagent 产盲预测本体（bucket/probability/counterfactual/assumptions，或 cold-start 一句话 bet）——它没看 actuals/history/audience，预测是真正的"事前赌"
• 主 agent/脚本在落盘时追加锚点注释（找历史相近 composite 的实绩作参考）——这是派生注释，不污染盲预测本体
• 落盘后 prediction.md 的预测段 immutable（发布后不得覆盖；发布前重打可覆盖）

Cold-start 简化

前 5 个作品不要求完整 bucket 数字，只给 7 维分 + 一句话 bet。第 5 个作品复盘后解锁完整预测。计数在 calibration/.cheat-state.json 的 calibration_samples（全局）。

当前默认 rubric（v0）

7 个维度，每维 0-5 整数分：

composite = (ER×1.5 + HP×1.5 + SR×1.5 + QL + NA + AB + PV) / 8.5 × 2.0

Retro — 复盘

复盘分两步：先批量做完所有单篇复盘，再一次性检测 bump 信号。不在单篇复盘中途插 bump 检测——bump 是跨作品统计判断，需要本批全部观察落盘后才有效。

两个入口

入口 1：凌晨 HEARTBEAT 自动复盘

心跳巡检时：

• 调 query-retro-pending.sh 一键拿待复盘作品列表 + 互动数据
• 按 Step 3a → Step 3b 顺序执行（见下方流程）

入口 2：用户导入对标

用户主动提供对标账号/爆款内容数据，触发 LearnFrom。这是校准 rubric 本身的入口——通过分析对标内容，提炼高流量内容的 pattern，调整 rubric 维度和权重。

复盘的本质：复盘是"拿实际数据验证预测，提炼观察，可能触发 rubric 升级"。导入对标是"从外部信号校准 rubric 的初始假设"。两者互补：复盘是内源校准，对标是外源校准。

Step 3a·单篇复盘（批量）

对 query-retro-pending.sh 返回的每个待复盘作品，依次执行：

1. 读 prediction_path 拿盲预测（路径已在 JSON 里，无需自己拼）
2. 对比预测 vs platforms 里各平台的实际 metrics（数据已在 JSON 里，无需再查 DB）
3. 写 <source_folder>/calibration/retro.md（T+3d 写一次，immutable，含多平台实绩对比 + 假设验证/推翻）
4. 提炼本篇观察 → 追加写入统一 calibration/rubric-memo.md（根级，非平台目录）
5. 更新 calibration/.cheat-state.json 的 calibration_samples

所有待复盘作品全部写完 retro.md + rubric-memo.md 后，才进入 Step 3b。 不在单篇之间插 bump 检测。

Step 3b·综合评估（一次性）

全部单篇复盘完成后，调脚本一次性检测偏差信号并做综合评估：

./skills/content-calibrator/scripts/detect-bump-signals.sh

纯 DB 操作，数据全部来自 published_track.db（cal_score_* 盲打分 + 互动指标实测），不扫文件系统。

脚本逻辑：

1. 查所有 cal_enabled=1 AND cal_bump_evaluated=0 的记录
2. 对每条：cal_score_* + 互动指标 → log 桶归一化到 0-5 actual_score（0→0, 1-10→1, 11-50→2, 51-200→3, 201-1000→4, 1000+→5）
3. 偏差检测（per record = per work × platform）：维度分 ≥3 但 actual ≤2 = 高估；维度分 ≤2 但 actual ≥3 = 低估
4. 偏差信号写回该记录的 cal_bias_signals 列，cal_bump_evaluated 置 1
5. 聚合：查所有 cal_bias_signals IS NOT NULL 的记录，按维度 + 方向统计 count，≥3 → bump 信号触发
6. 触发时自动清信号：recommend_bump=true 时清空 cal_bias_signals（信号已达阈值被消费）；未触发时保留，跨轮累积直到达标

每条记录只处理一次（cal_bump_evaluated 标记）。未达阈值的信号保留在 DB 里，下一轮新记录的信号会叠加到聚合计数上，直到某维度+方向累计 ≥3 触发 bump。触发后清空，下轮从零开始。

返回 JSON：

{
  "newly_processed": 20,
  "data_points": 112,
  "signals": [
    {"dimension": "pv", "direction": "overestimate", "count": 17, "threshold": 3, "triggered": true,
     "platforms": {"xhs": 13, "wx_mp": 1, "douyin": 1, "youtube": 1, "wx_channel": 1},
     "examples": [...]}
  ],
  "triggered_signals": [...],
  "recommend_bump": true
}

platforms 字段给出该信号的各平台分布，供 Agent 一眼判断混杂因素。

Agent 拿到后：

• recommend_bump=false → 本轮无系统性偏差，复盘结束
• recommend_bump=true → 混杂因素评估（Agent 判断，脚本不代劳）：检查 triggered_signals 的 platforms 分布 + examples 的 work 分布：
  • 同账号混杂：全部样本来自同一新号 → 可能冷启动惩罚，非 rubric 问题
  • 同平台混杂：偏差集中在单一平台（如 13/17 来自 xhs）→ 可能该平台 baseline 偏移
  • 跨平台一致：多平台多账号同向偏差 → rubric 维度失准证据强 → 评估结论写入 calibration/rubric-memo.md → 在 Heartbeat 汇总中告知用户评估结论 + 建议（是否升级 rubric / 是否调整发布阈值）。Agent 不得自动升级 rubric 或改阈值。

用户不确认 → 流程到此结束，新作品继续积累新信号，同样模式再现会再触发评估。

数据来源（全部从 published-track DB）

复盘时只从 published-track DB 读取数据，不另行抓取。query-retro-pending.sh 已把待复盘作品的互动数据带出，Agent 无需再查 DB 或 ls 目录。

Bump — Rubric 升级（用户发起）

rubric_notes.md 只能由用户发起修改，Agent 只能建议。前置：用户在看到 Step 3b 综合评估结论后明确同意升级。

1. 生成新公式：Agent 综合读 rubric-memo.md 积累的历史观察 + 评估结论，写出新打分公式（新 rubric_notes.md 草稿）
2. 批量盲重打：Agent 派 blind sub-agent 对最新发布且有数据的 10 篇作品用新公式重打分（不足 10 篇则用全部，最少 3 篇才做验证）
3. 脚本验证：

   ./skills/content-calibrator/scripts/validate-rubric.sh --new-scores /tmp/new-scores.json

   脚本复用 detect-bump-signals 的归一化 + 偏差检测逻辑，对这 10 篇的新分数 vs 实际数据算偏差信号。降幅 = (旧信号数 - 新信号数) / 旧信号数 ≥ 30%（默认阈值） → pass=true；否则 → pass=false。--reduction-threshold 可调阈值。旧信号数=0 时直接 fail（旧公式本无偏差，无升级必要）。
4. pass=false → 回到第 1 步重新生成公式，最多 3 轮。3 轮仍 false → 报用户"自动验证未通过，建议人工介入"
5. pass=true → 落地：
   • 正式写入 calibration/rubric_notes.md
   • 10 篇重打作品的新分数写回 DB（cal_score_* + cal_rubric_version）
   • 重打作品的 cal_bump_evaluated 重置为 0（新公式下应重新参与未来 bump 检测）
   • 归档 calibration/rubric-memo.md → rubric-memo-v<旧版本>-<日期>.md，按模板重置 rubric-memo.md
   • 更新 .cheat-state.json 的 rubric_version + last_bump_at

不做全量重打——老作品保留旧分数（历史数据），新作品按新公式打分。验证只用最新 10 篇，够代表性且成本低。

维度与权重变更规则

维度和权重可以被修改，但必须满足以下条件之一：

1. 用户主动要求 — "加个 XX 维度" / "把 SR 权重调到 2.0"
2. Agent 提议 + 用户确认 — Agent 在综合评估中检测到系统性偏差后提议变更，必须等待用户明确同意才生效

变更流程：

• 变更维度（增/删/替换）或权重 → 走 Rubric 升级流程（生成新公式 → 盲重打 → validate-rubric.sh 验证）
• 变更被拒绝 → rubric 不动，观察记入 rubric-memo.md

LearnFrom — 导入对标

从对标账号/爆款内容中提取 pattern，作为 rubric 初始校准信号。对标数据按平台存 calibration/<platform>/benchmark.md，提炼的 rubric 信号进统一 rubric-memo.md。

数据来源

1. viral-chaser 追爆报告：已下载的爆款视频分析 → 提取结构 pattern
2. 用户提供的数据：手动粘贴对标账号数据
3. published-track DB 中的历史数据：该平台已发布内容的互动数据

流程

1. 确认对标来源（viral-chaser 报告 / 用户提供数据 / 历史数据）
2. 分析 pattern：哪些维度在高流量内容中一致偏高/偏低
3. 派生 rubric 信号（调整权重/维度）
4. 写入 calibration/<platform>/benchmark.md + 更新统一 rubric-memo.md

Status — 校准状态看板

显示校准循环状态：

📊 Content Calibrator 状态

【全局 rubric】
Rubric: v0（统一）
模式: cold-start
校准池: 0 个作品
待复盘: 0 个作品

【全局阈值】每维需 >0 才放行（cal-toggle.sh --set-threshold N 修改）

【平台】
wx_mp  ✅ 已启用  baseline: 未定
xhs    ✅ 已启用  baseline: 未定

【最近复盘】
（暂无）

脚本

打分结果校验（不写入数据库）

Agent 按 rubric 打完 7 维分后，用 score-only.sh 校验分数合法性、计算 composite 并输出结构化 JSON，不写入 DB。此脚本不做 LLM 打分，仅校验并格式化。

./skills/content-calibrator/scripts/score-only.sh \
  --platform wx_mp \
  --content-path "output_articles/xxx/article.md" \
  --cal-er 3 --cal-hp 4 --cal-sr 4 --cal-ql 3 --cal-na 2 --cal-ab 4 --cal-pv 3

落盘打分+预测到 work 目录

blind subagent 出分 + 预测草稿后，主 agent 调 commit-prediction.sh 落盘。同 work 重复调用直接覆盖 score.json + prediction.md。

./skills/content-calibrator/scripts/commit-prediction.sh \
  --work-dir "output_articles/xxx" --platform wx_mp \
  --cal-er 3 --cal-hp 4 --cal-sr 4 --cal-ql 3 --cal-na 2 --cal-ab 4 --cal-pv 3 \
  --prediction-file /tmp/prediction-draft.md

平台打分开关管理

./skills/content-calibrator/scripts/cal-toggle.sh --list
./skills/content-calibrator/scripts/cal-toggle.sh --platform wx_mp --enable
./skills/content-calibrator/scripts/cal-toggle.sh --platform wx_mp --disable

初始化平台

./skills/content-calibrator/scripts/init.sh --platform <platform_id>

幂等——已存在则跳过。首次调用同时创建根级统一 rubric。

查询 published-track 数据

./skills/content-calibrator/scripts/query-metrics.sh --platform <platform> --source-folder <folder>

构建校准池

./skills/content-calibrator/scripts/build-calibration-pool.sh

从 published-track DB + 各 work 的 calibration/score.json 构建全局校准池（per-work 归集）。

Bump 信号检测

./skills/content-calibrator/scripts/detect-bump-signals.sh                # 默认阈值 3
./skills/content-calibrator/scripts/detect-bump-signals.sh --threshold 5  # 改阈值

纯 DB 操作：查 cal_enabled=1 AND cal_bump_evaluated=0 的记录 → 从 cal_score_* + 互动指标算偏差信号 → 写回 cal_bias_signals + cal_bump_evaluated=1 → 聚合全量信号按维度统计同向偏差 → 触发 bump 时自动清空 cal_bias_signals（未触发时保留，跨轮累积）。≥3 次同向 → bump 信号。返回结构化 JSON（含每信号的 platform 分布）。

Rubric 升级验证（Rubric 升级流程用）

./skills/content-calibrator/scripts/validate-rubric.sh --new-scores /tmp/new-scores.json

--new-scores 指向 blind sub-agent 用新公式重打分的 JSON 文件（格式见脚本头注释）。脚本复用 detect-bump-signals 的 log 桶归一化 + 偏差检测逻辑，对同一批作品对比新旧公式的偏差信号数。降幅 = (旧 - 新) / 旧 ≥ 30%（默认） → pass=true；--reduction-threshold 可调。返回 JSON：{pass, sample_size, old_signals, new_signals, reduction, reduction_ratio, reduction_threshold, reason}。exit code：0=pass，1=fail。

导入追爆报告

./skills/content-calibrator/scripts/import-viral-chaser.sh --platform <platform> <report-path>