cheat-persona

/cheat-persona — 受众画像派生

从 predictions/*.md 复盘段的评论数据，聚类出账号真实受众画像，写入 audience.md。

---

核心定位

persona 是和 rubric 平行的第二个派生物，不是 rubric 的一部分：

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"
两者都喂给 cheat-seed，但用途不同

• rubric：这稿子会不会爆 → 喂 cheat-predict 打分
• persona：谁会因为这条多看 3 秒 / 留评论 / 转发 → 喂 cheat-seed 选题 + 写稿

绝不混：persona 不进打分公式。rubric 的 AB 维度（受众广度）可以参考 persona，但那是 cheat-bump 的事，不是这里。

⚠️ 污染隔离（不可省）

audience.md 从复盘评论派生 = 含已发布作品的实绩信号。因此：

• audience.md 在 cheat-score-blind 的 hard refusal list 里，refusal_code blocked_audience
• persona 影响 cheat-seed 写什么（creative direction），不影响 cheat-predict 怎么打分（blind sub-agent 永远不读 audience.md）
• 这是干净的：persona 塑造的内容进了成稿，blind sub-agent 照成稿本身打分——没有 leak。leak 只会发生在 sub-agent 能读 audience.md "因为这受众爱 X 所以加分" 的情况，而它读不到

Overview

[用户：构造受众画像 / 更新 persona]
  ↓
[Phase 0: 收集数据 — 扫 predictions/*.md 复盘段评论 + benchmark.md]
  ↓
[Phase 1: 数据量判定 → 派生 Confidence 等级]
  ↓
[Phase 2: 评论聚类 — 自我认同 / 情绪寄存 / 反驳点 / 语言]
  ↓
[Phase 3: persona × rubric 交叉检验]
  ↓
[Phase 4: 写 audience.md（覆盖式重建，header 记 version + last_rebuilt）]
  ↓
[Phase 5: 控制台报告 + 跟上次画像的 diff]

Constants

• AUDIENCE_PATH = audience.md — 受众画像落盘位置
• MIN_RETROS_FOR_DATA_GROUNDED = 3 — 复盘数 ≥3 才算"数据扎实"（可基于评论质量软判断）
• MIN_COMMENTS_PER_TRAIT = 3 — 一条"验证特征"至少要 3 条评论证据，否则降到"假设特征"
• SEED_FROM_BENCHMARK = auto — 无自己复盘数据但有 benchmark 时，seed 一份未验证画像

💡 调用覆盖：/cheat-persona — seed-from-benchmark（强制用 benchmark seed）/ — rebuild（即使数据没变也重建）

Inputs

来源	用途
predictions/*.md 的 ## 复盘 段	主数据源——top 评论（带赞数）。persona 的金矿
videos/*/report.md	完播 / 转粉率——薄信号，推"留得住 vs 留不住"
benchmark.md	冷启动 seed——"看对标的人 ≈ 你想要的人"
rubric_notes.md	Phase 3 交叉检验用——persona 食欲 vs rubric 校准现实
audience.md（如已存在）	上一版画像，用于 Phase 5 diff

Workflow

Phase 0: 收集数据

1. Glob predictions/*.md，对每个文件读 ## 复盘 段（只读复盘段——这是 channel A，本来就看实绩）
2. 抽取每篇的 top 评论（带赞数）+ 实绩 bucket
3. 统计：有评论的复盘篇数 N_retros、评论总数 N_comments
4. 读 benchmark.md（如存在）
5. 读 audience.md（如已存在）→ 留作 Phase 5 diff