Analyse von Kurzvideo-Accounts
Die Analyse eines Accounts wird auf einmal in vier lokalen Dateigruppen abgeschlossen, die sechs Aufgaben abdecken. Die Standardstichprobe ist die letzten 50 Beiträge in umgekehrter Reihenfolge des tatsächlichen Veröffentlichungsdatums, die Standardsprache ist Chinesisch; wenn der Benutzer explizit eine Anzahl, einen Bereich oder einen Ausgabeort angibt, hat dies Vorrang.
Lieferumfang
Erstelle auf dem Desktop ein neues Verzeichnis Account-Analyse/<Account-Nickname>_<Erfassungsdatum_Uhrzeit>/, um frühere Ergebnisse nicht zu überschreiben.
01_Beitragsdaten_und_Ranking/: 50 rohe Titel, Veröffentlichungstexte, Veröffentlichungszeit, Likes, Links, Autoren und Themen; sortiert nach Likes; Top 5 Liste. Bereitgestellt als Markdown und CSV.02_Themenanalyse.md: Themendefinition, Anzahl, Anteil, durchschnittliche Likes und Anzahl gültiger Likes; bei Bedarf mit Median und Extremwerteinflüssen.03_Top5_Transkriptionen/: Fünf separate Markdown-Dateien, Dateiname ist der Originaltitel, Inhalt enthält Originaltitel, ursprünglichen Link, Veröffentlichungszeit, Anzahl Likes und Erfassungszeit, Autor, Transkriptionsquelle und Status, gefolgt von der Transkription.04_Persona_Zielgruppe_Produkt_Verkaufsargumente_Analyse.md: Account-Beschreibung, persönliche IP-Persona, Zielgruppe, Produkte und Verkaufsargumente; jeder Punkt mit Beweisen, Inferenz-Grenzen und Informationslücken.
Zusätzlich speichere in source/ rohe Beweise und maschinenlesbare Statusdaten, um eine Wiederaufnahme zu ermöglichen. Diese sind die Grundlage für die vier Dateigruppen, keine zusätzlichen Analysen. Detailliertes Datenstruktur- und Dokumentformat siehe references/data-contract.md.
Hauptfenster und Luna Arbeitsteilung
- Das Hauptfenster verwaltet Erfassungsumfang, Aufgabenwarteschlange, Beweise, Ausnahmen und abschließende Überprüfung. Der Benutzer bevorzugt Astra als Überwachungsinstanz; nur handeln, wenn die Umgebung tatsächlich einen Wechsel unterstützt, nicht behaupten, dass das aktuelle Modell gewechselt wurde.
- Allgemeine Seitenerfassung, Texteingabe, Themenerstzuweisung und -aufbereitung:
gpt-6-luna,xhigh. - Laute Audiodateien, mehrere überlappende Stimmen, fachspezifische Begriffe, Konflikte zwischen Untertiteln und Audio, Auslassungen oder spezifische Nummernkorrekturen:
gpt-6-luna,max. - Beim Zuweisen die tatsächlichen Modellparameter des Tools setzen: Sub-Agenten verwenden
modelundreasoning_effort, eigenständige Chats verwendenmodelundthinking; nur den Modellnamen in den Prompt zu schreiben, ist keine vollständige Konfiguration. Wenn das Tool die Modellabdeckung für alle Zweige des Verlaufs einschränkt, verwende einen Kontextmodus, der Überschreibungen erlaubt, und übergib explizit notwendige Materialien. - Priorisiere die Verwendung von Sub-Agenten. Jeder Top 5 Eintrag wird von einer eigenständigen Aufgabe bearbeitet, die nach verfügbaren Slots in der Warteschlange gereiht wird; jede Aufgabe verwendet ein separates Verzeichnis. Verwende das Chat-Erstellungstool nur, wenn der Benutzer explizit einen eigenständigen Chat anfordert, und befolge die Autorisierungsregeln dieses Tools.
- Wenn ein angegebenes Modell nicht verfügbar ist, informiere sofort; wechsle nicht stillschweigend zu einem anderen Modell oder behaupte, die Einstellung sei erfolgreich gewesen.
- Luna ist verantwortlich für Extraktion, Korrektur und Überprüfung; die Audioerkennung wird von der ASR-Engine durchgeführt. Eine höhere Reasoning-Stufe behebt keine Download-Fehler oder die Einzelwarteschlangenbeschränkung des ASR-Dienstes.
Ausführung
1. Beweise und Stichprobe sammeln
Lies die Abschnitte zur Erfassung und Klassifizierung in references/workflow.md. Analysiere den geteilten Link, um den echten Account zu erreichen, und bestätige Nickname, Profillink, Beschreibung und Erfassungszeit. Bevorzuge die Wiederverwendung von in dieser Sitzung überprüfbaren Erfassungsmaterialien; alte 100 Datensätze müssen erneut nach Datum gefiltert werden, um die letzten 50 auszuwählen; alte Top 5 können nicht weiterverwendet werden.
Verwende aktuell verfügbare offizielle Schnittstellen, Konnektoren oder Browserfähigkeiten. Wenn der Benutzer einen bestimmten Browser wie ego angibt, stelle zuerst sicher, dass das Tool eine Verbindung herstellen kann; verwende nur Daten, die auf der Seite sichtbar oder legal über Schnittstellen verfügbar sind. Bei Anmeldeaufforderungen, Captchas, Unzugänglichkeit oder unvollständigen Stichproben informiere rechtzeitig über die spezifischen Lücken und fahre mit den nicht betroffenen Teilen fort.
Beitrags-IDs deduplizieren, angeheftete Beiträge behalten und nach tatsächlichem Veröffentlichungsdatum sortieren. Titel und Veröffentlichungstext sind separate Felder; beides entspricht nicht dem Sprachtranskript. Wenn Veröffentlichungsdatum, genaue Likes, Titel oder Beschreibung nicht verfügbar sind, behalte leere Werte bei, keine Erfindungen.
2. Klassifizierung, Statistik, Ranking
Lies references/data-contract.md, normalisiere die Daten und weise jedem Beitrag ein Hauptthema zu. Erstelle Kategorien basierend auf dem Account-Inhalt, ohne eine feste Anzahl von Kategorien vorzugeben; Einträge mit geringen Beweisen können als „zu klassifizieren“ markiert werden. Bestimme zuerst die Menge der letzten 50 Beiträge, dann erstelle das Ranking innerhalb dieser Menge.
Verwende das deterministische Skript dieses Skills für Statistiken und Listen:
python3 /path/to/account-analysis/scripts/analyze_posts.py \
--input /path/to/collected_posts.json \
--output-dir /path/to/run --limit 50
Ersetze die Beispielpfade durch tatsächliche absolute Pfade. Überprüfe analysis_status.json und verteile dann top5.json aus 01_Beitragsdaten_und_Ranking/. Unbekannte Likes dürfen nicht als 0 behandelt werden; abgekürzte Likes dürfen nur als Näherungswerte markiert werden; falls dies das Ranking beeinflusst, kennzeichne die Top 5 als vorläufig. Erzeuge keine statistischen Ergebnisse durch Kopfrechnen.
3. Top 5 Transkription
Lies references/transcription.md. Bevorzuge verfügbare Untertitel. Wenn eine Sprachtranskription benötigt wird, vergleiche mit dem Audio; vorhandene Untertitel decken nicht zwangsläufig die gesamte Sprache ab. Wenn keine Untertitel verfügbar sind, beschaffe das Audio und führe ASR durch. OCR wird verwendet, um Bildinformationen zu ergänzen oder Abschnitte ohne Audio zu verarbeiten.
Wenn die Top 5 Artikel oder Bild-Text-Beiträge enthalten, speichere den Originaltext oder erfasse den Bildschirmtext nach Seiten, und gib den Beitragstyp und die Quelle an; wenn es keine Sprachaufnahme gibt, gib dies ehrlich an. Sie behalten ihre ursprüngliche Rangfolge bei, und es werden keine Beiträge ersetzt, um fünf Videos zu erhalten.
Für Douyin kann das lokale douyin-video Skill verwendet werden; lies zuerst dessen Anleitung. Zeitmessung für Media-Beschaffung, ASR und Luna-Korrektur getrennt durchführen. Das scripts/transcribe_local.py dieses Skills bietet lokale Erkennung, serielle Warteschlange, genaue Job-ID-Verfolgung, Fehlerprotokollierung und Caching für Wiederaufnahme; es wandelt einen Einzelwarteschlangendienst nicht in einen parallelen Dienst um.
Ein Sammler bedient den gemeinsamen Browser, ein Übermittler verwaltet die gemeinsame ASR-Warteschlange; parallel können Texte verschiedener Videos korrigiert und analysiert werden, nachdem sie beschafft wurden. Öffne nicht mehrere Fenster, die um denselben Tab konkurrieren, oder reiche dasselbe Video zweimal ein.
Jeder Eintrag wird separat ausgegeben, wobei originale Formulierungen, verbale Wiederholungen und unsichere Stellen erhalten bleiben. Die Fertigstellung der ASR bedeutet nicht, dass die Transkription korrigiert ist. Wenn die Beschaffung eines Top 5 Eintrags fehlschlägt, behalte seine ursprüngliche Position und seinen Status; ersetze ihn nicht stillschweigend durch den 6. Platz. Wenn der Text nicht das gesamte Video abdeckt, schreibe explizit „Teiltranskription“ und behaupte nicht, vollständig zu sein.
4. Account-Analyse und Endkontrolle
Lies die Abschnitte zu Beweisen und Berichten in references/workflow.md. Integriere Profilseite, 50 Titel und Texte, Top 5 Transkriptionen und zugängliche Produktseiten, um die vier Analyse-Kapitel abzuschließen. Wenn Produkt- oder Nutzerdaten unzureichend sind, behalte die Kapitel bei und liste die unbekannten Punkte sowie die fehlenden Beweise auf.
Überprüfung durch das Hauptfenster:
- Zeitbereich der letzten 50 Beiträge, Deduplizierung von angehefteten Beiträgen, Erfassungsdeckung und Zeitpunkt der Like-Erfassung sind klar.
- Die Summe der Hauptthemeneinträge entspricht der Stichprobengröße, der Anteil basiert auf der gesamten Stichprobe; unbekannte Likes werden aus dem Durchschnitt ausgeschlossen und offengelegt.
- Top 5 stimmen mit dem Ranking überein; alle fünf Dateien haben Originaltitel und fünf Metadatenfelder, die Original-Links entsprechen den Beitrags-IDs; Transkriptionsstatus und Deckungsbeweise stimmen überein.
- Selbstbeschreibung der Persona, beobachtbare Fakten, analytische Inferenzen und unbekannte Informationen sind klar getrennt; es wird nicht von Inhaltsvorlieben auf tatsächliches Alter, Einkommen, Produktverkäufe oder Konversionsraten geschlossen.
- Alle vier Lieferdateigruppen sind vollständig; alle Lücken wurden zum Zeitpunkt der Entdeckung gemeldet und werden am Ende zentral aufgelistet.
Zum Schluss gib das Desktop-Verzeichnis und Links zu den wichtigsten Dateien an; fasse kurz die Anzahl der Themen, den Transkriptionsstatus der Top 5 und die Analyseeinschränkungen zusammen. Bei teilweisem Fehlschlag liefere die abgeschlossenen Ergebnisse und konkrete Einstiegspunkte für die Fortsetzung; markiere nicht die gesamte Aufgabe als abgeschlossen.