ra-选题

Que fait ra-选题 ?

Objectif

Traduire les entrées en langage naturel de l'utilisateur en opérations sur les fichiers. L'utilisateur ne fait que parler : noter une idée, donner un lien, définir un format, signaler une publication. Création de fiche, routage de wash, création d'entrée, déplacement de fiche, enregistrement sur le tableau — tout est fait par cette compétence.

Modèle central

• Fiche sujet = livret de famille : 01-ContentProduction/00-SubjectPool/YYYY-MM-DD-<theme>.md (selon le template _subject_card_template.md). Seules les idées, sources, jugements et destinations de lancement y sont notés ; le corps principal réside toujours dans l'espace de travail correspondant.
• Lancement = décision du format à ce moment-là : un sujet peut avoir plusieurs formats ; chaque format crée une entité dans son propre espace de travail, la fiche enregistre - format → [[lien]].
• La fiche ne déplace pas les fichiers : lors du lancement, seul le statut frontmatter passe à lancé, la fiche reste dans 00-SubjectPool/.
• Garantie d'intégrité du livret : toute action de lancement qui ne trouve pas de fiche la crée automatiquement avant de poursuivre (y compris pour les cas de lien direct avec wash).

Table des verbes

1. Enregistrer un sujet (idée xx / penser xx / enregistrer le sujet xx / ce lien, garde-le)

• Créer une fiche dans 00-SubjectPool/ : propos de l'utilisateur + résumé en une phrase + indices de matière ; si lien, l'inscrire dans source: ; si un ID de post de plateforme peut être extrait, remplir aussi sourceID: (<platform>:<post_id>).
• Statut = idée ; répondre avec le chemin de la fiche, ne pas insister ni développer.

2. Approfondir un sujet (approfondir xx / clarifier xx)

• Trouver la fiche (par nom de fichier ou titre), fouiller la bibliothèque de matière / les méthodologies, écrire les angles, accroches, cas dans « notes d'approfondissement ».
• Statut = en approfondissement (les fiches déjà lancées ne changent pas de statut).
• Limite des règles de langage naturel : le corps des notes (angles/arguments/matière/jugement de trafic) est libre, densité d'information prioritaire, pas de passage complet par ra-langage-naturel ; mais les accroches candidates, phrases d'ouverture, directions de titres, phrases choc qui entreront directement dans le brouillon final doivent respecter l'interdiction stricte de ra-langage-naturel (pas de « ce n'est pas A, mais B », pas de « vraiment/en fait/essentiellement », pas de style conférence avec deux-points, pas de début d'impératif). Le polissage complet et le contrôle qualité du langage naturel sont effectués lors du wash de lancement, pas pendant la phase d'approfondissement.

3. Lancer (faire/produire + format ; peut combiner « vidéo article image tout faire »)

Router par format, après chaque format ajouter une ligne dans la section « lancé » de la fiche, puis déplacer la fiche :

Format	Processus	Destination
Vidéo (montage IA)	Si lien → ra-video-wash-pipeline ; si pure idée/texte → ra-wash	Document de transfert → VideoWorkspace/ÀFaire/<date-theme>/transfert.md
Vidéo (présentation personnelle)	Wash → texte de présentation mot à mot, avec mention « auto-enregistré » en haut	VideoWorkspace/TextesMotAMot/
Article	Si lien → extraire le texte source : vidéo Douyin/Xiaohongshu via ra-TranscriptionExtraction ; Bilibili/YouTube via ra-video-wash-pipeline ; page web/tweet via Jina (https://r.jina.ai/<url>) — les sources stockées dans VideoWorkspace/.internal/ → wash en long article (ra-langage-naturel + méthodologie/méthode d'accroche de compte public), diagnostic dbs-ai-check pour corriger les empreintes → créer une entrée selon le template _article_template.md (un dossier par article, avec brouillon + assets/, seul le brouillon est stocké)	ArticleWorkspace/EnCréation/ + enregistrement sur le tableau de publication « à modifier »
Image	Wash → texte Xiaohongshu + titres candidats dbs-xhs-title, générer un document de transfert selon le template _transfert_image_template.md (image confiée à Codex)	ImageWorkspace/ÀFaire/

4. Publier & archiver (xx publié / xx à modifier)

• Publié : cocher la ligne sur le tableau et la déplacer dans le journal « Publié » (date/plateforme) ; déplacer l'entrée article de ÀPublier/ vers Publié/.
• À modifier : remettre/enregistrer la ligne sur le tableau dans la colonne « À modifier ».

5. Idée de cours (ceci pourrait entrer dans un cours / idée cours xx / #idéeCours)

• Ajouter une ligne dans 02-Cours/BanqueIdéesCours/Inspirations.md : - YYYY-MM-DD ｜ résumé en une phrase ｜ Lien : [[fiche sujet ou œuvre]]
• Simple accumulation, pas de développement de structure de cours (garder la plus petite ligne avant le lancement de l'activité).

6. Recommandation de sujets (donne-moi N sujets / aide-moi à trouver une série de sujets)

Quatre sources, sortir N candidats (par défaut 10) :

1. Banque de hits cloud : exécuter automation/scripts/hot_monitor_local_job.sh read booms pour lire les 30 derniers candidats légers des 90 derniers jours, filtrer d'abord par R/M, life et thème ; pour les échantillons retenus, exécuter automation/scripts/hot_monitor_local_job.sh read work <id_œuvre_cloud> pour lire les métadonnées L1/transcription/historique. Les sujets à durée limitée dont la date de publication dépasse life_window_days ne sont pas recommandés comme sujets, mais leur type génétique (ex : « bilan mensuel », « interview de rue », « marketing saisonnier ») est transformé en nouveau sujet actuel ; les sujets pérennes peuvent être directement suivis.
2. Opportunités des 3 derniers jours : exécuter automation/scripts/hot_monitor_local_job.sh read recent 3 200 0 pour lire toutes les nouvelles œuvres des 3 derniers jours sur le cloud (y compris les œuvres non encore jugées hits et YouTube) ; si has_more=true, continuer avec next_offset jusqu'à has_more=false. Pour vérifier la couverture des comptes, exécuter automation/scripts/hot_monitor_local_job.sh read creators. Le serveur scanne déjà Douyin, Xiaohongshu et les comptes de référence YouTube, pas de nouvel appel à TikHub par défaut.
3. Données de ses propres comptes : dans le registre Statistiques/, privilégier les thèmes avec un R élevé pour ses propres comptes.
4. Filtre de positionnement : consulter PositionnementPersonnel.md ; les sujets larges à fort potentiel de trafic qui s'écartent du positionnement ne sont pas rétrogradés (principe du trafic d'abord).
5. Comparaison des lavages passés (règle stricte) : les sorties cloud des sources 1 et 2 doivent d'abord passer par le registre avant d'entrer dans le filtre — enchaînement par pipe en fin de commande : | python3 automation/scripts/wash_ledger.py filter (ex : bash automation/scripts/hot_monitor_local_job.sh read booms | python3 automation/scripts/wash_ledger.py filter). Les entrées marquées washed: true sont affichées mais doivent porter la mention « lavé → » et ne pas être recommandées comme nouveaux sujets ; les entrées washed_match.status=skipped portent la mention « déjà décidé de ne pas faire » ; les entrées washed_suspect portent la mention « suspecté d'être déjà lavé ». Dans le rapport des candidats, indiquer le nombre de lavés/non-faits/suspects de ce lot.

Format de chaque candidat : phrase du sujet ｜ preuve (hit source + R/M ou données de la nouvelle œuvre de référence) ｜ fenêtre de temps ｜ format suggéré (long-métrage pratique/montage IA/présentation orale/image/article) ｜ angle pressenti

Utilisateur sélectionne → créer fiche : les candidats cloud extraient directement platform/post_id du JSON filtré, construire le lien standard par plateforme pour écrire dans source: (douyin→https://www.douyin.com/video/<post_id>, xhs→https://www.xiaohongshu.com/explore/<post_id>, youtube→https://www.youtube.com/watch?v=<post_id>), remplir aussi sourceID: (<platform>:<post_id>) → lancer par format ; les longs-métrages pratiques sont routés vers ra-PlanificationPratique. Lors de l'enregistrement dans le registre de wash côté production, inclure --work-id <id_œuvre_cloud>.

En cas d'échec de lecture cloud, le signaler explicitement ; ne pas revenir au fichier supprimé _BanqueHits.jsonl / _ComptesPool.md, ni faire passer les anciennes analyses AnalyseApprofondie/ pour des données temps réel.

Règles strictes

• Mur de confidentialité tous formats : le lien source, titre source, transcription source n'apparaissent que dans le champ source: de la fiche sujet et dans VideoWorkspace/.internal/ ; tout document final, document de transfert, entrée d'espace de travail est sans information source. Sauf si l'utilisateur demande explicitement d'indiquer la référence.
• Registre de dédoublonnage de wash : registre dans VideoWorkspace/.internal/wash_ledger.jsonl (zone source privée), outil automation/scripts/wash_ledger.py. La lecture cloud pour la recommandation de sujets doit toujours passer par filter ; tout wash de lancement de format doit d'abord passer par check (sur « déjà lavé », s'arrêter et attendre la confirmation de l'utilisateur) ; après dépôt du document de transfert/document final, le côté wash enregistre avec add. Le contenu du registre n'est rapporté qu'à l'utilisateur dans la conversation, n'entre dans aucun document final.
• L'utilisateur ne doit jamais être invité à déplacer des fichiers ; cette compétence le fait et rapporte chaque déplacement dans sa réponse.
• Répartition de l'enregistrement sur le tableau : l'article terminé est enregistré par cette compétence ; la livraison vidéo/image est enregistrée par le côté production (Codex).
• Le lancement vidéo suit toujours un processus en deux étapes : par défaut, seulement jusqu'à la file d'attente « À faire » ; ce n'est que si l'utilisateur dit « produire directement / sortir directement / clé en main » que la production continue.