文化趋势策展人

文化趋势策展人 是做什么的？

目标

基于公众趋势策展书籍、电影和电视节目推荐。优先考虑近期文化热度、权威榜单、长期评分、评分数量置信度以及类别多样性，而非个人资料匹配。

使用时机

在以下请求中使用该技能：

• 根据近期热度和公众榜单推荐书籍或电影。
• 生成周/月/年度的书影摘要。
• 对比近期热门作品与长期经典作品。
• 创建定时推荐报告或通知内容。
• 避免依赖用户的个人阅读/观影历史。

默认操作模式

默认摘要周期为每周，除非用户另行指定：

• 时间窗口：最近30天加上当前年份的榜单。
• 输出：5本书籍和5部电影/电视节目。
• 书籍：优先选择中文可读的书籍，尤其是中文版、翻译版、有中文出版/讨论信号的书籍，或中文读者易于阅读的书籍。避免将书籍部分变成直接的英文榜单翻译。
• 书籍不能变成新书榜单：将新书页面仅作为发现来源。在常规周度摘要中，混合近期热门书籍与稳定的长销书、现代经典、长期高分作品以及媒体/社区推荐。
• 电影/电视：优先选择在中文语境中可观看或可积极讨论的作品。默认保留一个全球影史经典补位名额；它不一定是中文作品，但必须具有广泛认可的经典价值以及便捷的中文观看/讨论信号。
• 风格：简洁的编辑式策展。
• 个人数据：默认使用公共来源；仅在明确要求时使用个人记录。
• 来源：偏好公共排名、权威媒体榜单、平台排行榜以及跨来源共识。
• 链接：只要存在URL，就在最终Markdown中保留可点击的来源链接。
• 制品（Artifacts）：当用户要求可发布的输出、报告、文章或可重用结果时，创建一个 .md 制品，而不仅仅是内联回答。

工作流程

1. 定义策展任务。

   • 确定内容类型：书籍、电影、电视或全部。
   • 确定时间窗口：7天、30天、当前年份、过去一年或全时段经典。
   • 除非另有覆盖，否则使用默认的地区规则：书籍优先考虑中文可读；电影/电视优先考虑中文可观看或可讨论，并保留一个全球经典补位名额。

2. 收集候选项目。

   • 阅读 references/source_strategy.md。
   • 搜索多个独立来源，而非依赖单一平台。
   • 捕获标题、创作者、类型、来源、URL、评分、评分数量、榜单/排名、年份、标签以及出现原因。
   • 对翻译标题和重复版本进行去重。

3. 排名和筛选。

   • 阅读 references/scoring_rules.md。
   • 过滤明显的低质量项目：评分极低、样本量极小、无证据的纯营销榜单。
   • 平衡近期热度与长期质量。
   • 强制多样性：避免仅推荐单一类型、国家、内容类型或来源家族。
   • 对于书籍，限制新书候选数量并明确包含稳定的长销书/经典选择，以免结果仅仅是豆瓣最新书单摘要。

4. 渲染摘要。

   • 阅读 references/output_format.md。
   • 如果用户要求发布、投稿、发送到平台或适配微信公众号/新闻通讯/社交媒体，阅读 references/publishing_formats.md。
   • 当候选数据保存为JSON时，使用 scripts/rank_items.py。
   • 使用 scripts/render_digest.py 从排名后的JSON生成Markdown。
   • 为每个项目包含：推荐理由、为何现在推荐、来源信号以及风险说明。
   • 当存在URL时，对项目标题、来源说明和最终参考使用可点击的Markdown链接。
   • 当用户要求具体的制品或平台就绪的文章时，将最终的可发布草稿保存为 .md 文件。
   • 对于已配置的企业微信投递，仅在文章和封面图片就绪后使用 scripts/send_wecom_notification.sh。将Webhook保存在忽略的本地配置中；切勿将其放入技能说明、制品或Git中。

可选投递

当用户要求将完成的摘要发送到已配置的企业微信群组时，阅读 references/publishing_formats.md 中的投递说明。默认投递内容包括标题通知、封面图片和Markdown附件。仅在明确要求时发送完整的文章正文，因为它可能占用多条群消息。

5. 适当时保存推荐历史。
   • 如果重复运行，将已输出的标题存储在调用者项目或选定输出目录中的本地历史JSON文件中。
   • 默认记录历史，但除非用户明确要求避免重复，否则不使用历史来排除或降级推荐。
   • 使用规范键和别名，以便在启用去重时，翻译标题和原始标题可以一起进行去重。
   • 可选的去重窗口：每日=30天，每周=8周，每月=6个月，经典=90天。

候选JSON模式

使用脚本时，准备一个JSON文件，可以是列表或包含 items 的对象：

{
  "items": [
    {
      "title": "书籍或电影标题",
      "creator": "作者、导演或制作人",
      "type": "book",
      "url": "https://example.com/item",
      "year": 2026,
      "rating": 8.7,
      "rating_scale": 10,
      "rating_count": 12000,
      "source_count": 3,
      "trend_window": "30d",
      "trend_score": 0.8,
      "rank": 4,
      "tags": ["历史", "非虚构"],
      "sources": ["豆瓣", "微信读书", "媒体榜单"],
      "evidence": ["出现在月度榜单中", "高评分数量"],
      "reason": "为何值得推荐",
      "risk": "可能的注意事项"
    }
  ]
}

脚本使用

排名候选：

python3 scripts/rank_items.py candidates.json --out ranked.json --history recommendation_history.json --mode weekly

默认的 --duplicate-policy none 会稍后记录历史，但不会使用历史来排除或降级项目。

显式请求时的每日模式，带30天强去重窗口：

python3 scripts/rank_items.py candidates.json --out ranked.json --history recommendation_history.json --mode daily --duplicate-policy exclude

渲染Markdown摘要并将输出的项目追加到历史：

python3 scripts/render_digest.py ranked.json --out digest.md --books 5 --films 5 --history-out recommendation_history.json --mode weekly

质量标准

宁可推荐更少的项目，也不要填补薄弱的空缺。如果候选只有短期流量且没有质量证据，则排除它或将其标记为炒作关注。如果来源冲突，简要说明不确定性。