cody1991/文化趨勢策展人

文化趨勢策展人 是做什麼的？

目的

根據公眾文化趨勢，策劃並推薦書籍、電影和電視節目。優先考量近期的文化熱度、信譽良好的頂尖榜單、長期評分、評分數量的可信度以及類別多樣性，而非個人喜好匹配。

使用時機

當請求涉及以下內容時，使用此技能：

• 根據近期熱門程度和公眾榜單推薦書籍或電影。
• 製作每周/每月/每年的書籍與電影摘要。
• 比較近期熱門作品與長期經典。
• 建立排程推薦報告或通知內容。
• 避免依賴使用者的個人閱讀/觀看紀錄。

預設運作模式

除非使用者另行指定，否則預設的摘要頻率為每周：

• 時間範圍：過去 30 天加上當前年份的榜單。
• 輸出：5 本書籍和 5 個電影/電視項目。
• 書籍：優先推薦中文可讀的書籍，尤其是中文版本、翻譯版本、有中文出版/討論訊號的書籍，或中文讀者容易閱讀的書籍。避免將書籍部分變成英文榜單的直接翻譯。
• 書籍不應成為新書榜單：僅將新書頁面視為發現來源。在正常的每周摘要中，應混合近期熱門書籍、穩定的長銷書、現代經典、長期高評分作品以及媒體/社群的精選。
• 電影/電視：優先推薦在中文語境下可觀看或可討論的作品。預設保留一個全球影史經典補追名額；該項目不一定是中文作品，但必須具備廣泛認可的經典價值以及方便的中文觀看/討論訊號。
• 風格：簡潔的編輯策展風格。
• 個人資料：預設使用公開來源；僅在使用者明確要求時才使用個人紀錄。
• 來源：偏好公開排名、信譽良好的媒體榜單、平台排行榜以及跨來源共識。
• 連結：只要有可能，在最終的 Markdown 中保留可點擊的來源連結。
• 成品：當使用者要求可發布的輸出、報告、文章或可重複使用的結果時，建立一個 .md 成品，而不是僅在行內回答。

工作流程

1. 定義策展簡報。

   • 確定內容類型：書籍、電影、電視，或全部。
   • 確定時間範圍：7 天、30 天、當前年份、過去一年，或整個經典時期。
   • 除非另有規定，否則使用預設的地區規則：書籍優先選擇中文可讀的；電影/電視優先選擇中文可觀看或可討論的，並保留一個全球經典補追名額。

2. 收集候選項目。

   • 閱讀 references/source_strategy.md。
   • 搜尋多個獨立來源，而非依賴單一平台。
   • 記錄：標題、創作者、類型、來源、URL、評分、評分數、榜單/排名、年份、標籤，以及出現的原因。
   • 對翻譯後的標題和重複版本進行去重。

3. 排序與過濾。

   • 閱讀 references/scoring_rules.md。
   • 過濾明顯的低品質項目：評分極低、樣本數極少、純行銷榜單且無佐證。
   • 平衡近期熱度與長期品質。
   • 執行多樣性：避免只推薦單一類型、國家、內容類型或來源家族。
   • 對於書籍，限制新書候選名額，並明確包含穩定/長銷/經典選擇，使結果不僅僅是豆瓣最新書籍摘要。

4. 渲染摘要。

   • 閱讀 references/output_format.md。
   • 如果使用者要求發布、張貼、發送到平台，或改編為微信公眾號/電子報/社群媒體，請閱讀 references/publishing_formats.md。
   • 當候選項目以 JSON 格式儲存時，使用 scripts/rank_items.py。
   • 使用 scripts/render_digest.py 從排序後的 JSON 生成 Markdown。
   • 每個項目需包含：推薦原因、當下推薦的理由、來源訊號以及風險提示。
   • 當有 URL 可用時，對項目標題、來源備註和最終參考使用可點擊的 Markdown 連結。
   • 當使用者要求具體的成品或可直接發布的文章時，將最終的發布草稿儲存為 .md 檔案。
   • 對於已配置的 WeCom 發送，僅在文章和封面圖都存在時，才使用 scripts/send_wecom_notification.sh。將 Webhook 保留在忽略的本地配置中；切勿將其放入技能說明、成品或 Git 中。

可選發送

當使用者要求將完成的摘要發送到已配置的 WeCom 群組時，請閱讀 references/publishing_formats.md 中的發送說明。預設發送方式為標題通知、封面圖片和 Markdown 附件。僅在明確要求時才發送完整的文章內容，因為它可能會佔用多條群組訊息。

5. 適時儲存推薦歷史。
   • 如果反覆執行，請將已推薦的項目儲存在呼叫者專案或指定輸出目錄中的本地歷史 JSON 檔案中。
   • 預設情況下記錄歷史，但除非使用者明確要求避免重複，否則不要用它來排除或降低推薦項目的排名。
   • 使用規範鍵和別名，以便在啟用去重功能時，翻譯後的標題和原始標題可以一起進行去重。
   • 可選的重複視窗：每日 = 30 天，每周 = 8 週，每月 = 6 個月，經典 = 90 天。

候選 JSON 結構

使用腳本時，準備一個 JSON 檔案，格式為列表或包含 items 的物件：

{
  "items": [
    {
      "title": "書籍或電影標題",
      "creator": "作者、導演或節目統籌",
      "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": ["歷史", "非虛構"],
      "sources": ["豆瓣", "微信讀書", "媒體榜單"],
      "evidence": ["出現在月度榜單", "高分數量多"],
      "reason": "為何值得推薦",
      "risk": "可能的注意事項"
    }
  ]
}

腳本使用

對候選項目進行排序：

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

預設的 --duplicate-policy none 會稍後記錄歷史，但不會使用歷史來排除或降低項目排名。

僅在明確要求時，使用每日模式並搭配 30 天的強去重視窗：

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

渲染 Markdown 摘要並將已推薦項目附加到歷史記錄：

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

品質標準

與其填補弱項空缺，不如推薦較少的項目。如果一個候選項目只有短期流量而無品質佐證，則將其排除或標記為炒作關注。如果來源資料衝突，請簡要說明不確定性。