ra-復盤
目標
把「看數據」變成「攢資產」。每次復盤產出三樣東西:分級結論、有依據的歸因、至少一條沉澱。素材庫(金句/案例/概念)、方法論、課程靈感的唯一進項都掛在這裡。
工作流
1. 定位作品
- 數據台帳:
01-內容生產/數據統計/<平台>/作品數據.md(按標題匹配) - 庫內本體:影片 →
影片工作台/已製作/交接稿或逐字稿/;文章 →文章工作台/;圖文 →圖文工作台/已製作/ - 選題卡:
00-選題池/(沒有卡則復盤結束時補卡)
2. 取數據
- 最新指標與增量:台帳 AUTO 區塊
- 歷史曲線:
automation/daily_snapshots/own/<平台>/*.json(逐日快照) - 粉絲數(算 M 用):對應平台
帳號數據.md - 台帳與快照衝突時,以快照 JSON 為準
3. 爆款分級(標準復用,不自造)
運行時讀 03-對標爆款庫/爆款分級標準.md 取最新定義和閾值,對自己號同樣適用:
- R = 作品核心指標 / 該號近 20 篇的中位數(不足 20 篇用全部並註明;抖音用點讚,小紅書用點讚+收藏)
- M = 點讚 / 粉絲數,按 Tier(粉絲體量層)校準門檻
- 展示計算過程再給結論;樣本少時明說這是「傾向性結論」
4. 內容本體(按需拉取,不提前囤)
- 庫內有全文直接讀(新系統產的作品都在庫內)
- 歷史抖音/小紅書作品:TikHub MCP 拉單條詳情
- 自己的影片要逐字稿:
ra-逐字稿提取skill(火山 ASR,成本約 ¥0.4/小時) - 推文:官方 API 或
https://r.jina.ai/<推文URL>拉全文
5. 歸因
- 對著內容本體回答:鉤子是什麼、前 7 秒/首圖給了什麼、結構怎麼走、選題的流量屬性、發布時機
- 有可比對標時,運行
automation/scripts/hot_monitor_local_job.sh read booms從雲端篩同題材、高 R/M、相近體量樣本;需要逐字稿或指標歷史時,再運行automation/scripts/hot_monitor_local_job.sh read work <雲端作品ID> 01-內容生產/影片工作台/.internal/對標爆款知識資產/只作為歷史深度知識補充,不作為實時指標真源;其中含源信息,引用時繼續遵守隱私牆- 禁止瞎歸因:每條歸因必須指向內容裡的具體句子/畫面,或數據裡的具體拐點(哪天漲的、漲在哪個指標)
6. 沉澱(鐵律環節)
| 沉澱物 | 去處 | 收錄判斷 |
|---|---|---|
| 驗證過的鉤子/標題/表達 | 素材庫/金句庫.md | 高分級作品的開頭句、標題(帶數據:「句子」|作品|R 值/點讚|日期) |
| 可復用實操過程 | 素材庫/案例庫.md | 工具教程類作品的場景/操作/結果/可復用點 |
| 被驗證的類比/解釋框架 | 素材庫/概念庫.md | 講解用的認知積木(如"白板比喻") |
| 平台規律 | 方法論/ 對應檔案 | 加日期條目追加,不覆蓋舊結論;單條樣本標「傾向性」,三條以上同向才寫成規律 |
| 課程靈感 | 02-課程體系/課程選題庫/靈感記錄.md | 乾貨類且數據好 |
| 復盤結論一行 | 選題卡「復盤」節 | 每次必寫(日期 + 分級 + 一句歸因) |
7. 輸出
對話內給復盤報告:分級(含計算)→ 歸因 → 沉澱清單(寫了什麼、到了哪個檔案)。報告本身不落盤——資產在庫裡,報告在對話裡。
硬規則
- 每次復盤至少一條沉澱入庫;確實沒有可沉澱項時,明說原因(如"數據平平且無新表達")
- 金句必須帶數據入庫,不收"感覺不錯"的句子
- 歸因區分「單條傾向」和「多條規律」,只有後者進方法論正文
- 限流/違規疑點先記在選題卡復盤結論裡,平台規則庫回寫等審核接線啟用後再寫
- 自己作品不適用源隱私牆(那是洗稿源的規則)