ra-選題
目標
把使用者的自然語言入口翻譯成檔案操作。使用者只說話：記靈感、給連結、定形態、報發布。建卡、洗稿路由、建條目、挪卡、登記看板全部由本 skill 完成。
核心模型
- 選題卡 = 戶口本：
01-內容生產/00-選題池/YYYY-MM-DD-<主題>.md（按_選題卡模板.md）。只記想法、來源、判斷、立項去向；正文永遠住對應工作台。 - 立項 = 決定形態的那一刻：一題可多形態；每個形態在自己的工作台建實體，卡上記
- 形態 → [[連結]]。 - 卡不移動檔案：立項時只改 frontmatter 狀態為
已立項，卡留在00-選題池/原位。 - 戶口本完整性兜底：任何立項動作發現沒有卡，先自動補卡再走流程（含直接甩連結洗稿的場景）。
動詞表
1. 記錄選題（靈感xx / 想法xx / 記錄選題xx / 這個連結先存著）
- 在
00-選題池/建卡：使用者原話 + 提煉的一句話說清 + 素材線索；有連結記入來源:，能解析出平台作品ID的同時填源ID:（<platform>:<post_id>） - 狀態 = 想法；回覆卡片路徑，不追問、不展開
2. 深化選題（深化xx / xx想清楚點）
- 找到卡（按檔名或標題匹配），檢索素材庫/方法論，把角度、鉤子、案例寫進「深化筆記」
- 狀態 = 深化中（已立項的卡不改狀態）
- 人話規則的適用邊界：筆記本體（角度/論據/素材/流量判斷）自由寫，資訊密度優先，不跑
ra-人話全流程；但候選鉤子、開頭句、標題方向、金句這類會直接進成稿的種子句，必須遵守ra-人話硬禁令（不用「不是A而是B」、真正/其實/本質上、冒號講義腔、命令式模板開頭）。完整的人話精修與品質門在立項洗稿階段跑，深化階段不重複。
3. 立項（做成/製作 + 形態；可組合「影片文章圖文都做」）
按形態路由，每個形態完成後在卡「已立項」追加一行，最後挪卡：
| 形態 | 流程 | 落位 |
|---|---|---|
| 影片（AI 成片） | 有連結走 ra-video-wash-pipeline，純想法/文稿走 ra-洗稿 | 交接稿 → 影片工作台/待製作/<日期-主題>/交接稿.md |
| 影片（自錄口播） | 洗稿產出口播逐字稿，文首標註「自錄口播」 | 影片工作台/逐字稿/ |
| 文章 | 有連結先提源文本：抖音/小紅書影片用 ra-逐字稿提取skill；B站/YouTube 等影片複用 ra-video-wash-pipeline 的提取環節；網頁/推文用 Jina（https://r.jina.ai/<url>）讀正文——源資料一律存 影片工作台/.internal/ → 洗成長文（ra-人話 + 方法論/公眾號開頭方法論），dbs-ai-check 診斷一遍修掉具體指紋 → 按 文章工作台/_文章模板.md 建條目（一篇一資料夾，主稿 + assets/，只存主稿） | 文章工作台/創作中/ + 發布看板登記「待修改」 |
| 圖文 | 洗成小紅書文案 + dbs-xhs-title 標題候選，按 _圖文交接模板.md 生成交接稿（出圖歸 Codex） | 圖文工作台/待製作/ |
4. 發布歸檔（xx發布了 / xx要改）
- 發布了：看板該行勾選並移入「已發布」日誌（日期/平台）；文章條目從 待發布/ 移 已發布/
- 要改：看板移回/登記「待修改」
5. 課程靈感（這個可以進課程 / 課程靈感xx / #課程靈感）
- 在
02-課程體系/課程選題庫/靈感記錄.md追加一行：- YYYY-MM-DD ｜ 一句話靈感 ｜ 關聯：[[選題卡或作品]] - 只做積累，不展開課程結構（業務啟動前保持最細的線）
6. 選題推薦（給我N個選題 / 幫我出一批選題）
四路取材，輸出 N 個候選（預設 10）：
- 雲端爆款庫：執行
automation/scripts/hot_monitor_local_job.sh read booms讀取最近 90 天最多 30 條輕量候選，先按 R/M、life 和題材篩選；對入圍樣本再執行automation/scripts/hot_monitor_local_job.sh read work <雲端作品ID>讀取 L1/逐字稿/指標歷史。時效型且超窗（發布日距今 > life_window_days）的不推選題本身，只提取題型基因（如「月度盤點」「街採」「節令行銷」）轉化為當下的新選題；長青型可直接跟進 - 近 3 天機會：執行
automation/scripts/hot_monitor_local_job.sh read recent 3 200 0，讀取雲端最近 3 天的全部新作（包括未判爆作品和 YouTube）；響應has_more=true時按next_offset繼續讀取，直到has_more=false。需要確認帳號覆蓋時執行automation/scripts/hot_monitor_local_job.sh read creators。伺服器已經統一掃描抖音、小紅書和 YouTube 對標號，預設不再直接呼叫 TikHub 重複採集 - 自己號資料：
資料統計/台帳裡自己號 R 值高的題材優先放大 - 定位過濾：對照
個人定位.md；偏離定位但流量潛力大的泛選題不降級（流量優先原則） - 已洗對比（硬門）：第 1、2 路的雲端輸出必須先過台帳再進入篩選——命令末尾接管道
| python3 automation/scripts/wash_ledger.py filter（例：bash automation/scripts/hot_monitor_local_job.sh read booms | python3 automation/scripts/wash_ledger.py filter）。標註washed: true的條目保留展示但必須帶「已洗 <日期> → <產出>」標記，不得當成新題推薦；washed_match.status=skipped標「曾定不做」；washed_suspect標「疑似已洗」。彙報候選時說明本批已洗/不做/疑似各幾條
每條候選格式：選題一句話 ｜ 證據（源爆款+R/M 或 對標新作資料）｜ 時效窗口 ｜ 建議形態（實作長片/AI成片/口播/圖文/文章）｜ 角度預判
使用者選定 → 建卡：雲端候選直接從過濾後的 JSON 取 platform/post_id，按平台拼標準連結寫入 來源:（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>），同時填 源ID:（<platform>:<post_id>）→ 按形態立項；實作長片路由到 ra-實作策劃。洗稿端落稿登記台帳時帶 --work-id <雲端作品id>。
雲端讀取失敗時必須明確報告，不得退回已刪除的 _爆款總庫.jsonl / _帳號池.md，也不得把歷史 深度分析/ 冒充即時資料。
硬規則
- 全形態隱私牆：源連結、源標題、源逐字稿只允許出現在選題卡
來源:欄位和影片工作台/.internal/；一切成稿、交接稿、工作台條目零源資訊。使用者明確要求標註參考來源時除外。 - 洗稿去重台帳：台帳在
影片工作台/.internal/洗稿台帳.jsonl（屬源隱私區），工具automation/scripts/wash_ledger.py。選題推薦的雲端讀取必過filter；任何形態立項洗稿前必check（命中「已洗」硬停等使用者確認）；交接稿/成稿落地後由洗稿端add登記。台帳內容只在會話裡向使用者報告，不進任何成稿。 - 使用者永遠不被要求移動檔案；本 skill 代勞並在回覆裡報告每一次移動。
- 看板登記分工：文章完成由本端登記；影片/圖文交付由製作端（Codex）登記。
- 立項影片仍遵守兩段式：預設只到待製作佇列，使用者說「直接製作/直接出片/一條龍」才繼續製作。