cheat-learn-from

/cheat-learn-from — 对标账号导入

工具早期最重要的信号源是对标账号——你 init 完没数据，rubric 等权 v0 等于占星。但如果你能找一个你想做成那样的账号，导入 5-10 条它的高/中/低样本，工具就有了 anchor。

后期当你自己 calibration_samples ≥ 10 时，benchmark 影响自然减弱——你的真实数据成为主要信号源。但 benchmark.md 不删，仍是 cheat-seed brainstorm 的 reference frame。

Overview

[用户：学这个账号 / 启动 cheat-learn-from]
  ↓
[Phase 0: 检查 benchmark 状态]
  ↓
[Phase 1: 选 input 方式（Way a 默认）]
  ↓
[Phase 2: 收集材料]
  Way a: 用户粘 N 条 script 文本 + 数据
  Way b: 用 whisper 转录 samples/ 目录里的视频
  ↓
[Phase 3: 询问每条样本的"印象判断"（高/中/低 + 为啥）]
  ↓
[Phase 4: Claude 拆 pattern + 派生 rubric 信号]
  ↓
[Phase 5: 用户 review → 改 → 落盘]
  ↓
[Phase 6: 写 benchmark.md / script_patterns.md / rubric_notes.md]
  ↓
[Phase 7: 更新 state.benchmark_status]

Constants

• MIN_SAMPLES = 3 — 最少 3 条样本（少于拆不出 pattern）
• RECOMMENDED_SAMPLES = 5-10 — 推荐区间，平衡信号量 vs 用户工作量
• MAX_SAMPLES_PER_RUN = 15 — 单次导入上限——再多 Claude context 不够 + 用户也累
• DEFAULT_WAY = a — Way a 简单 + 准确，是 default

Inputs

必填	来源
<账号名>	用户参数；缺失则询问
.cheat-state.json	状态文件
Way a: 用户粘的 script 文本 + 数据	对话
Way b: samples/<账号名>/*.mp4 等视频文件	用户提前下载好放进去

Workflow

Phase 0: 检查 benchmark 状态

读 .cheat-state.json 的 benchmark_status：

状态	处理
none	首次导入——继续 Phase 1
pending	用户之前答应等下找——继续 Phase 1
imported 已有 benchmark	询问"你已有 benchmark [当前名]，N 条样本。要做什么？ a) 追加新视频到当前 benchmark b) 替换为新 benchmark c) 只看不改"

参数解析：

• --append → 追加到现有 benchmark
• --replace <new-name> → 用新 benchmark 替换（旧的归档到 benchmark.archived/）
• 没标志 + 已有 benchmark → 走上面询问

Phase 1: 选 input 方式（两个独立维度）

每条样本 = script + 数据。两者怎么拿是独立的——你可以混搭。

Phase 1a: script source（怎么拿稿子）

script 怎么拿？

a) **粘文本（最简单，推荐）**
   - 你自己整理过 / 用工具提取过——直接粘进对话
   - 工具推荐（按方便程度排）：
   
     抖音 / 小红书：
     - 微信小程序「轻抖」—— 粘视频链接 → 自动提取文案 + 评论。最快
     - 类似工具："视频解析助手" / "短视频文案提取" 等小程序
     - 通常有免费额度，重度使用收费
     
     B 站 / YouTube：
     - 视频页面有"显示字幕/文字记录"按钮（如果 UP 主开了）
     - 第三方：DownSub / SaveSubs / yt-dlp --write-auto-sub
     
     公众号 / Substack：
     - 直接复制网页文字
   
b) **whisper 转录视频文件**
   - 你下载了视频到 samples/<账号名>/<video>/source.mp4
   - 需要装 whisper-cpp + ffmpeg（见 adapters/script-extraction/whisper/README.md）
   - 转录可能有错别字 / 漏字 / 标点不准——准确度比 a 差

c) **跳过 script，只用元数据 + 印象**
   - 你拿不到稿子也懒得用工具
   - 后果：pattern 拆不深（只能看标题 / 数据 / 你的印象），但 rubric 信号还行
   - 适合"先快速搭起来，将来补"

回 a / b / c。

Phase 1b: data source（怎么拿播放/点赞/评论）