v1.2.0 to v2.0.0

34 added, 235 removed. Audit A to A.

---

name: laohan-cheat

- description: 内容校准统一入口，自动判断意图+状态路由到对应动作。支持 OpenClaw（完整管线）和独立模式（打分+预测）。Use when 用户说"校准""打分""预测""复盘""状态""下一步""到哪了"或提到内容质量评估/评分/校准相关的任何意图。

- version: "1.2.0"

- argument-hint: [自然语言指令，如"校准""打分""下一步""复盘""状态"]

- allowed-tools: Bash(*), Read, Write, Edit, Glob, Grep, Skill, mcp__llm-chat__chat

+ version: "2.0.0"

+ description: 内容校准工作流适配器。为 episode 选择正确的 cheat-on-content 校准 lane，保存可追溯的校准入口；评分、盲预测、发布登记、复盘和 rubric 更新一律由上游 cheat-on-content 执行。Use when 用户说校准这期、给本期打分并预测、把 episode 接入 cheat、选择校准轨道、进入④校准。

---

- # 内容校准（统一路由）

- 你是内容校准路由器。**用户不需要记任何 /cheat-* 命令。** 你根据用户的自然语言 + 当前状态，自动路由到正确的动作。

- ## 核心原则

- 1. **用户说人话，你来路由** — "打分" "/cheat-score" "评分" 都是一样的

- 2. **读状态不猜** — 每次先读 `.cheat-state.json` 和目录结构

- 3. **执行不只说** — 能直接执行的就不要只告诉用户命令

- 4. **一次一步** — 永远只做当前最该做的一步

- ## 环境检测

- 启动时检测运行环境，决定可用功能：

- ```

- 环境检测顺序（命中即停）：

- 1. ~/.openclaw/workspace-shared/content-ops/ 存在 → OpenClaw 模式

- 2. <当前工作目录>/output/ 存在 → 商业包模式

- 3. 以上都不匹配 → 独立模式（自动创建 <cwd>/.cheat/）

- ```

- 各模式路径：

- |---|---|---|---|

- **OpenClaw 模式**：全部功能可用，含 IMPORT/SHOOT/PUBLISH。

- **商业包模式**：SCORE + PREDICT + STATUS 可用。口播稿从 output/ 自动发现。

- **独立模式**：SCORE + PREDICT + STATUS 可用。IMPORT 用手动复制替代。

- 首次独立模式使用时，自动创建目录结构：

- ```

- <工作目录>/.cheat/

- ├── .cheat-state.json ← 从 references/ 模板复制

- ├── rubric_notes.md ← 从 references/ 复制（用户可覆盖）

- ├── scripts/ ← 存放待打分口播稿

- └── predictions/ ← 存放预测文件

- ```

- ## 路由表

- 先读意图，再读状态。意图优先。

+ # 内容校准适配器

- ### 意图识别

+ 这里不是第二套 Cheat。`cheat-on-content` 是唯一校准引擎；本 skill 只把 episode 和它的校准 lane 接起来，避免本地 fork 公式、预测规则或迁移规则漂移。

- | 用户说（匹配任意一个） | 路由到 | 动作 |

- |---|---|---|

- | "导入"/"复制"/"来了一篇" | **IMPORT** | 导入口播稿到 scripts/ |

- | "打分"/"评分"/"看看这稿子"/"score" | **SCORE** | 读 script → 6维打分 |

- | "预测"/"盲预测"/"predict" | **PREDICT** | 写盲预测 |

- | "发布"/"已发布"/"发了" | **PUBLISH** | 登记发布（OpenClaw 模式） |

- | "复盘"/"retro"/"数据来了" | **RETRO** | 对比预测 vs 实际 |

- | "状态"/"到哪了"/"看板" | **STATUS** | 输出状态看板 |

- | "进化"/"升级rubric"/"bump" | **BUMP** | 进化评分权重 |

- | "推荐"/"选题" | **RECOMMEND** | 推荐选题 |

- | "热点"/"趋势" | **TRENDS** | 趋势分析 |

- | "下一步"/"继续"/"校准"（无具体意图） | **AUTO** | 读状态自动判断 |

- | "对标"/"learn from" | **LEARN** | 导入对标样本 |

+ ## 不可跨越的边界

- ### AUTO 路由

+ - 禁止在这里按固定教程型权重打分，禁止估算后把分数当预测，禁止另写 PREDICT / RETRO / BUMP。

+ - 禁止把 `tutorial-video` 的历史样本拿来评估 `opinion-video`；两种内容必须是独立 lane。

+ - 盲预测必须在拍摄、发布、查看本期实际数据之前，由上游 `cheat-on-content` 写入其 `predictions/`；预测段不可改写。

+ - 上游版本更新后若 state schema 不匹配，只能先执行 `cheat-migrate` dry-run。备份与用户确认前不得迁移历史 lane。

- 读 `.cheat-state.json` + 扫描目录，按优先级判断：

+ ## 路由

- | 条件（从上到下，命中即停） | 路由到 |

- |---|---|

- | `pending_retros` 非空或有已发布>3天未复盘的 | **RETRO** |

- | `predictions/` 有未发布的预测 | **PUBLISH** |

- | `scripts/` 有已打分但未预测的 | **PREDICT** |

- | `scripts/` 有未打分的 | **SCORE** |

- | `scripts/` 为空 | **IMPORT** |

+ 1. 先运行 `laohan-bianpai vendors`。Cheat 或 dbskill upstream 有更新时只记录待办；只在新 episode 前或独立维护窗口运行 `vendors --sync`。它报告 schema migration 时停止，不能绕过，也不能在本期中途切换规则。

+ 2. 读取 `episodes/<slug>/01-口播稿.md` 与 `00-选题.md`，判断内容形态。

+ - 教程、明确操作路径、资源交付 → `tutorial-video` lane。

+ - 观点、评论、议题、个人判断 → `opinion-video` lane。

+ - 无法判断时停止，不能默认为教程型。

+ 3. 读取目标 lane 的 `.cheat-state.json`，确认 `content_form` 一致。观点视频固定使用工作流项目的 `calibration/opinion-video/`；无 lane 时先在该目录用上游 `cheat-init` 创建，不复用不匹配的旧目录。

+ 4. 先运行 `node scripts/verify-blind-rubric.mjs calibration/<content_form>`。对当前 `01-口播稿.md` 运行上游 `cheat-score`：主评分器可用完整 `rubric_notes.md` 解析公式，但隔离子评分器只可读取已验证的 `blind-rubric.md` 与本期稿。任何 contamination warning 都必须丢弃并重启全新隔离评分。把无告警的完整输出保存到本 lane 内，再运行 `node scripts/register-cheat-score-evidence.mjs episodes/<slug> calibration/<content_form> <lane内score输出.md>`。在 `03-校准报告.md` frontmatter 写 `score_evidence: <相对lane路径>` 与当前 SHA-256。此时 `prediction_status` 必须为 `PENDING`；不能在⑤修改稿之前写盲预测。

+ 5. 进入⑤：固定调用 `dbs-script-flow`、`dbs-resonate`、`laohan-shencha CONTENT_CLAIMS`；只有首 5 秒被判弱时调用 `dbs-hook`，只有语言审计需要时调用 `dbs-ai-check`。报告完成后运行 `node scripts/stamp-episode-script-hash.mjs episodes/<slug> 04-深扫报告.md 04-事实核验.md`，两份⑤报告才会写入同一个 script_hash。仅 hash 匹配不足：③必须 `risk_status: CLEAR` 且 `unresolved_high_risk_count: 0`；⑤深扫必须 `review_status: CLEAR` 与 `unresolved_issue_count: 0`，事实核验必须 `fact_check_status: CLEAR`、`contradicted_count: 0`、`unverifiable_count: 0`，否则不得 prepare 或登记最终盲预测。

+ 6. ⑤报告与当前稿 hash 一致后，先运行 `node scripts/prepare-cheat-prediction-input.mjs episodes/<slug> calibration/<content_form>`。把输出的 lane snapshot 作为上游 `cheat-predict` 的唯一输入，并在预测 metadata 写 `**Script**: <snapshot path>` 与 `**Script Hash**: <sha256>`。然后运行 `node scripts/register-cheat-prediction.mjs episodes/<slug> calibration/<content_form> predictions/<file>.md v1`。它验证预测晚于快照、metadata 与快照一致，才写 `03-预测证据.json` 并标 `RECORDED`。任何改稿都会使 hash 失效；必须重跑⑤、prepare 新快照并登记新的 prediction revision，不能改写旧预测。

+ 7. `03-校准报告.md` 的开头必须是：

+ ```yaml

---

- ## 各路由执行逻辑

- ### IMPORT — 导入口播稿

- **OpenClaw 模式**：执行 `bash $CHEAT_ROOT/bridge.sh --latest`

- **独立模式**：

- 1. 提示用户把口播稿文件放到 `$CHEAT_ROOT/scripts/` 目录

- 2. 或用户直接说"打分 <文件路径>"，自动复制到 scripts/

- ### SCORE — 教程型 6 维打分

- 1. 确定目标文件：

- - 用户指定了路径 → 用指定的

- - 商业包模式 → 找 `<cwd>/output/script*.md` 中最新的未打分文件

- - 其他模式 → 找 `$CHEAT_ROOT/scripts/` 下最新的未打分文件

- 2. 读取 rubric 拿当前评分维度（v2.0 六维：TS/OP/DF/CV/HP/EC）

- 3. 读取目标 script 文件

- 4. **DF 时长估算**（打分前必须先算）：

- ```

- 纯口播字符 = 去掉 #标题行、--- 分隔线、空行后的字符数

- 估算秒数 = 纯口播字符 ÷ 8.2

- 估算分钟 = 估算秒数 ÷ 60

- ```

- 校准源：教程① 1838字符 / 实测223秒(3:43)，语速 8.2字符/秒。

- ⚠️ 实际视频时长可用时，替换估算值重新打分。

- 5. 按每个维度 0-10 **整数分**打分（v2.0 权重），输出：

- ```

- 📊 [短标题] — 教程型 6 维评分（v2.0 bump-calibrated）

- | 维度 | 分数 | 权重 | 加权 | 理由（≤30字，引用原文） |

- |------|------|------|------|------|

- | TS 标题搜索性 | x/10 | 20% | x.xx | ... |

- | OP 可操作性+效果验证 | x/10 | 20% | x.xx | ... |

- | DF 时长适配 | x/10 | 15% | x.xx | ... |

- | CV 收藏价值 | x/10 | 25% | x.xx | ... |

- | HP 钩子强度 | x/10 | 15% | x.xx | ... |

- | EC 结尾完整度 | x/10 | 5% | x.xx | ... |

- composite = TS×0.20 + OP×0.20 + DF×0.15 + CV×0.25 + HP×0.15 + EC×0.05 = X.XX / 10

- 硬门槛：DF≤3→封顶5.0 | DF=4→封顶6.0 | DF≥5→正常

- 档位：⭐⭐⭐⭐ (≥8.0) / ⭐⭐⭐ (6.5-7.9) / ⭐⭐ (5.0-6.4) / ⭐ (<5.0)

- 结论：✅ 通过（≥6.0）/ ❌ 不通过（<6.0）

- ```

- 6. 不通过时说明哪些维度低、具体怎么改。通过后提示下一步：预测。

- **打分纪律：**

- - **整数分** — 不允许 4.5 之类，犹豫就选低值

- - **理由引用原文** — 理由列必须引用稿子里的具体词句

- - **反复打分检测** — 同一稿 ≥3 次 → 提示"决策疲劳，该决定了"

- SCORE 输出：打分结果追加写入 script.md 同级的 cheat_report.md（含时间戳+总分+各维度分数）。文件不存在则创建。

- **打分反模式：**

- ❌ 差（无引用、模糊）：

- "DF 6分 — 结尾不够好"

- ✅ 好（引用原文、具体）：

- "DF 6分 — 固定结尾五件套缺了'可操作一步'，最后只有'好了今天就聊到这'就结束了，没给观众具体操作指引"

- ### PREDICT — 盲预测

- 1. 确定目标 script（同 SCORE 的定位方式）

- 2. 检查是否有对应预测文件（防止重复）

- 3. 读取 rubric，基于 SCORE 结果写盲预测

- 4. 预测指标（必须全部包含）：

- | 指标 | 说明 | 依据 |

- |------|------|------|

- | 播放量 | 区间估算 | 档位对应历史均值 + 账号基数修正 |

- | 点赞 | 区间估算 | 播放量 × 预估点赞率（新号 2-3%） |

- | 收藏率 | 百分比 | 教程型通常 1-3%，收藏引导加成 |

- | 2s跳出率 | 百分比 | HP 分数对应：8+→<25%，6-7→25-35%，<6→>35% |

- | 传播系数 | 百分比 | 教程型通常 0.1-0.3%，生活化场景可更高 |

- | 评论 | 区间估算 | 互动引导强度 + 话题争议性 |

- 每项预测必须写依据，不能只给数字。末尾加「预测风险」说明可能偏差的变量。

- 5. 写入预测文件：

- - 商业包模式 → `<cwd>/output/predictions/YYYY-MM-DD_<short>.md`

- - 其他模式 → `$CHEAT_ROOT/predictions/YYYY-MM-DD_<id>_<short>.md`

- - 同时追加到 script.md 同级的 cheat_report.md

- 6. 更新 `.cheat-state.json`

- **关键**：预测必须在看到实际数据前写完。如果用户已看过数据，标记为 `_reconstructed`。

- ### PUBLISH — 发布登记

- 1. 找到对应的 prediction 文件

- 2. 询问发布平台和链接

- 3. 更新 state：`last_published_at`

- ### RETRO — 复盘

- 1. 从 `pending_retros` 或已发布>3天的预测文件中找目标

- 2. 询问实际数据（播放/点赞/评论/收藏）

- 3. 对比预测 vs 实际

- 4. 写入复盘段

- 5. 更新 state：`calibration_samples +1`、清 `pending_retros`

- ### STATUS — 状态看板

- 输出：当前阶段、calibration_samples、待复盘列表、下一步建议。

- ### BUMP — 进化 rubric

- 前置条件：`calibration_samples ≥ 5`

- 1. 收集所有校准样本

- 2. 提出新权重方案

- 3. 全量重打验证

- 4. 用 DeepSeek MCP（`mcp__llm-chat__chat`）跨模型独立审核

- 5. 通过后更新 rubric_notes.md

- ### RECOMMEND / TRENDS / LEARN

- 分别路由到对应子逻辑。

+ calibration_engine: cheat-on-content

+ content_form: opinion-video # 或 tutorial-video

+ calibration_root: <相对于本报告的 lane 路径>

+ script_hash: <01-口播稿.md 的 sha256>

+ score_status: COMPLETE

+ prediction_status: PENDING # ⑤完成后才改为 RECORDED

+ prediction_file: null # RECORDED 时必须是 predictions/...md

---

- ## 状态管理

- 每次路由执行后，更新 `$CHEAT_ROOT/.cheat-state.json`。关键字段：

- ```json

- {

- "content_form": "tutorial-video",

- "rubric_version": "v2.0-bump-calibrated",

- "calibration_samples": 0,

- "last_published_at": null,

- "pending_retros": [],

- "in_progress_session": null

- }

```

- ---

- ## 教程型 rubric 维度速查（v2.0 bump-calibrated）

- | 缩写 | 维度 | 权重 | 核心问题 | 低分(2) | 高分(8-10) |

- |------|------|------|---------|---------|-----------|

- | TS | 标题搜索性 | 20% | 搜到吗？ | 纯主题，无关键词 | 数字+工具名+结果承诺 |

- | OP | 可操作性+效果验证 | 20% | 路径清晰+效果可见？ | 纯观点 | 口播念全文/精确路径/对比过程+前后效果 |

- | DF | 时长适配 | 15% | 黄金区间？ | ≤90s或>7min | 2-5分钟 |

- | CV | 收藏价值 | 25% | 有现成资源？ | 看完即走 | 提示词包/代码包+"已打包" |

- | HP | 钩子强度 | 15% | 前3秒留人？ | "大家好..." | 痛点+工具名+结果承诺 |

- | EC | 结尾完整度 | 5% | 资源钩子？ | 突然结束 | 资源钩子+收藏引导+互动+告别 |

+ 随后只摘要本期分数、关键修改点与上游预测文件路径；不复制一套 rubric。运行 `laohan-bianpai status`；缺上游 state、hash 或最终预测即为 BLOCKED。

- 公式：TS×0.20 + OP×0.20 + DF×0.15 + CV×0.25 + HP×0.15 + EC×0.05

- 硬门槛：DF≤3→封顶5.0 | DF=4→封顶6.0 | DF≥5→正常

+ ## 历史兼容

- ---

+ `~/.openclaw/workspace-shared/content-ops` 是旧的 `tutorial-video` 校准数据，不是所有 episode 的默认源。它升级到上游 schema 前保持只读；FDE 这类观点视频不得使用它的旧教程型 composite 作为放行依据。

- ## 关键提醒

+ ## 何时回到这里

- - **PREDICT 前不能看数据** — 工具的根基

- - **前 5 篇是数据采集不是决策** — 别信 composite

- - **RETRO 最有价值** — 跳过 = 白用

- - **5+ 篇后可 bump** — 进化 rubric 权重

+ - 发布后：`laohan-yunying` 只归档真实发布/数据/评论，再交给上游 `cheat-publish` 与 `cheat-retro`。

+ - 样本足够时：只由上游 `cheat-bump` 进行全量重打与独立审核。