# Starter Rubric：观点类视频 — v0 cold-start 占位

**这是给完全没数据的新博主用的占位 rubric。**它会打错。**前 5 篇预测精度大概 ±50%——这是 cold-start 的数学事实，不是 rubric 失败**。

跑完 5 篇（每篇都走完 `/cheat-predict` → 发布 → `/cheat-retro` 闭环）之后，你会有第一份个人校准数据，可以提议第一次 `/cheat-bump` 升级到 v1（或直接采用 [opinion-video.md](opinion-video.md) 的 v2 作为起点重新校准权重）。

---

## v0 综合分公式（**等权占位**）

```
composite = (ER + HP + QL + NA + AB + SR + SAT) / 7 × 2.0
```

每个维度 0-5 整数分。综合分范围 0-10。

**为什么等权而不是 v2 的差异化权重**：
- 你**没有数据**支持任何特定权重
- 用 v2 的权重起步会让你以为这些权重是普世的——它们不是，是参考博主账号拟合的
- 等权能让你在数据出来之前对每个维度都给"中立的关注"
- 第 5 篇之后你的复盘数据会告诉你哪些维度真的预测了你的账号的传播

---

## 7 个维度

### ER — Emotional Resonance（情感共鸣）
*稿子能否在前 30 秒让观众产生一种**具体的、能命名的**情感？*

- **0** — 纯信息传递；没有情感钩子
- **3** — 一般共鸣
- **5** — 锐利、具体、让人不太愿意承认的自我识别

### HP — Hook Potential（钩子强度）
*前 3 秒能不能逼观众看下去 30 秒？*

- **0** — 通用开场（"大家好..."）
- **3** — 具体的承诺或反直觉断言
- **5** — 一个具体生动的场景，观众无法停止处理

### QL — Quotable Lines（金句密度）
*稿子里至少 2-3 行能被截图、能作为独立文字单独传播吗？*

- **0** — 全是叙述
- **3** — 结尾有一句令人记住的
- **5** — 多句独立可用、分布在稿子不同位置

### NA — Narrativity（叙事性）
*有可辨识的弧线，还是平铺直叙？*

- **0** — 列表式
- **3** — 松散主线
- **5** — 紧凑三幕结构

### AB — Audience Breadth（受众广度）
*这个议题潜在受众有多广？*

- **0** — 极小众
- **3** — 中等
- **5** — 普世

### SR — Social Resonance（社会议题共振）
*稿子触及当下的社会模式吗？*

- **0** — 纯个人 / 人际
- **3** — 触到公认现象但没新视角
- **5** — 命名了一个观众认识但没有语言形容的结构性模式

### SAT — Satire Depth（讽刺深度）
*稿子用了多层反讽 / 戏仿格式吗？*

- **0** — 真诚直陈
- **3** — 一层反讽
- **5** — 嵌套或自指反讽

如果你的频道走真诚路线，SAT 给 3 当占位即可。

---

## Bucket 预测：所有阶段统一格式 + 渐进信心标注

> 早期预测精度差是数学事实——**不通过省略 bucket 解决**，通过 **header 的 confidence 等级 + 概率分布更平**来诚实表达不确定。详见 [shared-references/prediction-anatomy.md](../shared-references/prediction-anatomy.md) 和 [state-management.md 的 confidence 表](../shared-references/state-management.md)。
>
> calibration_samples 少时，概率分布**应该更平**（如 30/30/20/15/5 而非 5/40/45/8/2）——**这是诚实表达不确定的方式**，不是把 bucket 跳过。

## 比率桶方案（适用所有阶段）

> ⚠️ **新人的 bucket 不能用绝对数字**——参考博主的"5w 是底部"对一个 0 粉新人来说是"现象级爆款"。
> 如果照搬绝对数桶，你每条视频都会落"底部 99%"，bucket 失去任何排序意义。
>
> **比率桶**用"相对你自己上一篇的倍数"来分桶。永远适用，不管你账号多大。

### 第 1 篇：用平台通用默认（你还没有"上一篇"）

抖音 / B 站 / TikTok / YouTube 上 0 粉新人的第 1 条视频典型分布：

| Bucket | 范围（**实际播放数，不是万**）| 含义 | 先验概率 |
|---|---|---|---|
| 底部 | < 100 | 几乎被算法埋了 | 30% |
| 基础盘 | 100 - 1,000 | 完播率支撑的小推荐 | 40% |
| 命中 | 1,000 - 10,000 | 第一次破圈的信号 | 20% |
| 小爆 | 10,000 - 100,000 | 极罕见的"零粉首爆"| 8% |
| 大爆 | > 100,000 | 平台算法异常加权 | 2% |

> 公众号 / Substack 把"播放"换成"阅读"，量级类似（0 粉公众号第一篇阅读 50-500 是常态）。

**第 1 篇预测时**：选一个 bucket + 写概率分布。**很可能落"基础盘"**——这是数学事实，不是你失败。

### 第 2 篇起：用比率桶

让 `baseline = 上一篇的实际播放数`（或最近 3 篇的中位数，如果有）。

| Bucket | 倍数范围 | 含义 |
|---|---|---|
| 退步 | < 0.3 × baseline | 比上一篇明显差 |
| 持平 | 0.3 - 1 × baseline | 与上一篇同档 |
| 命中 | 1 - 3 × baseline | 中度突破 |
| 小爆 | 3 - 10 × baseline | 显著破圈 |
| 大爆 | > 10 × baseline | 量级跃迁 |

**比率桶的好处**：
- 100 → 1000 播放（10x） 与 5w → 50w 播放（10x） **是同一种成就**——比率桶都标"大爆"
- 你的账号从 0 粉长到 10w 粉，bucket 边界自动跟着涨
- 不需要"我今天该不该过誉这个数"——倍数是绝对的

**例子**：
- 第 1 篇 480 播放（落"基础盘"）→ baseline = 480
- 第 2 篇预测 bucket = "命中"（500-1500），实际 1200 → 命中
- 第 3 篇 baseline 滚动更新 = (480 + 1200) / 2 = 840

### 第 5 篇之后：建议固定绝对桶 + 比率桶并存

跑完 5 篇后，你的 baseline 已经从 5 个数据点稳定。`/cheat-status` 会主动提示：

> 你已校准 5 篇，可以基于实际分布固定绝对 bucket 边界。
> 跑 `/cheat-bump --bucket-only` 自动派生。

固定后绝对桶用于"长期趋势识别"（这条比上个月那条好不好？），比率桶用于"近期波动"（这条比上一篇好不好？）。

### N≥10 之后：可以转向 percentile 桶

校准池 ≥ 10 时，bucket 边界改用 percentile：你前 20% 的视频是"爆款"，10-20% 是"命中"，30-70% 是"基础盘"。这种方案永远自洽——不管账号多大，"top 20%" 的语义稳定。

---

**重要警告**：
- 上面的占位概率是"什么都不知道时的先验"——你的真实分布会在第 5 篇后涌现
- 第 1-5 篇你对自己 bucket 边界的判断**会大幅波动**——这是 cold-start 的正常状态
- 第 5 篇之后**必须**跑 `/cheat-bump --bucket-only` 重新校准

---

## Cold-start 战略（**必读，最被忽视的一段**）

cold-start 期的"预测"不是预测——是**数据采集**。理解这一点是工具是否对你有用的分水岭。

### 你的预测在前 5 篇做的是三件事

1. **建立纪律**：在看到任何数据前写下盲判断。这才是脊柱——不是数字本身
2. **记录 7 维评分**：复盘后每条样本变成一个 (打分, 实绩) 配对，第 5 篇时这些配对是 rubric 第一次升级的输入
3. **记录锚点假设**：写下"我押 ER=5 比 ER=3 流量高"这样的假设，复盘验证 → rubric 升级的证据

**你不应该做的事**：基于 cold-start 期的 composite 决定要不要发某条稿子。**精度 ±50%——决策没意义**。已经决定要发的，跑完整循环；正在犹豫要不要发的，靠你自己感觉。

### 前 5 篇的取样策略：**主动选差异最大的稿子**

如果你前 5 篇都是 `ER=5 / SR=2 / HP=5` 的同款，复盘时**你无法**告诉哪个维度真的预测了流量——多重共线性。

**反直觉但正确的做法**：cold-start 期主动选维度组合差异最大的样本：
- 1 篇 ER 主导（情感向，SR 低）
- 1 篇 SR 主导（社会议题向，ER 低）
- 1 篇 SAT 主导（讽刺向）
- 1 篇 QL 主导（金句密集）
- 1 篇综合中等（all 3-4）

如果你只有"安全的同款稿"，挑差异最大的 5 个。**稳定期再追求"全发爆款"，cold-start 期追求"信息量最大"**。

### 何时开始相信预测

| 校准样本 | 你能相信什么 |
|---|---|
| N=0-2 | 啥都别信。bucket 是占位 |
| N=3-5 | 相信"哪个维度可能重要"的方向；不信具体 composite 数字 |
| N=5-10 | 相信 bucket 排序；不信中枢点估计 |
| N=10-20 | 中枢可信 ±30%；可作为决策参考之一 |
| N≥20 | rubric 真正成为"作弊器"——但你也已经摸到自己的内容直觉了 |

**cold-start 真正的礼物不是预测精度——是它强迫你建立的复盘习惯**。这个习惯持续到 N=20 时，你的内容直觉本身就强很多了。

---

## Cold-start 期的复盘纪律（**比稳定期更严**）

前 5 篇每篇必走完整循环。**任何一篇跳过复盘 → 整个校准失败**。

每次复盘必须填的最少信息：
- 实际播放 / 阅读
- 实际点赞数（看赞播比）
- 实际评论数（看互动）
- Top 3 评论 + 赞数（看观众真实的接收点）
- 我的 v0 预测 vs 实际：哪个维度被验证 / 推翻

5 篇之后你会看到至少一个 pattern——比如"我的 ER 总是高估"或"我的 SR 维度根本不预测什么"——这个 pattern 是你第一次 bump 的证据。

---

## 第 6 篇起的升级选项

跑完 5 篇校准后，你有 3 条路：

### 路径 A：从 v0 → v1（自己拟合权重）
跑 `/cheat-bump --propose "<你的具体权重调整>"`。系统会强制全量重打 + 跨模型审核。

### 路径 B：直接采纳 v2 作为起点
把 [opinion-video.md](opinion-video.md) 的 v2 公式抄到你的 `rubric_notes.md`，**然后跑 `/cheat-bump`**——bump 流程会用你的 5 篇数据验证 v2 在你账号上是否真的更优。

### 路径 C：保持 v0 等权，跑更多样本
如果 5 篇还看不出明显 pattern，再跑 5 篇。等权的 v0 在 10-15 个样本之前都不丢人。

---

## 这份 rubric 不能做的事

- **不能告诉你"会不会爆"**——cold-start 期的预测置信度低，bucket 通常应给 30%-50% 而非 ≥80%
- **不能替你设 bucket 边界**——平台 / 账号差异太大
- **不能跨账号迁移**——同一份 v0 rubric 在不同人的账号上拟合出的 v1 不一样

---

## 最重要的一句话

**前 5 篇你不是在做决策，你是在收集数据。**

cold-start 期最大的诱惑是"看着 composite 8.4 就觉得这条会爆"。**别信**。8.4 是相对一份还没校准过的 rubric 算的——它对你的账号几乎没意义。第 5 篇之后再开始相信数字。