ai-labeling: Prompt 1 v0.3(80%) + Prompt 3 v0.2(90%) + GT v0.4.2

Prompt 1 迭代 v0.1→v0.3：
- 多选字段加显著篇幅门槛+从属零件反例教学
- 前沿科技vs横切类比拆清（技术主角测试）
- 装备深解加同类体系/窄类别测试
- 跨域改为传播分类框（≥3域即标，非军事术语）
- 全对率 40%→80%

Prompt 3 开篇钩子 v0.1→v0.2：
- 阅读范围扩至3段（导视+主持人+首段解说）
- 强判定从紧迫感硬门槛改为6条独立路径
- 弱判定区分信息性提问vs悬念式提问
- 命中率 50%→90%

ground-truth v0.4.2：ep008补标跨域 + 20期opening_hook全标注
脚本：run_labeling/summarize 支持 opening_hook，summarize改从源GT读取

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

ai-labeling/CLAUDE.md

@@ -12,8 +12,8 @@
 
 ## 🔖 状态栏（每次结束 session 前必须更新这三行）
 
-- **最后更新**：Claude Opus（顾问）｜ 2026-06-24（晚）
-- **当前状态一句话**：Prompt 1 v0.1 完成 + ground-truth v0.4.0（20期4分类字段全填） + MiMo 首轮跑批完成（题材75%/装备域70%/场景95%/技术70%/全对40%）。Prompt 需迭代改进多选字段门槛。
+- **最后更新**：Claude Opus（顾问）｜ 2026-06-25
+- **当前状态一句话**：Prompt 1 v0.3（题材分类80%全对）+ Prompt 3 v0.2（开篇钩子90%）完成。ground-truth v0.4.2（20期opening_hook全标注）。三个Prompt均达可用水平。
 - **下一个动手的人从这里开始**：见下方「⏩ 交接备注」
 
 ---
@@ -108,7 +108,7 @@
 | 层 | 名称 | 做什么 | 当前状态 |
 |----|------|--------|----------|
 | L1 | **数据沉淀** | 每期节目的收视数据、文稿全文、编导、选题单持续入库 | 主项目已有 episodes 表基础结构 |
-| L2 | **AI 打标** | 读文稿自动判别：题材分类(4字段)、叙事结构(2档)、开篇钩子(3档) | Prompt 1 v0.1 + Prompt 2 已锁定，Prompt 1 需迭代，Prompt 3 待写 |
+| L2 | **AI 打标** | 读文稿自动判别：题材分类(4字段)、叙事结构(2档)、开篇钩子(3档) | Prompt 1 v0.3(80%) + Prompt 2 v0.2(100%) + Prompt 3 v0.2(90%)，三个均达可用水平 |
 | L3 | **分析引擎** | 基于双引擎模型，计算走势、编导对比、题材对比、高低样本对照等多维分析 | 待设计 |
 | L4 | **诊断报告** | 调用 LLM 生成文字诊断结论 + 改进建议（对标 PPT 第 8-10 页水平） | 待设计 |
 
@@ -181,10 +181,12 @@ ai-labeling/
 │   ├── 军事科技栏目收视复盘与提振方案_v2.pptx  ← 质量标杆（14 页诊断报告）
 │   └── 军事科技栏目收视诊断分析_v2.xlsx        ← 质量标杆（8 个分析 Sheet）
 ├── benchmark-set/
-│   ├── transcripts/          ← 10 期文稿 .md（基准卷子）
-│   └── ground-truth.json     ← 基准答案 v0.2.1（核心资产，入 git）
+│   ├── transcripts/          ← 20 期文稿 .md（基准卷子）
+│   └── ground-truth.json     ← 基准答案 v0.4.2（核心资产，入 git）
 ├── prompts/
-│   └── prompt2_narrative.md  ← 叙事结构判别 v0.2（已锁定，入 git）
+│   ├── prompt1_classification.md  ← 题材分类判别 v0.3（入 git）
+│   ├── prompt2_narrative.md       ← 叙事结构判别 v0.2（已锁定，入 git）
+│   └── prompt3_opening_hook.md    ← 开篇钩子判别 v0.2（入 git）
 ├── experiments/              ← 跑批结果 .json（不入 git）
 ├── scripts/
 │   ├── import_transcripts.py ← docx → md 解析清洗
@@ -199,7 +201,7 @@ ai-labeling/
 ### 2.4 常用命令（PowerShell）
 
 ```powershell
-# 单期打标（narrative 或 classification）
+# 单期打标（narrative / classification / opening_hook）
 cd E:\tps-dashboard\ai-labeling
 python scripts/run_labeling.py --ep 1 --model mimo-v2.5-pro --field classification
 
@@ -209,6 +211,7 @@ python scripts/run_labeling.py --all --model mimo-v2.5-pro --field classificatio
 # 汇总命中率
 python scripts/summarize.py --model mimo-v2.5-pro --field classification
 python scripts/summarize.py --model mimo-v2.5-pro --field narrative
+python scripts/summarize.py --model mimo-v2.5-pro --field opening_hook
 ```
 
 ### 2.5 模型配置（`scripts/run_labeling.py` 内 MODEL_CONFIG）
@@ -226,14 +229,17 @@ python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 
 ## 3. 当前进度（动态，核心交接区）
 
-- **已完成**：Prompt 1 v0.1 + ground-truth v0.4.0（20期完整标注）+ MiMo 首轮跑批（题材75%/装备域70%/场景95%/技术70%/全对40%）+ 脚本 ep 编号升级至 3 位数 + summarize classification 比对逻辑实现
+- **已完成**：Prompt 1 v0.3（80%全对）+ Prompt 2 v0.2（100%）+ Prompt 3 v0.2（90%）+ ground-truth v0.4.2（20期6字段全标注）+ 脚本支持三种 field + summarize 改为从源GT读取
 - **正在做**：无（本轮收摊）
-- **卡点/待解**：Prompt 1 需迭代（多选字段门槛太松、program_format 三组边界混淆）；Prompt 3（开篇钩子）待写；L3/L4 架构设计未启动
+- **卡点/待解**：Prompt 1 剩 3 期硬骨头（ep005/011/016，装备域从属判定边界）；Prompt 3 剩 2 期（ep004/007，钩子强度边界）；L3/L4 架构设计未启动
 
 ---
 
 ## 4. 已完成（只追加，最新在上）
 
+- [2026-06-25 ｜ Opus] Prompt 1 迭代 v0.1→v0.3（全对率40%→80%）：v0.2加多选字段显著篇幅门槛+从属零件反例+前沿科技vs横切类比拆清+装备深解同类体系测试；v0.3修正跨域规则（传播分类框非军事术语）+训练舰窄类别判定+装备首发校准。ground-truth v0.4.1（ep008补标跨域）。
+- [2026-06-25 ｜ Opus] Prompt 3 v0.1→v0.2（开篇钩子，命中率50%→90%）：v0.1撰写+脚本opening_hook支持；v0.2修复三问题——阅读范围扩至3段（导视+主持人+首段解说）、强判定从紧迫感硬门槛改为6条独立路径、弱判定区分信息性提问vs悬念式提问。ground-truth v0.4.2（20期opening_hook全标注，制片人逐期审定含钩子分析）。summarize.py改为从源GT文件读取。
+- [2026-06-25 ｜ 制片人] 开篇钩子经验规则：0-1钩≈弱，2钩≈中，3钩及以上≈强（钩子质量也影响，3个轻钩可能仍为中）。
 - [2026-06-24晚 ｜ Opus] Prompt 1 v0.1 撰写完成（4分类字段：题材/装备域/场景/技术）+ ground-truth v0.4.0（10→20期扩展，旧ep编号重映射，4分类字段全填，制片人逐期审定）+ 脚本升级（ep编号2位→3位、ALL_EPISODES扩至1-20、summarize classification比对逻辑实现）+ MiMo首轮跑批20期（题材75%/装备域70%/场景95%/技术70%/全对40%）。主要错误模式：多选字段过度标注、装备深解/前沿科技与横切类比混淆。
 - [2026-06-24 ｜ Opus+Cline] ground-truth v0.3.0 结构扩展（4 分类字段骨架预留）+ run_labeling.py / summarize.py 扩展 --field 参数支持 classification。脚本可直接跑 Prompt 1，等 prompt 文件就位即用。
 - [2026-06-24 ｜ Opus] CLAUDE.md 二次更新：精读 v1-v4 四份续接快照，补入双引擎象限图视觉规格、6 字段完整枚举定义、三层分步交付策略、编导能力地图设计、v1-v4 关键决策。
@@ -250,12 +256,14 @@ python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 
 ### L2 — AI 打标（当前主战场）
 
-- [ ] **Prompt 1 v0.2 迭代** — v0.1 首轮全对率 40%，主要问题：多选字段（equipment_domain/tech_tags）过度标注（"一笔带过"也选了）+ program_format 三组边界混淆（装备深解vs横切类比、前沿科技vs横切类比、装备深解vs前沿科技）。改进方向：加强门槛描述+加反例教学。
-- [ ] **Prompt 3（开篇钩子）撰写** — 只看前 1-2 分钟判强/中/弱。同上套路。
-- [ ] **opening_hook AI 验证** — ground-truth 里 opening_hook 是人工标的，等 Prompt 3 上线后跑一次看 MiMo 命中率。
+- [ ] **Prompt 1 继续迭代（可选）** — v0.3 全对率 80%，剩 3 期硬骨头（ep005/011/016：前沿科技节目中装备域从属判定边界）。边际收益递减，可暂停。
+- [ ] **Prompt 3 继续迭代（可选）** — v0.2 命中率 90%，剩 2 期（ep004 枪王对决强→中：AI复活人物的反差未识别；ep007 巨舰反差中→强：旗语开头过度放大）。可考虑融入"数钩子"辅助判据（0-1钩弱/2钩中/3+钩强）。
+- [ ] **新增 10 期跑 Prompt 2 补 narrative_structure** — ground-truth 中 ep004/007/009/014-020 的 narrative_structure 仍为 null。
 - [ ] **示例集月度更新机制** — 上线后启用，每月集中替换，不碎片化（吃 prompt 缓存红利）。
-- [x] Prompt 2 v0.2 撰写 + 锁定
-- [x] ground-truth v0.2.1 锁定
+- [x] Prompt 1 v0.3 迭代完成（80% 全对）
+- [x] Prompt 2 v0.2 撰写 + 锁定（100%）
+- [x] Prompt 3 v0.2 撰写完成（90%）
+- [x] ground-truth v0.4.2（20期6字段全标注）
 - [x] 模型选型（mimo-v2.5-pro 生产）
 
 ### L1 — 数据沉淀（与主项目交界，需 Opus 审）
@@ -301,6 +309,19 @@ python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 - [2026-06-10] **话题性不独立立维**：稳态热度→横轴，时机→scene_tags，切口→横切类比形态。
 - [2026-06-10] **6 字段枚举锁定**（见 §1.4）：program_format 6 值 / equipment_domain 9 值多选 / scene_tags 4 值 / tech_tags 3 值 / narrative_structure 2 档 / opening_hook 3 档。
 
+### 题材分类判别
+
+- [2026-06-25] **`跨域`是传播分类框，不是军事术语**：一期节目天上、水里、地上都讲了没法归单一域就标跨域。涉及≥3个具体装备域时额外加选，不需要节目主题是"跨域协同作战"。
+- [2026-06-25] **同一功能体系/窄类别内的多装备 = 装备深解**：防空体系远/中/近程、三艘训练舰、航母编队舰/机/护航——这些不是横切类比。换装测试要区分"换同类型号"和"换完全不同类别"。
+- [2026-06-25] **前沿科技 vs 横切类比的核心判据**：串联各案例的角度本身是不是一项新兴技术？是→前沿科技，否→横切类比。
+
+### 开篇钩子判别
+
+- [2026-06-25] **"数钩子"经验规则**：0-1钩≈弱，2钩≈中，3钩及以上≈强。钩子质量也影响（3个轻钩可能仍为中）。
+- [2026-06-25] **紧迫感不是判强的唯一门槛**：画面震撼、情感冲击、认知冲突（反差）、叙事吸引（战场故事）、节日/文化共鸣都是独立的强钩子路径。
+- [2026-06-25] **阅读范围是前三段**（导视+主持人+首段解说），不是两段。有些节目的钩子在主持人之后才引爆。
+- [2026-06-25] **信息性提问 vs 悬念式提问**：能用一句话/列表回答的是信息性提问（倾向弱），需要讲故事或揭示原理才能回答的是悬念式提问（至少中）。
+
 ### 叙事结构判别
 
 - [2026-06-11] **3 档收为 2 档**：`主线演进` / `并列结构`。原"强主线悬念 vs 主线演进"实操中区分不开，合并。
@@ -319,7 +340,9 @@ python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 - v0.2：改 2 期（ep12 逆袭战局改为并列→后经复议改回主线演进、ep14 X76 确认并列）
 - v0.2.1：改 1 期（ep12 经制片人复读稿 + 三家模型独立一致，最终定为并列结构）。**边界期用"多家独立一致 + 人工复审"双重证据机制**。
 - v0.3.0：为 Prompt 1 预留 4 分类字段骨架（null/[]），ep 编号仍为旧制。
-- **v0.4.0（当前锁定）**：期号重映射（旧ep3-15→新ep001-020按播出日期排序），10→20期扩展，4分类字段(program_format/equipment_domain/scene_tags/tech_tags)全部填入，制片人逐期审定。新增10期暂无narrative_structure/opening_hook标注。
+- v0.4.0：期号重映射（旧ep3-15→新ep001-020按播出日期排序），10→20期扩展，4分类字段全部填入。新增10期暂无narrative_structure/opening_hook。
+- v0.4.1：ep008马年装备图鉴补标跨域（制片人确认遗漏）。
+- **v0.4.2（当前锁定）**：新增10期opening_hook标注（制片人逐期审定含钩子分析）。20期6字段覆盖：4分类+opening_hook全填，narrative_structure仍有10期null待补。
 
 ### Prompt 设计原则
 
@@ -338,11 +361,11 @@ python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 ## 7. ⏩ 交接备注（换人/换工具 0 摩擦续上）
 
 - **全貌已对齐**（2026-06-24）：看板升级四层架构（L1-L4）、双引擎理论、多 LLM 共识机制、季度+自定义双轨周期、全员可见——这些方向已与制片人确认。新来的人先读完第 1 节「子项目全貌」再动手。
-- **Prompt 1 v0.1 已完成，需迭代至 v0.2**：首轮 MiMo 跑批全对率 40%。两大错误模式：① 多选字段（equipment_domain/tech_tags）过度标注——"一笔带过"的也选了；② program_format 三组边界混淆（装备深解vs横切类比、前沿科技vs横切类比）。改进方向：加强门槛措辞 + 加反例教学 + 可能需要增补示例。
-- **ground-truth v0.4.0 已锁定**：20 期全部标注（4 分类字段），期号已重映射至 ep001-020。新增 10 期暂无 narrative_structure/opening_hook（待 Prompt 2/3 跑批后补）。
-- **脚本已升级**：ep 编号 2 位→3 位，ALL_EPISODES 扩至 1-20，summarize classification 比对逻辑已实现（逐字段命中 + 全对率）。
-- **下一步优先级建议**：Prompt 1 v0.2 迭代 → Prompt 3（开篇钩子）→ 新增 10 期跑 Prompt 2 补 narrative_structure。
-- **L3/L4 待设计**：分析引擎和诊断报告的架构尚未展开。建议 Prompt 1/3 锁定后启动，可与 schema 加字段并行。
+- **三个 Prompt 均达可用水平**（2026-06-25）：Prompt 1 v0.3（题材分类80%全对）/ Prompt 2 v0.2（叙事结构100%）/ Prompt 3 v0.2（开篇钩子90%）。Prompt 1 剩 3 期硬骨头（装备域从属边界），Prompt 3 剩 2 期（钩子强度边界），边际收益递减可暂停。
+- **ground-truth v0.4.2 已锁定**：20 期，4分类+opening_hook 全填。narrative_structure 仍有 10 期 null（ep004/007/009/014-020），待跑 Prompt 2 补。
+- **脚本支持三种 field**：`classification` / `narrative` / `opening_hook`。summarize.py 已改为从 ground-truth.json 源文件读取 GT（不依赖实验文件中的快照）。
+- **下一步优先级建议**：① 新增 10 期跑 Prompt 2 补 narrative_structure → ② schema 加字段方案（跨层硬前置）→ ③ L3 分析引擎设计。
+- **L3/L4 待设计**：分析引擎和诊断报告的架构尚未展开。三个 Prompt 已到位，可启动 L3。
 - **schema 加字段是跨层硬前置**：episodes 表加 6+1 字段，必须 Plan + Opus 审 + 制片人批准 + `pg_dump` 备份。这是主项目的事，不在沙盒内做。
 
 ---
@@ -352,5 +375,5 @@ python scripts/summarize.py --model mimo-v2.5-pro --field narrative
 - [x] ~~Prompt 1 的 4 分类字段枚举最终口径~~ → 已在 v2 快照锁定（见 §1.4）
 - [ ] 多 LLM 共识机制的模型阵容（MiMo + GLM 5.2 + ?）待选型测试后定
 - [ ] L3 分析引擎是否需要超出 Excel 8 Sheet 的额外分析维度
-- [x] ~~下一步优先级：先推 Prompt 1 还是先推 schema 加字段方案？~~ → Prompt 1 先行，已完成 v0.1
-- [ ] Prompt 1 v0.2 示例集是否需要扩充？当前 5 个示例（含 2 个陷阱反例），首轮全对率 40% 偏低
+- [x] ~~下一步优先级：先推 Prompt 1 还是先推 schema 加字段方案？~~ → Prompt 1 先行，已完成 v0.3（80%）
+- [x] ~~Prompt 1 示例集是否需要扩充？~~ → v0.3 已扩至 7 个示例（含防空反导、硅基大脑等易错案例），全对率 80%