Social Export Insights
深度分析架構——把「候選排名 → 量化特徵 → [可選] LLM 範本化質性判讀 → 報告組頁」這套已在真實專案(一個 10GB 以上的 Facebook 匯出)驗證過的通用模式,封裝成可擴充的骨架+一組已驗證的範例模組。這個 skill 的核心產品是架構本身,不是任何單一領域。三個範例模組(關係、群組、風險)示範這套架構在不同情境下該怎麼套用,而不是本 skill 唯一支援的功能清單。
跟 social-export-analysis 的邊界
social-export-analysis管「原始匯出 zip → 結構化 JSONL/derived 資料」。- 本 skill 管「結構化資料 → 深度洞察」,疊在前者之上。
- 沒有現成的結構化資料時(
analysis/output/messages/data/thread_index.json不存在),先觸發social-export-analysis,但只需要它的 identity/social/messages 三個 domain——細節見分析\前置.md。不要重新實作萃取/解析邏輯,這是本 skill 最容易犯的邊界錯誤。
7 層通用模式
完整說明見 分析\架構.md;速查表:
| 層 | 做什麼 | 特徵 |
|---|---|---|
| L1 抽取 | 原始 HTML/JSON → output/<domain>/data/*.jsonl |
屬於 social-export-analysis,本 skill 只消費其產出 |
| L2 候選排名/篩選 | 便宜欄位(不重掃原始檔)算分、篩出 top-N | config.py 集中權重/門檻+人工排除清單+疊代優化紀錄表 |
| L3 跨領域 join | 合併多個 domain 的 JSONL | 姓名比對只在雙邊都唯一時算 confident,否則進 ambiguous,寫進 _meta.caveats |
| L4 量化特徵 | 逐目標算統計(關鍵詞/情緒/趨勢/規則式標籤) | 規則式自動標籤(top X% 給固定標籤)是好用的輕量替代方案,不一定要上 LLM |
| L5 LLM 範本化質性判讀 | 可編輯 markdown 範本+分派獨立 subagent+結構化輸出 | 無法腳本化的一層;不是每個模組都需要,需要時才做,做的話務必範本化、可重跑,不要變成一次性手寫散文;投入多深看下方「三層分析深度」 |
| L6 報告/dashboard 組頁 | 只讀已算好的 JSON,不重新解析原始檔 | 共用元件庫、離線可用、對未完成對象優雅降級 |
| L7 跨領域紀律 | 貫穿全部層,非流程步驟 | sanity/regression check、config 集中、先查共用 lib 再寫新邏輯 |
三層分析深度(輕/中/深)
任何目標的分析投入分幾層做,完整定義、驗證門檻、群組全量通讀程序見 分析\分層.md;速記:
- 預設不分析:新/擴充模組先只確保 L1 原始資料齊全、可依量體瀏覽(見下方 L1 說明),不要自動往下推進到任何一層——使用者明確指定要做到哪一層、對哪些目標,才動手。
- 輕:L4 量化特徵/規則式標籤(附幾句便宜 NLP 摘要即可),通常不做 L5。
- 中:質性敘事 + 結構化事件時間軸/逐字語錄/語氣序列三份 JSON,語錄與涵蓋率必須過
程式\共用\verify_quotes_template.py/verify_coverage_template.py驗證才算完成。 - 深:中層全部 + 完整量化建模(迴歸/PCA+KMeans/TF-IDF),只給少數手選的旗艦目標。
這取代了 relationships/ 模組原本綁死「排名前 10 深層、11-30 輕層」的兩層規則——分層現在是依需求指定,不是排名自動決定;旗艦模組的深/輕質性範本仍可沿用,但中層才是「事件/語錄/語氣」這套結構化產出的標準做法。
分析\分層.md 還有一份「整包結構與選單」——依目標類型+分層列出完整輸出目錄樹(選中層會拿到哪些檔案),交付前後都可以拿來核對範圍,不是要你另外跑一支生成器。
三個範例模組
| 模組 | 位置 | 示範什麼 |
|---|---|---|
| 關係 | 程式\關係\ |
旗艦範例,L1-L6 全套,尤其是成熟的 L5(深/輕兩層範本) |
| 群組 | 程式\群組\ |
刻意不做 L5 的對照範例——規則式標籤 pattern,何時該用純統計 |
| 風險 | 程式\風險\ |
示範把「手動寫散文」的判讀升級成範本化 L5(新範本,不是原專案原封不動搬過來的) |
security、photo_library、messages 查詢工具層、reports 彙整層目前只有方法論、還沒模組化——需要時照 分析\擴充.md 的步驟,複製最相近的範例模組調整即可。photo_library 要先分清楚兩件事:把照片依人/依時間重新整理成 hardlink 媒體庫,屬於 L1(原始資料重組),已經是 social-export-analysis skill 的範圍(scripts/photo_library_template.py);本 skill 如果要做 相片庫 模組,指的是候選比對/查找工具(依參考照片找相似候選、依對話列出照片),是 L2 候選排名+L8 查詢工具,不是重做媒體庫本身——見 分析\擴充.md 的判斷方式。
自然語言問答(預設互動模式)
依問題判斷最小必要步驟、走快取、直接在對話中回答,不強制寫檔——完整決策表、實體解析、快取/新鮮度機制見 分析\問答.md。選範疇式輸出(quant-only/完整筆記/人物側寫)是次要、明確要求才做的路徑。
新增模組
「幫我加一個新的分析領域」這類架構性請求,走 分析\擴充.md 的步驟。不要寫一個自動生成模組骨架的工具——目前只有 3 個真正落地的範例模組,做這種抽象化還太早;用「複製最相近範例模組+改 config/範本」的手動流程。
已知坑
完整清單(含每條坑的成因與對策)見 分析\踩坑.md。最容易忘記檢查的三條:recency 類的時間基準要用語料庫自己的最新時間戳、不能用「今天」;候選排名第一次真跑幾乎一定會混進非目標對象(企業帳號、廣播群組…),要靠人工排除清單修,不是一次就能寫對規則;中層以上任何聲稱「已通讀」「語錄已核對」的產出,一律要跑 程式\共用\ 的驗證腳本,不能只信任 agent 自我陳述的涵蓋率或逐字性。
實戰經驗補充(2026-10)
同一個人兩個帳號的匯出專案,連續做過多批補強之後,又累積了一些經驗。動手前先看對應的檔案:
| 什麼時候 | 讀哪份 | 最容易出事的一條 |
|---|---|---|
| 要把筆記寫成結論(知識庫、報告),或核對使用者/PM 給的數字 | 分析\查證與協作.md |
抽樣筆記的語意錯誤率非常高,結論以全讀版為準;使用者說法跟資料衝突時兩邊都查、照實回報,不要跟著翻盤;事實題整理成一次問完的清單 |
| 讀訊息做質化判讀 | 分析\查證與協作.md §5 |
文字欄只有「IP 位址」的那則是本人傳的貼圖,不是系統通知;事件換成當地時間;範本字句和 Meta AI 回答不是本人發言;「斷聯」先查是不是換帳號 |
| 有兩個以上帳號 | social-export-analysis 的 references\multi-account.md |
帳號看「哪一份匯出+發言者別名」,時期看日期;共同串扣重複、只分析一次 |
| PR 風險審閱 | 分析\PR審閱.md |
逐筆審閱、附錨點、scope: segment、待審歸零;判準跟使用者確認後維持;洗版的成因要問使用者 |
| 多個 agent 平行做分析 | social-export-analysis 的 references\parallel-agents.md |
每個 agent 只寫自己的範圍,主線統一跑 package/check/commit;回報彙整成檔案 |
| 讓使用者填確認清單再回寫,或確認跨帳號共同人物(2026-10-01 新增) | 分析\查證與協作.md §6 |
回寫先 dry-run,讀到 0 筆是警訊;使用者確認要能覆蓋規則判定,而且要有「不同人」這一級 |
| 寫或驗證任何語錄、正文引號(2026-10 新增) | 分析\查證與協作.md §8、程式\共用\quotes_strict_template.py |
全部模組共用同一支 strict 驗證器;正文引號用 inline_terms/inline_source 登記;抽樣處理會漏判,要全量 |
| 新寫任何敘事、時間軸、年度回顧(2026-10 新增) | 分析\查證與協作.md §9、分析\人生時間軸.md |
一律派第二個 agent 回 L1 做語意複查(實測錯誤率兩到三成);只收確定/高信心的事實;換成當地日期;回報日不是發生日;草稿不是已寄出 |
| 分很多批平行寫大量小對象,或把各批的事實線索彙整成勾選表(2026-10 新增) | 分析\查證與協作.md §11 |
先設校準閘門,複查找到的錯誤類型立刻補進共同規則;最常犯的是「A 說 X,B 回 Y」順序壓錯;判「L1 沒有」前先全文搜尋;「我們」不能推成本人 |
| 專案收尾,把勾選表、回填表寫進事實表與知識庫,再做獨立查核(2026-10 新增) | 分析\查證與協作.md §12 |
從中間表抄的日期要再換當地;看得到的時間點不是發生日;單次事件不寫成規則;新寫入逐筆查、已核的抽查 |
| 抽樣寫成的大型對象,使用者還沒決定要不要全讀(2026-10-01 新增) | 分析\查證與協作.md §7 |
先做 strict 引文驗證(同一則、同一分鐘、心情回應不算),全讀前不寫新結論進知識庫 |
新踩的坑先寫進專案自己的經驗檔。同類問題第二次出現,或會讓結論錯的,就去掉個資、改成虛構例子,提煉進這裡或 分析\踩坑.md。