brandbai7 BrandBAI 抖音账号深度分析
把合格的抖音采集包转化为商品无关的账号事实、视频—评论语义对齐和高表现候选机制。本 Skill 只完成账号分析；下载、具体商品匹配、合作策略和商品 Brief 属于其他任务。
先确认使用边界
只在 PolyForm Noncommercial License 1.0.0 允许的非商业范围内运行本 Skill。企业内部使用、客户交付、收费服务或其他预期商业用途，须先通过 brandlaobai@163.com 取得 BrandBAI 书面商业授权。
分析必须使用有合法来源和适当权限的数据。不要把第三方作品、评论、用户信息、客户数据或分析输出提交到本仓库。
接收输入
优先读取 brandbai-douyin-download 生成的交付目录。也可以读取其他来源，但至少需要：
- 作品 ID、标题、发布时间、真实链接、是否置顶和可见互动数据；
- 至少可读取的作品封面；若宿主能直接读取视频或图文素材，可作为增强证据；
- 能回到具体作品的评论原文和来源角色；
- 采集时间、评论层级、完成状态和异常说明。
先阅读 输入输出合同。输入不足时只输出资料缺口，不自动调用下载 Skill，也不自动打开抖音补采。
固定样本范围
默认纳入：
- 主页当前可见的全部置顶作品；
- 置顶之外，按发布时间排序的最近最多 30 条非置顶作品。
置顶不占 30 条非置顶名额。使用非置顶作品建立近期表现基线；单独分析置顶作品代表的身份信号、内容资产或主动展示意图，不把置顶作品混入近期基线。
“处于置顶状态”是 F（可观察事实）；“为什么置顶”没有达人或团队确认时只能标 H（待验证假设）。
重点观察全部置顶作品，再从非置顶样本中选择最多 10 条代表作品，覆盖高、常态、低表现或反例、主要内容类型及存在的商业或异常内容。
默认使用轻量无转写模式
默认使用 lightweight_no_asr：只依赖采集包内的标题或简介、封面、互动数据和对应评论完成分析，不调用 ChatCut、ASR 或其他第三方转写服务，也不上传媒体。
按实际材料记录观察层级：
cover_metadata：已读取标题或简介、封面和评论，是默认完整路径；sampled_frames：在默认路径上额外读取了本地抽帧；direct_media：宿主原生读取了视频或图文素材；text_only：只读取标题、数据和评论，缺少视觉材料，必须降级为partial。
音频转写不是完成门槛。若输入包已自带合法来源的字幕或转写，可作为补充，但本 Skill 不负责生成，也不得因为缺少转写而停止分析。所有视频表达判断必须限定在实际可见证据内；没有观察到的口播、动作、开头或剧情写“未从本次材料确认”，不要用标题补写。
运行输入检查
脚本只使用 Python 3.10+ 标准库。先运行：
python scripts/validate_analysis_input.py --input "<抖音采集包目录>"
退出码：
0：输入可进入完整分析流程；3：输入可用但部分缺失，后续必须降级；2：缺少作品主数据，停止分析。
不要把 partial 或 invalid 包装成完整输入。
构建分析样本
任何正式构建先做 Dry Run：
python scripts/build_analysis_dataset.py `
--input "<抖音采集包目录>" `
--out "<新的分析输出目录>" `
--dry-run
确认后去掉 --dry-run。脚本生成：
data/analysis_manifest.json
data/works_sample.json
data/comment_inventory.json
这些是分析准备数据，不是最终账号结论。不得根据脚本的筛选结果自动生成商业判断。
初始化交付模板
构建完成后先做 Dry Run：
python scripts/init_analysis_delivery.py --out "<分析输出目录>" --dry-run
确认后去掉 --dry-run。脚本放入三份普通版模板，并创建：
data/delivery_manifest.json
data/video_analysis.jsonl
data/evidence_ledger.jsonl
data/claim_cards.jsonl
初始化模板不是正式交付。不要覆盖已有分析；需要重做时使用新的输出目录。
完成账号分析
阅读 精简分析方法和交付与中间数据合同，依次完成：
- 使用非置顶样本建立近期作品基线；
- 单独理解全部置顶作品及其与近期基线的差异；
- 按用户任务和内容类型建立同类可比组；
- 按观察层级重点查看置顶作品和最多 10 条非置顶代表作品；
- 对应读取评论，按固定规则取样；
- 按 评论与证据编码 编码；
- 生成视频—评论语义对齐卡；
- 检查注意力归属、语义接管、反例和替代解释；
- 提炼账号资产、高表现候选机制、失效条件和信任边界；
- 输出完成状态和资料缺口后停止。
默认不做音频转写。标题或简介、封面和评论均已读取时，可以完成轻量模式；只能读取标题和评论、连封面都不可读时标记为部分完成。不得把封面观察写成完整视频剧情，也不得把评论中的观众说法改写为已直接观察到的事实。
把深看结果逐行写入 video_analysis.jsonl，把评论原文和编码写入 evidence_ledger.jsonl，把重要结论写入 claim_cards.jsonl。三份普通版必须由这三类数据生成，不要分别凭印象填写。
生成普通版交付
普通入口只保留：
01_账号深度分析.md
02_D1评论语义证据包.xlsx
03_分析说明与资料缺口.md
原始分析数据放入 data/。重要结论至少保留：判断、F/P/H/U 状态、视频证据、评论证据、对齐等级、反例、替代解释、可用范围和不可用范围。
D1 使用 assets/02_D1评论语义证据包模板.xlsx 的四个固定页签。三份 JSONL 和 delivery_manifest.json 填写完成后，先预检、再自动生成工作簿：
python scripts/build_d1_workbook.py --delivery "<分析输出目录>" --dry-run
python scripts/build_d1_workbook.py --delivery "<分析输出目录>"
该脚本只使用 Python 标准库，把视频分析卡、评论证据和结论卡写入初始化时复制的模板，并保留下拉选项和样式。JSONL 始终是事实来源；工作簿只是同一份数据的普通版映射。生成失败时不得交付空模板，也不得手工编造与 JSONL 不一致的表格。
评论语义证据包只描述本次编码样本，不外推完整粉丝比例。S0—S6 是接收深度，不是购买漏斗；求链接、自报购买或自报体验都不能直接证明成交或商品事实。
校验正式交付
先把 delivery_manifest.json 的 analysis_status 从 draft 改为 complete、partial 或 insufficient，填写实际深看作品 ID 和资料限制，并运行 build_d1_workbook.py 生成 D1。然后运行：
python scripts/validate_analysis_delivery.py --delivery "<分析输出目录>"
只有退出码为 0 才能交付。校验会检查：全部置顶是否有分析卡、非置顶深看是否不超过 10 条、P 模式是否至少有两个支持作品和评论证据、评论编码是否合法、三份普通版是否仍有模板占位符，以及 Excel 与内部证据行数是否一致。
判定完成状态
complete：至少按cover_metadata完成作品基线、置顶作品、代表作品、对应评论、语义对齐和反例检查；无需音频转写。partial：已形成有效分析，但视觉材料、评论、回复或可比样本存在影响结论的缺口，或代表作品仍为text_only。insufficient：无法形成至少一个有效可比组，只能输出事实和资料缺口。
完成只表示对本次输入完成分析，不表示平台数据绝对完整，也不表示候选机制已被投放或成交数据验证。
严格停止在账号分析
本 Skill 不得：
- 自动下载作品或评论；
- 为了完成默认分析而调用外部音频转写或上传媒体；
- 分析超过最近 30 条非置顶作品；
- 遗漏当前可见置顶作品；
- 将置顶作品直接混入近期非置顶基线；
- 推断完整粉丝画像；
- 将互动、兴趣或自报购买写成成交；
- 判断某个具体商品是否适合达人；
- 生成某个商品的合作策略或 Brief；
- 把单条高表现写成“必爆公式”。