Oracle Init

/oracle-init — 首次 onboarding（档案 + 规划 + 脚手架）

让用户从零到能跑第一条预测。没发过历史的 ≤ 10 分钟；已发过要 import 历史的 ≤ 15 分钟。

初始化不只是建脚手架——这 10 分钟产出的三份档案（user-profile / content-plan / audience-profiles）决定后续所有 skill 怎么工作。

Overview

[用户首次说"初始化"]
  ↓
[Phase 0: 检测当前状态]
  ↓
[Phase 1: 基础配置（形态/时长/频率/平台/模式判定）]
  ↓
[Phase 2: 用户档案采访（8 问）→ user-profile.md]
  ↓
[Phase 3: 内容漏斗采访（5 问）→ content-plan.md + 轨道注册]
  ↓
[Phase 4: 用户画像推导（按轨道）→ audience-profiles.md]
  ↓
[Phase 5: 脚手架落盘（state + rubric + 目录 + hooks）]
  ↓
[Phase 5.5: 对标账号询问 → （选"现在找"则 dispatch /oracle-learn-from）]
  ↓
[Phase 6: 测试 hook + 给"下一步该说什么"清单]

Constants

• INSTALL_HOOKS = ask — 默认询问；用户选 yes 直接装；no 不装
• TREND_DEFAULT_SOURCES = ["manual-paste"]
• 采访依据：references/xu-zuohao-positioning-distill.md §6（Phase 2/4 问卷）+ references/content-funnel-theory.md（Phase 3 理论）+ shared-references/content-funnel-protocol.md（完整协议）

Inputs

无。所有信息从对话采访里收集。

🔴 采访执行协议（所有 Phase 通用铁律）

1. 一次只问一个问题：每条消息只含当前这一个问题（可附选项/示例），禁止把多个问题打包进同一条消息
2. 答完再问下一个：用户回答当前问题之前不进入下一问；答非所问 → 换更简单的问法重问，不跳过、不代答
3. 追问有度：每问最多 1-2 轮澄清追问；信息已够用就继续，不为凑轮次而追问
4. 阶段收口：每个采访 Phase 问完 → 复述本阶段采集结果 → 用户确认 → 才落盘/进下一 Phase
5. 问完才产出：所有关键问题（Phase 2-4）问完并确认后，才输出对应档案文档——中途不写半成品文件

Workflow

Phase 0: 检测当前状态

1. 确认当前工作目录是用户的内容项目根（不是 oracle-bone skill 包目录）
2. 检查是否已存在 .oracle-state.json：
   • 存在 → 提示"项目似乎已初始化。重新初始化会覆盖现有配置——确认？"等用户明确确认才继续
   • 不存在 → 继续
3. 检查是否已存在 rubric_notes.md / predictions/ 等核心文件——存在但 state 不存在 → "半初始化"状态，询问"要从现有文件推断状态还是重置？"

Phase 1: 基础配置（首屏 + 4 问）

先输出首屏（一字不漏）：

🎯 oracle-bone / 甲骨 — 初始化

把内容创作变成可校准预测循环：打分 → 盲预测 → 发布 → 复盘 → 进化 rubric。
3000 年前的贞人就在烧龟壳对账——现在轮到你的账号。

接下来 10-15 分钟我会分四个阶段采访你：
1. 基础配置（2 分钟）
2. 你是谁——创作者档案（4 分钟）
3. 你的内容打哪儿去——漏斗规划（3 分钟）
4. 你的观众是谁——画像推导（2 分钟）

两件事先说在前面：

1. **早期预测会不准**——前 5 篇精度大概 ±50%，这是数学事实。
   工具用 🔴🟠🟡🟢🔵 标 confidence 等级，不藏数字——你自己判断能不能信。

2. **强烈建议导对标账号**——5-10 条对标样本，工具立刻有 anchor。
   不然第一批预测基本是占星。后面会再问一次。

准备好开始了吗？

Q1: 内容形态（决定 rubric starter）

"你的内容更接近哪一种？ a) 观点视频（评论 / 时评 / 论说 / 议题讨论）— 直接匹配内置 rubric（默认推荐） b) 转化视频（产品获客 / 案例展示 / 服务营销）— 匹配转化类 starter c) 长文（公众号 / Substack）d) 短文 thread e) 播客/长视频 f) 其他 g) 混合"

映射 content_form：opinion-video / conversion-video / long-essay / short-text / podcast / other / mixed。非 a/b → rubric_form_mismatch: true（借观点 rubric 起步，status 持续提示 bump 调权重）。

Q2: 典型时长（视频类才问）→ typical_duration_seconds（30/90/240/450/900）

Q3: 发布频率 → target_publish_cadence_days（1/2/7/null）

Q4: 发布平台 + 历史状态（合并问）

"你主要在哪些平台发？（多选：抖音/B站/小红书/视频号/YouTube/公众号/其他） 发过内容吗？ a) 没发过 — 后续 /oracle-seed 帮你从兴趣+热点 brainstorm b) 发过 — 可以 import 历史让 baseline 更准（需要提供数据，可跳过）"

• 平台集 → platforms[]（多平台同步分发是默认建议；平台选择策略 = 内容形态 × 商业模式 × 用户画像，Phase 2/4 采访后可回来微调）
• 选 b → 追问"大概多少条？想现在 import 还是先跳过？"（import 流程：用户提供历史数据 → 建 作品目录 + reconstructed prediction，标 NOT FOR CALIBRATION，baseline_plays 取中位数回填；不阻塞主流程）

Phase 2: 用户档案采访（8 问）→ user-profile.md

采访逻辑：商业模式决定内容定位（高端餐厅做高端内容，街头面馆做接地气内容）。先搞清楚你怎么收钱，才知道内容该做成什么样。

逐问采访（严格按「采访执行协议」执行：一次一问、答完再问；每问 AI 结合上下文追问 1-2 轮，不等用户写长文）：

落盘 user-profile.md（从 templates/user-profile.template.md 复制骨架 + 填采访结果）。落盘前复述给用户确认（协作契约 #6）。

Q4 深挖式采访（经历锚点库）——像记者追问故事，不像填表：

1. 用户答得具体（有事件/场景/转折）→ 直接记入经历锚点库，追问一句"后来呢？这事改变了你什么？"
2. 用户答得空泛（"没什么特别的"/"就是普通上班"）→ 换具体化切入再问一轮：
   • "最近一次工作上被卡住/搞砸/被人说不行，是什么时候的事？随便讲讲，不用管能不能做成内容"
   • "有没有一件事，你朋友常听你讲、或你常在脑子里回放的？"
   • "你做过什么别人第一次听说会'啊？'出声的事？"（职业转折 / 踩坑翻身 / 极端经历 / 反常识日常）
3. 每条锚点按格式记：一句话故事（时间/场景/角色/转折）+ 情绪词 + 可展开方向——这是 oracle-seed Mode A 和 oracle-open-source 镜子检查的直接原料
4. 收集 3-5 条即可收口，不无限追问；一条都挖不出来 → 如实记 [经历锚点：待挖——seed 首次找选题时补]，不编造

Phase 3: 内容漏斗采访（5 问）→ content-plan.md + 轨道注册

采访逻辑：内容按漏斗分层——破圈（最广受众）/ 认知（目标用户）/ 转化（购买意向用户）。每层服务不同人群、不同目标，流量 ≠ 客户。

按 content-funnel-protocol.md 的 5 问执行：

1. 三类人群盘点：会付钱的 / 潜在会付钱的 / 只是爱看的
2. 逐层能力：破圈层能做吗想占多少？认知层专业优势撑哪类？转化层变现落点是什么？
3. 占比拍板：AI 只给参照（双轨常见 40/60，三轨常见 4:3:3），用户定
4. 各层成功定义：每轨 2-3 条可观测指标（破圈轨看播放涨粉，转化轨看咨询付费）
5. 漏斗外劝退测试：绝对不碰的内容清单

产出规划类型：single（聚焦一层）/ dual（破圈+转化）/ triple（三层全做）——按用户在问题 2 的回答决定有哪些层，不硬凑。

每轨四要素注册（详见 content-funnel-protocol.md"轨道注册"段）：

• 轨道 id + 用户命名 + funnel_layer
• review_skill 路由（转化轨 → oracle-open-source；破圈/认知轨 → oracle-who-for）
• retro 窗口（流量轨 [3]；转化轨 [3,7,30]）
• rubric starter 路由（破圈/认知 → opinion-video；转化 → conversion-video）+ mix_ratio

落盘 content-plan.md，复述确认后才进 Phase 4。

Phase 4: 用户画像推导（按轨道）→ audience-profiles.md

按 content-plan 每轨推导画像。付费者优先纪律：画像从"谁付钱"反推，不从"谁点赞"正推。

每轨画像五要素（从 user-profile + Phase 3 回答推导，AI 起草 → 用户确认修订）：

1. 人群定义（是谁 / 怎么刷到 / 为什么停留）
2. 痛点与需求（他们在找什么）
3. 互动特征（会怎么评论 / 什么话术触发咨询）
4. 转化路径（从看到内容到信任到行动）
5. 一般关注画像（非目标但会刷到的人：会怎么评价 / 会不会转发 / 可能质疑什么）

落盘 audience-profiles.md。这份画像直接被 oracle-simulate-audience 消费（两类人群模拟的根基）。

Phase 4.5: 约束初判（暂定 stage_constraint）

从采访信号初判当前最大约束（四类判定表见主 SKILL.md「stage_constraint」段）：

• Phase 2 形象三词/专业优势答不上来 → positioning_unclear
• 定位清晰但表达 pattern 无从谈起（script_patterns 空 + 未导对标）→ expression_unstable
• Q3 发布频率目标 vs 用户自述可投入时间差距大 → capacity_limited
• 转化轨已有内容但零咨询信号（仅 import 历史的老手可判）→ conversion_blocked
• 信号都不显著 → none

初判值 + 一句依据复述给用户确认（归入 Phase 4 收口确认，不单独加一轮提问）；后续 compass-retro 每 2 期回写。

Phase 5: 脚手架落盘（逐项解释）

按顺序创建并解释每一项的作用（不静默 mkdir）：

1. .oracle-state.json（schema 见 state-management.md）：

   • 写入 Phase 1-4 收集的全部配置 + tracks.definitions（Phase 3 注册）+ stage_constraint（Phase 4.5 初判：{value, basis, updated_at}）
   • schema_version: "1.0"、mode（cold-start / calibration）、calibration_samples_by_track（每轨 0 起）
   • initialized_at 用本地 ISO 8601 含时区（不要 UTC Z 后缀）

2. rubric_notes.md — 按轨道分节：每轨复制对应 starter（starter-rubrics/opinion-video.md 或 conversion-video.md；cold-start 用 -zero 等权版）到该轨节

   "正在创建 rubric_notes.md — 评分维度的真实来源，按你的轨道分节。
    v0 是没校准前的占位。你账号自己的真权重要从你的数据反推，
    跑完 5 篇有数据的内容后会自动提议升级到校准 v1。"
   

3. 三份档案文件：user-profile.md / content-plan.md / audience-profiles.md（Phase 2-4 已产出，确认落位）

4. script_patterns.md（复制 template，按轨道分节）+ candidates.md（空池）+ WORKFLOW.md / STATUS.md

5. 目录：项目根下建 study/（对标样本，oracle-learn-from 用）——scripts/ predictions/ 不建平铺目录，每期作品一个 <NNN>_<标题>/ 目录（oracle-seed 时建，见 content-folder-schema.md）

6. 装 hooks（默认装）：

   • merge hooks/prediction-immutability.json + session-start.json + meta-logging.json 进 .claude/settings.json
   • 复制三个 .sh 到 .oracle-hooks/，chmod +x，command 路径用 ${CLAUDE_PROJECT_DIR}/.oracle-hooks/

7. 追加 .gitignore（不覆盖）：.oracle-cache/ .oracle-secrets.json

Phase 5.5: 对标账号（所有用户都问）

🎯 对标账号

工具早期最重要的信号源是对标账号——你 init 完没数据，rubric 等权 v0 等于占星。
找一个你想做成那样的账号，导入 5-10 条高/中/低样本，工具就有 anchor。

a) 现在找 → 立刻进入 /oracle-learn-from（5-15 分钟）
b) 等下找 → 标 pending，状态看板持续提醒
c) 不找 → 用通用 v0 起步

回 a / b / c。

• 选 a → Phase 6 hook 测试完毕后 自动 dispatch 到 /oracle-learn-from（不让用户手动跑）
• 选 b → benchmark_status: pending；选 c → none

Phase 6: 测试 hook + 下一步清单

hook 测试（仅当装了 hooks）：

1. 建临时文件 predictions/_test_hook.md（含 ## 预测 + ## 复盘 段）→ 尝试 Edit 预测段 → 钩子应 exit 1 阻塞 → 报"✅ immutability 钩子生效" → 删测试文件
2. 跑一次 bash .oracle-hooks/session-start.sh → 应输出报告（空也行）
3. 钩子未生效 → 不假装成功，明确告知可能原因（settings 未生效/需重启）

下一步清单：

✅ 初始化完成（规划：双轨 [破圈 40% + 转化 60%]，rubric: v0，样本: 0，confidence: 🔴 极低）

你的三份档案：
  user-profile.md       — 你是谁
  content-plan.md       — 内容往哪打（2 轨 + 占比 + 成功指标）
  audience-profiles.md  — 观众是谁（simulate-audience 的根基）

下次你可以直接说这些：

🌱 找选题        → "找选题"（按轨道分流起 draft）
📊 写完一篇稿子  → "打分这篇 <NNN>_<标题>/scripts/<...>.md"
🎯 准备发布前    → "启动预测 ..."（盲预测，预测段锁定）
🎬 拍完了        → "拍了 ..."
🚀 发布后        → "已发布 https://..."
📈 到复盘窗口    → "复盘 ..."
🎛️ 任何时候      → "状态"

💡 confidence 会随复盘自动提升。不要因为早期不准就跳过预测——
   早期预测的价值是数据采集，不是决策。第 5 次复盘后第一次校准。

Key Rules

1. 不假装成功：任何步骤失败 → 明确说哪步出错。绝不写"✅ 完成"如果实际没完成
2. 不批量提问：🔴 一次一问、答完再问、问完才落盘——完整约束见「采访执行协议」；每个采访 Phase 结束复述确认再进下一个
3. 不静默 mkdir：每创建一个文件都解释作用
4. 占比不代定：轨道占比是用户战略决策，AI 只给参照系
5. 档案是活文档：告诉用户后续可修订（compass-retro 会建议修订规划）
6. import 失败不阻塞：历史 import 走不通 → 优雅降级到"标估值，不导入"

Refusals

• 「跳过采访，直接给我创建所有文件」→ 拒绝。没有档案的轨道规划 = 后续所有 skill 退化混池
• 「规划你来定就行」→ 拒绝代定占比与轨道取舍；可给建议参照，用户拍板
• 「不装 hook 但保留 immutability 承诺」→ 允许，state 标 hooks_installed: false，status 持续提示"你的 immutability 是君子协定"
• 「我已经在别处初始化过了，把那个项目的配置同步过来」→ 慎重。提示手动 cp state + 三份档案 + rubric_notes，不自动跨项目同步

Integration

• 写完后，主 SKILL.md 路由解锁所有其他子 skill
• oracle-seed 读 content-plan 分轨；oracle-recommend 按 mix_ratio 过滤；oracle-simulate-audience 读 audience-profiles；oracle-bump 按 tracks 分桶
• 转化轨的 seed / review 额外加载 references/conversion-track-playbook.md