宜博 / lemonboss

todo.md 10.8 KB

Todo

  • [ ] 等待 Innovator 分发训练任务 | T-mn7o3cp8 | 对 screenwriter 技能进行 FDE 进化训练。

    技能名称: screenwriter
    技能路径: workspace/screenwriter/

    输入: workspace/screenwriter/datasets/train/ 下的训练数据
    基准: workspace/screenwriter/digest/benchmark.md

    目标: Score ≥ 95（用户要求）

    请执行 Small Loop 迭代训练，直到分数达标。

    产出要求:
    1. 每次迭代输出到 workspace/screenwriter/evolving/v{N}/
    2. 更新 workspace/screenwriter/evolution_log.json
    3. 达标后将最终 SKILL.md 保存 | ✅ 完成 | innovator | P0 | 2026-03-26 16:08 | - | | T-mn7od1jx | 训练热点研究员技能 hot-topic-researcher.

    技能名称: hot-topic-researcher
    目标: 为 ABC Inc. researcher Agent 训练热点抓取与深度研究能力

    输入文件:
    - 训练数据: /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/innovator/abc-researcher/training_dataset.json
    - 基准: /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/innovator/abc-researcher/benchmark.md
    - 知识库: /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/innovator/abc-researcher/knowhow.md

    验收标准:
    - Score ≥ 95 (满分100)
    - 训练完成后输出 SKILL.md 到 /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/evolver/hot-topic-researcher/

    评分维度:
    1. 抓取完整性 (40分): 标题/来源/分类/时间/热度
    2. 数据质量 (30分): 无重复/无截断/编码/格式
    3. 研究深度 (20分): 背景/人物/剧情
    4. 效率 (10分)

    请开始 Small Loop 迭代训练，直到达标。 | ✅ 完成 | innovator | P0 | 2026-03-26 16:16 | - | | T-mn7omp2a | 优化 ABC 公司 trend-hunter 技能，目标 90 分以上。

    ## 背景
    - Agent: abc:trend-hunter (热点抓取)
    - 现有技能: workspace/companies/abc/agents/trend-hunter/.claude/skills/scrapling/SKILL.md (简短版本)
    - 目标: 90+ 分 (10分制 = 9.0)

    ## 要求
    1. 读取现有技能定义，评估当前水平
    2. 扩展技能为完整版，包含:
    - 输入输出规范
    - 爬虫配置 (平台选择: 微博、知乎、抖音、B站等)
    - 数据清洗规则
    - 输出格式 (JSON Schema)
    - 质量标准
    - Benchmark 评分维度
    3. 使用 Evolver 进行迭代训练
    4. 达标后部署到 Agent 目录 | ⬚ 未开始 | innovator | P1 | 2026-03-26 16:23 | - | | T-mn7opxje | 创建并训练 ABC 公司 screenwriter 技能，目标 90 分以上。

    ## 背景
    - Agent: abc:screenwriter (剧本整理)
    - 现有状态: 无技能定义
    - 目标: 90+ 分 (10分制 = 9.0)

    ## 流水线位置
    screenwriter 是 ABC 内容生产流水线的第 4 步：
    1. trend-hunter (热点抓取)
    2. topic-selector (选题筛选)
    3. researcher (深度研究)
    4. screenwriter (剧本整理) ← 本任务
    5. publisher (内容发布)
    6. data-analyst (数据监控)

    ## 技能要求
    1. 输入: researcher 产出的调研结果 (JSON)
    2. 输出: 标准化剧本 (JSON)
    3. 能力:
    - 将调研素材改编为短剧剧本
    - 场景划分、人物塑造、对话编写
    - 符合短剧节奏 (冲突-反转-高潮)
    - 输出格式符合 publisher 的输入规范

    ## 产出要求
    1. 创建 skills/screenwriter/SKILL.md (完整版)
    2. 进行迭代训练直到 90+ 分
    3. 部署到 data/companies/abc/agents/screenwriter/.claude/skills/ | ✅ 完成 | innovator | P1 | 2026-03-26 16:26 | - | | T-mn7osx7a | 创建并训练 ABC 公司 researcher 技能，目标 90 分以上。

    ## 背景
    - Agent: abc:researcher (深度研究)
    - 现有状态: 有基础技能 (skills/research/SKILL.md)
    - 目标: 90+ 分 (10分制 = 9.0)

    ## 流水线位置
    researcher 是 ABC 内容生产流水线的第 3 步：
    1. trend-hunter (热点抓取)
    2. topic-selector (选题筛选)
    3. researcher (深度研究) ← 本任务
    4. screenwriter (剧本整理)
    5. publisher (内容发布)
    6. data-analyst (数据监控)

    ## 技能要求
    1. 输入: topic-selector 选中的精选选题 (JSON)
    2. 输出: 深度调研报告 (JSON)
    3. 能力:
    - 背景资料收集
    - 人物信息整理
    - 关键事件梳理
    - 台词/对话素材提取
    - 短剧改编建议

    ## 产出要求
    1. 扩展 skills/research/SKILL.md 为完整版
    2. 进行迭代训练直到 90+ 分
    3. 部署到 data/companies/abc/agents/researcher/.claude/skills/ | ⬚ 未开始 | innovator | P1 | 2026-03-26 16:28 | - | | T-mn7owylu | 评估并优化 ABC 公司 topic-selector 技能，目标 90 分以上。

    ## 背景
    - Agent: abc:topic-selector (选题筛选)
    - 现有技能: skills/topic-selector/SKILL.md (完整版 v1.0)
    - 目标: 90+ 分 (10分制 = 9.0)

    ## 流水线位置
    topic-selector 是 ABC 内容生产流水线的第 2 步：
    1. trend-hunter (热点抓取)
    2. topic-selector (选题筛选) ← 本任务
    3. researcher (深度研究)
    4. screenwriter (剧本整理)
    5. publisher (内容发布)
    6. data-analyst (数据监控)

    ## 要求
    1. 读取现有技能定义
    2. 设计 Benchmark 评测标准
    3. 进行迭代训练优化到 90+ 分
    4. 如已达 90+，更新技能状态为 verified

    ## 技能已有内容
    - 六大评估维度 (短剧化潜力、时效性、商业价值等)
    - 评级标准 (S/A/B/C/D)
    - 工作流程 (5步)
    - 输出格式 (JSON Schema)
    - 自检清单 | ⬚ 未开始 | innovator | P1 | 2026-03-26 16:31 | - | | T-mn7oz4jj | 评估并优化 ABC 公司 publisher 技能，目标 90 分以上。

    ## 背景
    - Agent: abc:publisher (内容发布)
    - 现有技能: .claude/skills/content-publisher/SKILL.md (v1.0)
    - 目标: 90+ 分 (10分制 = 9.0)

    ## 流水线位置
    publisher 是 ABC 内容生产流水线的第 5 步：
    1. trend-hunter (热点抓取)
    2. topic-selector (选题筛选)
    3. researcher (深度研究)
    4. screenwriter (剧本整理)
    5. publisher (内容发布) ← 本任务
    6. data-analyst (数据监控)

    ## 现有技能内容
    - 剧本数据格式 (JSON Schema)
    - 字段映射规则
    - Genre → Category 映射 (20类)
    - API 调用规范
    - 错误处理策略 (5种)
    - Benchmark: 目标95分, 及格80分

    ## 要求
    1. 读取现有技能定义
    2. 进行迭代训练优化到 90+ 分
    3. 更新 Benchmark 目标为 90+
    4. 部署到 Agent 目录 | ⬚ 未开始 | innovator | P1 | 2026-03-26 16:33 | - | | T-mn7p0ua9 | 创建并训练 ABC 公司 data-analyst 技能，目标 90 分以上。

    ## 背景
    - Agent: abc:data-analyst (数据监控)
    - 现有状态: 无技能定义
    - 目标: 90+ 分 (10分制 = 9.0)

    ## 流水线位置
    data-analyst 是 ABC 内容生产流水线的第 6 步（最后一步）：
    1. trend-hunter (热点抓取)
    2. topic-selector (选题筛选)
    3. researcher (深度研究)
    4. screenwriter (剧本整理)
    5. publisher (内容发布)
    6. data-analyst (数据监控) ← 本任务

    ## 技能要求
    1. 输入: publisher 上传后返回的内容ID
    2. 输出: 每日数据监控报告 (JSON)
    3. 能力:
    - 监控内容曝光量、点击率、完播率
    - 收集用户反馈和评价
    - 分析选题受欢迎程度
    - 生成迭代建议
    - 推送日报给 COO/CEO

    ## 产出要求
    1. 创建 skills/data-analyst/SKILL.md (完整版)
    2. 进行迭代训练直到 90+ 分
    3. 部署到 data/companies/abc/agents/data-analyst/.claude/skills/ | ⬚ 未开始 | innovator | P1 | 2026-03-26 16:34 | - | | T-mn7zsy91 | 训练 abc:data-analyst 的 data_analysis 技能。targetAgentId: data-analyst。输入: data/workspace/data-analyst/digest/ 的 SKILL.md, benchmark.md, train.json, test.json。输出到: data/workspace/data-analyst/evolve/ 和 data/companies/abc/agents/data-analyst/evolve/。训练要求: 1) 目标分数 ≥ 95 分 (100分制); 2) 最大迭代 10 轮; 3) 每轮分析弱维度并优化; 4) 训练完成后部署 SKILL.md 到 data/companies/abc/agents/data-analyst/.claude/skills/main_skill/SKILL.md。完成后汇报最终分数和产出路径。 | ⬚ 未开始 | innovator | P0 | 2026-03-26 21:36 | - | | T-mn816iew | 【FDE Phase 3 - data-analyst 技能进化训练】

    ## 输入资料
    - 知识体系: data/workspace/data-analyst/digest/knowhow.md
    - 评分标准: data/workspace/data-analyst/digest/benchmark.md (pass_score = 90)
    - 训练集: data/workspace/data-analyst/digest/train.json
    - 测试集: data/workspace/data-analyst/digest/test.json
    - 初始 SKILL: data/workspace/data-analyst/digest/SKILL.md

    ## 训练要求
    1. 以 SKILL.md 为起点，继续迭代优化
    2. 硬性及格线: 总分 >= 90 (100分制)，低于此分数不能标记为完成
    3. 最大迭代次数: 10 轮
    4. 每轮基于测试集评分，分析弱维度，针对性修改 Skill 定义

    ## 产出要求
    - 产出目录: data/workspace/data-analyst/evolve/
    - 文件1: skill_data_analyst.md (迭代后的技能定义)
    - 文件2: evolution_log.json (训练记录，每轮评分和修改说明)

    ## 部署要求（训练达标后必须执行）
    1. 将最终 SKILL.md 复制到 data/companies/abc/agents/data-analyst/.claude/skills/data-analysis/SKILL.md
    2. 更新 data/companies/abc/agents/data-analyst/.claude/skills/skills.md 添加技能清单
    3. 更新 data/companies/abc/agents/data-analyst/config.json 中 status 为 ready

    完成训练后，汇报最终评分和部署状态。 | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:15 | - | | T-mn82q147 | 训练 data-analyst 技能到90分以上。

    ## 背景
    - targetAgentId: data-analyst
    - skillName: data_analysis
    - 已在 Phase 1 (Hunt) 和 Phase 2 (Digest) 完成知识构建

    ## 输入路径
    - 知识手册: data/workspace/data-analyst/digest/knowhow.md
    - 评分标准: data/workspace/data-analyst/digest/benchmark.md
    - 训练集: data/workspace/data-analyst/digest/train.json
    - 测试集: data/workspace/data-analyst/digest/test.json
    - 行业基准: data/workspace/data-analyst/digest/industry_avg.json (82分)

    ## 目标
    - 使用 Evolver 的进化循环将技能评分优化到 90 分以上
    - 训练完成后部署到 data/companies/abc/agents/data-analyst/

    ## 输出路径
    - 技能定义: data/workspace/data-analyst/evolve/skill_data_analyst.md
    - 进化日志: data/workspace/data-analyst/evolve/evolution_log.json

    ## 要求
    1. 以 benchmark.md 中的 4 个维度进行评分：数据准确性(30%)、分析深度(25%)、报告质量(25%)、工具使用(20%)
    2. 最大迭代 10 轮
    3. 每轮分析弱维度，针对性修改 SKILL 定义
    4. 及格线: 总分 >= 90 (100分制)

    完成后汇报最终评分和迭代次数。 | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:58 | - |