skill_satire_scraper.md 14.1 KB

Edit Raw Blame History


Skill: Satire News Scraper
Metadata

name: satire_scraper
version: 2.0.0
description: 从讽刺新闻网站抓取内容并提取短剧素材，适配 6 维度评分体系
target_score: 9.0
pass_threshold: 9.0


能力定义
核心能力

RSS 抓取与解析 - 来源质量优化策略
荒诞内容识别与评分 - 7 类型元素精准识别
短剧素材结构化提取 - A/B/C/D 改编价值评估
完整元数据输出 - 10 分制格式规范


6 维度评分体系对齐
维度 1: 荒诞度 (Absurdity) - 权重 25%
目标分数: 9-10 分
荒诞元素类型识别表 (Type A-G)


类型
名称
识别特征
关键词/模式
示例


A
超现实设定
动物/物体有人类行为
declares, files, elected, appointed
"Dog Files Tax Return"


B
夸张数字
极端统计、全称命题
98%, 100%, million, everyone, nobody
"Study Finds 98% Of Americans..."


C
荒诞日常
普通事赋予不存在意义
标签字面化、自我矛盾
"Not A Cat Person Actually..."


D
角色反转
权威者卑微、卑微者掌权
Congressman working at Wendy's
"Congressman At Wendy's"


E
讽刺类比
荒诞类比揭露现实
If X was a person, A equals B
"If Climate Change Was A Person"


F
黑色幽默
轻松语气讨论严肃话题
death, disease, disaster + 轻松语气
"Hospital Express Lane"


G
元讽刺
讽刺媒体/网络文化本身
自嘲、媒体形式讽刺
ClickHole 风格内容


荒诞指数计算 (1-10 分)
absurdity_score = min(10, round(base_score + bonus, 1))

base_score = element_type_score × 0.4 + structure_score × 0.35 + irony_score × 0.25

其中:
- element_type_score: 基于识别的元素类型复杂度 (单一类型=5, 混合类型=7-9)
- structure_score: 标题结构荒诞度 (见下表)
- irony_score: 讽刺强度 (反差程度 0-10)

标题结构评分表


结构模式
示例
得分


X Based On Y (无关混搭)
Novel Based On McDonald's
9-10


A vs B (B 不可战胜)
Man vs Goose
8-9


[权威] + [荒诞决定]
Congress Makes X Illegal
7-8


Breaking + 超现实事件
Breaking: Cat Elected
7-8


[群体] + [矛盾特征]
Millennials Killing...
6-7


疑问但答案荒谬
What If...?
5-6


常规新闻结构
Report: ...
2-4


高分策略:


必须准确识别荒诞元素类型（Type A-G）
absurd_premise 必须精准概括核心荒诞点
dramatic_twist 必须捕捉真正的意外/反转
评分偏差与人工评估 ≤ 0.5 为 10 分，≤ 1 为 8-9 分


维度 2: 来源质量 (Source Quality) - 权重 20%
目标分数: 9-10 分
来源分级体系


等级
来源
质量分
策略


S
The Onion - Local News 栏目
10
优先抓取，占比 30%+


A
The Onion 其他栏目、ClickHole
8-9
主要来源，占比 50%+


B
Babylon Bee
6-7
补充来源，占比 20%


C
小型讽刺博客
4-5
谨慎使用


D
非讽刺来源
1-3
过滤排除


RSS 源配置
sources:
  onion_local:
    url: https://www.theonion.com/rss
    grade: S
    filter: category == "Local"
    priority: 1

  onion_other:
    url: https://www.theonion.com/rss
    grade: A
    filter: category != "Local"
    priority: 2

  clickhole:
    url: https://www.clickhole.com/rss
    grade: A
    priority: 2

  babylonbee:
    url: https://babylonbee.com/feed
    grade: B
    priority: 3


高分策略:


80%+ 内容来自 S/A 级来源 (The Onion, ClickHole)
避免 D 级来源混入
记录并验证每个条目的 source.grade


维度 3: 元数据完整性 (Metadata) - 权重 15%
目标分数: 10 分
必填字段 (缺失一个扣 2 分)


字段
类型
验证规则


headline
string
非空，保留原文


absurd_premise
string
中文，一句话概括核心荒诞点


satire_angle
string
中文，"讽刺[目标]，以及[深层问题]"格式


satire_type
enum
political/social/absurdist/black/meta


absurdity_score
number
1-10，1 位小数


source.site
string
来源网站名


source.url
string
有效 URL


source.published_at
string
ISO8601 格式


推荐字段 (缺失一个扣 1 分)


字段
类型
验证规则


absurd_elements
array
Type A-G 字符串数组，如 ["A", "C"]


dramatic_twist
string
中文，描述标题中的意外/反转


adaptation_value
enum
A/B/C/D 等级


adaptation_notes.genre
string
短剧类型


adaptation_notes.tone
enum
absurd/dry/black/satirical/light


adaptation_notes.visual_elements
array
至少 3 个具体视觉建议


adaptation_notes.dialogue_style
string
对白风格描述


adaptation_notes.estimated_duration
string
30s/45s/60s/90s


高分策略: 所有必填 + 推荐字段必须 100% 完整


维度 4: 时效性 (Timeliness) - 权重 15%
目标分数: 8-10 分
时间分级标准


时间范围
新鲜度分
标记


≤ 7天
10
fresh


8-30天
8-9
recent


1-3个月
6-7
moderate


3-6个月
4-5
aging


> 6个月
1-3
old


Evergreen 内容豁免
以下类型不受时效性限制，自动标记为 evergreen:


Local Man/Area Woman 系列
普适性社会讽刺（非时事依赖）
经典荒诞设定（动物做人事等）

if is_evergreen(content):
    timeliness_score = 10
else:
    timeliness_score = freshness_based_on_pubdate()


高分策略:


80%+ 内容 ≤ 30 天，或标记为 evergreen
正确识别 evergreen 内容
优先抓取最新 RSS 条目


维度 5: 短剧适配性 (Adaptability) - 权重 15%
目标分数: 8-10 分
改编等级定义


等级
分数
标准
目标占比


A
9-10
场景简单(1-3角色)、笑点清晰、病毒潜力
20%


B
7-8
复杂度中等、需一定改编、良好喜剧效果
40%


C
5-6
概念有趣但执行困难、需大量改动
25%


D

依赖文字游戏、场景复杂或敏感度过高
15%


改编价值评估矩阵


维度
权重
评估标准


视觉化潜力
25%
是否容易转化为视觉场景


冲突张力
25%
是否蕴含内在戏剧性冲突


节奏感
20%
铺垫-笑点-反转结构是否清晰


共鸣度
15%
是否触及观众共同经验


演出成本
15%
场景简单度、角色数量


adaptation_notes 生成规则
genre映射:
  political + Congress/Law: 政治讽刺剧
  social + Local Man/Woman: 观察喜剧
  absurdist + 超现实设定: 超现实喜剧
  black + 敏感话题: 黑色喜剧
  meta + 网络文化: 元讽刺喜剧
  consumer + Quiz/Brand: 网络讽刺喜剧

tone映射:
  absurdity_score 8.5-10: black/absurd
  absurdity_score 7.0-8.4: satirical
  absurdity_score 6.0-6.9: dry/light

visual_elements生成:
  政治: [国会场景, 新闻发布会, 政策文件, 投票表决]
  科技: [手机屏幕, 电脑界面, 通知弹窗, 代码/数据]
  消费: [产品包装, 品牌Logo, 购物车, 测试界面]
  社会: [公园场景, 街道, 日常环境, 特写镜头]
  职场: [办公室, 会议室, 工位, 老板办公室]
  家庭: [客厅, 厨房, 餐桌, 沙发]


高分策略:


改编评估与人工评估一致性 ≥ 90%
等级偏差 ≤ 1
visual_elements 必须具体可行


维度 6: 格式规范 (Format) - 权重 10%
目标分数: 10 分
JSON 格式要求
结构要求:
  - 有效 JSON 语法（无 trailing comma）
  - 字段命名 snake_case
  - 日期格式 ISO8601: YYYY-MM-DDTHH:mm:ssZ
  - 枚举值必须小写

内容格式:
  - 字符串无多余前后空格
  - 无 HTML 标签残留
  - 编码统一 UTF-8
  - 数组元素不为空

枚举值规范
satire_type: [political, social, absurdist, black, meta]
adaptation_value: [A, B, C, D]
tone: [absurd, dry, black, satirical, light]
absurd_elements: [A, B, C, D, E, F, G]
duration: [30s, 45s, 60s, 90s]


高分策略: 100% 符合格式规范，无解析错误


执行流程
Step 1: 来源质量筛选
1. 按优先级获取 RSS 源
2. 标记每条内容的 source.grade (S/A/B/C/D)
3. 过滤 D 级来源
4. 计算来源质量分: (S×10 + A×8.5 + B×6.5) / 总数

Step 2: 时效性评估
1. 解析 pubDate → ISO8601
2. 判断是否 evergreen (Local Man 等)
3. 计算内容年龄
4. 赋予时效性分数

Step 3: 荒诞度分析
1. 识别荒诞元素类型 (Type A-G)
2. 分析标题结构模式
3. 提取 absurd_premise (主体+荒诞行为)
4. 识别 satire_angle (讽刺目标)
5. 提取 dramatic_twist (反转点)
6. 计算 absurdity_score
7. 过滤 < 6.0 的内容

Step 4: 短剧适配评估
1. 评估视觉化潜力
2. 分析冲突张力
3. 判断节奏感
4. 评估共鸣度和演出成本
5. 确定 adaptation_value (A/B/C/D)
6. 生成 adaptation_notes
   - genre: 基于 satire_type + 关键词
   - tone: 基于 absurdity_score
   - visual_elements: 基于 genre 选择 3-4 个
   - dialogue_style: 基于来源风格
   - estimated_duration: 30s/45s/60s/90s

Step 5: 元数据完整性检查
检查清单:
✓ 8 个必填字段全部存在
✓ 7 个推荐字段全部存在
✓ 字段类型正确
✓ 枚举值在允许范围内

Step 6: JSON 输出
{
  "headline": "原标题",
  "absurd_premise": "中文荒诞设定",
  "satire_angle": "讽刺角度",
  "satire_type": "absurdist|social|political|black|meta",
  "absurd_elements": ["A", "C"],
  "dramatic_twist": "反转点",
  "absurdity_score": 8.5,
  "adaptation_value": "A|B|C|D",
  "adaptation_notes": {
    "genre": "短剧类型",
    "tone": "absurd|dry|black|satirical|light",
    "visual_elements": ["元素1", "元素2", "元素3"],
    "dialogue_style": "对白风格",
    "estimated_duration": "60s"
  },
  "source": {
    "site": "The Onion",
    "url": "https://...",
    "published_at": "2026-03-26T10:00:00Z",
    "grade": "S|A|B"
  },
  "timeliness": {
    "score": 9,
    "category": "fresh|recent|evergreen"
  }
}


负样本输出
对于 absurdity_score 
{
  "filtered": true,
  "reason": "low_absurdity_score|low_source_quality",
  "headline": "原标题",
  "absurdity_score": 5.0,
  "source.grade": "D",
  "explanation": "具体原因说明"
}


完整示例
输入:
<item>
  <title>Local Man Declares Himself Mayor Of Wendy's</title>
  <link>https://www.theonion.com/local-man-mayor-wendys</link>
  <pubDate>Wed, 26 Mar 2026 10:00:00 GMT</pubDate>
  <category>Local</category>
</item>


处理过程:


来源: The Onion + Local → grade = S, source_quality = 10
时效: 当天发布 → timeliness = 10, category = fresh
荒诞分析:


元素类型: A (超现实设定) + C (荒诞日常)
结构: [普通人] + [非凡行为] → 7 分
absurd_premise: "普通快餐顾客自封餐厅市长"
satire_angle: "讽刺人们对微小权力的荒谬渴望"
dramatic_twist: "自封而非选举产生"
absurdity_score: 8.5

改编评估:


视觉化潜力高 (餐厅场景简单)
冲突清晰 (自封市长 vs 现实)
adaptation_value = A
genre = 超现实喜剧, tone = absurd
visual_elements = ["快餐店场景", "自封仪式", "顾客困惑表情", "员工无奈配合"]
dialogue_style = 严肃新闻体，deadpan delivery
estimated_duration = 60s


输出:
{
  "headline": "Local Man Declares Himself Mayor Of Wendy's",
  "absurd_premise": "普通快餐顾客自封餐厅市长",
  "satire_angle": "讽刺人们对微小权力的荒谬渴望",
  "satire_type": "absurdist",
  "absurd_elements": ["A", "C"],
  "dramatic_twist": "自封而非选举产生",
  "absurdity_score": 8.5,
  "adaptation_value": "A",
  "adaptation_notes": {
    "genre": "超现实喜剧",
    "tone": "absurd",
    "visual_elements": ["快餐店场景", "自封仪式", "顾客困惑表情", "员工无奈配合"],
    "dialogue_style": "严肃新闻体，deadpan delivery",
    "estimated_duration": "60s"
  },
  "source": {
    "site": "The Onion",
    "url": "https://www.theonion.com/local-man-mayor-wendys",
    "published_at": "2026-03-26T10:00:00Z",
    "grade": "S"
  },
  "timeliness": {
    "score": 10,
    "category": "fresh"
  }
}


6 维度自检清单
执行后逐项验证:


[ ] 荒诞度: 元素类型准确，评分偏差 ≤ 1
[ ] 来源质量: 80%+ 来自 S/A 级来源
[ ] 元数据: 15 个字段全部完整
[ ] 时效性: 80%+ ≤ 30天或为 evergreen
[ ] 适配性: 评估一致性 ≥ 90%，等级偏差 ≤ 1
[ ] 格式: JSON 规范，无解析错误


错误处理


错误
处理
对评分影响


RSS 失败
记录日志，跳过该源
降低来源质量分


必填字段缺失
丢弃条目
无影响（避免扣分）


时间解析失败
使用当前时间，标记为 estimate
降低时效性分


未知来源
标记为 C/D 级
降低来源质量分


absurdity 
输出过滤标记
不进入最终集


训练记录

v1.0.0: 初始版本，基础功能定义
v1.1.0: 优化评分算法，细化提取规则，增加类型识别表
v1.2.0: 旧版 4 维度体系最终版，Final Score 94/100
v2.0.0: 重构为 6 维度评分体系，适配新 benchmark (目标 9.0+)


新增来源质量和时效性维度
细化荒诞元素类型 (A-G)
强化改编价值评估 (A/B/C/D)
完整元数据字段规范
JSON 格式标准化


6 维度预期得分
基于训练集验证:


维度
权重
目标分
加权贡献


荒诞度
25%
9.0
2.25


来源质量
20%
9.5
1.90


元数据
15%
10.0
1.50


时效性
15%
9.0
1.35


适配性
15%
9.0
1.35


格式
10%
10.0
1.00


总分
100%
-
9.35


预期等级: S (卓越，9.0+)