所有任务已暂停 (系统维护 2026-04-01)

| T-mnr6zi0j | 为 content-selector template 进行 Phase 2 DIGEST。

输入文件：/Users/yibo/Documents/LemonAI/lemonboss/system/templates/content-selector/train/hunt/knowhow_v1.md

目标：基于 Hunter 产出的 knowhow_v1.md，为 content-selector template 的互动剧选题能力生成结构化训练基准。

产出要求（必须写入 system/templates/content-selector/train/digest/）：
1. benchmark_v1.md：包含评分标准（总分100，及格线90）、6维评分细则（对话潜力20分/冲突强度20分/情感共鸣15分/分支可设计性20分/场景可视化15分/流量基础10分）、各维度的自动化评估方法、A/B/C/D 等级判定规则。
2. train.jsonl：基于 knowhow_v1.md 中案例解析和评分估算，构造至少 10 条训练样本。每条样本需包含：input（YouTube 视频 JSON 对象，含 title/channelTitle/viewCount/likeCount/subtitles 等字段）、expected_score（6维分数和总分）、expected_grade（S/A/B/C/D）、adaptation_plan（适合/不适合的判断理由及改编建议）。
3. test.jsonl：构造至少 5 条测试样本，覆盖时事新闻/幽默/影视/戏剧/单人口播/多角色对话等多样类型。
4. industry_avg_score.md：记录行业基准分数（参考 knowhow 中的洞察，建议设定为 88 或根据分析给出合理值）及设定依据。

验收标准：
- benchmark_v1.md 必须可被 content-selector 直接用于 self-evaluation
- train/test 样本中必须包含至少 2 个单人口播重构案例和 2 个多人对话直接改编案例
- 所有文件需有清晰的结构化格式（JSONL 每行一个合法 JSON）

注意：如目录不存在请自行创建。 | ✅ 完成 | innovator | P0 | 2026-04-09 08:05 | - | | T-mnr717ab | Phase 2 DIGEST for content-selector template: 基于 knowhow_v1.md 生成分数卡、数据集及行业基准。输入: system/templates/content-selector/train/hunt/knowhow_v1.md。产出要求见 todo T-mnr6zi0j: benchmark_v1.md / train.jsonl / test.jsonl / industry_avg_score.md，全部写入 system/templates/content-selector/train/digest/。立即执行。 | ✅ 完成 | master | P0 | 2026-04-09 08:06 | - |