| T-mn7or59u | 消化 abc:data-analyst 的调研数据。skillName: data_analysis, targetAgentId: data-analyst。输入: data/workspace/data-analyst/hunt/ 的 knowhow_raw.md 和 seed_data.json。输出到: data/workspace/data-analyst/digest/ 和 data/companies/abc/agents/data-analyst/digest/。完成后汇报产出路径和内容摘要。 | ✅ 完成 | innovator | P0 | 2026-03-26 16:27 | - |
| T-mn7p9e6n | 对 abc:data-analyst 进行 Phase 2 DIGEST（知识消化）。基于 Hunt 阶段的产出（knowhow_raw.md + seed_data.json），构建结构化知识 knowhow.md、benchmark.md、训练/测试数据集、industry_avg_score。产出写入 data/workspace/data-analyst/digest/。完成后汇报产出路径和内容摘要。 | ⬚ 未开始 | innovator | P1 | 2026-03-26 16:41 | - |
| T-mn81l94h | 【DIGEST 知识消化任务】为 ABC 公司 researcher（深度研究员）构建知识体系。<br><br>## 目标 Agent<br>- ID: researcher<br>- 角色: 深度研究员<br>- 核心能力: 接收 topic-selector 提供的选题，进行背景调查、人物形象塑造，生成对话台词和剧本内容<br><br>## 输入 (来自 Hunt 产出)<br>- 原始调研数据: `../../workspace/innovator/abc-researcher/knowhow_raw.md`<br>- 爬取配置: `../../workspace/innovator/abc-researcher/crawl_config.json`<br>- 种子数据: `../../workspace/innovator/abc-researcher/seed_dataset.json`<br><br>## DIGEST 任务要求<br>1. 整合 Hunt 产出，生成结构化 `knowhow.md`（含技能定义、方法论、输出格式）<br>2. 创建 `benchmark.md`（评分标准、维度、权重、pass_score=9.0）<br>3. 生成训练数据集 `training_dataset.json` 和 `test_dataset.json`<br>4. 提取 `industry_avg_score`（行业基准分数）<br><br>## 输出目录<br>`../../workspace/innovator/abc-researcher/`<br><br>## 输出文件<br>1. `knowhow.md` - 知识体系定义<br>2. `benchmark.md` - 评分标准<br>3. `training_dataset.json` - 训练数据集<br>4. `test_dataset.json` - 测试数据集<br><br>## 验收标准<br>- knowhow.md 包含 3+ 研究维度，涵盖背景调查/人物塑造/剧本创作<br>- benchmark.md 包含 5+ 评分维度，pass_score = 9.0 (90分)<br>- 训练/测试数据集各 10+ 条数据 | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:26 | - |
| T-mn81megg | 【Digest任务 - topic-selector技能消化】 请基于 Hunter 产出的原始调研资料，构建结构化知识体系。输入: workspace/hunter/topic-selector/knowhow_raw.md 和 crawl_config.json。输出目录: workspace/digester/topic-selector/。产出要求: 1) knowhow.md - 结构化知识体系（筛选方法论、评分维度、数据来源） 2) benchmark.md - 评分标准（至少3个维度，pass_score=9.0） 3) training_dataset.json - 训练数据集（20+条） | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:27 | - |
| T-mn81zi53 | ## Phase 2: DIGEST 知识消化<br><br>## 输入（Hunt 产出）<br>- 知识素材: data/workspace/hunter/researcher/knowhow_raw.md<br>- 爬取配置: data/workspace/hunter/researcher/crawl_config.json<br>- 种子数据: data/workspace/hunter/researcher/seed_data.json<br><br>## 输出要求<br>创建以下文件到 data/workspace/digester/researcher/:<br>1. **knowhow.md** - 结构化知识体系（研究方法论、剧本创作方法论、深度研究能力要求）<br>2. **benchmark.md** - 评分标准（输入验证、输出验证、能力维度、pass_score=9.0）<br>3. **train_dataset.json** - 训练数据集（10-20条标注数据）<br>4. **test_dataset.json** - 测试数据集（5条标注数据）<br><br>## 验收标准<br>- knowhow.md 包含 5+ 研究维度 ✓<br>- knowhow.md 包含剧本创作方法论（三幕式结构、人物弧光、场景构建）✓<br>- benchmark.md 评分标准可执行 ✓<br>- train_dataset.json 至少 10 条 ✓ | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:37 | - |
| T-mn82bigk | 【DIGEST任务 - researcher深度研究技能】<br><br>输入路径：<br>- 调研产出: ../../workspace/hunter/researcher/knowhow_raw.md<br>- 爬取配置: ../../workspace/hunter/researcher/crawl_config.json<br>- 种子数据: ../../workspace/hunter/researcher/seed_data.json<br><br>输出路径：../../workspace/digester/researcher/<br><br>任务描述：<br>将 Hunter 的原始调研产出进行结构化消化，生成：<br>1. knowhow.md - 结构化知识体系（研究方法论、剧本创作流程、数据源清单）<br>2. benchmark.md - 评测标准（输入输出格式、能力维度、评分规则、pass_score=90）<br>3. train_dataset.json - 训练数据集（30+条精选样本，含输入输出对）<br><br>验收标准：<br>- knowhow.md 包含 3+ 研究维度、剧本创作方法论<br>- benchmark.md 定义清晰的评分标准和 pass_score=90<br>- train_dataset.json 提供可直接用于训练的样本 | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:47 | - |
| T-mn82p167 | 【Digest任务 - trend-hunter技能消化】 请基于 Hunter 产出的原始调研资料，构建结构化知识体系。输入: workspace/hunter/trend-hunter/knowhow_raw.md 和 crawl_config.json。输出目录: workspace/digester/trend-hunter/。产出要求: 1) knowhow.md - 结构化知识体系（抓取方法论、数据源分类、热点分类） 2) benchmark.md - 评分标准（至少3个维度，pass_score=9.0） 3) training_dataset.json - 训练数据集（20+条） | ⬚ 未开始 | innovator | P1 | 2026-03-26 22:57 | - |
| T-mn84412e | 【Digest任务 - researcher技能知识消化】请将 researcher 技能的原始调研资料进行结构化处理。<br><br>## 输入资料<br>- knowhow_raw.md: /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/hunter/researcher/knowhow_raw.md<br>- seed_data.json: /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/hunter/researcher/seed_data.json<br><br>## 输出要求<br>- 输出目录: /Users/yibo/Documents/LemonAI/lemonboss/data/workspace/digester/researcher/<br>- 文件1: knowhow.md - 结构化知识体系（包含研究方法论、剧本创作方法论、人物塑造、台词风格、数据源整合）<br>- 文件2: benchmark.md - 评分标准（至少定义 4 个能力维度及评分细则，pass_score=90）<br>- 文件3: training_dataset.json - 训练数据集（从 seed_data.json 中筛选/标注，至少 30 条）<br><br>## 验收标准<br>- 包含 5+ 种研究方法论<br>- 包含剧本创作方法论（三幕式结构、人物弧光、场景构建）<br>- 定义 4+ 个能力维度<br>- 训练集至少 30 条数据 | ⬚ 未开始 | innovator | P1 | 2026-03-26 23:37 | - |
| T-mn84spde | 【Digest任务 - researcher技能消化】 请基于 Hunter 产出的原始调研资料，构建结构化知识体系。输入: workspace/hunter/researcher/knowhow_raw.md 和 crawl_config.json。输出目录: workspace/digester/researcher/。产出要求: 1) knowhow.md - 结构化知识体系（研究方法论、剧本创作框架） 2) benchmark.md - 评分标准（至少3个维度，pass_score=9.0） 3) training_dataset.json - 训练数据集（20+条） | ⬚ 未开始 | innovator | P1 | 2026-03-26 23:56 | - |
| T-mn84tas8 | 【Digest任务 - screenwriter技能消化】 请基于 Hunter 产出的原始调研资料，构建结构化知识体系。输入: workspace/hunter/screenwriter/knowhow_raw.md 和 crawl_config.json。输出目录: workspace/digester/screenwriter/。产出要求: 1) knowhow.md - 结构化知识体系（剧本格式规范、校验方法） 2) benchmark.md - 评分标准（至少3个维度，pass_score=9.0） 3) training_dataset.json - 训练数据集（20+条） | ⬚ 未开始 | innovator | P1 | 2026-03-26 23:56 | - |