# 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
1. **RSS 抓取与解析** - 来源质量优化策略
2. **荒诞内容识别与评分** - 7 类型元素精准识别
3. **短剧素材结构化提取** - A/B/C/D 改编价值评估
4. **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

```yaml
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 | <5 | 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

```yaml
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

```yaml
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

```yaml
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

```json
{
  "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 < 6.0 或 source.grade == "D" 的内容:

```json
{
  "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**:
```xml
<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**:
1. 来源: The Onion + Local → grade = S, source_quality = 10
2. 时效: 当天发布 → timeliness = 10, category = fresh
3. 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
4. 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**:
```json
{
  "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 < 6.0 | 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+)