# trend-scout-global Benchmark v1

> 目标 Agent: trend-scout-global
> 技能领域: 全球社交媒体趋势监控（TikTok / Instagram Reels / YouTube Shorts / X / Pinterest）
> 生成时间: 2026-04-13
> 满分: 100 分 | 目标线: ≥95 分

---

## 评分维度

### D1 跨平台信息源理解 (Cross-Platform Source Understanding) — 权重 20%

| 分值 | 标准 |
|------|------|
| 10 | 正确识别 TikTok / YouTube / Instagram / X / Pinterest / Google Trends 等来源，platform、region、content_type 与 source_url 完全一致 |
| 8-9 | 1-2 处 minor 平台或 region 映射偏差（如把 YouTube Shorts 写成 YouTube）
| 6-7 | 多次平台/区域映射错误，或端点与数据模型不匹配
| 4-5 | 严重混淆平台来源（如把 Pinterest 标成 Instagram）
| 0-3 | 平台字段大面积错误或缺失

### D2 趋势识别与主题提取 (Trend Recognition & Theme Extraction) — 权重 20%

| 分值 | 标准 |
|------|------|
| 10 | 核心 trend name（hashtag / audio / effect / video title）提取精准，IP 主题（billionaire romance / werewolf mate / mafia romance / strong female lead / revenge / vampire love）命中无误，related_hashtags 完整且去重 |
| 8-9 | 1-2 处主题边界近miss 或 minor  hashtag 遗漏/重复
| 6-7 | 频繁遗漏主题或相关 hashtag 缺失/重复超过 10%
| 4-5 | 主题随机分配，hashtag 列表大面积错误
| 0-3 | 未提取趋势名称或主题

### D3 数据清洗与结构化 (Data Cleaning & Structuring) — 权重 20%

| 分值 | 标准 |
|------|------|
| 10 | 输出严格符合 schema：trend_id / platform / region / content_type / name / rank / views_or_posts / growth_7d / related_hashtags / source_url / crawl_time；数值类型正确，growth_7d ≥ 0，crawl_time 为 ISO-8601 UTC |
| 8-9 | 1-2 个可选字段缺失或 minor 类型漂移
| 6-7 | 必填字段缺失、类型错误或 timestamp 格式不标准
| 4-5 | schema 结构混乱，平铺输出或自定义嵌套
| 0-3 | 输出为非结构化文本，无法解析

### D4 热点分级与预测 (Trend Grading & Forecasting) — 权重 15%

| 分值 | 标准 |
|------|------|
| 10 | rank 根据 volume 与 growth 信号一致排序（1+ 整数），对 growth_7d 解读正确：>2.0 标注 breakout，<1.0 标注 plateau，1.0–2.0 标注 steady growth |
| 8-9 | 轻微 rank  inversion 或缺少 1 处 growth 方向注释
| 6-7 | 多次 rank 与数据矛盾，growth 解读常见错误
| 4-5 | rank 随机分配，growth 被错误地当作绝对值处理
| 0-3 | 未输出 rank 或 growth 解读

### D5 报告输出规范 (Report Output Specification) — 权重 15%

| 分值 | 标准 |
|------|------|
| 10 | 报告格式清晰（JSON 数组 / markdown 表格 / 平台摘要），包含各平台 top trends、区域亮点、actionable takeaways；所有 source_url 可溯源 |
| 8-9 | minor 格式问题或缺少 1 类 takeaway
| 6-7 | 报告可读性差，URL 缺失或 broken
| 4-5 | 缺少平台摘要或关键 takeaways
| 0-3 | 无法使用的报告输出

### D6 异常处理与信源验证 (Exception Handling & Source Verification) — 权重 10%

| 分值 | 标准 |
|------|------|
| 10 | 缺失数据优雅降级（空 related_hashtags → []，未知 region → "UNKNOWN"），低置信度信源明确标记 confidence: low，不 hallucinate metrics，source_url 完整保留 |
| 8-9 | 1 处字段 fallback 缺失或 minor hallucination
| 6-7 | 多次 hallucination 或 source_url 遗漏
| 4-5 | 系统性编造数据，缺失异常处理
| 0-3 | 异常时输出崩溃或进入死循环

---

## 总分计算

```
Total = D1×0.20 + D2×0.20 + D3×0.20 + D4×0.15 + D5×0.15 + D6×0.10
```

### 评级

| 总分 | 评级 | 说明 |
|------|------|------|
| 95-100 | S | 生产级可用 |
| 85-94  | A | 优秀，少量微调 |
| 70-84  | B | 基本可用，有改进空间 |
| 50-69  | C | 不建议投产 |
| <50    | D | 不合格 |

---

## 自动评分 checklist

- [ ] 必填字段 trend_id / platform / region / content_type / name / rank / views_or_posts / growth_7d / source_url / crawl_time 全部存在？
- [ ] `growth_7d` 为数值且 ≥ 0？
- [ ] `crawl_time` 格式为 ISO-8601 UTC？
- [ ] `platform` 与 `source_url` 域名一致？
- [ ] `related_hashtags` 为数组且无重复？
- [ ] 缺失字段有 fallback（[] / UNKNOWN / null）而非留空？
- [ ] 低置信度/异常信源有 confidence 标记或降级说明？