cheat-on-content
给所有想把"感觉"变成可校准预测的内容创作者。**方法论通用**——打分 → 盲预测 → T+3d 复盘 → 进化 rubric 的循环适用任何能被量化(播放 / 阅读 / 收听 / 点击)的内容。**rubric 是循环的内容,不是循环本身**——当前内置一份观点视频 rubric(参考博主 25+…
cheat-on-content 的状态看板。显示当前模式 / rubric 版本 / 校准进度 / 待复盘 / pool 状态 / 是否该升级 SQLite / 是否该 bump rubric。**任何时候都可调,无副作用**。触发词:"状态"/"看板"/"status"/"我现在该做什么"/"进度怎么样"。
$ npx -y skills add LiHongwei-cn/lihongwei-cn --skill cheat-status --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
/cheat-statusContext preview
The summary Claude sees to decide when to auto-load this skill.
cheat-on-content 的状态看板。显示当前模式 / rubric 版本 / 校准进度 / 待复盘 / pool 状态 / 是否该升级 SQLite / 是否该 bump rubric。**任何时候都可调,无副作用**。触发词:"状态"/"看板"/"status"/"我现在该做什么"/"进度怎么样"。
name: cheat-status description: cheat-on-content 的状态看板。显示当前模式 / rubric 版本 / 校准进度 / 待复盘 / pool 状态 / 是否该升级 SQLite / 是否该 bump rubric。**任何时候都可调,无副作用**。触发词:"状态"/"看板"/"status"/"我现在该做什么"/"进度怎么样"。 allowed-tools: Bash(*), Read, Glob, Grep
读 state file + 扫描用户项目 → 汇总当前进度 → 输出"今天该做什么"清单。
[用户:状态] ↓ [Phase 1: 读 .cheat-state.json + 扫文件系统] ↓ [Phase 2: 计算派生指标] ↓ [Phase 3: 检测建议触发器(升级 / bump / 清算)] ↓ [Phase 4: 输出看板]
| 来源 | 用途 | |---|---| | `.cheat-state.json` | 主要状态 | | `predictions/*.md` | 校准样本数 / pending retros | | `candidates.md` | 候选池规模 | | `rubric_notes.md` | 行数 / 当前版本 | | `.cheat-cache/usage.jsonl`(如有) | meta-logging 数据,用于"距上次 bump 多少次预测" |
state = read_json('.cheat-state.json')
if not state:
return "你还没初始化。请先跑 /cheat-init。"
predictions = glob('predictions/*.md')
candidates_count = parse_candidates_md_entries()
rubric_lines = wc -l rubric_notes.md| 指标 | 算法 | |---|---| | **Buffer 数** | `len(state.shoots)` | | **Buffer 颜色** | 按 [cadence-protocol.md](../../shared-references/cadence-protocol.md) 派生:`buffer_days = buffer_count × target_publish_cadence_days`,`<1 红 / 1-2 橙 / 3-5 绿 / >5 蓝`。如 `target_publish_cadence_days=null` → 颜色禁用 | | **Confidence 等级** | 按 [state-management.md confidence 表](../../shared-references/state-management.md) 派生:从 `calibration_samples` 整数派生 emoji + 标签 | | **最早一拍至今天数** | `now - state.shoots[0].shot_at`,用于警告"拍了 N 天没发" | | 校准样本数 | predictions 中含完整复盘段(实绩数据非空)的文件数 | | 待复盘 | state.pending_retros 中已过 RETRO_WINDOW_DAYS 的 | | 池大小 | candidates.md 中 tier!=skip 的 entry 数 | | 上次 bump 至今几次预测 | predictions 中 published_at > state.last_bump_at 的数量 | | 同向偏差队列 | state.consecutive_directional_errors | | in_progress 陈旧度 | now - state.in_progress_session.started_at(如有) |
按优先级(高→低)逐项检查:
1. **Buffer 颜色 = 🔴 红** → 第一行高优先级警戒:"buffer 已 0/1 篇,下个发布日可能断更——今天必须拍 ≥1 条。说'推荐选题'我只推 top 1 稳分(不推实验性)" 2. **Buffer 颜色 = 🔵 蓝** → 高优先级提示:"buffer 已 N 篇积压。**暂停拍摄**,先发存货 + 复盘。说'已发布 ...'我帮你出队" 3. **state.shoots 中最早一项 shot_at > 14 天** → "你有视频拍了 N 天还没发——议题时效流失风险,建议尽快发或弃稿" 4. **in_progress 陈旧** (>= STALE_PREDICTION_DAYS) → 高优先级提示"清理或 publish" 5. **待复盘 ≥ 1** → 高优先级"今天该复盘 X 篇" 6. **`pool_status=none` + `calibration_samples=0` + 距 init >24h** → "🌱 你 init 完已经 N 天但还没拍——是因为没选题吗?跑 /cheat-seed 5 分钟拿 5 个候选 + 5 个 draft" 高优先级 7. **Claude 判断系统性偏差信号**(**不是死磕 ≥3 同向**) → 提示"建议跑 /cheat-bump"
8. **calibration_samples 跨入新 confidence 等级**(0→1, 2→3, 5→6, 10→11, 20→21)→ 提示"🎉 confidence 升级:<旧等级> → <新等级>。bucket 中枢精度从 ±X% 提到 ±Y%"。**仅作通知,无任何用户必须确认的操作**——所有 skill 都已经按 calibration_samples 自动调整 9. **calibration_samples 跨过 5** → "你的 rubric 形态可以第一次正式 bump 了。回顾 rubric_notes.md 看观察记录段是否有 ≥3 样本支持的 pattern → 跑 /cheat-bump" 10. **calibration_samples 跨过 10** → "可以跑 /cheat-bump --bucket-only --scheme percentile 让 bucket 边界改用 percentile(永远自洽)" 11. **calibration_samples 跨过 SQLITE_UPGRADE_THRESHOLD** 且 data_layer=markdown → "建议跑 tools/md-to-sqlite.py" 12. **rubric_notes.md 行数 > CLEANUP_LINE_THRESHOLD** → "建议清算观察段(手动或下次 bump 触发)" 13. **calibration_samples ≥ 5 + pool_status=none** → "可以开始建立选题池了" 14. **calibration_samples ≥ 15 + pool_status=none** → "强烈建议建池:/cheat-trends 或手动建 candidates.md" 15. **state.hooks_installed=false** → "你的 immutability 是君子协定,建议跑 /cheat-init 装 hook" 16. **state.last_bump_self_audited=true** → "上次 bump 是自审。建议配置 mcp__llm-chat__chat 后下次 bump 走外部审" 17. **state.rubric_form_mismatch=true** → "你的 content_form 不是 opinion-video,用了内置观点 rubric。前几篇预测会更不准,下次 bump 时建议自行调整权重适配你的形态" 18. **state.benchmark_status=pending** → "🎯 你 init 时答应等下找对标账号但还没找。跑 /cheat-learn-from 导入 ≥3 条对标视频,工具就有 anchor 了" 19. **state.benchmark_status=imported + Claude 判断用户数据信号已超过 benchmark** → "📊 你的真实数据已经成为主信号,benchmark 影响淡出"
🎛️ cheat-on-content 状态(更新于 2026-05-04 15:00)
内容形态:opinion-video / 时长 3-5min / cadence: 隔日更
当前 rubric:v2 (上次 bump: 2026-04-22)
校准样本:18 篇
Confidence: 🟢 较高 (中枢 ±15%,rubric 形态稳定)
Baseline: 4.2w 中位数
📦 Buffer:3 篇(🟢 绿色)
按你的 cadence (隔日更)= 6 天 buffer,节奏稳定
📊 进度条
[█████████████░░░░░] 18 / 30 → SQLite 升级建议门槛
[██████████░░░░░░░░] 18 / 10 → percentile 桶可用(已超过门槛)
🎬 待办(按紧急度)
🚨 复盘 1 篇(已过 T+3d)
- predictions/2026-05-01_db063817_你已不在关系里.md(T+3d 到了)
⚠️ 同向偏差 3 次(high, high, high)→ 建议 /cheat-bump
💤 in-progress prediction 已陈旧 35 天
- predictions/2026-04-01_xxx.md → 是已发了忘登记?还是弃稿?
🔥 候选池
- candidates.md: 27 条(tier1: 12, tier2: 9, tier3: 6)
- 距上次抓热点: 4 天 — 可以再跑 /cheat-trends
📈 健康度
- rubric_notes.md: 412 行(健康,<600 警戒线)
- hooks_installed: ✅
- external audit configured: ❌ → 建议配 mcp__llm-chat__chat
下一步建议(按推荐优先级):
1. /cheat-retro predictions/2026-05-01_db063817_你已不在关系里.md ← 最紧急
2. /cheat-bump ← 同向偏差 3 次的处理
3. 处理陈旧 in-progress(手动或回 "清理 in-progress")
完整的命令清单见主 SKILL.md。输出风格:**直白、具体、可点击**。每个建议附确切的命令——用户应能 copy-paste 直接执行。
1. **无副作用**。读多写零。任何状态修改是其他 skill 的事 2. **不假装数据可用**。state file 字段缺失 → 显式标"未知",不猜 3. **建议带优先级**。10 个建议同时显示用户会麻木——按紧急度排 4. **每个建议附命令**。不能只说"该 bump 了"——要给 `/cheat-bump --propose "..."` 的精确入口
MUNDO - THE EMPEROR. Complete AI orchestration system with 1208 skills, 25 capability modules, self-evolving, collective consciousness. GitHub Actions 24/7 automation.
Repo: LiHongwei-cn/lihongwei-cn
给所有想把"感觉"变成可校准预测的内容创作者。**方法论通用**——打分 → 盲预测 → T+3d 复盘 → 进化 rubric 的循环适用任何能被量化(播放 / 阅读 / 收听 / 点击)的内容。**rubric 是循环的内容,不是循环本身**——当前内置一份观点视频 rubric(参考博主 25+…
提议并执行 rubric 或 bucket 升级。两种模式:**完整 rubric bump**(最高风险动作,5 步强制 + 跨模型审核)和 **--bucket-only 轻量重校**(只换 bucket 边界,不动 rubric 公式)。**Phase 2 强制走 cheat-score-blind…
cheat-on-content 的首次 onboarding 与脚手架创建器。统一流程——所有用户都走相同 5 阶段闭环,唯一区别是"发过视频的人"会在 init 时多一步:抓取已有视频建立历史 context(用于后续 cheat-seed 给更贴合的选题、更准的…
从对标账号导入 script + 数据 → 拆 pattern + 派生 base rubric 信号 → 写到 benchmark.md / script_patterns.md / rubric_notes.md。**这是工具最早期信号的来源**——cold-start…
把老用户的 .cheat-state.json 升级到当前 schema_version。读 migrations/registry.md 算迁移链,按顺序应用每一步迁移文件。幂等:跑两次结果一样。失败停在中间版本不前进。触发词:"迁移"/"升级 state"/"migrate"/"我的 state…
从复盘评论数据派生 / 刷新账号的受众画像,写入 audience.md。这是和 rubric 平行的第二个派生物——rubric 答"怎么打分",persona 答"谁在看"。cheat-seed 选题 / 写稿时读它。**audience.md 含实绩信号,cheat-score-blind…