oracle-learn-fromlisted

# /oracle-learn-from — 对标账号导入 工具早期最重要的信号源是**对标账号**——init 完没数据，rubric 等权 v0 等于占星。找一个"你想做成那样"的账号，导入 5-10 条高/中/低样本，工具就有 anchor。 后期当某轨 calibration_samples ≥ 10 时，benchmark 影响自然减弱——你的真实数据成为主信号。但 benchmark.md **不删**，仍是 seed 的 reference frame。 **对标筛选方法**（消费 `references/dbskill-essence-distill.md` §5 五重过滤法）：领域相关 → 数据量级可达（别选百万粉对标千粉账号）→ 内容形态匹配 → 阶段可学（早期账号学成长期打法，别学成熟期）→ 拆得开（拿得到稿子）。 ## Overview ``` [Phase 0: 检查 benchmark 状态] ↓ [Phase 1: 选 input 方式（script 来源 × 数据来源，两维度独立）] ↓ [Phase 2: 收集材料（逐条）] ↓ [Phase 3: 询问每条样本的"印象判断"（高/中/低 + 为什么）] ↓ [Phase 4: AI 拆 pattern + 派生 rubric 信号（仅定性）] ↓ [Phase 5: 用户 review → 改 → 确认] ↓ [Phase 6: 落盘 benchmark.md / study/ / script_patterns.md / rubric_notes.md] ↓ [Phase 7: 更新 state] ``` ## Constants - **MIN_SAMPLES = 3**（少于拆不出 pattern，拒绝继续） - **RECOMMENDED_SAMPLES = 5-10** / **MAX_PER_RUN = 15** ## Workflow ### Phase 0: 检查 benchmark 状态 读 state 的 benchmark_status：none/pending → 继续；imported → 询问"已有 benchmark [名] N 条。a) 追加 b) 替换（旧的归档 benchmark.archived/）c) 只看不改"。`--append` / `--replace <name>` 直接走。 **轨道标注**：对标可标 `— track: <id>`（该对标主要服务哪轨）；不标则 pattern 写入通用段。 ### Phase 1: 选 input 方式（两个独立维度） **1a. script 怎么拿？** - a) **粘文本（默认推荐）**——自己整理或用文案提取工具（各平台小程序/字幕导出/yt-dlp 字幕） - b) **whisper 转录视频文件**——视频放 `study/<账号名>/<video>/source.mp4`，走 `adapters/script-extraction/`（准确度比 a 差：错字/漏字/标点不准） - c) **跳过 script，只用元数据 + 印象**——pattern 拆不深但 rubric 信号还行，适合"先快速搭起来将来补" **1b. 数据怎么拿？** - a) **手填数字**（最简单：查后台或视频页面报数） - b) **adapter 自动抓**（如已配置 perf-data adapter：给 URL 自