WorkBuddy
df56c2c137
内容分四块： 1、产品规划产出 —— MCN 短视频整合营销工作台的①段五份（1a 需求／1b 竞品／1c 画像／1d 策略／1e 场景）、②段两份（2a 功能／2b 布局）、③段界面（DESIGN.md 契约与令牌表 ＋ mcn-workbench.html 原型 ＋ 实测/会诊/审查三份 ＋ 23 张闸门截图）。 2、开源竞品调研 —— 5 个内容工作台项目的取证原始件与 1b 系列分析文档。 3、参考资料 —— 竞品视频抽帧 1145 张 ＋ 2 个源视频 ＋ 功能点截图。 4、机制侧 —— 协作脚本与状态台账、工作区记忆日志、抽帧/OCR 脚本。 .gitignore 只排运行时日志、脚本备份副本与一次性探针输出，其余按原样入库。
4.6 KiB
4.6 KiB
数据归档规范（SOP）
aigc-idea-impression 数据获取后的归档规则。数据根目录：
D:\MCNSkill项目\（2026-08-30 由RedFox数据迁移更名；旧路径已废弃）。
一、目录规则（按数据类型分目录，作品/视频按账号名分）
| 数据类型 | 目录 | 分目录粒度 | 示例 |
|---|---|---|---|
| 榜单数据（日榜、七日飙升榜等） | MCNSkill项目\榜单数据\YYYY-MM\ |
按月 | 榜单数据\2026-08\剧情赛道热榜账号TOP10_2026-08-29.json |
| 信息源数据（AI信息源、短剧信息源等） | MCNSkill项目\信息源数据\YYYY-MM\ |
按月 | 信息源数据\2026-08\...json |
| 作品数据（单作品爬取、账号诊断等） | MCNSkill项目\作品数据\{账号名称}\ |
按账号（无日期层） | 作品数据\王墨绫子\王墨绫子_长视频筛选_2026-08-30.json |
| 视频数据（下载的视频 + 抽帧/音频/报告等） | MCNSkill项目\作品数据\{账号名称}\{视频标题清洗后}_{YYYY-MM-DD}\ |
按账号 + 按视频标题+发布时间 | 作品数据\王墨绫子\不是一见钟情是第一次见面穿了包臀裙_2026-08-27\video2.mp4 |
二、视频数据按标题文件夹规则（核心）
- 每个视频一个文件夹，文件夹名 =
{视频标题清洗后}_{发布时间YYYY-MM-DD}（标题去所有空格 + Windows 非法字符\ / : * ? " < > |+ 常见标点符号#，。？！、,，.～!@$%^&()[]{}等；发布时间取视频实际发布时间，如 2026-08-27） - 层级：
作品数据\{账号名称}\{视频标题清洗后}_{YYYY-MM-DD}\（不用时间文件夹） - 文件夹内放该视频的全部数据：
{视频}.mp4、audio.wav、{直链}.txt、frames/（抽帧）、理解报告_*.md等 - 账号级/中间数据（如长视频筛选 JSON、Fiber 原始提取、视频列表 Excel）放账号层（
作品数据\{账号名称}\，不放视频文件夹） - 示例：
不是一见钟情 是第一次见面穿了包臀裙（2026-08-27 发布）→作品数据\王墨绫子\不是一见钟情是第一次见面穿了包臀裙_2026-08-27\ - 视频列表 Excel：账号层保存
{账号名称}_视频列表_{YYYY-MM-DD}.xlsx（13 列：序号/视频ID/视频标题/视频地址/点赞数/点赞显示/评论数/分享数/收藏数/播放量/视频时长/发布时间/标签），供后续使用与更新（参考 mcn-dou-analysis 短视频表格规范）
三、中间产物管理（防止账号层膨胀，2026-08-30 实测教训）
账号层只保留：数据源（如 fiber_dom_merged.json、redfox_worklist_raw.json）+ 最终交付（Excel/报告）+ 视频文件夹。
- 中间产物用后即清：每次提取/审计的临时文件（fiber_extract_raw / fiber_full_raw / fiber_audit / fiber_capability 等）只保留最新一份（供追溯），旧版立即移入
_中间产物_待清理/或删除，禁止逐轮堆积 - cookies 等敏感临时文件：用后立即清理（不过夜），禁止长期留存
- mp4/音频/帧：必须进对应视频文件夹，禁止放账号层
- 清理时机：每次任务完成归档时顺手检查账号层，超 5 个非交付文件即整理
三、命名规则
- 文件名必须含实际数据日期（不是获取日期），如
_2026-08-29.json - 命名模式：
{类型}_{描述}_{YYYY-MM-DD}.json
三、格式规则
- 统一 JSON（
.json），UTF-8 编码，ensure_ascii=False - 保留完整结构化字段（原始 API 响应的关键字段原样保存），便于后续入库
- 榜单类：外层含
{date, category, count, data: [...]}；账号类：含{date, source, account: {...}}
四、数据来源标注
- 归档 JSON 中标注
source（如红狐API-likesRank/browser-harness-抖音网页版），区分数据来源 - 浏览器获取的数据按红线规则优先使用；第三方 API 兜底时注明
五、操作步骤
import os, json, re
# 榜单/信息源：按分类按月
base = r"D:\MCNSkill项目\{榜单数据|信息源数据}\{YYYY-MM}"
# 作品/视频数据：按账号名（无日期层）
base = r"D:\MCNSkill项目\作品数据\{账号名称}"
def clean_title(t):
t = re.sub(r'\s+', '', t)
t = re.sub(r'[\\/:*?"<>|#，。？！、,，.·～~!@$%^&()（）\[\]【】{}]', '', t)
return t
if 是视频: base = os.path.join(base, clean_title(视频标题))
os.makedirs(base, exist_ok=True)
fp = os.path.join(base, f"{类型}_{描述}_{YYYY-MM-DD}.json")
with open(fp, "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False, indent=2)