67 lines
4.2 KiB
Markdown
67 lines
4.2 KiB
Markdown
|
# 外部账号数据导入处理规范
|
|||
|
|
|
|||
|
|
> 适用范围：`/mcn/api/external/stage → preview → import`（data 模式）链路中，AI 对
|
|||
|
|
> `…/账号对标/<账号名>/` 文件夹的归一化处理。首次沉淀：2026-08-16 王微斯账号导入（1 账号 / 54 视频 / 14 分析）。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## 一、目录结构识别
|
|||
|
|
|
|||
|
|
| 文件 | 用途 |
|
|||
|
|
|------|------|
|
|||
|
|
| `账号信息.json` | 账号资料 → `accounts` |
|
|||
|
|
| `短视频表格.xlsx` | 13 列视频表 → `videos`（54 条） |
|
|||
|
|
| `*账号设定.md` | → `analyses[persona]`；**同时是「定位/内容」的提取来源** |
|
|||
|
|
| `*账号数据分析.md` | → `analyses[account]` |
|
|||
|
|
| `视频对标/<视频标题>/` 下：`*_拆解分析.md` + `原视频解析.json`（或 `content.json`+`analysis.json`） | → `analyses[video]`；json 的 `title` 用于匹配 xlsx 视频 |
|
|||
|
|
|
|||
|
|
> 注：`原视频解析.json` 与 `analysis.json`+`content.json` 是同一批解析数据的两种导出变体，
|
|||
|
|
> 均含 `title`，匹配时先读 `原视频解析.json`、没有再读 `content.json`。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## 二、定位/内容（hot_accounts.content）提取规则 ★核心
|
|||
|
|
|
|||
|
|
1. **来源**：`*账号设定.md` 的「一、账号核心定位」章节（键：赛道 / 账号类型 / 核心受众 / 核心标签 / 内容路线 / 情绪锚点 …）。
|
|||
|
|
2. **必须转纯文本段落**：去掉 markdown 表格样式（`|`、`---`、`**` 加粗标记），格式为 `键名：值` 逐行段落。
|
|||
|
|
3. **不得与简介（bio）相同**：`content` 与 `bio` 是两个字段。
|
|||
|
|
- 账号信息.json 里只有 bio，没有定位 → 定位一律从账号设定.md 提取；
|
|||
|
|
- 提取不到时才允许用 `bio` 兜底（代码层已实现 `content: info.content || info.bio`，data 模式传 `content` 优先）。
|
|||
|
|
4. **赛道（hot_accounts.track）**：从「账号核心定位」的「赛道」键提取，**取第一个主赛道**（`" / "` 分隔取首段），如 `生活vlog赛道`；代码层已支持 `track: info.track`。
|
|||
|
|
4. **示例（王微斯，已入库）**：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
赛道：生活vlog赛道 / 甜宠情感剧情 / 乙女向沉浸体验
|
|||
|
|
账号类型：固定主角+轮换搭档——女主王微斯固定不变，每期搭讪不同类型高颜值男主，但风格统一、情绪底色一致
|
|||
|
|
核心受众：18-35岁女性、磕糖爱好者、颜控党、乙女向代入感爱好者，对浪漫邂逅有情感投射的年轻群体
|
|||
|
|
核心标签：第一视角沉浸撩汉 + 直球拽姐拿捏 + 纯情帅哥反差萌破防
|
|||
|
|
内容路线：街头搭讪破冰 → 极限推拉互撩 → 肢体接触升温 → 深夜交心破防 → 浪漫收尾升华
|
|||
|
|
情绪锚点：王微斯 = 替所有女生完成"主动追帅哥"的爽文体验，每期换一个帅哥被她拿捏
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## 三、其余归一化规则（沿用）
|
|||
|
|
|
|||
|
|
### accounts
|
|||
|
|
- `nickname → account_name`；`douyin_id` / `sec_uid` 保持字符串；
|
|||
|
|
- `followers` / `total_likes` 保留展示格式（如 `409.2万`）；`works_count` / `age` 转 int；
|
|||
|
|
- 丢弃非标准字段（如 `video_count_collected`）；可附 `source_dir` 溯源。
|
|||
|
|
|
|||
|
|
### videos（xlsx 13 列）
|
|||
|
|
- 列名别名匹配：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；
|
|||
|
|
- `tags` 按逗号拆分数组（保留 `#` 前缀）；
|
|||
|
|
- 数字列转 int；`duration` / `publish_time` 保留源格式字符串；
|
|||
|
|
- 播放量为 0 属源数据缺失，照实入库。
|
|||
|
|
|
|||
|
|
### analyses
|
|||
|
|
- `persona`：`*账号设定.md` 全文；
|
|||
|
|
- `account`：`*账号数据分析.md` 全文；
|
|||
|
|
- `video`：`*_拆解分析.md` 全文；`video_aweme_id` **必须**匹配到 xlsx 视频：
|
|||
|
|
匹配优先级 = json title 精确 → 归一化包含（去空白/标点）→ 相似度 >0.8 → md 头部「视频标题」→ 文件夹名首段；
|
|||
|
|
- `summary`：优先取 md 内「结论/核心定位/核心结论」章节，取不到用开头 200 字。
|
|||
|
|
|
|||
|
|
### 其他
|
|||
|
|
- 去重由脚本层处理（content 字节精确比对）；
|
|||
|
|
- ⚠️ Python 读文件默认 CRLF→LF 归一，需按源文件**字节精确**回写（`open(p,'rb').read().decode('utf-8')`），否则 dir 模式去重比对失败；
|
|||
|
|
- 大体积 data 请求需服务端 readBody 已修复（Buffer 拼接解码），否则多字节字符可能损坏为 U+FFFD。
|