Cheat InitSAFE

You're reading this. The skill predicted it. A workflow that turns every post into a calibrated experiment—score, blind-predict, retro, evolve. The future doesn't reward effort, it rewards those who see the pattern first. 1M followers in a month — not luck, system.

The instruction file, verbatim from the audited commit — this is the text the model reads, and the surface the audit's instruction layer examines. Quoted here so you can judge it without cloning anything.

---
name: cheat-init
description: 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 baseline)。触发词:"初始化"/"init"/"首次使用"/"我是新用户"/"setup cheat-on-content"。**必须在用户第一次会话执行;其他子 skill 在 .cheat-state.json 不存在时自动路由到此。**
argument-hint: "[— form: opinion-video|long-essay|short-text|podcast]"
allowed-tools: Bash(*), Read, Write, Edit, Glob, WebFetch, Skill
---

# /cheat-init — 首次 onboarding

让用户从零到能跑第一篇预测,全程 ≤ 5 分钟(没发过历史的)或 ≤ 10 分钟(已发过、要 import 历史的)。

## Overview

```
[用户首次说"初始化"]
  ↓
[Phase 0: 检测当前状态]
  ↓
[Phase 1: 首屏文案 — 适用性 + 期望管理]
  ↓
[Phase 2: 6 个问题(Q1-Q5 都问;Q2 决定是否走 user-history import)]
  ↓
[Phase 2.5: 对标账号 — 强烈建议(cold-start 必须问,已发用户可选)]
  ↓
[Phase 3: 创建脚手架(含 scripts/ + videos/ + samples/ 空目录 + 模板文件含 benchmark.md)]
  ↓
[Phase 3.5: user-history import 流程(仅 Q2=有发过历史 + 用户同意)]
  ↓
[Phase 4: 测试 hook 是否生效]
  ↓
[Phase 5: 给"下一步该说什么"清单]
```

## Constants

- **DEFAULT_RETRO_WINDOW_DAYS = 3**
- **INSTALL_HOOKS = ask** — 默认询问;用户选 `auto` 直接装;`skip` 不装
- **TREND_DEFAULT_SOURCES = ["manual-paste"]**

## Inputs

无。所有信息从 6 个对话问题里收集。

## Workflow

### Phase 0: 检测当前状态

1. 读用户当前工作目录(**用户的 content project,不是 cheat-on-content 自己**)
2. 检查是否已存在 `.cheat-state.json`:
   - 存在 → 提示"项目似乎已初始化(state file 存在)。要重新初始化会覆盖现有配置——确认?" 等用户明确确认才继续
   - 不存在 → 进入 Phase 1
3. 检查是否已存在 `rubric_notes.md` / `predictions/` 等核心文件——存在但 state file 不存在 → 是"半初始化"状态,提示用户并询问"要从现有文件推断状态还是重置?"

### Phase 1: 首屏直白告知期望(含适用性验证)

向用户输出(一字不漏,不要软化):

```
🎯 Cheat on Content / 网红外挂 — 初始化

你的下一条内容已经在改写 3 个月后的你。
规律是客观存在的,区别是你**看见**还是**没看见**。
这套让你看见。

接下来 5-10 分钟我会问你 5-6 个问题搞清楚你做什么、有什么、怎么用。
两件事先说在前面:

1. **早期预测会不准**——前 5 篇精度大概 ±50%,这是数学事实。
   工具用 🔴🟠🟡🟢🔵 标 confidence 等级,不藏数字——
   你自己判断这次能不能信。

2. **强烈建议导对标账号**——5-10 条对标视频,工具立刻有 anchor。
   不然第一批预测基本是占星。后面 Q5 会再问一次。

准备好开始吗?
```

如果用户答"继续"或类似肯定回应 → Phase 2。
不再因为 content_form 拒绝继续——任何形态都允许,只是 `rubric_form_mismatch` 字段标真,cheat-status 后续会持续提示用户"你的形态需要 bump 调权重"。

### Phase 2: 6 个问题(一问一答,**不**批量提问)

**Q1: 内容形态**

> "你的内容更接近哪一种?
> a) **观点视频**(评论 / 时评 / 论说 / 议题讨论 / 个人观点)— 直接匹配内置 rubric
> b) **长文 essay**(公众号 / Substack / Medium)— 可借观点视频 rubric 起步,bump 时调权重
> c) **短文 / thread**(X / 微博 / 即刻)— 同上
> d) **播客 / 视频长内容**(YouTube 长片 / 播客)— 同上
> e) **教程 / 工具教学 / Builder**(教别人怎么用 X 工具 / 怎么做 Y 项目)— 同上
> f) **其他**(游戏 / 美食 / 妆教 / 新闻 / 剧情)— 工作流通用,但 rubric 维度需要调
>      (ER / SR / HP 这套对你形态可能不太预测,需要自己拆出适合的维度)
> g) **混合**"

记录到 `content_form` + `rubric_form_mismatch`。

**Q1 → `content_form` enum 映射**(**必须存 enum 值,不是字母**):

| 用户答 | `content_form` 写入值 |
|---|---|
| a | `"opinion-video"` |
| b | `"long-essay"` |
| c | `"short-text"` |
| d | `"podcast"` |
| e | `"tutorial-builder"` |
| f | `"other"` |
| g | `"mixed"` |

`rubric_form_mismatch` 派生:
- 选 a → `false`
- 选 b/c/d/e/f/g → `true`,cheat-status 持续提示"你的形态可能需要 bump 调权重"
- **不再有"严重不匹配"档**——所有形态都能跑工作流,只是有的 rubric 需要更激进的 bump

**Q1.5: 典型时长**(仅 Q1=a/d/f 时问)

> "你的视频典型时长?
> a) 30秒-1分钟  b) 1-3分钟  c) 3-5分钟(推荐起步)
> d) 5-10分钟   e) 10分钟以上"

记录到 `typical_duration_seconds`(30 / 90 / 240 / 450 / 900)。

**Q1.6: 发布频率**

> "你打算多久发一篇?
> a) 日更   b) 隔日   c) 每周   d) 灵活 / 不固定(关闭 buffer 监控)"

记录到 `target_publish_cadence_days`(1 / 2 / 7 / null)。

**Q2: 你这个频道发过视频吗?**

> "a) 没发过 — 我会帮你从兴趣 + 热点 brainstorm 5 个候选 + 写 5 份初稿
>  b) 发过 — 不管 1 条还是 100 条,我会帮你抓历史让后续 brainstorm 更贴合你做过什么"

如选 a → state 写 `calibration_samples: 0`,**Phase 3.5 跳过**,直接进入 Phase 4。
如选 b → 进入 **Q2.1**。

**Q2.1: 平台 + 抓取计划**(仅 Q2=b)

> "你内容主要在哪个平台?
> a) 抖音 — 装 douyin-session adapter(Playwright + 扫码登录抖音创作者中心)
> b) 小红书 — 装 xhs-explore adapter(Playwright + 扫码登录小红书创作者中心)
> c) YouTube — 装 youtube-data-api adapter(需 API key)
> d) B 站 — bilibili-stat adapter
> e) LinkedIn — 装 linkedin-session adapter(Playwright + 登录 LinkedIn,抓单帖分析)
> f) 微信视频号 — 装 wechat-channels adapter(Playwright + 扫码登录视频号助手,仅抓自己账号后台数据)
> g) 其他 / 多平台 — 走 manual paste 模式"

如选 a/b/c/d/e/f → 询问 Q2.2;如选 g → 跳到 Q2.3 manual。

**Q2.2: adapter 安装时机**(仅 Q2.1=a/b/c/d/e/f)

> "现在装 adapter 自动抓取,还是先手动告诉我?
> - 现在装 — 引导你装 Playwright + 扫码 → 抓回最近 N 条数据
> - 等下再装 — 先 manual 模式,state 标 'pending_adapter_setup',
>            cheat-status 持续提示装"

如选"现在装"→ 走 adapter install 引导(详见各 adapter README)→ 验证抓取可用 → Q2.3。
如选"等下"→ 跳到 Q2.3 manual。

**Q2.3: 抓取范围 / 历史规模**

如 adapter 已装并验证可用:
> "我可以抓你最近多少条作为基础?
> (建议 10-25 条;样本越多 baseline 越准。最多到你账号实际数量)"
→ 用户给数字 N,Phase 3.5 抓取 N 条

如 manual 模式:
> "你大概发过多少条?给个范围就行(比如 '5-10 条' / '20+ 条'),
>  这只用来标 calibration_samples 估值,不用准确。"
→ 用户给一个估值,Phase 3.5 跳过抓取,calibration_samples 写估值

**Q3: 数据回收方式**

> "T+3 天复盘怎么拿数据?
>
> a) 手动粘 — 候补方案。**你必须粘 top 20+ 评论(带赞数)**,不是只粘播放数。
>    评论才是真信号——'她不一样'这种模因爆发只能从评论看出,
>    播放数永远告诉不了你什么内容真的击中了观众。
> b) **[推荐默认]** adapter 自动抓 — 评论 + 数据全要。
>    如果你现在没装 adapter,没关系,state 标 'pending_adapter_setup',
>    第一次 publish 之前装上就行(cheat-status 会持续提醒装)。
>    装的指引在 adapters/perf-data/<platform>/README.md。"

**Q3 → `data_collection` enum 映射**:

| 用户答 | `data_collection` 写入值 |
|---|---|
| a | `"manual"` |
| b(默认) | `"adapter"` |

默认推荐 b——除非用户明确说 "a 我就要手动"。

**Q4: 候选选题**

> "你现在有候选选题列表吗?(如有外部 markdown / Notion 维护的)
> a) 没有(默认)— 一会儿我帮你 brainstorm,或日常用 /cheat-trends 抓
> b) 有,markdown 列表
> c) 有,Notion / 其他"

**Q4 → `pool_status` enum 映射**:

| 用户答 | `pool_status` 写入值 |
|---|---|
| a(默认) | `"none"` |
| b | `"markdown"` |
| c | `"notion"` |

**Q5: 装几个 hook(默认装,不需要你决定)**

> "Q5:我顺便装几个 hook,回 'yes' 或 'enter' 就装:
>
> 1. **预测锁** — 我们一起做完预测后,文件被锁。你或我都不能改预测段。
>    复盘只能往同一文件下半段追加,不污染上半段判断。
>    (没这个锁,事后看到数据想"修一下当时的预测"几乎是必然的——你或我都会犯)
>
> 2. **SessionStart 自动报告** — 每次开新会话顶部显示 buffer / 待复盘 / 候选 top
>
> 3. **静默使用日志** — 异步记录使用频率,不阻塞,给将来诊断用
>
> 三个一起装。**不装也可以**(回 'no')但你失去预测锁,校准价值会下降。
>
> 回 yes / no。"

**Q5 → `hooks_installed` 映射**:

| 用户答 | `hooks_installed` 写入值 |
|---|---|
| yes / enter / 默认 | `true`(bool,**不是字符串 `"yes"`**) |
| no | `false` |

默认 yes——除非用户明确说 no。

### Phase 2.5: 对标账号(**所有用户都问**,cold-start 强烈建议)

> 工具早期最重要的信号源是**对标账号**——你 init 完没数据,rubric 等权 v0 等于占星。
> 但如果你能找一个你想做成那样的账号,导入 5-10 条它的高 / 中 / 低样本,工具就有了 anchor。

询问:

```
🎯 对标账号

你能找一个对标账号吗?至少 3 条该账号的视频。

  - 你**完全没发过历史**(Q2=a)→ **强烈建议**——rubric 没 anc

SAFEgrade B · trust 89/100 Nothing in the source contradicts what it says it does. Grade A is reserved for packages that have also passed the behavioural sandbox.

What the source does

Filesystem

none-observed

Network

none-observed

Shell

none-observed

Dependencies

pinned

Secrets in source

none-found

Findings (0)

No findings outside the package's declared scope.

Gates applied: no_behavioural_pass.

[![ModelsAtlas audit: Cheat Init](https://modelsatlas.com/skills/xbuilderlab/cheat-init/badge.svg)](https://modelsatlas.com/skills/xbuilderlab/cheat-init/)

Not your listing, or something out of date? Claim or update your listing.