x-filter

X Filter

为 X 内容创作评分并筛选收集到的素材。得分 ≥7 分的主题将进入创作池。

评分体系（满分 10 分）

标准	权重	描述
热度/趋势	4 分	当前受欢迎程度和趋势势头
争议性	2 分	讨论潜力和辩论价值
高价值	3 分	信息密度和可执行的见解
账号定位相关	1 分	与账号定位的一致性

门槛：≥7 分进入创作池

前提条件

• 来自 x-collect 的素材（或手动输入）
• 用户资料来自 x-create/references/user-profile.md（用于相关性评分）

可选状态（反馈循环）

如果有持久化状态可用，请使用它来改进筛选：

• 状态目录：~/.claude/skills/x-create/state/
• 负面样本：rejected_topics.json (SimilarityFilter)
• 事件日志：events.jsonl（可选分析）

如果状态文件不存在，则按正常流程继续。

工作流

输入

接受以下来源的素材：

1. x-collect 输出 - 结构化素材报告
2. 手动列表 - 用户提供的主题/URL
3. 原始文本 - 要评估的非结构化内容

评分流程

针对每项素材/主题，对多个维度评分并按权重合并。

加权得分（推荐）：

FinalScore = Σ(w_i × s_i) - NegPenalty

其中：

• s_i 是各维度的得分（0..max）
• w_i 来自 references/user-profile.md（不存在时使用默认值）
• NegPenalty 根据与被拒绝主题的相似度及其他负面信号计算

1. 热度/趋势（趋势得分：0-4）

4分: 当前热门话题，大量讨论
3分: 近期热点，关注度上升
2分: 稳定话题，持续有人讨论
1分: 小众话题，关注度有限
0分: 过时话题，几乎无人讨论

（可选）新鲜度

• 如果能根据来源推断内容新近程度，可以：
  • 将其纳入趋势得分，或
  • 增加少量加分/扣分（例如：<72h 加 0.5 分，>30d 扣 0.5 分）

2. 争议性（争议得分：0-2）

2分: 明显争议，多方观点对立
1分: 存在不同看法，可引发讨论
0分: 共识性话题，难以引发讨论

3. 高价值（价值分：0-3）

3分: 硬核干货，可直接指导行动
2分: 有价值信息，提供新视角
1分: 一般信息，了解即可
0分: 低价值，无实质内容

4. 账号定位相关（相关性得分：0-1）

1分: 与账号定位高度相关
0分: 与账号定位关联较弱

检查用户资料：~/.claude/skills/x-create/references/user-profile.md 如果未找到，则默认领域为：[AI/科技, 创业, 个人成长]

SimilarityFilter（负面样本）：

• 如果 ~/.claude/skills/x-create/state/rejected_topics.json 存在，则将每个候选主题与被拒绝的条目进行比较。
• 如果最高相似度 ≥ 0.85：标记为可能重复/低价值 → 大幅扣分或直接拒绝。
• 如果 0.75 ≤ 相似度 < 0.85：施加轻微扣分（例如：-2 分）并说明原因。

（通过脚本实现）：

• python ~/.claude/skills/x-create/scripts/x_state.py similarity --against rejected --text "{topic}" --topk 3

输出格式

# 选题筛选报告

## 筛选时间
{timestamp}

## 用户定位
- 领域: {domains}
- 人设: {persona_style}

## 筛选结果

### Tier A：入选创作池 (≥7分)

#### 1. {Topic Title} - **{final_score}分**
| 热度 | 争议性 | 高价值 | 相关性 | 负向惩罚 |
|------|--------|--------|--------|----------|
| {trending}/4 | {controversy}/2 | {value}/3 | {relevance}/1 | -{neg_penalty} |

- **推荐类型**: [短推文/Thread/评论回复]
- **推荐风格**: [高价值干货/犀利观点/热点评论/故事洞察/技术解析]
- **创作角度**: 建议的切入点
- **核心观点**: 可提炼的关键论点
- **相似度命中（可选）**: {max_similarity} - matched: {matched_ids}

#### 2. ...

### Tier B：待定 (5-6分)
- {Topic} - {final_score}分 - {原因}

### Tier C：淘汰 (<5分)
- {Topic} - {final_score}分 - {原因}

## 创作建议

入选 {n} 个选题，建议优先级：
1. {最高分选题} - 理由
2. {次高分选题} - 理由

下一步：运行 `/x-create {选题}` 开始创作

追加一个供钩子/状态摄取使用的机器可读区块：

FILTER_JSON
{
  "schema_version": "x_skills.filter.v1",
  "timestamp": "{timestamp}",
  "profile": {
    "domains": ["..."],
    "persona_style": "..."
  },
  "items": [
    {
      "topic": "...",
      "scores": {
        "trending": 0,
        "controversy": 0,
        "value": 0,
        "relevance": 0,
        "neg_penalty": 0
      },
      "final_score": 0,
      "tier": "A|B|C",
      "reasons": ["..."],
      "similarity": {
        "max": 0.0,
        "matched": [{"id":"rej_xxx","score":0.0,"title":"..."}]
      }
    }
  ]
}

执行步骤

1. 加载素材，来源为 x-collect 或用户输入
2. 读取用户资料，用于相关性评分和权重
3. （可选）SimilarityFilter，与被拒绝的主题进行比较
4. 为每项素材评分，根据标准计算 FinalScore
5. 多样性调整（推荐）：
   • 应用来源/领域衰减：重复来源的得分使用 score *= 0.6^(N-1)
   • 按主题簇去重：每个簇保留得分最高的条目
6. 分类：A 级 ≥7，B 级 5-6，C 级 <5
7. 输出报告 + FILTER_JSON
8. （可选）持久化反馈循环状态：
   • 将 C 级条目写入被拒绝集合：
     • python ~/.claude/skills/x-create/scripts/x_state.py reject --topic-json '{"title":"...","reason":"...","stage":"filter"}'
   • 追加事件：
     • python ~/.claude/skills/x-create/scripts/x_state.py event --event filter.scored --payload-json '{"accepted":3,"maybe":2,"rejected":7}'

示例

来自 x-collect 的输入：

素材1: Claude 4.5 Opus发布
素材2: AI编程助手对比评测
素材3: OpenAI最新裁员新闻

评分：

Claude 4.5 Opus发布:
- 热度: 4/4 (刚发布，热门话题)
- 争议性: 1/2 (性能vs价格讨论)
- 高价值: 3/3 (新能力详解)
- 相关性: 1/1 (AI/科技相关)
- 总分: 9/10 ✓ 入选

AI编程助手对比评测:
- 热度: 2/4 (持续话题)
- 争议性: 2/2 (Cursor vs Copilot争论)
- 高价值: 3/3 (实用对比)
- 相关性: 1/1 (科技相关)
- 总分: 8/10 ✓ 入选

OpenAI最新裁员新闻:
- 热度: 3/4 (近期热点)
- 争议性: 1/2 (有讨论)
- 高价值: 1/3 (信息价值有限)
- 相关性: 0/1 (非核心领域)
- 总分: 5/10 × 待定

自定义

用户可以在 user-profile.md 中自定义权重：

scoring:
  trending: 4      # 热度权重
  controversy: 2   # 争议性权重
  value: 3         # 高价值权重
  relevance: 1     # 相关性权重
  threshold: 7     # 入选阈值

集成

筛选后，建议：

筛选完成！{n} 个选题入选创作池。

推荐优先创作：{top_topic}（{score}分）

下一步：运行 /x-create {top_topic} 开始创作