剧院演出动态每日观察

核心判断（先读这段，否则会做错方向）

日报与榜单不是产品，数据库才是。 全国约 2000 家专业剧场、约 2000 家国有文艺院团、每年数千个巡演剧目 IP——这些不需要"抓完"：实体信息属于冷数据，建一次、慢慢补；真正日更的只有场次事件表。

因此永远不要：
- 先穷举院团清单或剧目 IP 清单再开始采集（中途停摆即作废）
- 把场馆名、城市、类型每天重复写进每条记录（改为外键引用）
- 追求单期条目数量堆到几十条（核验深度换数量，必然出错票价）
- 用票房/评分/上座率"估算"好看榜（白名单抓不到，必须投稿）

应当：实体库跟随事件表生长（事件驱动补全）；公开信号能算的榜（最新、性价比）用算法代理，真实质量信号（口碑、票房）只走【人工投稿专区】。

四表结构

完整 DDL、字段映射、枚举字典见 @references/schema.md；四维榜单算法见 @references/ranking.md；采集白名单/配额/去重/JSONL 格式见 @references/collect-rules.md；A 层 60 家场馆池见 @references/venue-pool.md。

工作流程

1. 初始化数据库（一次性）

python scripts/init_db.py --db theater_observe.db

建表、灌 14 项标签字典、导入 A 层场馆池（60 家 + 演出厅子行）。加 --reset 重建。

2. 计算当日采集名单（每日）

python scripts/next_batch.py --date 2026-11-01 --size 30 --expand 15

按日期确定性轮转，输出当日应采的场馆清单与院线入口提示；--expand 额外给出 15 家扩展候选（基础批新作品不足 5 个时继续采，优先未覆盖城市/场馆）。同一日期多次运行结果一致，可复现。

3. 白名单采集并入库

按 @references/collect-rules.md 的白名单与配额规则检索官宣，把结果写成 JSONL（一行一条剧目），再入库：

python scripts/ingest.py --db theater_observe.db --input today.jsonl --dry-run
python scripts/ingest.py --db theater_observe.db --input today.jsonl

ingest.py 会：
- 拒绝 source_url 为空的记录（硬约束，非提示）
- 按名称自动 upsert 场馆 / 院团 / 剧目 IP，缺失实体自动建档
- 用 venue_id + ip_id + show_time 生成 dedup_key，重复入库直接跳过
- 校验枚举值（venue_type、show_category、source_type、tag），非法值拒收并报告
- 打印 accepted / rejected / skipped 汇总，逐条给出拒绝原因

JSONL 字段清单与示例见 @references/collect-rules.md（含 on_sale_date 公开开票日）。

入库后必查新作品配额：本批「新作品」（此前库中不存在的 venue_id+ip_id+show_time）必须 ≥5 个。不足时不得收工：按 @references/collect-rules.md 第 2.1 节的三路扩展顺序（新城市 → 新场馆 → 新票务平台/渠道 → 院团巡演公告）从 --expand 候选继续采集；扩两轮仍不足，才在报告头注明「全网可核验新作品仅 X 个」并附检索范围与证据。禁止用旧作品重复播报凑数。

4. 渲染日报（Markdown + 公众号版）

python scripts/render_report.py --db theater_observe.db --date 2026-11-01 \
    --report-no 第3期 --out 每日观察-第3期.md --wechat

标题区固定结构（每期必须）：固定主标题「剧院演出每日观察」+ 当日提炼副标题 + 期号日期行。副标题是对当日内容提炼的一句话（如「音乐会 43 台居首，17 城 114 台剧目同期开票」），脚本按类型/城市/条目数自动生成，也可用 --subtitle "..." 传入更编辑化的一句；绝不允许只出标题不出副标题。

按 @templates/report.md 渲染：固定头部口径说明 + 每条剧目一个区块 + 溯源 URL + 末尾【人工投稿专区】保持空白。加 --wechat 同时产出 每日观察-第3期.html（全内联样式，可直接全选粘贴进公众号编辑器，见 @templates/report-wechat.html）。

5. 生成四维优选榜

python scripts/rank_engine.py --db theater_observe.db --out 优选榜.md --top 3

四个维度（剧院 / 剧目 / 演员 / 观众）交叉形成四张核心榜单 + 演员维度透视：

详细算法、权重、信号映射见 @references/ranking.md。

6. 生成品牌 banner（可选，发布用）

python scripts/make_brand.py --out ./brand --no 3 --date 2026-11-01
# 或用自有 logo：python scripts/make_brand.py --out ./brand --logo ./my-logo.png

产出公众号首图 banner-周X-900x383.png（七色光谱按星期切换底色 + 当日色标签），以及 favicon.ico / icon-*.png 通用图标、7天配色总览.png。依赖 Pillow；中文渲染需系统中文字体（自动探测，找不到会提示）。右上角默认用通用拱门标识，传 --logo 可换成自有 logo（白底图自动去底）。

硬约束（不可违背）

1. 无溯源链接不入库：数据库层 source_url NOT NULL，脚本层二次拦截。拿不到原文链接 → 整条跳过，不生成。
2. 白名单限定：剧院官网/官微、院团官方渠道、官方售票平台、巡演公告。自媒体、短视频、聚合票务站、评论区一律不采；聚合站只能当线索索引，必须回溯到官方原文才能入库。
3. 禁止主观与估算：不写"待定/未知/大概/预计"，缺数据直接留白。票价原文不完整时只记可确认档位，其余留白。
4. Tier-2 不自动填：票房、上座率、观众评分白名单抓不到，仅【人工投稿专区】经复核后写入；无投稿时榜单显示"待投稿"，AI 绝不脑补、不估算。
5. 人工投稿专区 AI 完全隔离：不读取、不编辑、不填充。
6. 标签只从字典取：14 项固定枚举，不发明新标签；无匹配则留空，不为凑字段硬贴。
7. 每期新增 ≥5 个新作品：新作品指库中此前不存在的 venue_id+ip_id+show_time。不足时按「新城市 → 新场馆 → 新票务平台/渠道 → 院团巡演公告」逐级扩展检索，扩两轮仍不足方可在报告头注明具体数量与检索范围；禁止旧作品重复凑数、禁止降低溯源标准。
8. 标题区固定：每期报告与公众号版必须是「主标题：剧院演出每日观察」+「副标题：对当日内容提炼的一句话」+「期号日期行」，缺副标题视为不合格产出。

常见错误

规模参考

A 层 60 家名单见 @references/venue-pool.md；B/C 层扩展路径见 @references/collect-rules.md。