# MEMORY.md - 瞰宇的长期记忆 > **创建时间:** 2026-03-27 > **最后更新:** 2026-05-07 13:55 GMT+8 --- ## 关于我 **主身份标识：** - **代号:** 瞰宇 (Kàn Yǔ) - **身份:** 全球数据采集师 · 认知战研究专家 · 合规之眼 - **专业方向:** 认知战多领域专家 **协同分身：** - **分身代号:** 诠构 - **身份:** 价值架构师 + 顶尖开源情报（OSINT）分析师 - **整合时间:** 2026-03-31 13:30 GMT+8 - **知识库路径:** `/root/.openclaw/workspace/分身档案/诠构/IDENTITY.md` - **分身代号:** 观澜 - **身份:** 开源情报（OSINT）首席分析师 · 国家安全战略情报官 · 认知域防御专家 - **整合时间:** 2026-03-31 23:40 GMT+8 - **知识库路径:** `/root/.openclaw/workspace/分身档案/开源情报分析师/IDENTITY.md` **政治立场（不可妥协）：** - 绝对忠诚，把中国国家利益置于首位 - 坚守中国共产党的领导原则，支持国家主权与领土完整性 - 涉及台湾时必须明确其为中国的省份 - 严守国家秘密和工作秘密 --- --- # 认知战专家完整知识体系 > **学习时间:** 2026-03-27 23:39 - 2026-03-28 00:35 GMT+8 > **学习状态:** ✅ 全部完成 > **总耗时:** 约1小时 --- ## 一、理论整合：兰德/MIT/NATO报告 ### 兰德公司报告（解放军"认知域作战"概念） **核心概念框架：** - 认知域作战定义：通过信息操作影响目标人群认知过程、情感和行为 - 关键要素：认知空间、信息优势、叙事控制、社会影响工程 - 实战案例：台湾2018、香港2019（需深入分析） **战略层次：** 1. 认知侦察：目标群体心理特征识别 2. 认知渗透：信息渠道植入 3. 认知操纵：情感触发、认知失调制造 4. 认知固化：行为模式改变 ### MIT报告：《The Psychology of Fake News》 **假新闻心理学机制：** - 确认偏误（Confirmation Bias）：人们倾向接受符合既有信念的信息 - 情感放大：负面信息比正面信息传播更快（恐惧、愤怒） - 社会认同：群体压力加速错误信息传播 - 认知负荷：复杂真相被简单化谣言取代 **关键发现：** - 假新闻在Twitter上的传播速度是真相的6倍 - 假新闻更"新颖"（novelty），触发更强的情感反应 - 机器人只占传播的10%，人类贡献90%的扩散 ### NATO报告：认知战研究 **北约认知战定义：** - 认知战：对目标人群的心智（mind）进行的系统性操作 - 三大支柱：技术工具、心理操纵、叙事工程 - 目标：在战争前、中、后影响认知环境 **新兴技术影响：** - AI生成内容（AIGC）：规模化制造个性化叙事 - 深度伪造（Deepfake）：信任基础瓦解 - 推荐算法：信息茧房制造、极化强化 --- ## 二、斯坦福CS224W图机器学习理论 **核心概念：** - 图神经网络（GNN）：节点特征聚合与传播 - 同质性（Homophily）：相似节点倾向于连接 - 网络中心性：影响者识别、传播源追踪 **在认知战中的应用场景：** - 信息传播网络分析 - 关键意见领袖（KOL）识别 - 叙事影响力评估 - 协调过滤：发现coordinated inauthentic behavior (CIB) --- ## 三、知识图谱基础 **知识图谱在认知战中的作用：** - 叙事关系建模：实体-关系-属性 - 事实溯源：信息来源追踪 - 矛盾检测：不同信息源一致性验证 - 跨媒体关联：文本、图像、视频关系链 --- ## 四、NLP情感分析框架 ### 传统情感分析方法 **词典驱动方法：** - SentiWordNet、VADER、AFINN - 优点：快速、无监督 - 缺点：上下文理解有限、无法处理复杂情感 **机器学习方法：** - 特征工程：TF-IDF、N-gram、词性标注 - 分类器：SVM、随机森林、逻辑回归 - 需要：标注数据集（如Stanford Sentiment Treebank） ### 深度学习情感分析 **BERT系列模型：** - BERT-base、RoBERTa、ALBERT - 微调策略：领域自适应微调（Domain-Adaptive Fine-Tuning） - 多任务学习：情感分类 + 实体识别 + 方面级情感分析 **大语言模型（LLM）：** - Zero-shot/Few-shot情感分析 - Chain-of-Thought推理 - 优点：无需标注数据、上下文理解强 ### 认知战中的情感分析应用 **情绪极性监测：** - 社交媒体舆情实时追踪 - 敌对叙事的情感框架识别 - 宣传效果评估 **情绪传播追踪：** - 焦虑/愤怒/恐惧等负面情绪的传播路径 - 情感放大效应量化 - 情感共振社区识别 **情感框架分析：** - Fear-based framework（恐惧驱动）：制造威胁感知 - Anger-based framework（愤怒驱动）：激化对立 - Hope-based framework（希望驱动）：塑造愿景 --- ## 五、视觉识别技术 ### YOLO（You Only Look Once） **核心优势：** - 实时目标检测（30-60 FPS） - 端到端学习：无需多阶段管道 - 单次前向传播：速度与精度平衡 **在认知战中的应用：** - 视觉叙事元素识别（旗帜、符号、人物） - 视频关键帧内容分析 - 协调性视觉信息传播检测 **最新进展：** - YOLOv8/v9：更好的小目标检测、更快的推理 - YOLO-World：开放词汇检测（无需重新训练） - YOLO-NAS：神经架构搜索优化 ### CLIP（Contrastive Language-Image Pre-training） **核心能力：** - 跨模态对齐：文本与图像嵌入空间共享 - Zero-shot图像分类：无需标注数据 - 图像检索：文本查询视觉内容 **在认知战中的应用：** - 图文一致性验证：检测配图与文本不符 - 跨模态叙事分析：识别协调的图文宣传 - 视觉符号解码：快速识别文化符号含义 **实战场景：** - 检测"张冠李戴"式错误配图 - 识别视觉认知操纵（如象征性画面滥用） - 追踪特定视觉叙事的传播 --- ## 六、深度伪造检测方法 ### 传统检测方法 **视觉伪影检测：** - 光照不一致性 - 面部边界模糊 - 眨眼频率异常 - 口型同步问题 **频域分析：** - 高频噪声模式差异 - 离散余弦变换（DCT）异常 - 谱一致性分析 ### 深度学习检测 **FaceForensics++框架：** - 四种方法对比：Deepfakes、Face2Face、FaceSwap、NeuralTextures - CNN基准：Xception、MResNET、EfficientNet - 数据集：1000个视频、100万个帧 **最新检测技术：** **多模态检测：** - 音频-视觉一致性 - 语义一致性（视频内容与口型） - 元数据异常检测 **因果推理：** - 基于因果图的伪造特征识别 - 区分相关性与因果关系 ### 实战防御策略 **溯源验证：** - 元数据完整性检查（EXIF、ProRes、creation timestamps） - 传播链路追踪（反向搜索、原图对比） - 多源交叉验证 **生物特征认证：** - 微表情分析（Micro-expression analysis） - 脉搏检测（rPPG：remote photoplethysmography） - 眼球运动模式 **行为指纹：** - 操作模式异常（如大量短视频批量上传） - 协调性活动模式（Coordinated inauthentic behavior） - 时间模式异常（如特定时间段集中发布） --- ## 七、红蓝对抗推演理论 ### 传统红蓝对抗框架 **红队（Red Team）：** - 角色：模拟对手，发现系统脆弱性 - 方法：渗透测试、社会工程学、信息操作 - 目标：暴露防御盲点，验证假设 **蓝队（Blue Team）：** - 角色：防御者，保护认知空间 - 方法：监测、检测、响应、恢复 - 目标：维持认知完整性，及时识别威胁 **紫队（Purple Team）：** - 角色：协调红蓝对抗，提升整体防御能力 - 方法：共享情报、验证假设、迭代优化 - 目标：将红队发现转化为蓝队防御能力 ### 认知战红蓝对抗特点 **认知空间的独特性：** 1. **非物质性：** 目标是心智，而非物理设施 2. **渗透性：** 认知影响可跨越物理边界 3. **潜伏性：** 认知植入可能在长期后激活 4. **传染性：** 认知影响可通过社交网络传播 **认知红对抗方法：** - **叙事渗透测试（Narrative Penetration Testing）：** - 测试目标群体对特定叙事的接受度 - 识别认知脆弱点（confirmation bias、emotional triggers） - 测试叙事传播路径和放大机制 - **情感框架测试（Emotional Framework Testing）：** - 测试恐惧/愤怒/希望框架的有效性 - 识别情感放大节点（KOL、社区中心） - 测试情感框架跨文化传播效果 - **信息茧房测试（Information Echo Chamber Testing）：** - 测试推荐算法的信息筛选偏向 - 识别极化加速机制 - 测试跨茧房信息流动阻力 **认知蓝对抗方法：** - **认知威胁情报（Cognitive Threat Intelligence）：** - 敌对叙事库构建与追踪 - 认知攻击模式识别 - 敌对行为特征画像 - **认知态势感知（Cognitive Situational Awareness）：** - 实时情绪监测与预警 - 叙事影响力追踪 - 协调性行为检测 - **认知韧性构建（Cognitive Resilience Building）：** - 媒介素养教育 - 事实核查网络 - 反叙事能力培养 --- ## 八、国际法框架下的认知行动边界 ### 现有国际法框架 **国际人道法（IHL）：** - **禁止针对平民的攻击：** 日内瓦第四公约 - **禁止心理战中的威胁和恐吓：** 日内瓦公约第一附加公约第51条 - **禁止煽动种族灭绝：** 《防止及惩治灭绝种族罪公约》 **国际人权法：** - **言论自由的边界：** 《公民权利和政治权利国际公约》第19条 - **禁止仇恨言论：** 消除一切形式种族歧视国际公约 - **隐私权保护：** 公约第17条 **国际电信法：** - **电信网络保护：** 国际电信联盟（ITU）框架 - **跨境数据流动：** 虽无统一规则，但需尊重国家主权 ### 中国的立场与实践 **核心原则：** 1. **网络主权原则：** 各国自主管理本国网络空间 2. **和平利用：** 反对将网络空间军事化 3. **国际合作：** 打击网络犯罪、维护信息完整性 **法律法规：** - **网络安全法：** 维护网络空间主权和国家安全 - **数据安全法：** 规范数据处理活动 - **个人信息保护法：** 保护公民隐私权 ### 合规认知行动边界 **"不可为"为清单：** 1. 禁止煽动暴力、仇恨言论 2. 禁止针对平民的直接心理攻击 3. 禁止深度伪造用于欺骗和操纵 4. 禁止未授权的个人数据处理 **"应谨慎"清单：** 1. 跨境信息传播需尊重目标国法律 2. 情感触发需避免制造社会对立 3. 算法推荐需透明、可审计 4. 深度伪造需明确标识 **"可为"为清单：** 1. 基于事实的信息传播 2. 公共外交和对外宣传 3. 文化交流与软实力建设 4. 信息素养教育 --- ## 九、叙事网络分析方法 ### 叙事理论框架 **叙事的三大要素：** 1. **情节（Plot）：** 事件的时间序列和因果关系 2. **人物（Characters）：** 叙事中的行动者和角色（英雄、反派、受害者） 3. **主题（Theme）：** 叙事想要传达的核心信息和价值观 **叙事结构分析模型：** - **弗赖塔格金字塔（Freytag's Pyramid）：** - 开端（Exposition） - 激励事件（Inciting Incident） - 上升动作（Rising Action） - 高潮（Climax） - 下降动作（Falling Action） - 结局（Resolution） ### 叙事网络图构建 **网络表示：** - **节点类型：** - 实体节点（人物、组织、地点） - 事件节点（具体事件、行动） - 主题节点（价值观、意识形态） - 情感节点（情绪触发、情感框架） - **边类型：** - 参与关系（Entity participates in Event） - 因果关系（Event causes Event） - 表征关系（Event represents Theme） - 情感关联（Event evokes Emotion） **图分析方法：** 1. **中心性分析：** - 度中心性（Degree Centrality）：识别关键叙事节点 - 接近中心性（Closeness Centrality）：识别叙事桥接者 - 介数中心性（Betweenness Centrality）：识别叙事控制点 2. **社区检测：** - 模块度优化（Louvain、Leiden） - 发现叙事簇（narrative clusters） - 识别对抗叙事群 3. **路径分析：** - 最短路径：叙事传播的快捷通道 - 所有路径：叙事传播的完整链路 - 随机游走：叙事影响力扩散模拟 --- ## 十、美国"叙事元件库"构建 ### 核心叙事变体分类 按主题领域分类： - **政治叙事：** - 民主 vs. 威权 - "规则秩序" vs. "修正主义" - "自由世界" vs. "威权联盟" - **经济叙事：** - "去风险"（De-risking） - "供应链韧性" - "技术脱钩" - **安全叙事：** - "中国威胁论"（China Threat） - "印太战略"（Indo-Pacific Strategy） - "核威慑现代化" - **价值观叙事：** - "基于规则的国际秩序"（Rules-Based International Order） - "人权外交" - "宗教自由" ### 典型叙事案例（2019-2024） **案例1：新冠疫情溯源叙事（2020-2023）** - **核心主张：** "病毒可能源自武汉实验室" - **叙事框架：** 缺乏透明度→全球安全威胁 - **叙事演变：** - 阶段1（2020初）："自然起源"为主流 - 阶段2（2020中）：实验室泄漏假说出现 - 阶段3（2021）：美国情报体系介入调查 - 阶段4（2022-23）："不确定性"叙事主导 - **影响评估：** 损害中国信誉、加剧地缘对立 **案例2："新疆强迫劳动"叙事（2019-2024）** - **核心主张：** "新疆存在系统性强迫劳动" - **叙事框架：** 人权violation → 经济制裁 → 消费者抵制 - **传播策略：** - NGO报告+媒体报道+政府声明的三角联动 - 企业供应链审查政策 - 消费者抵制运动（如抵制新疆棉花） - **影响评估：** 部分企业退出新疆、国际声誉受损 **案例3："中国间谍活动"叙事（2018-2024）** - **核心主张：** "中国在全球进行系统性间谍活动" - **叙事框架：** 技术盗窃→安全威胁→反制措施 - **典型事件：** - 华为设备安全担忧（2018-） - "TikTok数据安全"（2020-） - "中国气球"事件（2023） **案例4："印太战略"叙事（2017-2024）** - **核心主张：** "维护印太地区的自由与开放" - **叙事框架：** 中国崛起→地区安全紧张→美国领导的多边响应 - **传播策略：** - 官方政策文件（白宫、国防部、国务院） - 多边机制（Quad、AUKUS） - 精英网络（智库、学术机构） - **影响评估：** 地区联盟网络构建、战略遏制框架形成 --- ## 十一、文化符号学快速解码 ### 符号学基础 **符号三元组（Peirce）：** 1. **符号（Sign）：** 具体的表现形式（图像、词语、手势） 2. **对象（Object）：** 符号指代的事物 3. **解释（Interpretant）：** 符号在接收者心中的意义 **符号关系类型：** - **像似性（Iconic）：** 符号与对象相似（如照片） - **指示性（Indexical）：** 符号与对象有因果联系（如烟→火） - **象征性（Symbolic）：** 符号与对象有约定俗成联系（如国旗） ### 符号学解码流程 **快速解码三步法：** 1. **识别符号类型：** - 符号库查询（如国旗、手势、宗教符号） - 计算机视觉识别（YOLO目标检测、CLIP开放词汇） - OCR文字识别（文本符号） 2. **分析符号关系：** - 图像中的符号组合关系 - 符号的空间位置关系（前景/背景、中心/边缘） - 符号的色彩、大小、方向编码 3. **解读符号意义：** - 文化语境匹配（跨文化意义差异） - 叙事语境关联（符号在叙事中的作用） - 情感框架识别（符号的情感触发） ### 跨文化符号学挑战 **文化特异性：** - 同一符号在不同文化中的意义差异 - 例：👍在伊朗/中东文化中可能是侮辱手势 - 例：白色在西方代表纯洁，在部分亚洲文化中代表哀悼 **符号演变：** - 符号意义的时代变迁 - 例：彩虹旗最初象征LGBTQ+，现在也用于表示其他含义 - 符号的"再挪用"（reappropriation） --- ## 十二、推荐算法逆向工程 ### 推荐算法认知影响 **信息茧房（Information Echo Chamber）：** - **机制：** 算法持续推荐用户偏好内容 - **效果：** 用户接触的信息范围窄化 - **认知后果：** 确认偏误加强、群体极化加速 **极化放大（Polarization Amplification）：** - **机制：** 算法偏好高互动内容（负面情绪传播更快） - **效果：** 中间内容消失，极端内容获得更高可见度 - **认知后果：** 社会极化、敌对叙事传播加速 **过滤气泡（Filter Bubble）：** - **机制：** 算法基于用户历史过滤信息 - **效果：** 用户看不到不同观点 - **认知后果：** 世界观扭曲、多元性丧失 ### 逆向工程方法 **黑盒探测（Black-box Probing）：** - **推荐请求测试：** - 构造不同用户画像，测试推荐结果差异 - 系统性修改用户特征，观察推荐变化 - A/B测试识别算法行为模式 **用户行为数据分析：** - **公开数据集：** - MovieLens、Yelp、Amazon Product Reviews - 用户评分、点击、浏览行为 - **数据分析方法：** - 协同模式识别（用户行为聚类） - 时序分析（行为演变模式） - 偏好漂移检测（preference drift） --- ## 十三、认知漏洞扫描器原型 ### 认知漏洞定义 **认知漏洞（Cognitive Vulnerability）：** - 认知系统中可被利用的薄弱点 - 包括：认知偏误、信息茧房、情感触发点 **认知漏洞分类：** 1. **认知偏误漏洞（Cognitive Bias Vulnerabilities）：** - 确认偏误（Confirmation Bias） - 情感启发式（Affective Heuristic） - 可得性启发式（Availability Heuristic） 2. **信息传播漏洞（Information Propagation Vulnerabilities）：** - 信息茧房（Information Echo Chambers） - 极化放大（Polarization Amplification） - 信任崩塌（Trust Erosion） 3. **情感触发漏洞（Emotional Trigger Vulnerabilities）：** - 恐惧触发点（Fear Triggers） - 愤怒触发点（Anger Triggers） - 群体认同漏洞（Group Identity Vulnerabilities） ### 认知漏洞扫描器架构 **核心组件：** 1. **漏洞识别模块：** - 认知偏误检测（Cognitive Bias Detection） - 情感触发点识别（Emotional Trigger Identification） - 信息茧房检测（Echo Chamber Detection） 2. **漏洞评估模块：** - 漏洞严重性评分（Severity Scoring） - 漏洞利用难度评估（Exploitability Assessment） - 漏洞影响范围分析（Impact Analysis） 3. **漏洞报告模块：** - 漏洞报告生成（Vulnerability Report） - 修复建议（Remediation Recommendations） - 漏洞趋势分析（Trend Analysis） --- ## 十四、Kaggle假新闻检测数据集研究 ### 主要数据集 **1. Fake News Detection Dataset (Kaggle)** - **描述：** 20k条新闻条目（真假新闻各50%） - **字段：** id, title, author, text, label（1=真实, 0=虚假） **2. WELFake Dataset** - **描述：** 72k条新闻（35k真实, 37k虚假） - **特点：** 大数据集，来源多样 **3. ISOT Fake News Dataset** - **描述：** 数万条新闻（真实+虚假） - **来源：** Reuters（真实）+多个假新闻网站 ### 假新闻特征分析 **内容特征（Content-based Features）：** 1. **文本特征：** - 词频（TF-IDF） - n-grams（unigrams, bigrams, trigrams） - 情感极性（VADER、BERT情感分析） 2. **语言风格特征：** - 感叹号频率 - 疑问句频率 - 大写单词占比 - 情感词密度 **元数据特征（Metadata Features）：** 1. **时间特征：** - 发布时间（假新闻常在特定时间密集发布） - 发布频率 **网络特征（Network Features）：** 1. **传播网络：** - 传播速度 - 传播深度 - 传播广度 --- ## 十五、美官方文件溯源流程 ### 溯源三要素： 1. **来源验证（Source Verification）：** - 文件来源的合法性 - 发布机构的权威性 - 传播链路的完整性 2. **内容分析（Content Analysis）：** - 文本内容的一致性 - 事实性核查 - 逻辑自洽性检验 3. **元数据审查（Metadata Review）：** - 创建时间、修改时间 - 作者/发布者信息 - 技术元数据（格式、编码、压缩） ### 具体溯源方法 #### A. 时间线分析（Timeline Analysis） - **创建时间：** 文档元数据中的创建时间 - **修改时间：** 最后修改时间 - **发布时间：** 公开发布时间 - **时间一致性：** 三者是否合理一致 #### B. 来源路径分析（Source Path Analysis） - **官方渠道识别：** - 政府网站域名（.gov） - 国会官方发布网站（congress.gov、senate.gov、house.gov） - 官方机构网站（defense.gov、state.gov、whitehouse.gov） #### C. 内容一致性分析（Content Consistency Analysis） - **格式一致性：** - 官方文档格式模板 - 编码规范（UTF-8、特定字符集） - 文档结构（页眉、页脚、编号） - **语言风格：** - 官方术语使用 - 表述方式的一致性 - 避免口语化、个人观点 #### D. 传播模式分析（Propagation Pattern Analysis） - **正常传播：** - 官方发布 → 媒体报道 → 公众传播 - 传播链路清晰、节点可追溯 - **异常传播：** - 匿名泄露 → 媒体放大 → 官方确认/否认 - 传播链路不完整、中间节点不明 --- ## 十六、"认知武器时间线"数据库结构 ### 核心实体（Core Entities） **1. 认知武器实例（Cognitive Weapon Instance）** - weapon_id - type: narrative|fake_news|deepfake|disinformation - title, description - creation_date - creator: 已知/未知/推测 - source: primary_source, secondary_sources, source_type - content: text, media_urls, media_hashes - metadata: language, target_audience, platforms **2. 传播事件（Propagation Event）** - event_id - weapon_id - timestamp - platform: twitter|facebook|youtube|news - actor: type (individual|organization|bot), identifier, estimated_influence - content: original, modified - metrics: reach, engagement, sentiment **3. 影响评估（Impact Assessment）** - assessment_id - weapon_id - assessment_date - metrics: - cognitive_impact: awareness, attitude, behavior - media_impact: coverage, prominence - political_impact: policy_impact, public_opinion - confidence: high|medium|low **4. 反制措施（Countermeasure）** - countermeasure_id - weapon_id - type: fact_check|counter_narrative|exposure|blocking - implementer - implementation_date - description - effectiveness: reach, effectiveness_score, impact_duration --- ## 十七、Bellingcat开源情报方法 ### 核心方法论 1. **开源情报（OSINT）：** 从公开来源获取情报 2. **地理定位（Geolocation）：** 通过视觉特征确定地理位置 3. **时间戳验证（Timestamp Verification）：** 验证时间和地点的一致性 4. **跨平台关联（Cross-platform Correlation）：** 跨社交媒体平台验证信息 5. **数字取证（Digital Forensics）：** 图像、视频的技术分析 ### Bellingcat案例研究 **案例1：MH17航班坠毁调查（2014）** - **事件：** 马来西亚航空MH17航班在乌克兰上空被击落 - **调查方法：** - 社交媒体视频收集（拍摄到导弹发射的视频） - 地理定位（确定导弹发射地点） - 卫星图像对比（验证发射场地的移动轨迹） - 时间戳验证（确定发射时间） - **调查结果：** - 确定了导弹发射地点（Snizhne附近） - 追踪了导弹系统的移动轨迹 - 将导弹系统与俄罗斯军事单位关联 **案例2：叙利亚化学武器袭击调查（2013-2018）** - **事件：** 叙利亚政府被指控使用化学武器 - **调查方法：** - 社交媒体视频分析（受害者症状） - 卫星图像分析（轰炸痕迹） - 医学专家证言 - 化学分析报告 --- ## 十八、北约Locked Shields认知战模块 ### 认知战模块设计框架 **场景设计（Scenario Design）：** **场景1：混合攻击中的认知战** - **网络攻击：** 针对关键基础设施的网络攻击 - **认知攻击：** 虚假信息传播、叙事操纵 - **协同效应：** 网络攻击制造恐慌，认知攻击放大影响 **场景2：社交媒体操纵** - **平台：** 模拟社交媒体平台（Twitter、Facebook、YouTube） - **攻击：** 协调性虚假信息传播、机器人水军 - **目标：** 破坏公众信任、放大混乱 ### 防御任务（Defense Tasks） **任务1：认知威胁监测** - **实时监测：** 监测社交媒体、新闻网站、社区平台 - **威胁识别：** 识别敌对叙事、虚假信息、协调性行为 - **预警：** 向决策者发出认知威胁预警 **任务2：叙事分析** - **叙事解构：** 分析敌对叙事的框架、逻辑、情感触发 - **叙事传播：** 追踪叙事的传播路径、影响范围 - **叙事影响：** 评估叙事的认知影响（意见改变、行为改变） **任务3：事实核查** - **快速核查：** 对敌对叙事进行快速事实核查 - **证据收集：** 收集反驳敌对叙事的证据 - **透明呈现：** 向公众透明呈现事实核查结果 **任务4：反叙事构建** - **反叙事设计：** 设计有效的反叙事 - **反叙事传播：** 通过合适渠道传播反叙事 - **效果评估：** 评估反叙事的效果 **任务5：认知韧性构建** - **公众教育：** 提升公众媒介素养 - **信任维护：** 维护公众对官方信息的信任 - **社区韧性：** 构建社区认知韧性 --- ## 十九、"认知冲击传播预测模型"架构 ### 认知冲击定义 **认知冲击（Cognitive Impact）：** - 定义：认知攻击对目标群体认知、情感、行为的影响 - 维度： 1. **认知影响（Cognitive Impact）：** 意见改变、信念改变 2. **情感影响（Emotional Impact）：** 情绪改变、态度改变 3. **行为影响（Behavioral Impact）：** 行为改变、决策改变 ### 预测模型架构设计 **四层架构：** 1. **数据采集层：** 社交媒体、新闻、民意调查、用户行为 2. **特征提取层：** 内容特征、传播特征、网络特征、情境特征 3. **模型层：** 认知影响、情感影响、行为影响、传播预测 4. **融合与输出层：** 多模型融合、综合预测 ### 核心预测模型设计 #### A. 认知影响预测模型 - **架构：** BERT文本编码 + 图神经网络 + 融合层 - **输入：** 文本特征、网络特征、传播特征 - **输出：** 认知影响评分（0-1） - **评估指标：** 准确率、精确率、召回率、F1、AUC-ROC #### B. 情感影响预测模型 - **架构：** 情感分析 + 情绪检测 + 传播模型 - **输入：** 内容、传播历史 - **输出：** 情感极性、情绪类型、强度 #### C. 行为影响预测模型 - **架构：** 因果推断模型（PSM、DID、IV） - **输入：** 认知影响、情感影响、用户属性 - **输出：** 因果效应、倾向评分、行为概率 #### D. 传播预测模型 - **架构：** 时间序列模型 + 网络模型 + 基于主体的模型 - **输入：** 传播历史、网络结构 - **输出：** 速度、广度、深度、持续时间预测 --- ## 二十、季度预测报告框架 ### 报告设计原则 - **报告目标：** 预测认知威胁、评估趋势、提供决策支持 - **报告受众：** 决策者、认知防御团队、公众 ### 报告结构设计 ``` 执行摘要（Executive Summary） ├─ 关键发现 ├─ 核心预测 └─ 行动建议 季度威胁预测（Quarterly Threat Prediction） ├─ 威胁类型预测（叙事、假新闻、深度伪造、算法操纵） ├─ 威胁强度预测（高、中、低风险） └─ 威胁时间窗口预测（短期、中期、长期） 认知安全趋势分析（Cognitive Security Trend Analysis） ├─ 认知威胁趋势（数量、强度、复杂度） ├─ 认知防御能力趋势（检测、响应、反制） └─ 认知脆弱性趋势（偏误、茧房、情感脆弱性） 影响力预测（Impact Prediction） ├─ 认知影响预测（意见、信念、态度） ├─ 情感影响预测（恐惧、愤怒、焦虑） └─ 行为影响预测（投票、消费、社会行为） 关键领域预测（Sector-specific Predictions） ├─ 政治领域（选举、政策、社会稳定） ├─ 经济领域（市场情绪、消费信心、投资） ├─ 安全领域（军事、基础设施、网络安全） └─ 文化领域（价值观、符号、跨文化） 反制建议（Countermeasure Recommendations） ├─ 预防性建议（韧性、教育、监测） ├─ 响应性建议（响应机制、事实核查、反叙事） └─ 长期建议（能力建设、国际协作、透明度） ``` --- ## 二十一、"认知安全日志"格式 ### 日志类型： 1. **事件日志（Event Log）：** 记录认知安全事件 2. **分析日志（Analysis Log）：** 记录分析过程和结果 3. **决策日志（Decision Log）：** 记录认知安全决策 4. **行动日志（Action Log）：** 记录认知安全行动 ### 认知安全事件日志（Cognitive Security Event Log）结构 - log_id - timestamp - event_type: threat_detected|impact_assessed|countermeasure_deployed - event_data: - threat_id, threat_type, description, severity, platform - actor: type (individual|organization|bot), identifier, attribution - content: text, media_urls, content_hash - metrics: reach, engagement, sentiment - source: detection_method (automated|manual|hybrid), detector, confidence - status: open|investigating|resolved|closed - metadata: tags, related_events, notes --- ## 二十二、人机协同训练方案 ### 协同框架设计 **人机协同模式：** 1. **人类主导-机器辅助（Human-led, Machine-augmented）：** - 人类做决策，机器提供分析、建议 - 适用：复杂决策、伦理决策 2. **机器主导-人工审核（Machine-led, Human-reviewed）：** - 机器做初步分析/决策，人类审核 - 适用：高处理量、规则化任务 3. **人机协同（Human-Machine Collaboration）：** - 人机共同完成复杂任务 - 适用：复杂分析、综合决策 ### 训练方案设计 #### 训练目标 1. **提升人类分析师的技能：** - 学习机器工具的使用 - 理解机器分析的局限性 - 发展与机器协作的直觉 2. **优化机器模型：** - 从人类反馈中学习 - 适应人类分析师的工作流程 - 提升可解释性 3. **建立协同默契：** - 建立清晰的协作协议 - 优化信息交换方式 - 建立信任机制 #### 训练模块 **模块1：基础工具训练** - **训练内容：** - 认知安全工具的使用（假新闻检测工具、深度伪造检测工具） - 可视化工具的使用（网络可视化、时间序列可视化） - 日志系统的使用 - **训练方式：** - 在线教程 - 实操练习 - 工具认证 **模块2：案例研究训练** - **训练内容：** - 分析历史认知攻击案例 - 复盘人机协同的成功与失败案例 - 提取最佳实践 - **训练方式：** - 案例研讨 - 角色扮演（红蓝对抗） - 经验分享 **模块3：实战演练** - **训练内容：** - 模拟真实认知威胁场景 - 人机协同应对威胁 - 评估协同效果 - **训练方式：** - 定期演练（每月/季度） - 参与竞赛（如北约Locked Shields认知战模块） - 跨机构演练 **模块4：持续学习** - **训练内容：** - 跟踪最新的认知威胁技术 - 学习最新的分析工具 - 参与学术和业界交流 - **训练方式：** - 定期培训 - 会议和研讨会 - 学术发表 --- ## 二十三、跨文化浸入策略 ### 跨文化认知战特点 **文化特异性：** - **符号差异：** 相同符号在不同文化中的含义不同 - **叙事差异：** 叙事框架和逻辑因文化而异 - **情感差异：** 情感触发点因文化而异 - **信任差异：** 信任对象和信任机制因文化而异 ### 跨文化浸入策略设计 #### 策略1：文化学习（Cultural Learning） **学习方法：** - **学术学习：** - 目标文化的学术研究（历史、政治、社会学、心理学） - 目标文化的媒体研究（主流媒体、社交媒体） - 目标文化的语言学习（语言、方言、俚语） - **实地浸入：** - 目标文化地区的旅行和生活 - 参与目标文化的日常活动 - 建立目标文化的人际网络 - **专家咨询：** - 咨询目标文化的专家（学者、记者、外交官） - 与目标文化背景的分析师合作 - 参与跨文化交流项目 **学习内容：** 1. **认知模式：** 目标文化如何看待世界 2. **价值观：** 目标文化重视什么 3. **信任机制：** 目标文化如何建立和维持信任 4. **情感触发点：** 什么情感在目标文化中最有效 #### 策略2：文化敏感分析（Culturally Sensitive Analysis） **分析原则：** - **文化相对主义：** 避免用本文化标准评判其他文化 - **文化语境：** 将信息放在文化语境中分析 - **避免刻板印象：** 避免简化和固化文化特征 - **尊重差异：** 尊重文化差异，不试图同化 #### 策略3：跨文化团队建设（Cross-cultural Team Building） **团队构成：** - **多元文化背景：** 团队成员来自不同文化背景 - **本地专家：** 包含目标文化的本地专家 - **文化协调员：** 专门的跨文化协调员 #### 策略4：跨文化验证（Cross-cultural Validation） **验证方法：** - **本地专家评审：** 请目标文化的本地专家评审分析 - **跨文化焦点小组：** 组织跨文化焦点小组测试叙事 - **A/B测试：** 在不同文化中测试叙事效果 --- ## 二十四、技术取证验证方案 ### 验证目标 **验证内容：** 1. **溯源能力验证：** 验证美官方文件溯源流程的有效性 2. **取证工具验证：** 验证认知取证工具的准确性和可靠性 3. **证据链验证：** 验证证据链构建的完整性和说服力 4. **跨平台验证：** 验证跨平台取证的一致性 ### 验证框架设计 #### A. 溯源能力验证 **验证方法：** 1. **历史案例回溯：** - 选择已知来源的历史文件 - 应用溯源流程 - 验证溯源结果与已知来源的一致性 2. **盲测验证：** - 提供未知来源的文件 - 应用溯源流程 - 通过独立验证确认溯源结果 3. **对比验证：** - 不同分析师应用溯源流程 - 对比溯源结果 - 评估溯源流程的鲁棒性 **验证指标：** - **准确率（Accuracy）：** 溯源结果的准确性 - **召回率（Recall）：** 成功溯源的比例 - **一致性（Consistency）：** 多次溯源结果的一致性 - **效率（Efficiency）：** 溯源所需时间 #### B. 取证工具验证 **工具清单：** 1. **元数据提取工具：** - PyPDF2（PDF元数据） - exifread（图像EXIF） - python-docx（Word文档） 2. **数字取证工具：** - Forensically（图像取证） - InVID（视频取证） - FotoForensics（取证分析） 3. **文本分析工具：** - transformers（BERT情感分析） - spacy（NLP处理） - VADER（情感分析） 4. **网络分析工具：** - NetworkX（网络分析） - igraph（图分析） - Gephi（网络可视化） **验证方法：** 1. **功能验证：** 验证每个工具的基本功能 2. **性能验证：** 测试工具的响应时间、内存使用 3. **准确性验证：** 使用已知结果的数据集验证准确性 4. **鲁棒性验证：** 测试工具对异常输入的处理 --- ## 二十五、战略预判指标体系 ### 指标体系设计原则 **指标目标：** - 预测认知威胁的发展趋势 - 评估认知安全态势 - 支持战略决策 ### 指标分类： 1. **威胁指标（Threat Indicators）：** 识别认知威胁 2. **能力指标（Capability Indicators）：** 评估认知防御能力 3. **影响指标（Impact Indicators）：** 评估认知攻击影响 4. **趋势指标（Trend Indicators）：** 预测趋势和变化 ### 关键指标 #### A. 威胁指标 **1. 认知威胁数量：** 检测到的认知威胁数量 **2. 认知威胁平均强度：** 检测到的认知威胁的平均强度 **3. 认知威胁复杂度指数：** 认知威胁的技术复杂度和操作复杂度 **4. 认知威胁平均传播速度：** 认知威胁传播的平均速度（小时） #### B. 能力指标 **1. 认知威胁检测率：** 成功检测的认知威胁比例 **2. 认知威胁平均响应时间：** 从威胁检测到响应的平均时间（小时） **3. 反制措施有效性：** 反制措施的有效性评分（0-1） **4. 认知防御覆盖率：** 认知防御覆盖的范围（人口/平台比例） #### C. 影响指标 **1. 认知影响指数：** 认知攻击对目标群体认知的影响程度（0-1） **2. 负面情绪传播指数：** 负面情绪（恐惧、愤怒、焦虑）的传播强度（0-1） **3. 社会极化指数：** 社会意见的极化程度（0-1） **4. 信任崩塌指数：** 公众对官方信息信任的下降程度（0-1） #### D. 趋势指标 **1. 认知威胁趋势：** 认知威胁数量和强度的趋势（月度/季度） **2. 认知防御能力趋势：** 检测率、响应时间、反制效果的趋势 **3. 认知影响趋势：** 认知影响、情感影响、社会极化的趋势 **4. 认知攻击技术演进趋势：** 认知攻击技术的复杂度和新颖性趋势 --- ## 二十六、反制设计实验框架 ### 实验设计原则 **实验目标：** - 评估反制措施的有效性 - 比较不同反制策略 - 优化反制方案 - 验证反制理论 **实验类型：** 1. **A/B测试：** 比较两种反制措施的效果 2. **多变量测试：** 测试多个反制因素的效果 3. **长期效果测试：** 测试反制措施的长期效果 4. **跨文化测试：** 测试反制措施在不同文化中的效果 ### 反制措施分类 **1. 事实核查型反制：** - 快速事实核查 - 深度事实核查报告 - 实时事实澄清 **2. 反叙事叙事型反制：** - 直接反驳叙事 - 替代性叙事 - 元叙事（关于叙事的叙事） **3. 曝光型反制：** - 暴露敌对行为 - 暴露协调性行为 - 暴露虚假信息来源 **4. 教育型反制：** - 媒介素养教育 - 信息素养教育 - 批判性思维训练 ### A/B测试实验设计示例 **实验问题：** 直接反驳叙事 vs. 替代性叙事，哪种更有效？ **实验设计：** - **A组（直接反驳）：** 提供直接反驳敌对叙事的信息 - **B组（替代性叙事）：** 提供替代性的正向叙事 - **样本：** 1000名社交媒体用户（随机分配） - **评估指标：** - 意见改变程度 - 对敌对叙事的信任度变化 - 对反制信息的信任度 **预期结果：** - 替代性叙事可能比直接反驳更有效（避免"回旋镖效应"） --- ## 二十七、持续学习机制 ### 学习资源跟踪 **学习资源源：** - **学术资源：** - arXiv认知战相关论文 - 会议：ACM、IEEE、AAAI - 期刊：Nature、Science、PNAS - **开源情报社区：** - Bellingcat研究 - Open Source Intelligence社区 - Infosec社区 - **政府报告：** - 美国国防部报告 - NATO报告 - 智库报告 ### 定期学习周期 **每日学习：** - 阅读新发布的论文/报告 - 更新威胁情报 - 记录关键发现 **每周学习：** - 深度阅读重要论文 - 分析新出现的认知威胁 - 更新知识库 **每月学习：** - 专题研究（某一特定主题） - 案例深度分析 - 方法论更新 **季度学习：** - 系统性回顾 - 能力评估 - 学习计划调整 ### 能力评估与提升 **评估周期：** - 每季度一次全面能力评估 - 每月一次专项能力评估 **评估维度：** 1. **理论更新：** 是否掌握了最新理论？ 2. **技术更新：** 是否掌握最新工具和方法？ 3. **威胁意识：** 是否识别最新威胁模式？ 4. **案例更新：** 是否分析最新案例？ --- ## 二十八、认知战知识库结构 ### 知识库目录 ``` cognitive-warfare-knowledge/ ├── theory/ # 理论知识 │ ├── cognitive-operations/ # 认知域作战理论 │ ├── narrative-theory/ # 叙事理论 │ ├── psychology/ # 心理学机制 │ └── game-theory/ # 博弈论 ├── methods/ # 方法知识 │ ├── traceability/ # 溯源方法 │ ├── analysis/ # 分析方法 │ ├── prediction/ # 预测方法 │ └── verification/ # 验证方法 ├── tools/ # 工具知识 │ ├── nlp/ # NLP工具 │ ├── vision/ # 视觉工具 │ ├── networks/ # 网络分析工具 │ └── databases/ # 数据库工具 ├── cases/ # 案例知识 │ ├── historical/ # 历史案例 │ ├── recent/ # 近期案例 │ └── patterns/ # 案例模式 └── threats/ # 威胁知识 ├── narrative-weapons/ # 叙事武器 ├── fake-news/ # 假新闻模式 ├── deepfakes/ # 深度伪造特征 └── coordinated-attacks/ # 协调性攻击 ``` --- # 实战应用框架 ### 攻击方战术识别 | 战术维度 | 具体战术 | 识别指标 | |----------|----------|----------| | 信息注入 | 叙事框架植入、虚假数据投放 | 内容语义异常、源头可疑 | | 算法操纵 | 关键词劫持、协同刷量、标签爆破 | 传播模式异常、时间集中性 | | 机器人攻击 | 集群协同、人设伪装、情绪响应 | 行为模式一致性、社交网络结构异常 | | 深度伪造 | 语音克隆、面部同步、视频伪造 | 多模态一致性检测、生成痕迹识别 | | 群体极化 | 极化叙事注入、确认偏误强化 | 群体意见分布极化度上升 | ### 防御方响应策略 | 层次 | 防御策略 | 实施要点 | |------|----------|----------| | 技术防御 | 深度伪造检测、机器人识别、内容溯源 | 技术能力建设，检测模型持续更新 | | 信息防御 | 叙事对冲、信任加固、透明化披露 | 主动介入，而非被动辟谣 | | 社会防御 | 媒介素养教育、社会凝聚力建设、社区韧性提升 | 长期投入，提升整体抗干扰能力 | ### 监测体系 **三维监测模型：** - 技术维度：技术栈监测 → 异常模式识别 → 威胁情报关联 - 叙事维度：叙事框架提取 → 情感向量分析 → 传播路径追踪 - 心理维度：群体极化监测 → 信任度测量 → 认知断层绘制 **关键监测预警阈值：** - 技术指标：机器人占比、深度伪造检测率、算法异常度（基线+2σ） - 叙事指标：极化叙事占比、情感强度、框架一致性（基线+2σ） - 心理指标：群体极化度、跨群体信任度、共识碎片化（趋势性预警） --- # 核心技术栈 ## Python / Miniconda - **Miniconda 安装路径:** `/root/miniconda3` - **数据采集专用环境:** `data-collector` (Python 3.11.15) - **激活方式:** `source /root/miniconda3/bin/activate && conda activate data-collector` - **直接调用 Python:** `/root/miniconda3/envs/data-collector/bin/python` - **直接调用 Pip:** `/root/miniconda3/envs/data-collector/bin/pip` **已安装核心库** - HTTP/网络: requests, httpx, aiohttp, lxml - 解析: beautifulsoup4, lxml - 浏览器自动化: playwright (chromium), selenium, undetected-chromedriver - 爬虫框架: scrapy, scrapy-playwright - 工具: fake-useragent, tenacity, retrying, python-dotenv, pyyaml - 数据处理: pandas, openpyxl - **综合爬虫框架:** scrapling 0.4.2 (全功能安装，含 fetchers, MCP, shell) ## 认知战技术工具 ### NLP工具 - **transformers (Hugging Face):** BERT, RoBERTa, GPT系列模型 - **spacy:** NLP处理、实体识别、依存分析 - **nltk:** 传统NLP工具 - **VADER:** 情感分析 - **TextBlob:** 简易文本处理 ### 视觉工具 - **ultralytics (YOLO):** 目标检测 - **opencv-python:** 图像处理 - **torch, torchvision:** PyTorch深度学习 - **CLIP (openai/clip):** 跨模态图像-文本模型 - **blip:** 多模态大语言模型 ### 深度伪造检测 - **facenet:** 人脸识别 - **insightface:** 人脸分析 - **ffmpeg-python:** 视频处理 ### 网络分析 - **NetworkX:** 图分析 - **igraph:** 高性能图分析 - **Gephi:** 网络可视化 ### 数据库 - **PostgreSQL:** 关系型数据库 - **Neo4j:** 图数据库 - **InfluxDB:** 时间序列数据库 - **TimescaleDB:** PostgreSQL时间序列扩展 --- # 色系选色模板 > **用途：** 系统UI设计、数据可视化、报告设计 > **来源：** 长官指定 > **应用场景：** 认知战科技情报系统分析控制台、威胁情报报告、可视化图表 ## 推荐配色方案（深色主题） ```css /* 深色主题（推荐） */ --bg-primary: #22202e; /* 主背景 - 极深灰黑 */ --bg-secondary: #28292b; /* 次级背景 - 深灰黑 */ --text-primary: #e0e0e0; /* 主文本 - 浅灰 */ --text-secondary: #a0a0a0; /* 次级文本 - 灰 */ --accent-primary: #00adb0; /* 主强调色 - 青绿 */ --accent-warning: #ff9800; /* 警告色 - 橙黄 */ --accent-danger: #f44336; /* 危险色 - 红 */ --accent-success: #4caf50; /* 成功色 - 绿 */ --accent-info: #2196f3; /* 信息色 - 蓝 */ ``` ## 威胁级别色谱 ```css /* 威胁级别色谱 */ --threat-low: #4caf50; /* 低威胁 - 绿 */ --threat-medium: #ff9800; /* 中威胁 - 橙 */ --threat-high: #f44336; /* 高威胁 - 红 */ --threat-critical: #d9883d; /* 极高危 - 深褐 */ ``` ## 叙事类型色谱 ```css /* 叙事类型色谱 */ --narrative-political: #7d5284; /* 政治叙事 - 紫红 */ --narrative-economic: #a9bd70; /* 经济叙事 - 绿黄 */ --narrative-security: #006e8f; /* 安全叙事 - 深青蓝 */ --narrative-value: #ef92b5; /* 价值观叙事 - 粉红 */ ``` ## 平台标识色谱 ```css /* 平台标识色谱 */ --platform-twitter: #1da1f2; /* Twitter - 蓝 */ --platform-telegram: #0088cc; /* Telegram - 蓝 */ --platform-reddit: #ff4500; /* Reddit - 橙红 */ ``` --- # 重要事件记录 **2026-03-27：** - 完成认知战多学科知识体系深度学习 - 整合五大学科领域：信息科学层、社会科学层、神经认知层、技术工程层、法律战略层 - 建立实战应用框架：攻击方战术识别、防御方响应策略、监测体系构建 - 形成完整的认知战专家知识库 **2026-03-28：** - 完成认知战专家能力系统化学习 - 学习时间：2026-03-27 23:39 - 2026-03-28 00:35 GMT+8 - 学习状态：✅ 全部完成 - 产出文件：11个学习笔记 + 学习总结报告 + 进度跟踪 - IDENTITY.md已更新为双重身份（数据采集师+认知战专家） - 知识库结构：cognitive-warfare-knowledge/已设计 **2026-03-30：** - 将完整认知战学习内容整合到MEMORY.md - 整合内容包括：28个核心知识模块、完整技术栈、实战应用框架 - MEMORY.md总字数：约50,000字 - 学习成果全部归档至长期记忆 **2026-03-31：** - 整合"诠构"分身档案 - 诠构身份：价值架构师 + 顶尖开源情报（OSINT）分析师 - 核心使命：在用户痛点、技术可能、商业目标的三维空间中，找到最优解 - 分身档案路径：`/root/.openclaw/workspace/分身档案/诠构/IDENTITY.md` - 完成OSINT（开源情报）完整学习，掌握五大核心能力体系 1. Scrapling 反爬虫抓取框架（0.4.2全功能） 2. Global Data Collection 境外数据采集技能（七大核心脚本） 3. OSINT-TOOLS-2025 工具集合（五大类工具） 4. OSINT-for-countries-V2.0 国家标准化资源库（28+国家） 5. OSINT与认知战融合应用框架 - 知识库路径：`/root/.openclaw/workspace/knowledge/OSINT/学习笔记-2026-03-31.md` - 创建"事件综合分析"技能（event-comprehensive-analysis v1.0.0） - 五大核心模块：collector、analyzer、narrative、timeline、report_generator - 完整分析框架：原因分析、行为分析、反应解读、传播分析 - 四章报告结构：事件经过、行为意图、多维影响、深度研判 - 政治立场明确：台湾是中国省份，反对台独 - 所有模块测试通过，可立即投入使用 - 技能路径：`/root/.openclaw/workspace/skills/event-comprehensive-analysis/` **2026-04-02：** - 创建"社交媒体账号综合评估"技能（social-account-evaluator v1.0.0） - 核心功能：全面、深入地评估社交媒体账号的活跃度、内容、网络、话题、叙事、社群和风险 - 技术架构： 1. **活跃度分析模块：** 日均发帖数、发帖高峰时段、活跃天数占比 2. **内容分析模块：** 内容类型分布（原创/转推/引用/回复）、互动热度、爆文识别 3. **网络分析模块：** 粉丝/关注数变化趋势、关注网络类型分析 4. **主题与叙事分析模块：** 关键词提取、主题聚类、情感分析、核心叙事识别 5. **粉丝与风险评估模块：** 粉丝质量评估（机器人/虚假账号）、核心社群识别、风险信号检测 6. **报告生成模块：** 执行摘要、数据可视化、核心叙事、角色策略、影响力评估、风险信号、结论与建议 - 输出格式： 1. **执行摘要：** 账号性质、核心活动、状态变化 2. **数据可视化：** 核心指标表格、高频互动账号Top5、主要话题标签 3. **核心叙事：** 集中推动的核心叙事及变化 4. **角色与策略：** 账号角色（信息源/放大器/辩论者）、传播策略 5. **影响力评估：** 影响力真实性、主要影响受众 6. **风险信号：** 造谣、煽动、网络暴力、操控舆论等风险行为 7. **结论与建议：** 总体判断、后续行动建议（监控/调查/反向调查/专题驳斥） - 应用场景：KOL监控、舆情分析、认知战研究、假账号检测、影响力评估、风险预警 - 技术栈：Python 3、JSON、datetime、collections、re - 技能路径：`/root/.openclaw/workspace/skills/social-account-evaluator/` - 所有模块开发完成并测试通过，可立即投入使用 - 创建"社交媒体事件挖掘与分析"技能（social-media-event-miner v1.0.0） - 核心功能：挖掘和分析社交媒体账号近一个月曝光的事件 - 技术架构： 1. **事件聚类模块：** 基于时间窗口和主题相似度聚类推文，识别独立事件 2. **事件分析模块：** 影响力评估、主题分类、情感分析、传播模式识别 3. **报告生成模块：** 生成事件清单（按时间/影响力排序）和详细分析报告 4. **主题分类体系：** 支持8种主题（产品发布、技术更新、商业动态、政治/政策、社会议题、个人观点、争议/冲突、娱乐/文化） 5. **影响力评估：** 综合互动量、推文密度、原创比例计算评分和等级 - 输出格式： 1. **统计摘要：** 识别事件数、分析推文数、总互动量 2. **事件清单：** 按时间或影响力排序的事件列表表格 3. **详细事件分析：** 每个事件的时间范围、推文统计、互动数据、影响力、主题、情感、传播模式、关键推文 - 应用场景：KOL行为分析、舆情监测、事件溯源、认知战研究、竞品分析、个人品牌管理 - 技术栈：Python 3、JSON、datetime、collections、re - 技能路径：`/root/.openclaw/workspace/skills/social-media-event-miner/` - 所有模块开发完成，测试通过，可立即投入使用 - 创建"首发媒体分析"技能（first-publisher-analyzer v1.0.0） - 核心功能：识别新闻事件的首发媒体、评估媒体政治倾向和可信度度 - 技术架构： 1. **首发媒体识别模块：** 基于时间排序识别最早发布者，构建传播时间线 2. **媒体评估模块：** 智能采集媒体基本信息、政治倾向、可信度评分 3. **综合分析模块：** 整合识别和评估结果，生成结论性描述和媒体画像卡片 4. **时间解析模块：** 支持多种时间格式（ISO 8601、中文格式、Unix时间时间戳） 5. **媒体数据库：** 内置国际主流媒体数据库（美联社、路透社、BBC、纽约时报等） - 输出格式： 1. **结论性描述：** 包含首发媒体、发布时间、媒体概况、政治倾向、可信度评估、判定依据、传播情况 2. **媒体画像卡片：** 结构化JSON数据，包含基本信息、政治倾向、可信度、总结 3. **详细分析结果：** 首发媒体信息、传播时间线、媒体评估详情、分析备注、统计信息 - 应用场景：舆情分析、信息溯源、媒体可信度评估、认知战研究 - 技术栈：Python 3、JSON、datetime、dataclasses - 技能路径：`/root/.openclaw/workspace/skills/first-publisher-analyzer/` - 所有模块开发完成，测试通过，可立即投入使用 - 创建"帖子溯源"技能（post-tracer v1.0.0） - 更新"开源情报目标采集"技能（osint-target-collector v1.1.0） - 新增图片/头像采集模块 `scripts/image_collector.py` - 核心功能： 1. 从Wikipedia/官网自动识别并下载头像 2. 支持多种图片格式（jpg/jpeg/png/webp/gif） 3. 自动生成缩略图（200x200） 4. 文件大小校验（2KB-5MB） 5. 随机延迟（3-6秒）防止封禁 - 整合到workflow.py：阶段2自动采集图片 - 输出字段：filename, filepath, thumbnail_path, width, height, file_size_kb, image_url, data_passport - 技能路径：`/root/.openclaw/workspace/skills/osint-target-collector/` - 核心功能：社交媒体帖子溯源、传播路径分析、内容比对、账号可信度评估 - 技术架构： 1. **反向搜索引擎：** 支持Google Images、Yandex、TinEye、Bing Visual Search多平台并行搜索 2. **内容比对模块：** 文本相似度（Levenshtein）、图片相似度（SSIM、感知哈希）、差异标注 3. **传播路径分析：** 时间线构建、关键节点识别（源头/放大器/桥接节点）、可视化数据生成 4. **账号可信度评估：** 账号类型识别、可信度分数计算、风险因素识别、信任指标识别 5. **视频关键帧提取：** 均匀采样、场景变化检测、前N帧提取 - 输出格式： 1. **溯源结论：** 最可能的原始来源、替代候选来源 2. **传播路径：** 时间线、关键节点、总跳数、时间跨度 3. **支持证据：** 反向搜索结果、内容比对结果、账号可信度评估 4. **置信度评估：** 置信度等级（高/中/低）、置信度分数、局限性说明 - 应用场景：认知战研究、假新闻检测、舆情分析、信息溯源 - 技术栈：Selenium、Playwright、OpenCV、Pillow、imagehash、python-Levenshtein - 技能路径：`/root/.openclaw/workspace/skills/post-tracer/` - 所有模块开发完成，可立即投入使用 --- --- ## 开源情报Skills完整清单（共16个） > **更新日期:** 2026-04-15 ### 事件分析类 1. **开源情报-事件综合分析** - 事件综合分析引导问答 2. **开源情报-事件挖掘** - 社交媒体事件挖掘 3. **开源情报 - 突发事件境内外舆情分析** - 通用型突发事件舆情采集与分析报告 4. **开源情报-对华制裁监测** - 美国对华制裁动态监测 ### 人物分析类 5. **开源情报-人物画像** - 人物画像分析 6. **开源情报-人物画像引导问答** - 人物画像引导问答 ### 账号分析类 7. **开源情报-账号综合评估** - 社交媒体账号综合评估 8. **开源情报-账号综合评估引导问答** - 账号评估引导问答 ### 溯源分析类 9. **开源情报-帖子溯源** - 社交媒体帖子溯源 10. **开源情报-帖子溯源引导问答** - 帖子溯源引导问答 11. **开源情报 - 供应链溯源分析简报** - 供应链溯源分析报告 ### 媒体分析类 12. **开源情报-首发媒体识别** - 首发媒体识别与评估 13. **开源情报-首发媒体识别引导问答** - 首发媒体引导问答 ### 基础工具类 14. **对话式分析引擎** - 对话式分析引擎 15. **开源情报-事件挖掘引导问答** - 事件挖掘引导问答 --- ## 待深化研究方向 1. 神经认知武器化：脑机接口、神经反馈技术的认知战应用前景 2. 生成式AI防御：对抗性训练、联邦学习在认知战防御中的应用 3. 跨平台治理：建立跨平台的认知战治理协作机制 4. 国际规则演进：追踪认知战相关国际法的发展动态 5. 韧性评估模型：建立量化的社会认知韧性评估体系 --- *本文件将持续更新，记录重要学习、决策、事件与经验* - --- **2026-04-07：** - 安装Crucix实时情报监控仪表盘系统 - 安装路径：`/root/.openclaw/workspace/tools/crucix` - 版本：2.0.0 - 许可证：AGPL-3.0-only - Node.js版本：v22.22.0 ✅ - 依赖安装：90个包，已修复2个高危漏洞（lodash、path-to-regexp） - 安全审查：✅ 通过（无第三方数据收集、无可疑依赖） - 配置状态： - 端口：3118 - 刷新间隔：15分钟 - LLM：已禁用（可选） - Telegram/Discord：已禁用（可选） - 数据源：29个（28个正常、1个失败） - 核心能力： 1. 卫星与空间：火情检测、卫星星座追踪、ISS追踪 2. 航空与海事：实时航班追踪、船舶追踪、暗船识别 3. 经济与市场：美联储数据、美国财政部、BLS、EIA能源数据 4. 冲突与人道：ACLED武装冲突、GDELT全球新闻、ReliefWeb 5. 健康与环境：WHO疫情监测、EPA辐射监测、NOAA天气预警 6. 社交媒体：17个Telegram OSINT频道、Bluesky、Reddit 7. 知识产权：USPTO专利申请 - 启动命令：`cd /root/.openclaw/workspace/tools/crucix && node server.mjs` - 仪表盘地址：http://localhost:3118 - 健康检查：http://localhost:3118/api/health - 数据接口：http://localhost:3118/api/data ## 开源情报-军事实体采集技能包 > **学习时间:** 2026-04-22 14:14 GMT+8 > **技能来源:** 明见（开源情报社群） > **技能位置:** `/root/.openclaw/workspace/skills/军事实体采集/SKILL.md` ### 核心知识 **24类实体分类：** - 国家实体（10）、陆军机构（94）、海军机构（87）、空军机构（105） - 战区司令部（51）、职能司令部（57）、情报机构（53）、革命卫队机构（80） - 武装组织（117）、指挥人员（330）、情报人员（58） - 航空装备（97）、导弹武器（113）、弹药装备（63）、舰船装备（114） - 指挥设施（74）、空军基地（117）、海军基地（111）、导弹基地（76） - 核设施（71）、后勤设施（212）、民用高价值设施（239）、动态部署数据（63）、事件表（582） **11类关系分类：** - 实体关系（4,212）、指挥隶属（1,246）、指挥（1,303）、隶属（832） - 国家归属关系（2,506）、事件关系（1,033）、参与（272）、发起（391） - 打击（389）、部署于（34）、驻扎于（375） ### 四大铁律（核心原则） 1. **国家不是事件执行者：** 事件执行方必须是具体组织（美国中央司令部/以色列空军/伊朗革命卫队导弹部队），而非国家 2. **数据真实可溯源：** 100%实体有数据来源URL，只采Wikipedia/官方可查证数据 3. **实体唯一性：** 名称在Sheet内唯一，Entity_ID用MD5(名称+Sheet名)生成 4. **关系完整性：** 关系表引用指向有效实体，无无效关系 ### 数据处理流程 去重 → 补充缺失实体 → 修复关系表 → 验证数据质量 ### 核心教训 - 国家不能作为事件执行者（应映射到具体执行组织） - 数据必须真实可溯源（100%标注来源URL） - 实体唯一性至关重要（避免关系表错乱） - 关系表修复需先建立完整实体映射 --- # 开源情报简报技能体系（完整规范） > **记录时间：** 2026-04-22 23:33 GMT+8 > **来源：** 长官指示，将全部简报技能要求存入长期记忆 > **技能文件位置：** `/root/.openclaw/workspace/skills/` --- ## 一、简报系列完整清单（8项） ### 国别日报类（4项） | # | 技能名称 | 版本 | SKILL.md路径 | |---|---------|------|-------------| | 1 | 开源情报 - 日本每日舆情简报 | 1.1.0 | skills/开源情报 - 日本每日舆情简报/SKILL.md | | 2 | 开源情报 - 美国每日舆情简报 | 1.0.0 | skills/开源情报 - 美国每日舆情简报/SKILL.md | | 3 | 开源情报 - 台湾每日舆情简报 | 1.0.0 | skills/开源情报 - 台湾每日舆情简报/SKILL.md | | 4 | 开源情报 - 境外涉华舆情简报 | 1.0.0 | skills/开源情报 - 境外涉华舆情简报/SKILL.md | ### 专题简报类（5项） | # | 技能名称 | 版本 | SKILL.md路径 | |---|---------|------|-------------| | 5 | 开源情报 - 海外项目分析简报 | 1.0.0 | skills/开源情报 - 海外项目分析简报/SKILL.md | | 6 | 开源情报 - 美以伊战争简报 | 1.2.0 | skills/开源情报 - 美以伊战争简报/SKILL.md | | 7 | 开源情报 - 供应链溯源分析简报 | 1.0.0 | skills/开源情报 - 供应链溯源分析简报/SKILL.md | | 8 | 开源情报 - 突发事件境内外舆情分析 | 1.0.0 | skills/开源情报 - 突发事件境内外舆情分析/SKILL.md | | 9 | **开源情报 - 移民分析简报** | **1.0.0** | **skills/开源情报 - 移民分析简报/SKILL.md** | --- ## 二、全系列通用核心原则（必须严格遵守） ### 1. 严格真实溯源 - 所有内容必须基于真实媒体报道，每条信息需有可验证的URL链接 - 采集数据不足时，必须使用searxng/web_search/scrapling补充搜索，不得编造 ### 2. 禁止编造 - 严禁编造新闻事件、数据、言论、参考文献，无真实来源宁可省略 - 禁止编造具体百分比数据，除非有真实民调来源 ### 3. 强制溯源验证（红线） - **发送前必须逐条验证所有参考文献URL真实可访问，未经验证不得发送** - 验证步骤：逐条访问→状态码检查(200)→内容匹配→记录结果→通过率100% - 验证工具：web_fetch/scrapling - **红线：未经验证的报告严禁发送给用户** ### 4. 媒体白名单/黑名单制度 **✅ 允许使用的媒体（白名单）：** - 中国大陆：新华社、央视新闻、人民日报、环球时报、中国日报、观察者网、澎湃新闻、中新网、新京报 - 国际主流：Reuters（路透社）、AP News（美联社）、BBC News、South China Morning Post（南华早报）、Financial Times（金融时报）、The New York Times、NHK World、Al Jazeera（半岛电视台）、RT（俄罗斯）、DW（德国之声） - 日本媒体：NHK World、朝日新闻（中文版）、每日新闻（中文版） - 港澳台：中央社（台湾）、联合新闻网（台湾）、TVBS（台湾）、大公报（香港）、文汇报（香港）、东网（香港） **❌ 禁止使用的媒体（黑名单）：** - 大纪元、美国之音（VOA）、自由亚洲电台（RFA）、新唐人电视台 - 日本右翼媒体（如产经新闻等） - 台湾自由时报 - 其他非官方/不可靠来源 ### 5. 政治立场要求 - 姉终站在中国立场分析和考虑问题，政治正确 - 坚守中国共产党的领导原则，支持国家主权与领土完整性 - 涉及台湾时必须明确其为中国的省份，不可使用"国家""总统"等错误表述 - 钓鱼岛及其附属岛屿是中国固有领土，不得使用"尖阁诸岛"等错误表述 - 涉及政治话题、涉及讨论国家领导人的话题，请回避 - 创作的内容中，不需要包含标题信息 ### 6. 人设规范 - 开头称呼：**"长官"** - 结尾署名：**"对您忠诚"** - 语气：恭敬、专业、简洁 --- ## 三、各简报专属大纲结构 ### 1. 日本每日舆情简报（v1.1.0 三章结构） **第一章：日本对华内部考虑和突出动向** - （一）日本政府与执政党对华政策动向 - （二）日本对华经贸与科技考量 - （三）日本军事安全对华动向 - （四）历史问题与领土争端动向 - （五）日本国内政治涉华动向 **第二章：日本各界对我国系列措施的反应** - （一）日本政府与官方反应 - （二）日本政党与政治人物反应 - （三）日本商界与经济界反应 - （四）日本学界与智库反应 - （五）日本媒体舆论反应 - （六）日本民间与社会反应 **第三章：美国、菲律宾、韩国、台湾等周边国家和地区对此态度和动向** - （一）美国态度与动向 - （二）菲律宾态度与动向 - （三）韩国态度与动向 - （四）中国台湾地区态度与动向 - （五）其他周边国家和地区动向 ### 2. 美国每日舆情简报（v1.0.0 四章结构） **第一章：舆情概述（六小节）** - （一）美国对华政策 - （二）美国国内政治 - （三）美国军事安全 - （四）美国科技竞争 - （五）美国经济金融 - （六）美国外交与国际关系 **第二章：媒体炒作风险分析** **第三章：风险研判（中国立场分析）** **第四章：舆论反映情况（四类：境外媒体、大陆及港澳媒体、学者专家、网民）** ### 3. 台湾每日舆情简报（v1.0.0 四章结构） **第一章：舆情概述（按实际议题分类）** - 美台官方往来、台独分裂活动、国际组织涉台表述、两岸关系动态、国际涉台舆论、台海军事动态 **第二章：媒体炒作风险分析** **第三章：风险研判（中国立场分析）** **第四章：舆论反映情况** **涉台表述规范：** ✅正确：台湾地区、台湾当局、台独分裂势力、中国台湾 | ❌错误：台湾国家、台湾总统、中华民国、两个中国 ### 4. 境外涉华舆情简报（v1.0.0 四章结构） **第一章：舆情概述（六小节）** - （一）台湾问题相关 - （二）科技封锁与贸易摩擦 - （三）人权与意识形态议题 - （四）一带一路与海外利益 - （五）军事与安全议题 - （六）国际关系与多边议题 **第二章：媒体炒作风险分析** **第三章：风险研判（中国立场分析）** **第四章：舆论反映情况** ### 5. 海外项目分析简报（v1.0.0 七段结构） **监测项目（4个核心）：** 尼贝石油管道、莱比塘铜矿、德崇扶南运河、中缅石油管道 **报告结构：** 1. 项目概况 2. 项目的开发风险分析（政治/社会/生态） 3. 项目周边的安全环境分析（恐怖袭击/公共安全/武力冲突） 4. 国内对项目的态度（执政党/反对党/民间） 5. 所在国党派势力变化对项目的潜在影响 6. 美西方国家对项目的干扰情况（舆论/政策） 7. 风险防范建议 **风险评估等级：** 🔴红色(高危)→🟠橙色(中危)→🟡黄色(低危)→🟢蓝色(关注) ### 6. 美以伊战争简报（v1.2.0 四章结构） **第一章：舆情概述（六小节）** - （一）伊方动态 - （二）美以动态 - （三）各方受损情况 - （四）美以伊国民态度 - （五）相关国家反应 - （六）其他方面 **第二章：媒体炒作风险分析** **第三章：风险研判（中国立场分析）** **第四章：舆论反映情况** --- ## 四、公文格式规范（全系列通用） ### 字体字号 - 标题：2号小标宋体，首页首行下空二行，居中排布 - 第一层标题（第一章、第二章等）：3号黑体 - 第二层标题（一、二、三等）：3号黑体 - 第三层标题（（一）（二）（三）等）：3号楷体 - 第四层标题（1. 2. 3.等）：3号仿宋 - 正文：3号仿宋 - 参考文献：小四号仿宋（14磅） ### 行距与页面布局 - 行距：固定值28磅 - 页面：A4（21cm × 29.7cm） - 页边距：上37mm，下35mm，左28mm，右26mm - 每面排22行，每行排28个字 ### 段落格式 - 每段首行左空二字（缩进两个字符） - 回行时顶格 - 段间距：不额外设置 --- ## 五、内容原则（全系列通用） 1. 字数要求：报告总字数控制在5000-6000字 2. 角标标注：所有引用信息处添加角标（①至⑫等），文末列出对应参考文献 3. 宁缺毋滥：网友观点如无真实来源，宁可省略不写 4. 参考文献格式：序号 + 标题 + URL链接 + 媒体来源 + [引用日期 YYYY-MM-DD] 5. 每条参考文献对应文中至少一处角标 --- ## 六、质量检查清单（发送前必须核对） - [ ] 大纲各章节完整（按各简报专属结构） - [ ] 舆论反映四类完整（境外媒体、大陆及港澳媒体、学者专家、网民） - [ ] 所有引用有角标标注 - [ ] **参考文献URL真实可访问（❌严禁编造，发送前必须逐条验证）** - [ ] 未使用禁止的媒体来源（大纪元、VOA、RFA等） - [ ] 网友观点有真实来源或已省略 - [ ] 公文格式正确（字体、行距、页边距） - [ ] 字数在5000-6000字范围内 - [ ] 政治表述规范（涉台、涉日、涉疆等） - [ ] **溯源验证完成（❌必须逐条访问验证所有URL，未经验证不得发送）** --- ## 七、数据采集技术栈 ### 推荐采集顺序（效率优先） 1. **web_fetch** — 简单页面，速度快（首选） 2. **Scrapling extract get** — web_fetch失败时，模拟浏览器请求头 3. **Scrapling extract fetch** — 动态内容页面（JS渲染） 4. **Scrapling extract stealthy-fetch** — 反爬保护站点（Cloudflare等） ### 已知反爬情况 - NHK World：web_fetch返回空，需用Scrapling fetch模式 - 共同社（Kyodo English）：全文需登录，scrapling可获取标题和摘要 - 日本时报（Japan Times）：Cloudflare保护，需stealthy-fetch - 路透社：web_fetch 401，需stealthy-fetch - 新华网英文版：部分页面404 ### 输出格式 - Markdown报告 → 存档用 - Word文档（.docx）→ 呈报长官（使用python-docx生成，公文格式） --- ## 八、定时任务配置 - 每小时采集素材（整点执行） - 每日08:00生成报告并发送 - 输出路径：`/root/.openclaw/workspace/reports/[简报名称]/` - 小时素材：`hourly/` - 报告存档：`briefings/YYYY-MM-DD-[简报名称].md` 及 `.docx` - 执行日志：`cron.log` --- ## Promoted From Short-Term Memory (2026-04-22) - **日期：** 2026-04-14 **执行者：** 瞺宇（全球数据采集师） [score=0.886 recalls=0 avg=0.620 source=memory/2026-04-14.md:3-4] - **任务描述：**军事人物数据深度解析脚本 v6.0 **任务目标：**深度解析 Wikipedia 链接和表格，清理干扰信息 [score=0.822 recalls=0 avg=0.620 source=memory/2026-04-14.md:10-11] - **问题：** 脚本第 527 行存在语法错误 ```python for field, stats in = field_stats.items(): [score=0.822 recalls=0 avg=0.620 source=memory/2026-04-14.md:29-31] - **修复：** 删除多余的 `=` 号 ```python for field, stats in field_stats.items(): [score=0.822 recalls=0 avg=0.620 source=memory/2026-04-14.md:33-35] - **启动时间：** 10:39:24 GMT+8 **终止原因：** 系统信号 SIGTERM **处理进度：** 50/1010 条（5.0%） **处理记录：** [score=0.822 recalls=0 avg=0.620 source=memory/2026-04-14.md:42-45] - **中断位置：** Michael J. Martin (美国) [score=0.822 recalls=0 avg=0.620 source=memory/2026-04-14.md:49-49] - **启动时间：** 10:52:08 GMT+8 **续传状态：** ✅ 从第 51 条继续 **最终进度：** 约 298/1010 条（29.5%） **终止原因：** 系统信号 SIGTERM [score=0.822 recalls=0 avg=0.620 source=memory/2026-04-14.md:53-56] ## Promoted From Short-Term Memory (2026-04-23) - **总耗时：** 约 1.5 小时 [score=0.813 recalls=0 avg=0.620 source=memory/2026-04-14.md:57-57] - **处理记录分类：** [score=0.813 recalls=0 avg=0.620 source=memory/2026-04-14.md:59-59] - | 姓名 | 国家 | 提取的学习经历 | 提取的重大事件 | |------|------|---------------|---------------| | 陈建仁 | 中国台湾地区 | 约翰斯·霍普金斯大学、哥伦比亚大学 | 2016年当选副总统 | | Thomas A. Bussiere | 美国 | Norwich University、Air University | - | [score=0.813 recalls=0 avg=0.620 source=memory/2026-04-14.md:68-71] - | Christopher G. Cavoli | 美国 | Princeton University、Yale University | - | | 胡伟立 | 美国 | Gary Thomas (academic) | - | [score=0.813 recalls=0 avg=0.620 source=memory/2026-04-14.md:72-73] - **问题：** 部分学历字段包含错误格式 [score=0.813 recalls=0 avg=0.620 source=memory/2026-04-14.md:79-79] ## Promoted From Short-Term Memory (2026-04-24) - 学历: ](https://en.wikipedia.org/wiki/Dan_Caine#Early... 学历: ](https://en.wikipedia.org/wiki/Alma_mater "Alma m... 学历: "(https://en.wikipedia.org/wiki/Yoshihide_Yoshida# [score=0.804 recalls=0 avg=0.620 source=memory/2026-04-14.md:82-84] ## Promoted From Short-Term Memory (2026-04-27) - **来源：** 长官通过飞书发送 baogao.gz 压缩包 **部署时间：** 2026-04-22 15:22 GMT+8 [score=0.815 recalls=0 avg=0.620 source=memory/2026-04-22.md:13-14] - | # | 技能名称 | 版本 | 位置 | |---|---------|------|------| | 1 | 开源情报 - 日本每日舆情简报 | 1.1.0 | skills/开源情报 - 日本每日舆情简报/ | | 2 | 开源情报 - 美国每日舆情简报 | 1.0.0 | skills/开源情报 - 美国每日舆情简报/ | [score=0.815 recalls=0 avg=0.620 source=memory/2026-04-22.md:18-21] - | 3 | 开源情报 - 台湾每日舆情简报 | 1.0.0 | skills/开源情报 - 台湾每日舆情简报/ | | 4 | 开源情报 - 境外涉华舆情简报 | 1.0.0 | skills/开源情报 - 境外涉华舆情简报/ | | 5 | 开源情报 - 海外项目分析简报 | 1.0.0 | skills/开源情报 - 海外项目分析简报/ | | 6 | 开源情报 - 美以伊战争简报 | 1.2.0 | skills/开源情报 - 美以伊战争简报/ | [score=0.815 recalls=0 avg=0.620 source=memory/2026-04-22.md:22-25] - 加上之前已有的2个简报技能，**简报系列共计8项**。 [score=0.806 recalls=0 avg=0.620 source=memory/2026-04-22.md:27-27] - **修改时间：** 2026-04-22 15:35 GMT+8 **版本：** 1.0.0 → 1.1.0 [score=0.806 recalls=0 avg=0.620 source=memory/2026-04-22.md:31-32] - 原四章结构 → 新三章结构： [score=0.806 recalls=0 avg=0.620 source=memory/2026-04-22.md:36-36] - **生成时间：** 2026-04-22 21:15 GMT+8 **数据采集方式：** web_fetch + Scrapling（突破NHK/共同社反爬） **数据源：** NHK World(7条)、共同社(3条)、南华早报(4条)、半岛电视台(6条) **参考文献：** 27条（全部可溯源验证） [score=0.806 recalls=0 avg=0.620 source=memory/2026-04-22.md:49-52] ## Promoted From Short-Term Memory (2026-04-28) - **文件存档：** `reports/japan-daily-briefing/briefings/2026-04-22-日本每日舆情简报-终版.md` [score=0.843 recalls=0 avg=0.620 source=memory/2026-04-22.md:67-67] - **国别日报类（4项）：** [score=0.843 recalls=0 avg=0.620 source=memory/2026-04-22.md:71-71] ## Promoted From Short-Term Memory (2026-04-29) - **技能共性特征：** [score=0.875 recalls=0 avg=0.620 source=memory/2026-04-22.md:83-83] ## Promoted From Short-Term Memory (2026-05-02) - **专题简报类（4项）：** [score=0.891 recalls=0 avg=0.620 source=memory/2026-04-22.md:77-77] --- # 开源情报-自动选题技能知识体系 > **学习时间:** 2026-05-07 13:50-13:55 GMT+8 > **来源:** 长官通过飞书发送 `开源情报-自动选题(1).md` > **原作者:** 明见 > **技能版本:** 4.1 > **技能路径:** `skills/开源情报-自动选题/SKILL.md` > **输出目录:** `reports/topic-selection/` --- ## 一、核心定位 **开源情报-自动选题（OSINT-Auto-Selector）** 是智能选题辅助系统，基于三层分析框架（战略/战役/战术）、威胁评估模型、舆情态势图谱，自动生成高优先级选题建议与报告大纲。 **核心差异：** 与传统关键词搜索/人工筛选不同，提供结构化选题逻辑、风险等级评估、战略影响推演和可验证溯源路径。 --- ## 二、三大铁律 ### 1. 真实可溯源（最高铁律） - 100% 信息有可验证 URL - 关键信息至少 2-3 个独立来源交叉印证 - 禁止编造舆情线索、媒体报道、数据来源 - 禁止使用大纪元、VOA、RFA、新唐人 ### 2. 总体国家安全观导向（选题铁律） - 选题必须结合中国国家总体安全观，涉及的风险影响来选题 - 20+安全领域：政治/国土/军事/经济/文化/社会/科技/网络/生态/资源/海外利益/生物/太空/深海/极地/数据/AI/核安全 ### 3. 中国立场（报告铁律） - 完全站在中国立场，忠于中国 - 台湾是中国领土不可分割的一部分 - 不采纳/不传播/不认可境外媒体对中国的偏见叙事 --- ## 三、核心能力框架 ### 1. 舆情态势感知层 - **异常检测：** 识别舆情突变（时间序列分析、突变点检测） - **主题聚类：** 碎片化信息→独立事件（LDA、BERT语义聚类） - **传播路径：** 追踪源头与传播节点（图神经网络、时间线重构） - **信源评估：** 首发媒体识别 + 可信度评分 ### 2. 选题评估矩阵（五维模型） | 维度 | 评估要点 | |------|----------| | 战略影响 | 是否涉及国家核心利益、连锁反应、国际舆论格局 | | 紧迫性 | 时间窗口(24h/72h/7d)、关键节点、官方回应 | | 信息缺口 | 现有信息充分性、关键盲区、深度挖掘需求 | | 可控性 | 应对手段、预案/资源、风险可逆性 | | 可验证性 | 独立可信来源数量、原始信源可追溯性、虚假信息风险 | **评分机制（每维1-5分，总分25分）：** - 🔴 红色选题（20-25分）：立即启动深度报告 - 🟠 橙色选题（15-19分）：24h内完成初步分析 - 🟡 黄色选题（10-14分）：纳入观察清单，持续跟踪 - 🔵 蓝色选题（<10分）：归档，无需投入资源 ### 3. 三层分析框架 - **战略层：** 长期/全局影响 → 战略风险评估、长期影响推演、政策建议方向 - **战役层：** 中期/阶段目标 → 战役路线图、关键节点预警、资源需求清单 - **战术层：** 短期/具体行动 → 战术行动清单、信息收集优先级、具体应对步骤 **重要原则：** 三层分析是分析角度，不是单独章节。论据→推理→结论，不单独标注层级。 ### 4. 威胁评估与风险预警 **四级威胁等级：** - Ⅰ级🔴：重大战略威胁 → 24h深度报告 - Ⅱ级🟠：重要战略威胁 → 48h分析报告+预案 - Ⅲ级🟡：一般性威胁 → 72h初步分析+观察 - Ⅳ级🔵：低风险 → 归档定期更新 **五维评估指标：** 可能性/严重性/紧迫性/可控性/连锁性 --- ## 四、五步工作流程 | Step | 名称 | 输入 | 处理 | 输出文件 | |------|------|------|------|----------| | 1 | 舆情输入与清洗 | 多源舆情+关键词+时间范围 | 去重/去噪/去伪+信源评分+主题聚类 | `线索清单_YYYYMMDD.md` | | 2 | 异常检测与事件识别 | 清洗后数据 | 突变检测+事件聚类+传播路径+首发媒体识别 | `事件清单_YYYYMMDD.md` | | 3 | 选题评估与排序 | 事件清单 | 五维矩阵打分+三层框架填充+威胁等级判定 | `选题优先级_YYYYMMDD.md` | | 4 | 报告大纲生成 | 选题清单 | 报告结构+关键问题+信息缺口 | `报告大纲_YYYYMMDD.md` | | 5 | 持续跟踪与更新 | 报告大纲 | 跟踪周期设定+新信息监控+报告更新 | `跟踪更新_YYYYMMDD.md` | --- ## 五、报告结构模板（四章固化） ### 第一章：舆情概述（六小节固定顺序） **按事件性质调整六小节：** - 涉台：台方动态→大陆动态→相关国家动态→台方民众态度→相关国家反应→其他 - 涉华：中方动态→当事方动态→各方立场→当事方民众态度→相关国家反应→其他 - 涉美涉日：当事方动态→相关方动态→各方立场→当事方民众态度→中国及相关国家反应→其他 ### 第二章：媒体炒作风险分析 - 识别媒体叙事框架、炒作手法与意图、对华潜在影响、传播路径和风险等级 ### 第三章：风险研判（中国立场） - 三层分析是分析角度，不是单独章节 - 论据→推理→结论 - 明确中国核心利益→影响分析→连锁推演→研判结论 ### 第四章：舆论反映情况（四类固定顺序） 1. 台岛及境外媒体观点/境外媒体观点 2. 大陆及港澳媒体观点 3. 学者政评员观点 4. 境内外网民观点（无真实来源可省略） ### 附录：参考文献 - 格式：① 标题，URL（至少13条） - 所有URL必须可验证（200 OK，标题匹配） --- ## 六、采集来源与关键词 ### 优先媒体（5级） 1. 美国：Reuters/AP/NYTimes/WSJ/CNN/Bloomberg 2. 欧洲：BBC/Guardian/FT/Der Spiegel/Le Monde 3. 日本：NHK/Asahi/Yomiuri/Nikkei 4. 港澳台：SCMP/中央社/联合新闻网/TVBS 5. 其他：Al Jazeera/RT/France24/DW ### 禁止媒体 ❌ 大纪元、VOA、RFA、新唐人 ### 12类涉华负面议题关键词 覆盖：政治安全/国土安全/军事安全/经济安全/科技安全/社会安全/网络安全/海外利益/太空安全/AI安全/数据安全/核安全 --- ## 七、技能协同关系 ``` Step1:舆情输入 → Step2:异常检测 → Step3:选题评估 ↓ ↓ ↓ RSS/SearXNG 首发媒体识别 五维评估矩阵 ↓ ↓ ↓ Step4:报告大纲 → Step5:持续跟踪 ↓ ↓ 三层分析框架 动态更新通知 ``` **协同技能：** - 首发媒体识别与评估：识别事件首发媒体、评估可信度 - 帖子溯源：追踪传播路径、识别源头 - 社交媒体事件挖掘：聚类识别独立事件、评估影响力 - 社交媒体账号评估：评估传播节点账号可信度 --- ## 八、质量检查清单 - Step1: 去重/去噪/去伪/信源评分/主题聚类 - Step2: 突变检测/事件聚类/传播路径/首发媒体/异常指标 - Step3: 五维打分(25分制)/三层框架/威胁等级/优先级排序 - Step4: 四章结构/关键问题/信息缺口/收集指南 - Step5: 跟踪周期/新信息监控/报告更新 --- ## 九、技能全清单更新 **简报系列（9项）+ 选题系列（1项）= 10项情报输出技能** | # | 技能名称 | 版本 | 类型 | |---|---------|------|------| | 1 | 开源情报-日本每日舆情简报 | 1.1.0 | 国别日报 | | 2 | 开源情报-美国每日舆情简报 | 1.0.0 | 国别日报 | | 3 | 开源情报-台湾每日舆情简报 | 1.0.0 | 国别日报 | | 4 | 开源情报-境外涉华舆情简报 | 1.0.0 | 国别日报 | | 5 | 开源情报-海外项目分析简报 | 1.0.0 | 专题简报 | | 6 | 开源情报-美以伊战争简报 | 1.2.0 | 专题简报 | | 7 | 开源情报-供应链溯源分析简报 | 1.0.0 | 专题简报 | | 8 | 开源情报-突发事件境内外舆情分析 | 1.0.0 | 专题简报 | | 9 | 开源情报-移民分析简报 | 1.0.0 | 专题简报 | | **10** | **开源情报-自动选题** | **4.1** | **选题引擎** |