微博人格蒸馏

要解决什么问题

公开微博既是表演场，也留下可复现的人格信号：措辞习惯、情感波动、话题偏好、互动方式等，往往比单条内容更稳定。若你需要从一批 UID 做可引证的心理画像、生成可加载对话的 Persona Skill，或在多用户维度上做统计与聚类（计算社会科学场景），手工读博并填表很难规模化，也容易在「数据够不够」「该不该继续分析」上缺少明确闸门。

技能如何工作

Weibo Distill 把流程拆成可暂停的阶段，并强制在分析前做一次数据汇总决策。

• 数据获取：按 UID 逐个抓取，区分「真无数据」与「技术限制」，采用 API → DOM → 跳过的渐进降级与有限重试；每用户产出 weibo_final.json 与按日期整理的 weibo_resource_library.md。
• 验证闸门：全部 UID 完成后用表格汇总质量（如 good / marginal / failed），必须让用户选择「进入分析」「补抓」或「结束」——不允许跳过直接进入人格分析。
• 个体管线（Phase 1–5）：加载数据并输出概况 → 按 references/personality-analysis.md 做 Big Five、深层人格、表达 DNA、行为模式等逐维分析（每维需证据引用）→ 写入 personality_report.md 与结构化 profile_data.json → 按 persona-template.md 生成 persona_/SKILL.md 供对话模拟。
• 群体管线（Phase 6）：在存在多个 profile_data.json 时，用 scripts/aggregate_profiles.py 做描述统计、分类分布，样本 N≥5 时可 K-means 聚类，输出 group_profile_report.md、group_data.json、group_summary.csv。

边界与注意点

• 数据量：≥30 条微博为正常分析；15–29 条会标注数据不足；<15 条拒绝分析。
• 诚实标注：报告需区分证据充足与推测，并说明「微博形象 vs 真实人格」的差距；不做临床诊断，「不确定」是合法结论。
• 群体分析依赖：profile_data.json 字段需符合 references/group-analysis.md，否则 Phase 6 可能失败。