EVIDENCE-AWARE METHODOLOGY · v1.1.9 · OPEN SOURCE

让 AI 学会诊断传播，
而不是背诵爆款技巧。

Human Communication & Community Growth Engine

把认知科学、社会心理学、传播学、网络科学中当前最可靠的证据，蒸馏成 AI Agent 可直接调用的方法论—— 每条建议都携带机制依据、证据等级与适用边界。

GitHub 仓库 探索机制星图 ↓
216 MECHANISM NODES 13 PLATFORM ADAPTERS 160 EVAL CASES BLIND TEST 32/32 × 3
SCROLL ↓
0
机制节点
Mechanisms
0
知识域
Domains
0
关系边 · 全图单连通
Graph Edges
0
平台适配器
Adapters
0
评测案例
Eval Cases
0
经典来源全入库
Seed Sources
Core Axiom · 核心公理

底层人类机制稳定，
平台机制变化。

理论只存在于机制层；抖音、小红书、公众号都只是适配器。平台改版，理论不动；新平台出现，只需新增 adapter。

L4实践引擎Practice Engine

11 个工作流：内容诊断 · 标题优化 · 改写 · 社群诊断 · 活动设计 · 复盘，外加长文链（analysis → optimization → restructure / evidence_audit / line_edit）。

L3平台适配层Platform Adapter

13 个平台 × 27 字段，平台事实四级标注（官方规则 / 可验证观察 / 行业共识 / 经验推测）+ last_updated，永远与理论层物理隔离。

L2传播机制层Communication Layer

216 个机制节点 · 32 个域 · 1155 条关系边，全图单连通；11 种关系语义（SUPPORTS / CONTRADICTS / MODERATES…）。

L1人类机制核心Human Mechanism Core

注意 / 认知负荷 / 记忆 / 情绪 / 动机 / 身份 / 规范 / 信任——与平台无关、与时代无关的底层机制。

一次请求如何穿过四层 ·「优化这篇小红书标题」

1 任务判定 → M1/M3，加载标题优化工作流 2 按需加载 → xiaohongshu adapter → curiosity_gap (B) · specificity_effect (B) → processing_fluency (A-) · identity_signaling 3 诊断引擎 → 11 步 → 定位瓶颈 4 结构化输出 → 诊断 → 建议 → 机制+等级+边界 → 平台注意 → 下一步选项
Mechanism Atlas · 机制星图

下面这张图，就是它的知识本体。

不是装饰性动画——每个亮点都是知识库里的真实机制节点，连线是真实的 related_nodes 关系，等级标签来自逐节点的证据定级。这是 216 节点全图的 73 节点高权重子图。悬停查看，拖拽把玩。

REAL KNOWLEDGE GRAPH
73 NODES · 148 EDGES · 32 DOMAINS
HOVER / DRAG TO EXPLORE

颜色 = 七大机制族群 · 光点大小 = 全图引用度（hub 等级）· 绿环 = A 级证据。想要全图？216 节点 + 1155 边全部开源，mechanisms/ 目录按域存放。

机制长廊

按全图引用度排序的高权重机制（节选）· Most-referenced mechanisms
Behavior Chain · 传播行为链

不笼统说"互动率"，
逐层定位行为瓶颈。

十六层行为链是诊断的坐标系——先定位用户停在哪一层，再调对应机制。

AUTO DIAGNOSIS · 逐层点亮中…
曝光高 → 点击低 ⇒ 查 注意/好奇缺口/具体性/封面-标题一致性诊断示例：标题信息差不足，抽象名词过多压低 processing_fluency
点击高 → 停留低 ⇒ 查 期待违背/认知负荷/信息气味诊断示例：标题承诺未在首屏兑现，expectation violation 触发划走
收藏高 → 分享低 ⇒ Personal Utility 强、Social Currency 弱诊断示例：内容对"我自己"有用，但缺少可身份化的转发理由
评论高 → 转化低 ⇒ 讨论动机强、行为动机弱诊断示例：CTA 缺失摩擦削减设计，讨论热度未导入行动路径
Myth vs Mechanism · 对抗测试

听到"爆款玄学"时，
它会这样接招。

内置对抗测试：用户说错时，不迎合。以下每一条都是评测案例库中的真实考题。

小红书标题一定要有数字！
⇒
不机械同意。数字提供specificity_effectB与流畅性收益，但在身份共鸣型、故事型标题中会打断情绪连续性——按内容类型给条件化建议。
人类注意力只有 8 秒。
⇒
识别为媒体讹传——无原始研究支持，金鱼记忆比较同属营销谣传。替换为真实机制：attention_capacity_limitsA与情境性注意。
所有爆款都要制造焦虑。
⇒
反驳错误前提。高唤醒促进分享有证据（emotional_arousalB），但 manufactured outrage 在反模式库：短期流量换长期信任损耗与平台风险。敬畏、共情、实用是替代路径。
社群不活跃？发个红包呗。
⇒
拒绝表面答案。先诊断 Identity / Norm / Status / Ritual / Newcomer Onboarding 五层结构缺口——红包改变的是刺激，不是结构。
数据不好，肯定是文案的问题。
⇒
有时"不要改"。先排除分发、受众错配、时机、网络结构，再归因内容——复盘工作流从外生变量开始。
Evidence System · 证据体系

每个机制都有证据等级，
每条建议都有适用边界。

回答的问题从来不是"某本书说了什么"，而是"关于某一机制，目前最可靠的知识是什么"。全库 A/B 级占 84%，零编造 DOI、零编造页码。

A
强证据
多独立研究 / Meta-analysis / 高质量复制。可作强建议核心依据。
B
中等证据
效应存在、边界明显。可作主要依据，必须带边界条件。
C
新兴/情境
样本或情境有限（AI 时代新现象多在此）。必须标注"证据尚新"。
D
实践经验
行业共识、无系统检验。必须标注"实践经验，非实证结论"。
E
争议/失效
复制失败或严重争议。不得作为强建议依据，仅用于破除误解。
内置一张反玄学清单
✕
"人类注意力只有 8 秒"
无原始研究支持的媒体讹传；Gloria Mark 的研究被误读。谣言清单内置，永不采用。
✕
Ego depletion 自我损耗
大规模预注册复制失败，定级 E——禁止作为建议依据，经典结论被修正时保留修正。
✕
"损失厌恶是铁律"
存在但幅度有争议、个体差异大——从 A 降级至 B，建议必须携带边界。
Capabilities · 七种调用模式

从一个标题，到一篇万字长文，
到整个社群。

对 Agent 说人话即可，任务判定自动路由到对应工作流。

M1 · QUICK
快速诊断
标题/首屏逐要素拆解，秒级定位最短板。
"帮我看看这个标题行不行"
M2 · DEEP
机制级分析
十六层行为链 + 机制映射，解释为什么传播不动。
"为什么这篇传播不动？"
M3 · REWRITE
改写与标题
先诊断后改写；候选方案 + 优劣说明，等你确认。
"给我几个新标题"
M4 · RESEARCH
传播研究
检索 216 节点知识库，理论冲突单独登记。
"研究一下这个传播现象"
M5 · COMMUNITY
社群策略
Identity/Norm/Status/Ritual 十层结构诊断与设计。
"800 人社群只有 20 人说话"
M6 · POSTMORTEM
传播复盘
先排除外生变量，再按漏斗相邻比率定位环节。
"曝光 20 万、完播 2%，复盘"
M7 · LONGFORM
长文深度优化
3000 字以上：命题抽取、论证地图、认知负荷、两遍优化。先结构后逐句。
"优化这篇 6000 字行业研究"
Evaluation · 评测

自己说好不算数，
盲测数据放这里。

self-eval · 基础集 110 案17.71 / 18
self-eval · 长文集 50 案（三轮迭代后）17.94 / 18
环境隔离盲测 · 首轮17.19 / 18
环境隔离盲测 · 第三轮17.53 / 18
5000 字演示长文 · 预埋 15 类缺陷检出15 / 15

怎么读这些分数

160/160 案例通过，红线 0（overclaiming / ethical_safety 任一为零即整案失败）。环境隔离盲测：作答者不可见答案、独立评分者判分、三轮迭代 32/32 全过。

诚实声明：self-eval 的评测方与知识库同源，只证明"知识库可支撑合格应答"。所以补做了环境隔离盲测——协议（R1/R2/R3 三角色分离）与全部评分留痕都在仓库里开源。
Install · 三分钟接入

遵循 Agent Skills 开放标准，
主流 Agent 原生兼容。

克隆仓库，把目录放进对应技能路径，然后用自然语言调用。

# 全局安装（所有项目可用）
git clone https://github.com/mizzlelover/communication-science-skill.git
mkdir -p ~/.claude/skills
cp -R communication-science-skill ~/.claude/skills/

# 或项目级安装
cp -R communication-science-skill your-project/.claude/skills/

对话调用零依赖；仅 scripts/ 工程工具需要 Python 3.9+ / PyYAML。

Design Principles · 十条军规

理论有依据，建议有边界，
方法可进化。

Mechanism before Tactic Evidence before Confidence Human before Platform Platform as Adapter Diagnosis before Rewrite Virality ≠ Community Correlation ≠ Causation Short-term Performance ≠ Long-term Value Useful ≠ Manipulative Theory + Boundary + Practice
Author · 作者
谁是专家

本方法论的研究者与构建者。从 100 本经典与原始文献出发，拒绝"一本书一个摘要"， 以机制为单元跨来源蒸馏，全程携带证据意识与伦理边界。 同名创作 IP 持续分享传播科学、社群增长与 AI 时代的知识工作方法。

📕小红书 · 谁是专家
RED ID: 9945310245→ 𝕏X (Twitter) · @dboy_yi2025
Methods & notes in public→ 💬微信公众号 · 谁是专家
微信搜一搜，或扫码 →
微信公众号「谁是专家」二维码
微信扫码 · 搜一搜「谁是专家」
SCAN TO FOLLOW ON WECHAT

什么样的信息，在什么样的人、
什么样的机制下，会以什么方式改变行动？

这是这套方法论试图回答的问题。现在，把它装进你的 Agent。

GitHub · Star & Clone 接入指南 ↑