内容资产分层

Yomiya 内容资产分层与沉淀判断

文档状态：历史证据 当前替代文档：../../02-当前系统现实.md 为什么保留：保留内容资产分层推理过程，便于在需要时追溯“为什么这样理解 item 与资产层级”。

文档性质：内容数据库方案研究层判断文档
用途：沉淀“原始内容 / 转写文本 / AI 结构化 / 最小 item”之间的关系，避免后续只记结论、不知道为什么
适用范围：播客样本补充、YouTube 来源发现、内容数据库方案收敛、Collection 承载边界讨论
边界说明：

• 本文档用于保存研究层 reasoning，不直接宣布当前系统已经落库什么
• 当前系统现实仍以 ../../02-当前系统现实.md 为准
• 当前执行边界仍以 ../../01-当前目标与范围.md 为准 最后更新：2026-04-03

---

1. 这份文档要解决的问题

当前继续讨论内容数据库方案时，最容易提前拍死一条看起来顺手、但其实风险很大的路径：

外部内容 -> 转文字 -> AI 沉淀最小 item -> 系统

这条路径的问题不是完全错误，而是太容易把几层本来不同的资产压成一层，导致后续讨论里不断混淆：

• 原始内容是不是还重要
• 转写文本是不是唯一事实层
• AI 结构化结果是不是可以直接当系统主对象
• Collection 到底应该组织原始内容，还是组织 AI 切出来的 item

因此，本文件的目标不是立刻定义数据库表，而是先回答：

Yomiya 到底在沉淀哪几层资产，这几层之间应该如何约束，为什么当前不能把它们混成一层。

---

2. 当前建议采用的默认判断

当前更稳的默认框架不是“文本中心”，而是“四层资产模型”：

1. 原始内容层
2. 转写文本层
3. AI 结构化层
4. 派生最小 item 层

一句话冻结：

原始内容是母对象，转写文本是重要中间层，AI 结构化是解释层，最小 item 先只作为候选派生层，不先升格为当前主对象。

---

3. 为什么不直接采用“文本中心”方案

3.1 文本不是音视频的完整事实层

如果把“转写文本”直接当成唯一事实层，会过早丢掉音视频原本自带的关键信号：

• 语速
• 停顿
• 说话人结构
• 对话密度
• 情绪与语气
• 镜头切换与剪辑节奏

这些信号虽然不一定都要现在结构化，但它们会直接影响：

• level
• content_structure
• scene
• 内容是否适合进入 Phase 1 主路径

所以，转写文本非常重要，但它不能替代原始媒体与原始元信息。

3.2 当前系统现实也不是“文本主对象”

从当前系统现实看，主内容对象仍然是 news，而不是句子、片段或 AI 切分后的细粒度单元。

也就是说，哪怕后续会把音视频进一步切分，当前最稳的承载起点仍然是：

• 一条图文
• 一条视频
• 一条音频

而不是默认从“句子”或“最小知识点”开始。

3.3 过早把最小 item 定成主对象，会把问题复杂化

如果现在先把“最小 item”定成数据库主轴，会立刻带出一连串还没有被证明成立的问题：

• 最小 item 到底是句子、片段、知识点，还是摘要卡片
• 不同媒介是否应该共用同一种最小 item
• Collection 组织的到底是原始内容，还是二级 item
• 首页展示的主要消费单元到底是什么

这些问题当前都还没收敛。
因此，先把“最小 item”定义成候选派生层，比直接把它升格成主对象更稳。

---

4. 四层资产模型

4.1 原始内容层

定义：用户在外部平台真实消费的原始单元。
典型对象：

• 一篇图文
• 一条 YouTube 视频
• 一集播客

当前地位：

• 它是当前唯一必须稳定存在的母对象
• 也是当前最接近 news 的现实层
• 后续 Collection 与首页分发，默认应先围绕这一层讨论

它回答的问题：

• 用户真正点开的是什么
• 系统稳定入库的基本单元是什么
• 哪个对象天然适合承接来源、发布时间、时长、封面、原始 URL 等元信息

4.2 转写文本层

定义：从图文正文、字幕、ASR、OCR 等方式得到的文本化中间层。
当前地位：

• 它是非常重要的中间层
• 但不是唯一事实层
• 它服务于后续分类、理解、检索、切分和复用

它回答的问题：

• AI 能拿什么做结构化判断
• 内容能否支持更细粒度理解与切分
• 检索、摘要、片段提取从哪里开始

当前判断：

• 图文天生已有较强文本层
• 视频和音频的文本层质量会受字幕质量、ASR 质量、说话方式影响
• 因此“是否容易得到高质量转写”本身就是内容源研究的重要维度

4.3 AI 结构化层

定义：基于原始内容与文本层，产出的解释性结构化判断结果。
典型输出：

• scene
• level
• content_structure
• phase1_fit
• recommended_channel
• recommended_collection_direction

当前地位：

• 它是解释层，不是原始事实层
• 它的作用是让系统知道“这条内容更像什么、适合放哪、值不值得分发”

它回答的问题：

• 这条内容属于什么方向
• 它适合首页主路径还是补充层
• 它更像 Collection 候选，还是 Series 候选

4.4 派生最小 item 层

定义：从原始内容和文本层进一步拆出来的更小单元。
可能形态：

• 句子
• 片段
• 片段主题
• 金句
• 可单独复用的学习卡片

当前地位：

• 先只把它看作候选派生层
• 当前不默认它就是主对象
• 也不默认所有内容都必须切到这一层

它回答的问题：

• 哪些内容值得进一步切分
• 切出来的更小单元服务什么场景
• 是否有必要让细粒度单元参与推荐、合集组织或学习复用

---

5. 当前应先冻结的 4 条工作假设

假设 1：原始内容是当前唯一必须稳定存在的母对象

后续数据库方案、API 方案、后台能力，都应先保证原始内容层可以稳定承接：

• 图文
• 视频
• 音频
• 基础标签与分发判断

在这件事没立住之前，不要把主要精力先切到细粒度 item。

假设 2：转写文本是重要中间层，但不是唯一事实层

后续研究和数据库讨论里，可以把文本层当作非常关键的中间资产，但不能把它偷换成：

• 音视频的唯一真实表达
• 唯一分发依据
• 唯一可复用层

假设 3：AI 结构化优先服务“分类与组织”，而不是优先服务“切最小 item”

当前最先值得打磨的 AI 能力，不是把所有内容切碎，而是稳定产出：

• scene
• level
• content_structure
• phase1_fit
• recommended_channel
• recommended_collection_direction

也就是先让系统知道这条内容是什么、该去哪里，而不是先让系统拥有很多小碎片。

假设 4：最小 item 先是可选派生能力，不是默认主承载层

后续如果某些内容线天然适合切片，可以再具体讨论：

• 哪些类型值得切
• 切分粒度多细才有价值
• 切完后服务首页、详情页，还是学习复用

但在当前阶段，不默认所有内容都要先沉淀为最小 item。

---

6. 这对后续三条工作线分别意味着什么

6.1 对播客样本补充意味着什么

后续播客样本不应只填“节目名、内容方向、难度”这种扁平字段，而应至少分层判断：

• 原始内容层：节目、单集、时长、更新模式、来源稳定性
• 转写文本层：是否有现成字幕、是否容易得到高质量转写、文本噪音高不高
• AI 结构化层：scene / level / content_structure / phase1_fit
• 派生 item 层：是否值得切成片段、句子或其他可复用单元

换句话说，播客研究不只是收样本，还要开始判断：
这类内容未来在 Yomiya 里最值得沉淀到哪一层。

6.2 对 YouTube 来源发现意味着什么

后续 YouTube 关键词研究不能只找“能搜到内容”的词，还要找：

• 更容易得到高质量转写的内容
• 更容易稳定判断 level 的内容
• 更容易稳定判断 scene 的内容
• 更容易形成连续发现路径的内容

这意味着关键词簇不只按平台词义分，还应按“结构化友好程度”分。

例如：

• comprehensible japanese / slow japanese 更可能提供稳定可转写、稳定可分级的样本

• japanese vlog / daily japanese 更容易提供真实生活场景，但结构化波动可能更大

• learn japanese through anime 可能更适合情绪钩子与兴趣入口，但未必最适合作为内容数据库主干

6.3 对数据库方案讨论意味着什么

后续数据库方案应优先回答：

1. 原始内容如何稳定入库
2. 转写文本如何作为中间资产保留
3. AI 结构化结果如何表达
4. 哪些内容需要进一步派生 item

而不是一上来就讨论：

• 最小 item 表长什么样
• 所有内容是否都要切片
• 首页是否直接分发细粒度片段

更稳的顺序是：

先让原始内容可入库、可结构化、可组织，再讨论细粒度派生能力。

---

7. 当前不应直接下结论的 3 件事

7.1 不应下结论说“转写文本就是唯一事实层”

这是当前最需要避免的过度简化。

7.2 不应下结论说“最小 item 一定是系统主对象”

这件事当前还没有证据支持，最多只能作为后续派生能力候选。

7.3 不应下结论说“Collection 默认组织 AI 切片”

当前更稳的默认判断仍然是：
Collection 先组织原始内容条目，后续再讨论是否允许混入更细粒度派生单元。

---

8. 推荐的后续使用方式

如果下一轮继续推进，建议按下面顺序使用这份文档：

1. 先用它确认默认四层资产模型是否成立
2. 再去补播客样本表，看字段模板是否要按四层重组
3. 再去做 YouTube 关键词簇与来源发现，判断哪些来源更适合进入这套模型
4. 最后才进入数据库方案讨论，看数据库和 API 应该优先承接哪几层

---

9. 一句话总结

当前更稳的内容数据库讨论框架，不是“先转文字再直接沉淀最小 item”，而是先承认 Yomiya 面对的是四层不同资产：原始内容、转写文本、AI 结构化、派生最小 item；其中原始内容是当前母对象，转写文本是重要中间层，AI 结构化是解释层，最小 item 先只作为候选派生层。