pop-fem-audit/docs/decision_log.md

決策日誌

每筆記錄：日期、決策、理由。定義檔（prompts/）、codebook、 研究計畫的任何修訂都必須在此留下記錄。

2026-07-30

• 語料擴大為 2016–2025 十年（先導研究為 2018–2025）。 理由：框架完整、可看年度趨勢。
• 全文不與先導研究比較：論文僅呈現正式研究結果，數字 一律以正式研究為準；先導研究只作為 codebook v0 與假說的 內部來源，記於本日誌，不進入論文敘事。
• 分析管線採 API script，不用 Claude Code subagent。理由： 實測證實 subagent 會繼承 CLAUDE.md 與環境資訊，context 無法 僅憑定義檔重現；API 呼叫的輸入完全受控且可稽核。
• 模型釘定 claude-sonnet-4-6、temperature=0、thinking 關閉。 理由：該組合非決定性最低；條件 A/B 盲點實驗以模型為研究 對象，須與 pilot 的 Sonnet 家族銜接。Fable 5 不採用（成本、 thinking 不可關閉且不可稽核、無 temperature、混淆核心主張）。
• 工具性環節的模型於階段 3 以校準樣本實測後決定：同批 校準樣本以 Sonnet 4.6 與 Opus 5 各跑一次，對照人工黃金標準 比較一致率，據以決定是否於特定環節升級。
• codebook 採 directed content analysis：理論骨架 （top-down）＋開放碼歸納通道（bottom-up），並加做 LLM 純歸納 輪與黃金標準的映射分析。映射分析方法須在看到結果前寫入 methodology.md。
• 完整歌詞不進 git（版權）；API 金鑰走 .env。
• 專案目錄維持原名 pop-fem-audit：API 管線下目錄名不會 進入模型輸入，無污染疑慮。

2026-07-31

• 專案英文名定為「A Feminist Audit of Pop Music」：明示 女性主義立場，「audit」兼指對歌曲與對 LLM 標籤系統的稽核， 並與縮寫 pop-fem-audit 對應。
• 程式碼收整為 tools/ src-layout 子專案：發行名 pop-fem-audit-tools、import 套件名 pop_fem_audit_tools、 description「Tools for A Feminist Audit of Pop Music.」； 以 pip install -e tools/ 安裝、python -m pop_fem_audit_tools.run_llm 執行；相依套件記於 pyproject.toml（requirements.txt 移除）；Sphinx 文件 暫緩。理由：後續多支程式將共用程式碼，套件化後測試可用 正常 import；目錄名 tools/ 經無脈絡的獨立 subagent 命名 評估選出，最誠實反映「服務研究的輔助工具」定位——研究 本體在根目錄的 prompts/、runs/、results/，程式只是配套。
• CLI 入口改為套件層級 dispatcher：dispatcher 為單一 入口，run_llm.py 的 entry point 移除；有兩種等價呼叫 形式——python -m pop_fem_audit_tools run-llm ... 與 console script pop-fem-audit-tools run-llm ... （[project.scripts]）。理由：後續多支工具共用單一入口， --help 可列出全部子命令，重現文件穩定。
• 資料儲存架構定案：commit 判準——凡能由「committed 輸入＋ committed 程式」決定性再生者不 commit；源頭、外部捕捉、人工 著作以文字格式 commit。工作儲存採 SQLite 單檔 （tools/instance/，generated、不進 git；歌詞全文入 DB 故無 版權疑慮），schema 以 SQLAlchemy 2.0 typed ORM 定義，設定經 pydantic-settings（.env）。results/ 報表 CSV 為「可再生仍 commit」的唯一例外，理由：論文引用穩定性、審稿人零門檻、 撰稿期數字變動可 diff。（本條經多輪辯證後定案，推翻 Claude 最初的全 CSV 方案。）
• 資料模型：songs、chart_entries（1—N）、artists、 song_artists（M—N：角色、署名順序）、lyrics（1—1）；領域 不變量檢查內建 build-db，違規即失敗。
• 歌手背景擴充與防火牆：歌手資料擴為實體表（QID、性別、 型態、曲風、國籍），women-power 候選的歌手另做深度背景 （族裔以公開自我認同為準、音樂場景），供人工解讀與論文 討論；歌手背景絕不進 LLM 輸入（歌詞-only），避免光環 偏誤污染條件 A/B 實驗。
• 沿用先導研究歌詞捕捉（lyrics.json，684 首，2018–2025）： 只匯入識別欄位與歌詞本文，pilot 分析欄位不匯入；以 (year, rank) 精確匹配。出處記於 lyrics_provenance.csv： source（原始 API）與 method（pilot-import / api-fetch） 兩層；取得日期不可考者不假造，僅記可證上界。
• run_llm 改走 pydantic-settings 統一設定（刪手寫 .env parser），與 config.py / database.py 一致。
• lyrics 表併入 songs.lyrics nullable 欄位（資料模型由 五表改四表）。理由：1—1 關係在此量級下獨立成表只有正規化 慣性，nullable 欄位更簡單；「未取得」以 NULL 表達，語意 等價。

2026-08-01

• 引擎獨立性以 PostgreSQL/SQLite 為範圍（MySQL 的 VARCHAR 長度限制不處理）。
• build-db 的重置改用逐表 DELETE，不再 drop/create： schema 生命週期歸 migration 管，build-db 只管資料。連帶 效果：重置成為純 DML,全程單一交易、驗證通過才 commit—— 建置失敗時前一版資料完好。首次執行仍以 create_all （checkfirst）補缺表。
• song/artist ID 由 build-db 顯式指派（首次出現順序 1、2、 3…），不依賴 autoincrement——PostgreSQL 的 sequence 在 DELETE 後不重置，顯式指派讓重建決定性跨引擎成立。
• 禁止文字 SQL statement，一律經 SQLAlchemy ORM/Core API。 唯一記錄在案的例外：SQLite 的 PRAGMA foreign_keys=ON （官方建議作法，無非文字 API 可用；SQLite 的 FK 旗標為 逐連線設定）。裁定其歸屬為連線組態，實作於 database.py 的 __create_engine——建 engine 時對 SQLite 註冊 connect listener，所有消費者全程生效，不再由 build-db 各自註冊。

2026-08-02

• import-lyrics 不設為子命令，pilot 歌詞改以私人腳本 匯入。理由：pilot 捕捉檔不隨論文發布，子命令 形式會在發布的 CLI 裡留下讀者無法執行的死命令——要交待的 是「沿用 pilot 捕捉」的事實（記於 lyrics_provenance.csv 與 論文方法節），不是工具本身；工具移出專案，發布管線即 「讀者可完整執行的程序」。讀者重現歌詞的路徑為 fetch-lyrics，API 漂移造成的差異屬捕捉層的已承認限制。 provenance 的 method 值域定為 pilot-import / api-fetch / manual。
• 資料路徑全面改為顯式 CLI 引數——必要運算元為位置 引數、選擇性輸入為選項（build-db 吃榜單 CSV 一個位置引數， 歌詞目錄、Wikidata 快照、overrides 為 --lyrics-dir／ --wikidata-csv／--overrides-csv 三個選項；fetch-lyrics 吃歌詞目錄、provenance、缺漏報表三個位置引數；fetch-artists 吃快照檔；run-llm 吃 runs 目錄），命令與 CWD 無關，且每次 執行觸碰的檔案完整見於指令本身。省略選項即不載入該捕捉層； 給了選項而路徑不存在即建置失敗，取代原本的默默跳過。理由： settings 的 .env 依 pydantic 慣例讀自 CWD（約定 tools/），資料路徑原以 repo 根為 CWD，兩者衝突；顯式引數 消滅隱性 CWD 契約，亦拒絕以父目錄推導兄弟檔案的隱性慣例。
• data/ 依生命週期分三層：source/（源頭，手放後不動）、 captures/（外部捕捉，只由 fetch 命令與私人匯入腳本寫入）、 manual/（人工著作，只由研究者手寫；之後的黃金標準編碼 亦居此）。理由：三種生命週期混住一層，目錄無法傳達「誰可以 寫哪裡」；顯式引數化後搬遷零程式改動。
• 源頭榜單 CSV 全面對齊 Billboard 年終榜發布版（修正 203 列）。語料源頭定義為「年終榜發布當時的印法」，以 Wayback Machine 發布時快照逐字轉錄（2016–2018 原沿 Wikipedia 改寫慣例）；年終原文殘缺或有疑問者，以當年週榜 掛名為準（唯一適用例：2016#87〈All the Way Up〉）。
• 歌名正規化採 canonical artist credit 對照表：同一首歌 因署名字串寫法不同而分裂者，以明示對照表合併；歌曲身分＝ （原始歌名，對照後署名字串），不解析署名——拆解機器不進 歌曲身分判定，對照表即完整可稽核清單。
• 歌手名單拆解規則定案：署名列出成員的團體只留成員 （冒號與括號兩型）；名字內含連接詞的單一藝人入保護名單； 規則無法表達的個案入例外表；人名連寫的二人組拆成個人； 僅以團名掛名的團體維持單一實體，屬性留待 fetch-artists 與人工 overrides。完整清單見 build_db.py。
• 歌手名正規化：歌手名大小寫不敏感歸併、存首見拼法； 正名表（casefold 鍵→官方拼法）存官方拼法，含跨拼法合併 ye→Kanye West。
• data/ 增設 derived/ 衍生層：build-db 建置工作儲存 的同一動作產出兩張人讀報表（songs.csv、artists.csv）並 commit——與 SQLite 同交易語意、驗證通過才寫檔，稽核鏈 「committed 輸入＋程式→CSV」無中間空缺；為「可再生仍 commit」的第二例外。報表不含資料庫 ID（內部參照，資料 改版會重排，不供引用）；關係以內嵌字串呈現——/ 連同 一首歌的多次上榜、| 連不同歌曲——欄位一律字母序。