136 lines
8.9 KiB
Markdown
136 lines
8.9 KiB
Markdown
# 專案目錄結構
|
||
|
||
（2026-07-30 討論定案；2026-07-31 更新為 tools/ 子專案與
|
||
SQLite 工作儲存架構；2026-08-17 依完成後的現況更新）
|
||
|
||
```
|
||
pop-fem-audit/
|
||
├── README.md # 專案說明、重現步驟
|
||
├── CLAUDE.md # 極簡工作規範（subagent 會讀到，
|
||
│ # 絕不放理論、codebook、預期結果）
|
||
├── .gitignore # captures/lyrics/、.env、scratch
|
||
├── data/ # 依生命週期分層（文字格式）
|
||
│ ├── source/ # 源頭：手放後不動
|
||
│ │ └── yearend_hot100_2016_2025.csv # 原始榜單
|
||
│ ├── captures/ # 外部捕捉：只由 fetch 命令與
|
||
│ │ │ # 私人匯入腳本寫入
|
||
│ │ ├── artists-wikidata.csv # Wikidata 快照
|
||
│ │ ├── lyrics-provenance.csv # 歌詞出處
|
||
│ │ └── lyrics/ # 歌詞 .txt 快取
|
||
│ │ # （gitignored，版權）
|
||
│ ├── manual/ # 人工著作：只由研究者手寫
|
||
│ │ ├── coding-corrections.csv # 編碼與引述的校對表
|
||
│ │ └── performer-gender-corrections.csv # 演唱聲音性別的
|
||
│ │ # 手工修正
|
||
│ └── derived/ # 衍生：只由 build-db 寫入
|
||
│ ├── songs.csv # 歌曲報表（人讀；進 git）
|
||
│ └── artists.csv # 歌手報表（人讀；進 git）
|
||
├── prompts/ # LLM 定義檔（逐字作為 system prompt）
|
||
│ └── <步>-<次步>-<task>.md # 01-tag.md、03-code.md、
|
||
│ # 04-group.md、05-01-read.md、
|
||
│ # 05-02-consolidate.md、
|
||
│ # 05-03-synthesize.md、
|
||
│ # 05-04-annotate.md
|
||
│ # （步內僅一個執行時省略次步）
|
||
│ # 不帶版本號，版本即 git 歷史
|
||
│ # （編號的所指是工序：確定性
|
||
│ # 的步驟 2 無定義檔仍佔一號；
|
||
│ # 補零只為排序）
|
||
├── tools/ # 輔助工具子專案（src-layout）
|
||
│ ├── pyproject.toml # 發行名 pop-fem-audit-tools；
|
||
│ │ # pip install -e tools/ 安裝
|
||
│ ├── README.rst LICENSE MANIFEST.in .env.example .gitignore
|
||
│ ├── docs/ # Sphinx API 文件
|
||
│ ├── instance/ # SQLite 工作儲存（generated、
|
||
│ │ # gitignored；含歌詞全文）
|
||
│ ├── src/pop_fem_audit_tools/
|
||
│ │ ├── __main__.py # 套件 CLI 進入點（分派子命令）
|
||
│ │ ├── commands/ # CLI 子命令模組（登記於 __init__）
|
||
│ │ │ ├── build_db.py # build the SQLite working store
|
||
│ │ │ │ # from the inputs
|
||
│ │ │ ├── export_llm_input.py # export the LLM input JSONL
|
||
│ │ │ │ # (lyrics only) from the
|
||
│ │ │ │ # working store
|
||
│ │ │ ├── fetch_artists.py # fetch artist metadata from
|
||
│ │ │ │ # Wikidata into the snapshot CSV
|
||
│ │ │ ├── fetch_lyrics.py # fetch missing lyrics from the
|
||
│ │ │ │ # public APIs into the lyrics dir
|
||
│ │ │ ├── cluster_keywords.py # pool the tagging runs'
|
||
│ │ │ │ # keywords and cluster them
|
||
│ │ │ │ # into the codes (step 2)
|
||
│ │ │ ├── tally_codings.py # settle step 3 by majority
|
||
│ │ │ ├── tally_groups.py # settle step 4 by majority
|
||
│ │ │ ├── tally_annotations.py # settle step 5-4 by majority
|
||
│ │ │ └── run_llm.py # API 執行器：一份定義檔＋一份輸入
|
||
│ │ │ # →歸檔至指定目錄（Batch API）；
|
||
│ │ │ # 多次執行的計票由獨立子命令承擔
|
||
│ │ ├── config.py # pydantic-settings 設定（.env）
|
||
│ │ ├── database.py # SQLAlchemy engine / session / Base
|
||
│ │ ├── models.py # SQLAlchemy ORM 資料模型
|
||
│ │ └── utils.py # 共用工具（format_duration）
|
||
│ └── tests/ # 單元測試（unittest）
|
||
├── runs/ # 現行執行的完整稽核紀錄（進 git；
|
||
│ │ # 重跑同一 run 須明示 --replace）
|
||
│ ├── <步驟名>/ # 一步一個目錄（01-tag、03-code、
|
||
│ │ # 04-group、05-01-read、
|
||
│ │ # 05-02-consolidate、
|
||
│ │ # 05-03-synthesize、05-04-annotate）
|
||
│ │ └── run<N>/ # LLM 步驟：每個 run 一份自我
|
||
│ │ ├── prompt.md # 完備歸檔（定義檔快照）
|
||
│ │ ├── output.jsonl # 該次執行原始輸出
|
||
│ │ └── meta.json # model ID、temperature、時間戳、
|
||
│ │ # batch ID、token 用量
|
||
│ └── 02-cluster/ # 確定性步驟：無執行變異，
|
||
│ # 不分 run<N> 層
|
||
├── results/ # 論文引用的定案表 CSV（計票子命令
|
||
│ │ # 產出；「可再生仍 commit」的例外）
|
||
│ ├── codings.csv # 步驟 3 定案編碼
|
||
│ ├── groups.csv # 步驟 4 定案編碼群
|
||
│ ├── patterns.csv # 步驟 5-3 定案樣態表
|
||
│ ├── annotations.csv # 步驟 5-4 定案歌×樣態
|
||
│ └── pattern-matrix.csv # 前四者的人讀寬表
|
||
├── docs/
|
||
│ ├── research-plan.md # 研究步驟規劃（本檔之姊妹篇）
|
||
│ ├── project-structure.md # 本檔
|
||
│ ├── output-validation.md # LLM 輸出的契約查核紀錄
|
||
│ ├── decision-log.md # 決策日誌：每次改定義檔的原因
|
||
│ ├── run-costs.md # 每次執行的 token 用量與費用
|
||
│ ├── reliability.md # 信度：量測方式與結果
|
||
│ └── methodology.md # 方法細節（全文方法節底稿；
|
||
│ # 映射分析方法須在看結果前寫定）
|
||
└── paper/
|
||
├── abstract.md # 摘要
|
||
└── 流行音樂中「女性力量」….odt # 全文
|
||
```
|
||
|
||
## 設計理由
|
||
|
||
- **`runs/` 自我完備**：每個執行目錄含定義檔快照 + 原始輸出 +
|
||
meta，讀者不需 git 考古即可稽核任一筆結果。
|
||
- **`runs/`（原始稽核資料）與 `results/`（最終表）分離**：
|
||
論文只引 `results/`，其來源可回溯至 `runs/`。
|
||
- **`prompts/` 檔名不帶版本號**：版本即 git 歷史，失敗的
|
||
版本不保留；論文引用的單位是 `runs/` 內隨執行保存的定義檔
|
||
快照（每個執行目錄自我完備），不需檔名可指的版本名。
|
||
- **工作儲存的資料表**：`songs`（含 `performer_gender`＝演唱
|
||
聲音的性別）、`chart_entries`、`artists`、`song_artists`、
|
||
`codings`（定案編碼：一歌一標籤一列，`quotes` 存該標籤所據的
|
||
歌詞引述，多句以 `|` 相接）、`groups`（語意編碼群）、
|
||
`patterns`（深讀樣態）、`annotations`（歌×樣態定案矩陣）。
|
||
各定案表經 `build-db` 的 `--codings`、`--groups`、
|
||
`--patterns`、`--annotations` 匯入，性別修正經
|
||
`--gender-corrections` 套用，與其餘資料同一交易，儲存不會
|
||
半建；詳見 `research-plan.md`「資料儲存與模型」。
|
||
- **Commit 判準**：能由「committed 輸入＋程式」決定性再生者不
|
||
commit（SQLite 工作儲存、LLM 輸入檔）；源頭、捕捉、人工著作
|
||
一律以文字 commit。「可再生仍 commit」的例外有二：
|
||
`results/` 報表（引用穩定性、審稿人零門檻、撰稿期可 diff）
|
||
與 `data/derived/` 人讀報表（與工作儲存同一動作產出，稽核
|
||
鏈無中間空缺）。詳見 `research-plan.md`「資料儲存與模型」。
|
||
- **設定**經 pydantic-settings 統一：`.env`（gitignored，範本
|
||
`tools/.env.example`）供應 `SQLALCHEMY_DATABASE_URL` 與
|
||
`ANTHROPIC_API_KEY`，絕不寫入 repo。
|
||
- **CLAUDE.md 極簡**：實測證實 Claude Code subagent 會繼承專案
|
||
CLAUDE.md 全文，故其中只放工作流程規則，領域知識一律放
|
||
`docs/`（subagent 不會自動讀到）。
|