AI attitudes：可复核的态度标注流程

测量问题

比较不同平台上的态度，需要知道每条观察如何变成标签，以及标签如何汇总为每日指标。该仓库使用相同的模型和提示处理已经提取的微博与 Twitter 数据，然后清洗、汇总，并导出图表及其底层数值。它不是爬虫。

相同的标注配置控制了一项变化来源，但本身不能证明跨语言等价、消除模型偏差，或让社交媒体样本具有总体代表性。

处理流程

客户端实现 固定上游服务商并禁用自动切换。每条结果保留服务商与 token 元数据。有效的数值标签以及具有实质含义的 cannot tell，与无效或失败的结果分开记录。

恢复运行时，会跳过已有有效标签的观察，而失败项仍可再次尝试。缓冲的标签通过临时文件与重命名写入独立 Parquet 分片，以降低结果文件写入不完整的风险。测试集 覆盖格式错误的响应、重试、失败观察和已完成 ID 的跳过行为。

README 还介绍了每日汇总，以及与图表一同导出的未平滑 CSV 数值，便于检查平滑处理改变了什么。

一项可追溯的贡献

9 月 27 日存储提交 引入分片 Parquet 输出、统一的分片读取与启动脚本。GitHub 将其归于 houx15，并记录了一位 AI 共同作者。补丁支持对具体流程工作的描述，不代表整个研究项目由一人独立完成。

状态与限制

本次作品集整理没有执行流程、查看私人数据集，或用人工标注验证标签。可复核的处理过程有助于审计，但不能替代测量有效性研究或抽样论证。