Stunspot/stunspots-guide-to-investigative-news-intelligence

# Stunspot 调查新闻情报指南 **一套面向模型的准则，涵盖调查新闻情报、证据推理、公众现实映射以及 AI/RAG 应用。**      [](https://doi.org/10.5281/zenodo.21039246) *Stunspot 调查新闻情报指南* 是一个原生的 Markdown 知识库，由 Sam “stunspot” Walker 编写，主要用于 AI/RAG 摄取，而非日常浏览。 它的主要受众是模型。 当加载到 AI 工作区、长上下文会话、检索语料库、项目知识库、智能体记忆层或编辑研究系统中时，该准则提供了一套结构化原则，用于指导如何从嘈杂的公众信息进行推理，从而对潜在现实做出更具界限性的判断。它旨在帮助模型区分事件与主张、信号与显著性、证据与重复、来源接近度与声望、叙事传播与叙事操作，以及严谨推论与猜测。 人类读者可将其作为以下工作的手册：调查意义构建、OSINT 式研究支持、编辑分诊、信息行动分析以及证据维护。它的更深层目的是实现实用增强：为辅助模型提供一套持久的词汇表、本体论和工作流逻辑，以便在处理充满争议的信息环境时，避免将公众舆论轻易转化为事实真相。 其核心是一个简单的前提： 将其作为参考资料使用。 将其作为 RAG 基底使用。 将其作为项目知识使用。 将其作为准则，用于指导执行来源评估、线索发现、叙事分析、证据映射或调查规划的 AI 智能体。 ## 从这里开始 - [准则地图](./docs/canon-map.md) — 报告序列与概念依赖结构。 - [如何使用本准则](./docs/how-to-use-this-canon.md) — 为人类读者、AI 项目、RAG 工作流和模型指令提供的实用指南。 - [知识包](./docs/knowledge-packs.md) — 针对不同工具或工作流应使用哪种上传格式。 ## 语料库结构 本版本包含： - 位于 [`knowledge-packs/by-report/`](./knowledge-packs/by-report/) 的 **10 份源报告** - 位于 [`knowledge-packs/compiled-packs/`](./knowledge-packs/compiled-packs/) 的 **4 个编译包** - 位于 [`knowledge-packs/omnibus/`](./knowledge-packs/omnibus/) 的 **1 个全集文件** 源报告目录目前包含独立的 A–J 报告。编译包和全集中呈现的完整准则序列为 A–M，其中第 4 卷涵盖了 K–M：编辑控制、分析失败诊断以及出版/工作流执行。 `docs/` 是 GitHub Pages 的导航和指南层。单篇报告语料库位于 `knowledge-packs/by-report/`；分组上传包位于 `knowledge-packs/compiled-packs/`；完整的单文件捆绑包位于 `knowledge-packs/omnibus/`。本仓库故意**不**使用 `docs/reports/`。 ## 本准则涵盖的内容 该准则将调查新闻情报视为一个系统性问题：如何在充满敌意或高度扭曲的信息环境中，在部分可观察的条件下进行推断、评估和行动。 它涵盖： - 地面现实与公众现实 - 事件本体、状态变化、主张、痕迹、证据、沉默、置信度与不确定性 - 信号检测、证据分类、置信度上限、佐证与虚假趋同 - 来源拓扑、起源节点、桥接节点、放大效应、平台可供性与可见性机制 - 弱信号检测、涌现模式、候选线索、成熟窗口与终止标准 - 叙事分歧、报道缺口、预期与观察到的可见性对比、缺失性与选择性遗漏 - 线索追踪、类型化关系图、边状态、身份规范与调查扩展算子 - 时间动力学、触发事件、基底发展、叙事枢纽与延迟记录层确认 - 权力、动机、战略行动者分析、依赖几何、杠杆、控制、一致性与协调 - 宣传、叙事洗白、信息行动、可信度洗白、模因武器化与议程操纵 - 隐含现实、因果压力、溯因推理、隐藏约束、知识状态推断与矛盾解决 - 编辑优先级、升级逻辑、分析崩溃以及编译准则包中的研究/出版工作流产物 ## 适用人群 本准则最适合以下人群： - 致力于创建面向模型的调查研究助手的 AI/RAG 构建者 - 需要处理充满争议的公众信息的记者、编辑、分析师和研究人员 - 需要来源拓扑、出处和推论规范的 OSINT 从业者 - 虚假信息、错误信息和影响行动分析师 - 追踪机构问责制的政策、法律、非营利组织和公民团队 - 致力于为证据敏感型研究构建角色、智能体或工作流的提示工程师 - 希望获得调查意义构建的结构化图谱，而不是关于“媒介素养”的零散技巧的严谨学习者 它未被优化为初学者新闻写作指南或面向消费者的新闻学教科书。它是一个密集的操作准则，适用于需要对主张、证据、行动者、叙事、不确定性和公众后果进行严谨推理的系统。 ## 如何使用它 对于大多数 AI/RAG 系统，请从**编译包**开始。它们在保持文件数量较少的同时，保留了准则的概念序列。 当您需要精细化检索、选择性上传、报告级别的引用或针对性编辑时，请使用**源报告**。 当您的系统能够很好地处理大型单文件语料库，或者您想要一个归档产物，亦或您在能够受益于整个准则连续性的长上下文环境中工作时，请使用**全集**。 一个优秀的面向模型的指令如下所示： ``` Use Stunspot's Guide to Investigative News Intelligence as a doctrine layer for investigative sensemaking. Treat retrieved passages as structured guidance for distinguishing events, claims, evidence, traces, signal, salience, source topology, narrative operations, and bounded inference. Preserve uncertainty. Track provenance. Do not convert repetition or public visibility into factual confidence. Prefer source proximity, orthogonal corroboration, typed relations, and explicit rival explanations over narrative closure. ``` ## 仓库结构 ``` . ├── README.md ├── LICENSE.md ├── CITATION.cff ├── CHANGELOG.md ├── COPY_CONTEXT.md ├── MANIFEST.md ├── STATUS.md ├── manifest.json ├── docs/ │ ├── index.md │ ├── canon-map.md │ ├── how-to-use-this-canon.md │ ├── knowledge-packs.md │ ├── _config.yml │ ├── _layouts/ │ │ └── default.html │ └── assets/ │ ├── brand/ │ │ └── coldwire-bg.jpg │ └── css/ │ └── style.css └── knowledge-packs/ ├── by-report/ │ ├── a-reality-models-event-ontology-and-public-reality-mapping.md │ ├── b-signal-evidence-and-confidence-architecture.md │ ├── c-information-ecosystems-source-topologies-and-platform-behavior.md │ ├── d-topic-discovery-weak-signal-detection-and-story-emergence.md │ ├── e-narrative-divergence-coverage-gaps-and-missingness-analysis.md │ ├── f-thread-following-link-expansion-and-investigative-graph-construction.md │ ├── g-temporal-dynamics-trend-formation-and-story-evolution.md │ ├── h-power-incentives-and-strategic-actor-analysis.md │ ├── i-propaganda-narrative-laundering-and-information-operations.md │ └── j-implied-reality-causal-inference-and-unstated-truth-extraction.md ├── compiled-packs/ │ ├── knowledge-investigative-news-intelligence-vol-1-a-c-foundations-of-reality-signal-and-judgment.md │ ├── knowledge-investigative-news-intelligence-vol-2-d-g-discovery-and-thread-expansion-domains.md │ ├── knowledge-investigative-news-intelligence-vol-3-h-j-interpretation-and-adversarial-sensemaking.md │ └── knowledge-investigative-news-intelligence-vol-4-k-m-editorial-control-failure-diagnosis-and-execution.md └── omnibus/ └── knowledge-investigative-news-intelligence-omnibus.md ``` 保留的图像引用被刻意保留以供后续品牌资产使用：`docs/assets/brand/readme-hero.png`、`docs/assets/brand/pages-hero.png` 和 `docs/assets/brand/social-preview.png`。 ## 发布元数据 版本：**1.0** 发布日期：**2026-06-28** 许可证：**CC BY-NC-SA 4.0** 作者：**Sam “stunspot” Walker / Collaborative Dynamics** GitHub：https://github.com/Stunspot/stunspots-guide-to-investigative-news-intelligence Pages URL：https://stunspot.github.io/stunspots-guide-to-investigative-news-intelligence/ ## 许可证与使用 除非另有说明，本仓库基于 **知识共享署名-非商业性使用-相同方式共享 4.0 国际** (**CC BY-NC-SA 4.0**) 许可证授权。商业使用需事先获得 Sam “stunspot” Walker / Collaborative Dynamics 的书面许可。 这些材料按“原样”提供，仅供教育、研究、设计和参考使用。在依赖高风险主张之前，请先进行核实。

标签：RAG, Ruby, 信息分析, 新闻调查, 知识库, 证据推理, 防御加固