Lyric Context Index
歌詞情境索引系統
Scheduled LLM pipeline that turns a whole song catalogue into a queryable context index.
以排程 LLM 流程把整個曲庫轉成可查詢的情境索引。
- Knowledge Index知識索引
- Scheduled Pipeline排程流程
- Content Taxonomy內容分類
Problem問題
真實問題是什麼
曲庫累積到近三百首之後，「找一首適合現在這個情境的歌」變成一件做不到的事。歌名與曲風幫不上忙——真正決定一首歌適不適合的是歌詞在講什麼處境，而那個資訊只存在歌詞裡，沒有被結構化過。
實務上的需求很具體：內容排程要在某一天配一首歌，判斷依據是那天的情境（加班、通勤、被否決、想離職）。人腦記得住三十首，記不住三百首，而且判斷會隨心情漂移。
所以這個系統要做的是把「這首歌在講什麼處境」變成可以被查詢的欄位，讓配歌從回憶變成查表。
Why Existing Workflow Fails原有流程的問題
原本的做法為什麼會壞
Genre tags answer the wrong question
曲風標籤答錯問題
City Pop、Synth Pop 描述的是聲音，不是處境。用曲風選歌，選出來的東西在情緒上經常完全不對。
Lyrics are unstructured
歌詞是非結構化資料
歌詞躺在文字檔裡，能全文搜尋但不能篩選。搜「加班」找不到那些沒有寫出「加班」兩個字卻正是在講加班的歌。
Human memory does not scale
人腦記不住整個曲庫
曲目越多，越依賴少數幾首「想得起來的歌」，長尾等於不存在。
One-off labelling rots
一次性標註會過期
手動標一輪之後，新歌進來就沒人補。標註必須是會自己重跑的流程，不是一次性的整理。
System系統
系統流程
- Song Catalogue曲庫Input · 輸入
歌詞與曲目基本資料
- Scheduled Scan定期掃描Process · 處理
每週自動執行，不需人工觸發
- LLM Context LabellingLLM 情境標註AI · 模型
依共用的情境分類標註每首歌的處境
- Context Index情境索引Process · 處理
落地成可查詢的索引檔，而不是留在對話裡
- Human Spot Check人工抽查Human · 人工
標註結果可讀、可修，錯了改索引不用重跑整批
- Downstream Selection下游配歌Output · 輸出
內容排程依情境查表選曲
Key Design Decisions關鍵設計決策
關鍵設計決策
- 01
Headless on purpose
刻意不做介面
這是排程執行的流程，不是給人操作的工具。硬做一個介面只會多一個要維護、且沒人會打開的東西。產出是檔案，不是畫面。
- 02
Shared taxonomy, not free-form tags
共用分類，不用自由標籤
情境分類與頻道情報使用同一套詞彙。分類不一致的話，選曲的判斷與成效的數據就沒辦法對話。
- 03
Index is the durable artefact
索引本身才是產出
模型的回覆是過程，落地的索引檔才是資產。這讓結果可以被檢查、被版本控制、被下游重複使用，而不必每次重新問一次模型。
- 04
Re-runnable, not one-off
可重跑，不是一次性
新歌進來會在下一輪掃描時自動被納入。標註是持續運行的流程，不是某一次的整理成果。
- 05
Labels stay reviewable
標註保持可讀可改
索引是人看得懂的格式，抽查到錯誤可以直接修，不需要為了改一首歌重跑整批、重新付費。
Tech / Architecture技術與架構
實作組成
- Python
- Scheduled Job排程執行
- LLM LabellingLLM 標註
- Structured Index結構化索引
只列與這件作品直接相關的組成，不作為技能清單。
Status / Boundary完成度與限制
完成度與限制
無操作介面，為排程執行的後端流程；此頁不提供系統截圖。
標註品質以人工抽查維持，未逐首全檢。
索引服務於內部內容排程，不對外開放查詢。
此頁不揭露任何曲目成效或流量數字。