词雷达刚推来一个新词时，建议先看来源，再看频次。原因是频次只回答“出现了多少次”，来源才回答“这些出现能不能互相印证”。同一个作者在多个平台转发、同一篇稿子被多个站点转载、同一个营销活动在同一天铺开，都会把频次做得很好看，但只要来源不独立，频次高也说明不了扩散。可操作的顺序是：先定位新词的第一次出现位置和上下文，判断它是产品命名、社区黑话还是误抓；再统计互不相关的来源数量；最后才看频次曲线的形态。这个顺序在抓取范围、去重规则、时间窗口都还没确认时更要坚持，因为此时频次数字本身的可信度最低。

新词进词雷达后，先看来源再决定要不要看频次。先拿首现快照的原始片段和上下文，区分产品命名、社区黑话和误抓；再按“域名+作者”去重数独立来源，同一作者多平台转发不计入；最后看按天序列是阶跃还是缓慢爬升。来源单一但频次高的词单独放观察栏，不进主词表，观察周期建议 3 到 7 天。抓取范围和去重规则需要按自己环境确认，不能直接套用别人的阈值。

确认这个词第一次出现的位置和上下文

词雷达的推送通常只带一个词和一句摘要，不足以判断性质。建议先回到原始抓取快照，把该词第一次出现的页面片段和显示时间取出来，看它在句子里的位置。同一个词在不同上下文里含义完全不同：出现在产品发布页、更新日志、仓库名、应用商店条目里的，大概率是产品命名；出现在评论区、聊天记录、缩写和梗里的，倾向社区黑话；出现在 URL 参数、代码标识符、拼写变体、分词切错的边界上的，按误抓处理。判断时必须保留原始片段，不要只留一句自己转述的说明，否则后面复核时无法回看。

# 在词雷达落地的原始抓取日志里定位首现记录
# 假设字段顺序为：ts,source_domain,author_id,url,text
grep -i '新词' radar_raw/*.log \
  | sort -t, -k1,1 \
  | head -5

取到片段后，把上下文类型和原始句子一起写进记录。这一步的验证方式是：用同一个片段给第二个人看，看对方能否得出相同的类型判断；如果两人判断不一致，说明片段截得太短，需要往前多取一两句。

统计它在多少个互不相关的来源里出现

来源计数要先去重再看数。建议的去重键是“域名 + 作者标识”，同一作者在不同平台发同样内容，只算一个独立来源；同一篇稿子被多个站点转载，也只算一个独立来源。按域名分组统计，能比较直观地看出是单点冒头还是跨平台扩散。

-- 通用骨架，字段名按自己的表结构调整
SELECT source_domain,
       COUNT(DISTINCT author_id) AS independent_authors,
       COUNT(*)                  AS raw_hits,
       MIN(ts)                   AS first_seen
FROM radar_hits
WHERE term = '新词'
GROUP BY source_domain
ORDER BY first_seen;

表格里的次数不要手填凑数，用上面的查询结果直接导出。独立来源数小于等于 1 时，无论原始出现次数多高，都建议先降级处理，不要因为看到“很多条”就当成扩散。

看频次曲线是阶跃还是缓慢爬升

把该词按天聚合，得到一条出现次数序列，再看形态。阶跃的特征是某一天或连续两天内集中出现，之后回落或保持平稳，通常对应一次事件：发布会、活动、某篇内容被集中转载。缓慢爬升的特征是每天小幅增加，持续多天没有明显尖峰，更像长期用法的累积。还有一种平坦形态，几天内都是一两条，属于长尾噪声，不建议跟进。

# 按天统计出现次数，输出“日期 次数”
awk -F, '{split($1,a,"T"); print a[1]}' radar_raw/*.log \
  | sort | uniq -c

判别标准可以写死成两条：序列里最大一天的值明显高于其他天，且次日出现回落，记为阶跃；连续三天以上数值单调上升且没有单日尖峰，记为缓慢爬升。阈值不要直接抄，需要结合自己的抓取频率和抓取范围确认——抓取间隔越长，阶跃越容易被拉平成爬升。

把频次高但来源单一的词单独放一栏

这类词是噪声的主要来源：频次看起来热闹，但全部来自同一作者、同一站点或同一批转载。处理方式是不混进主词表，单独建一个观察栏，记录词、首现来源、当前独立来源数、累计出现次数和观察截止时间。

观察周期建议 3 到 7 天，具体按自己抓取的覆盖面和更新频率调整。观察期结束时只看一个指标：独立来源数是否增加。没有增加的，从观察栏移除，不进入主词表；增加了的，重新走一遍来源和频次判断。

定下先来源后频次的判断顺序并记录理由

把顺序固定下来，才能避免每次凭感觉。推荐顺序是：定位首现片段与上下文 → 统计独立来源数 → 看按天频次形态 → 给出结论并写理由。结论一般落成三种：跟进、观察、丢弃。理由栏要写清是来源不足、上下文属于误抓，还是频次形态只是阶跃事件。

{
  "term": "待判断的词",
  "first_seen": {
    "snapshot": "原始页面或帖文片段",
    "context_snippet": "该词所在的完整句子",
    "context_type": "product_name | slang | noise"
  },
  "source_count": {
    "raw": 0,
    "independent": 0,
    "dedupe_rule": "domain+author"
  },
  "freq_shape": {
    "daily": [0, 0, 0],
    "shape": "step | ramp | flat"
  },
  "decision": {
    "label": "跟进 | 观察 | 丢弃",
    "reason": "写清触发了哪一条判断"
  }
}

这三个字段——来源数、频次形态、结论——建议每条记录都填，缺一项就说明判断链没走完。验证方式也简单：隔几天回看旧记录，如果只看“结论”想不起当时为什么这么判，说明理由写得太粗，来源数和频次形态没起到支撑作用。坚持记录一段时间后，同样顺序可以复用到下一批推送上来的新词。