📑 本页目录
协议 · 子领域划分模型（SPM）
状态：生效（v0.3 草案，Iteration 2d 首跑）· 关联：公理 A3（层次性/粒度细化）、 出生检测协议（RQ-A5）、Case 0（ADDO） 动机：用户需求（2026-08-10）——不用现成分类法划分子领域，而是按"对本学科 理论价值与工程实践好处最大"来划分；粒度要非常细，且划分本身要可建模、可校验。
1. 划分原则（为什么不用现成分类法）
现成分类法（App Store 分类、GICS 行业、岗位词典）是为"售卖/监管/招聘"服务的， 不是为"测量 AI 深度参与并预测扩散曲线"服务的。它们的问题： - 粒度与我们的对象不匹配（"Photo & Video" 把图像/视频/照片编辑器混在一起）； - 与痛点/能力簇不对齐（无法映射到外溢链 A5）； - 不随技术演进而及时出现新类目（新生子领域没有分类槽位）。
因此按可测性 + 理论价值 + 决策价值自定义划分（本协议 §2-4）。
2. 子领域定义
每个子领域 s 是一个五元组：
s = (定义 definition, 痛点集 pain_points, 能力链 capability_chain,
数据签名 signature, 通道权重 channel)
signature = (categories 分类集 × keywords 关键词正则 × is_ai_named)
- 数据签名是工程可测性的核心：app 命中签名才计入该子领域的信号。 关键词签名让粗分类（Photo & Video）也能切出细子领域（视频 vs 图像）。
- 能力链（capability_chain）描述子领域间能力外溢关系，是动态难度（A5）的输入。
3. 划分准则与评分（SPM v0.1）
对每个候选子领域 s 打分（0-1，权重见 config/forecast.yaml subdomains.partition_weights）：
| 准则 | 权重 | 内容 | 评分方式 |
|---|---|---|---|
| measurability 可测性 | 0.25 | 签名能抓到足够 AI 应用 | 数据：ai_count ≥ min_ai_apps |
| resolution 信号分辨率 | 0.20 | 与兄弟子领域签名重叠小、轨迹可区分 | 数据：1 − 最大兄弟重叠率 |
| decision_value 决策价值 | 0.20 | 高价值 + 高速增长 + 决策相关 | 数据（份额/增长）+ 父域价值 |
| sufficiency 统计充分性 | 0.15 | 样本量足够稳定 | 数据：ai_count / target_ai_apps |
| mechanism 机制清晰度 | 0.10 | 能力簇内聚、外溢链可识别 | 专家（有 capability_chain） |
| channel 采集通道 | 0.10 | 现有数据源可覆盖 | 专家/数据（分类在采集范围内） |
分区校验（划分是否可直接用于采集）： - 覆盖率：全部痛点都被至少一个子领域承接； - 就绪度：每个子领域 ai_count ≥ min_ai_apps； - 平均分阈值：全部分子领域平均分达标。
4. 流程（五步）
- 候选生成：种子 = 父域痛点 ∪ 真实数据里观测到的 App 名称簇 （对 AI 应用名称做关键词聚类，如 video/reel/clip → 视频子领域）。
- 签名定义：每个候选配 (categories, keywords, pain_points, capability_chain)。
- 数据评分：用采集数据算 ai_count / 份额 / 重叠率，代入 §3 评分。
- 合并/拆分迭代：分辨率低（重叠高）→ 合并；内部异质（图像≠视频）→ 拆分。
- 校验与冻结：通过 §3 校验后写入
knowledge/subdomains.yaml，进入 数据采集与预测（scripts/forecast.py subdomains）。
5. 子领域预测（采集后）
- 统计：AI 应用数、占全部 AI 应用份额、24h 增长、窗口斜率、首现事件。
- 成长阶段：nascent（初生，样本小/首现）/ growth（斜率>0 或加速）/ mature（份额高且趋平）/ noisy（样本不足）。
- 曲线投影：Logistic 拟合 +7/+14 天份额（短历史须带先验，同出生检测协议 §4）。
- 排序：按成长动能（斜率 × 2 + 首现 × 3 + 加速）输出子领域预测顺序。
6. 首跑实例（Iteration 2d · content_creation）
父领域选择（数据驱动，scripts/forecast.py partition 输出）：
内容创作与媒体在 6 个可映射领域中 AI 浓度最高（8.9%，子类 Graphics&Design
23.4%）、覆盖 App 最多（1987），且子领域结构清晰（图像/视频/音乐/3D/虚拟角色）。
6 个子领域划分评分（v0.1）：音乐与音频生成 0.910、设计与 3D 资产 0.902、 图像生成与编辑 0.802、视频生成与剪辑 0.802、虚拟角色与互动娱乐 0.764、 文案与社媒内容 0.513（通道弱——文字生成主要在 Productivity/Web，待补 GitHub/arXiv）。
首跑统计：图像 14.4%（growth）、视频 11.2%（mature）、音乐 6.6%（mature）、 3D/设计 6.1%（growth）、虚拟角色 1.2%（nascent，样本小=新生信号）、文案 0%（noisy）。 详见 docs/discussions/2026-08-10-iter-subdomains.md。