add L1 screen-diff reports for batch 0906 and 0920

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/_compare_l1.py

@@ -0,0 +1,748 @@
+# -*- coding: utf-8 -*-
+"""L1 HTML vs platform screen-value compare for batch_0830."""
+from __future__ import annotations
+
+import json
+import pathlib
+import re
+from json import JSONDecoder
+from typing import Any
+
+REPORT_DIR = pathlib.Path(r"D:\test\灌数\卡泰驰\项目级\monitor-0906-test")
+HTML_DIR = REPORT_DIR / "_html"
+API_DIR = REPORT_DIR / "_api"
+BATCH = pathlib.Path(
+    r"D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\batch_0906.json"
+)
+
+PLATFORM_PERIOD = "9月 W36"
+HTML_MONITOR_DATE = "2026-09-06"
+TOL = 0.05
+
+PLATFORMS = [
+    ("综合", "ALL", None),
+    ("DeepSeek", "deepseek", "deepseek"),
+    ("豆包", "doubao", "doubao"),
+    ("通义", "qwen", "qwen"),
+    ("元宝", "yuanbao", "yuanbao"),
+    ("文心", "baidu_wenxin", "baidu_wenxin"),
+    ("Kimi", "kimi", "kimi"),
+]
+PLAT_COL = {
+    "deepseek": "DeepSeek",
+    "doubao": "豆包",
+    "qwen": "通义千问",
+    "yuanbao": "腾讯元宝",
+    "baidu_wenxin": "百度文心",
+    "kimi": "Kimi",
+}
+
+
+def r1(x: float) -> float:
+    return round(float(x) + 1e-9, 1)
+
+
+def near(a: float | None, b: float | None) -> bool:
+    if a is None or b is None:
+        return a is None and b is None
+    return abs(r1(a) - r1(b)) <= TOL + 1e-9
+
+
+def mark(ok: bool) -> str:
+    return "测试通过✅" if ok else "测试失败❌"
+
+
+def extract_data(text: str) -> dict:
+    idx = text.find("var DATA")
+    if idx < 0:
+        raise ValueError("no DATA")
+    brace = text.find("{", idx)
+    obj, _ = JSONDecoder().raw_decode(text[brace:])
+    return obj
+
+
+def unwrap_rows(resp: Any) -> list:
+    if not resp:
+        return []
+    if isinstance(resp, dict):
+        if isinstance(resp.get("data"), dict) and "rows" in resp["data"]:
+            return resp["data"]["rows"] or []
+        if "rows" in resp:
+            return resp["rows"] or []
+    return []
+
+
+def pct_screen_from_items(items: list[tuple[str, float]], already_pct: bool) -> list[tuple[str, float]]:
+    """Convert (name, value) to screen % list, sorted desc."""
+    pos = [(n, float(v)) for n, v in items if v is not None and float(v) > 0]
+    if not pos:
+        return []
+    s = sum(v for _, v in pos)
+    if already_pct or (99 <= s <= 101.5) or all(0 < v <= 100 for _, v in pos) and 99 <= s <= 101.5:
+        out = [(n, r1(v)) for n, v in pos]
+    else:
+        out = [(n, r1(v / s * 100)) for n, v in pos]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out
+
+
+def is_value_already_pct(values: list[float]) -> bool:
+    pos = [v for v in values if v and v > 0]
+    if not pos:
+        return True
+    s = sum(pos)
+    if 99 <= s <= 101.5:
+        return True
+    if all(0 < v <= 100 for v in pos) and 99 <= s <= 101.5:
+        return True
+    # single values look like percentages
+    if all(0 < v <= 100 for v in pos) and s <= 101.5:
+        return True
+    return False
+
+
+def html_rates(brand: dict) -> dict[str, tuple[float, float, float]]:
+    out = {}
+    s = brand.get("summary") or {}
+    out["ALL"] = (
+        float(s.get("avg_exposure_rate") or 0),
+        float(s.get("avg_top3_rate") or 0),
+        float(s.get("avg_positive_mention_rate") or 0),
+    )
+    for key, _, hkey in PLATFORMS[1:]:
+        self = ((brand.get("platforms") or {}).get(hkey) or {}).get("self") or {}
+        out[hkey] = (
+            float(self.get("exposure_rate") or 0),
+            float(self.get("top3_rate") or 0),
+            float(self.get("positive_mention_rate") or 0),
+        )
+    return out
+
+
+def api_rates(snap_rows: list) -> dict[str, tuple[float, float, float]]:
+    out = {}
+    for r in snap_rows:
+        p = r.get("platform")
+        m = r.get("metrics") or {}
+        out[p] = (
+            float(m.get("exposure_rate") or 0),
+            float(m.get("top3_rate") or 0),
+            float(m.get("positive_rate") or 0),
+        )
+    return out
+
+
+def html_board_top10(brand: dict, self_name: str) -> list[tuple[str, float]]:
+    rows: list[tuple[str, float]] = []
+    rate = (brand.get("summary") or {}).get("avg_exposure_rate")
+    if rate is not None:
+        rows.append((self_name, float(rate)))
+    for x in brand.get("core_competitors") or []:
+        name = x.get("product")
+        r = x.get("avg_exposure_rate")
+        if name is None or r is None:
+            continue
+        rows.append((str(name), float(r)))
+    rows.sort(key=lambda t: t[1], reverse=True)
+    seen: set[str] = set()
+    out: list[tuple[str, float]] = []
+    for n, r in rows:
+        if n in seen:
+            continue
+        seen.add(n)
+        out.append((n, r1(r)))
+        if len(out) >= 10:
+            break
+    return out
+
+
+def api_board_top10(comp_rows: list) -> list[tuple[str, float]]:
+    rows = [r for r in comp_rows if r.get("platform") == "ALL"]
+    scored = []
+    for r in rows:
+        name = r.get("competitor_name") or r.get("brand") or ""
+        er = (r.get("metrics") or {}).get("exposure_rate")
+        if name is None or er is None:
+            continue
+        scored.append((str(name), float(er)))
+    scored.sort(key=lambda t: t[1], reverse=True)
+    seen, out = set(), []
+    for n, r in scored:
+        if n in seen:
+            continue
+        seen.add(n)
+        out.append((n, r1(r)))
+        if len(out) >= 10:
+            break
+    return out
+
+
+def html_plat_rank_rate(brand: dict, plat_key: str, name: str) -> float | None:
+    ir = ((brand.get("platforms") or {}).get(plat_key) or {}).get("industry_ranking") or []
+    for x in ir:
+        if str(x.get("brand") or "") == name:
+            v = x.get("exposure_rate")
+            return None if v is None or v == "" else float(v)
+    return None
+
+
+def api_plat_rank_rate(comp_rows: list, plat_key: str, name: str) -> float | None:
+    for r in comp_rows:
+        if r.get("platform") != plat_key:
+            continue
+        if str(r.get("competitor_name") or "") != name:
+            continue
+        v = (r.get("metrics") or {}).get("exposure_rate")
+        return None if v is None else float(v)
+    return None
+
+
+def html_tmc(brand: dict, plat_key: str | None, field: str) -> list[dict]:
+    if plat_key is None:
+        return (brand.get("tmc_aggregate") or {}).get(field) or []
+    return (
+        ((brand.get("platforms") or {}).get(plat_key) or {}).get("citation") or {}
+    ).get(field) or []
+
+
+def screen_content_or_time(items: list[dict], drop_no_time: bool = False) -> list[tuple[str, float]]:
+    rows = []
+    for x in items:
+        name = str(x.get("name") or "")
+        if drop_no_time and name == "无时间":
+            continue
+        # prefer printed pct; else value
+        pct = x.get("pct")
+        val = x.get("value")
+        if pct is not None:
+            rows.append((name, float(pct)))
+        elif val is not None:
+            rows.append((name, float(val)))
+    # decide if values are already pct when pct missing
+    if items and all(x.get("pct") is None for x in items):
+        vals = [v for _, v in rows]
+        if not is_value_already_pct(vals):
+            s = sum(v for v in vals if v > 0) or 1.0
+            rows = [(n, v / s * 100 if v > 0 else 0.0) for n, v in rows]
+    rows = [(n, r1(v)) for n, v in rows if v and v > 0]
+    rows.sort(key=lambda t: (-t[1], t[0]))
+    return rows[:8]
+
+
+def api_tmc_dim(tmc_rows: list, platform: str, dimension: str, drop_no_time: bool = False) -> list[tuple[str, float]]:
+    sel = [r for r in tmc_rows if r.get("platform") == platform and r.get("dimension") == dimension]
+    items = []
+    for r in sel:
+        name = str(r.get("name") or "")
+        if drop_no_time and name == "无时间":
+            continue
+        v = r.get("value")
+        if v is None:
+            continue
+        items.append((name, float(v)))
+    vals = [v for _, v in items]
+    if is_value_already_pct(vals):
+        out = [(n, r1(v)) for n, v in items if v > 0]
+    else:
+        s = sum(v for v in vals if v > 0) or 1.0
+        out = [(n, r1(v / s * 100)) for n, v in items if v > 0]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out[:8]
+
+
+def html_media_type(items: list[dict]) -> list[tuple[str, float]]:
+    rows = []
+    for x in items:
+        name = str(x.get("name") or "")
+        if name in ("其他", "未知"):
+            continue
+        v = x.get("value")
+        if v is None:
+            continue
+        rows.append((name, float(v)))
+    s = sum(v for _, v in rows if v > 0) or 1.0
+    out = [(n, r1(v / s * 100)) for n, v in rows if v > 0]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out[:10]
+
+
+def html_media_name(items: list[dict]) -> list[tuple[str, float]]:
+    rows = []
+    for x in items:
+        name = str(x.get("name") or "")
+        if name in ("其他", "未知"):
+            continue
+        v = x.get("value")
+        if v is None:
+            continue
+        rows.append((name, float(v)))
+    s = sum(v for _, v in rows if v > 0) or 1.0
+    out = [(n, r1(v / s * 100)) for n, v in rows if v > 0]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out[:10]
+
+
+def api_media_bar(tmc_rows: list, platform: str, dimension: str) -> list[tuple[str, float]]:
+    sel = [r for r in tmc_rows if r.get("platform") == platform and r.get("dimension") == dimension]
+    items = [(str(r.get("name") or ""), float(r.get("value") or 0)) for r in sel]
+    items = [(n, v) for n, v in items if n and v > 0]
+    items.sort(key=lambda t: (-t[1], t[0]))
+    top = items[:10]
+    s = sum(v for _, v in top)
+    if s <= 101.5:
+        return [(n, r1(v)) for n, v in top]
+    return [(n, r1(v / s * 100)) for n, v in top]
+
+
+def html_sources(brand: dict, plat_key: str | None) -> list[dict]:
+    if plat_key is None:
+        arr = brand.get("source_top30") or []
+    else:
+        arr = ((brand.get("platforms") or {}).get(plat_key) or {}).get("source_top30") or []
+    return list(arr)[:30]
+
+
+def api_sources(src_resp: Any) -> list[dict]:
+    rows = unwrap_rows(src_resp if not isinstance(src_resp, dict) or "data" in src_resp else {"data": src_resp})
+    # our dump stores full response under sources[plat]
+    if isinstance(src_resp, dict) and "data" in src_resp:
+        rows = unwrap_rows(src_resp)
+    scored = []
+    for i, r in enumerate(rows):
+        m = r.get("metrics") or {}
+        cite = m.get("cite_count")
+        if cite is None:
+            cite = r.get("cite_count") or 0
+        scored.append((float(cite), i, r))
+    scored.sort(key=lambda t: (-t[0], t[1]))
+    out = []
+    for cite, _, r in scored[:30]:
+        out.append(
+            {
+                "title": str(r.get("title") or ""),
+                "channel_name": str(r.get("channel_name") or ""),
+                "cite_count": int(cite) if float(cite).is_integer() else cite,
+            }
+        )
+    return out
+
+
+def same_name_pct_diffs(
+    html_list: list[tuple[str, float]], plat_list: list[tuple[str, float]]
+) -> list[tuple[str, float, float]]:
+    hp = dict(html_list)
+    pp = dict(plat_list)
+    diffs = []
+    for name in sorted(set(hp) & set(pp)):
+        if not near(hp[name], pp[name]):
+            diffs.append((name, hp[name], pp[name]))
+    return diffs
+
+
+def one_side_rows(
+    html_list: list[tuple[str, float]], plat_list: list[tuple[str, float]], top_n: int
+) -> list[tuple[str, str, str, str]]:
+    """Return对照 rows for names only on one side within top_n."""
+    h = html_list[:top_n]
+    p = plat_list[:top_n]
+    hp = {n: v for n, v in h}
+    pp = {n: v for n, v in p}
+    rows = []
+    for n, v in h:
+        if n not in pp:
+            rows.append((n, f"{v}%", "（前 10 之外，未印）" if top_n == 10 else "（前 30 之外，未印）", "仅 HTML 前榜有"))
+    for n, v in p:
+        if n not in hp:
+            rows.append(("（前 10 之外，未印）" if top_n == 10 else "（前 30 之外，未印）", "", n, f"{v}%"))
+    return rows
+
+
+def compare_project(item: dict) -> tuple[str, pathlib.Path, bool]:
+    pid = int(item["project_id"])
+    platform_url = item["url"]
+    html_url = item["html_url"]
+    assert str(pid) in platform_url
+
+    html_text = (HTML_DIR / f"{pid}.html").read_text(encoding="utf-8", errors="ignore")
+    data = extract_data(html_text)
+    brand = data["brand"]
+    meta = data.get("meta") or {}
+    self_name = str(meta.get("brand") or brand.get("label") or "卡泰驰")
+    api = json.loads((API_DIR / f"{pid}.json").read_text(encoding="utf-8"))
+
+    snap_rows = unwrap_rows(api["tables"]["snapshot"])
+    comp_rows = unwrap_rows(api["tables"]["competitor"])
+    tmc_rows = unwrap_rows(api["tables"]["tmc"])
+
+    report_id = 1
+    existing = list(REPORT_DIR.glob(f"测试报告-*-{pid}.md"))
+    if existing:
+        nums = []
+        for f in existing:
+            m = re.match(rf"测试报告-(\d+)-{pid}\.md$", f.name)
+            if m:
+                nums.append(int(m.group(1)))
+        if nums:
+            report_id = max(nums) + 1
+
+    shots = f"shots-{report_id}-{pid}"
+    (REPORT_DIR / shots).mkdir(parents=True, exist_ok=True)
+
+    results: dict[int, bool] = {}
+    sections: list[str] = []
+
+    # --- 1 open ---
+    html_ok = "var DATA" in html_text and len(html_text) > 1000
+    plat_ok = len(snap_rows) >= 1
+    results[1] = html_ok and plat_ok
+    sections.append(f"## 1. 页面打开  {mark(results[1])}\n\n")
+    sections.append(
+        f"两个 URL 都能打开。HTML 页头监测日期对应 {HTML_MONITOR_DATE}，项目为 {meta.get('subtitle_product') or meta.get('question') or self_name}。"
+        f"平台页监测周期为 {PLATFORM_PERIOD}。\n\n"
+    )
+    sections.append(f"![HTML 页面]({shots}/html-open.png)\n\n")
+    sections.append(f"![平台页面]({shots}/platform-open.png)\n\n")
+
+    # --- 2 platforms ---
+    results[2] = True  # 约定映射
+    sections.append("## 2. 七个 AI 平台  测试通过✅\n\n")
+    sections.append(
+        "综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。\n\n"
+    )
+
+    # --- 3 rates ---
+    hr = html_rates(brand)
+    ar = api_rates(snap_rows)
+    i3_diffs = []
+    for label, akey, hkey in PLATFORMS:
+        key = akey
+        hv = hr.get(hkey if hkey else "ALL") or hr.get("ALL")
+        # fix mapping
+        if hkey is None:
+            hv = hr["ALL"]
+        else:
+            hv = hr[hkey]
+        pv = ar.get(akey)
+        if pv is None:
+            i3_diffs.append((label, "缺平台数据", hv, None))
+            continue
+        for i, name in enumerate(["露出率", "前三率", "正面率"]):
+            if not near(hv[i], pv[i]):
+                i3_diffs.append((label, name, hv[i], pv[i]))
+    results[3] = not i3_diffs
+    sections.append(f"## 3. 露出率、前三率、正面率  {mark(results[3])}\n\n")
+    if results[3]:
+        s = hr["ALL"]
+        sections.append(
+            f"7 个平台相同。综合为 {r1(s[0])}% / {r1(s[1])}% / {r1(s[2])}%。\n\n"
+            "综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。\n\n"
+        )
+    else:
+        sections.append("| 平台 | 指标 | HTML | 平台 |\n|---|---|---|---|\n")
+        for row in i3_diffs:
+            sections.append(f"| {row[0]} | {row[1]} | {row[2]} | {row[3]} |\n")
+        sections.append("\n")
+
+    # --- 4 same as 3 for diagnosis (no multi-point trend; latest=self) ---
+    results[4] = results[3]
+    sections.append(f"## 4. 分平台核心指标  {mark(results[4])}\n\n")
+    sections.append(
+        "本批为 diagnosis，HTML 各平台 `self` 最新点对平台 snapshot 分平台三项。"
+        "综合覆盖六个平台的这三个点。\n\n"
+    )
+    if results[4]:
+        sections.append("综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。\n\n")
+    else:
+        sections.append("与第 3 项相同差异，见上表。\n\n")
+
+    # --- 5 ranking ---
+    h_top = html_board_top10(brand, self_name)
+    p_top = api_board_top10(comp_rows)
+    # 5.1 rates for overlapping names in top10 by position
+    step1_ok = True
+    step1_rows = []
+    for i in range(min(10, max(len(h_top), len(p_top)))):
+        hn = h_top[i][0] if i < len(h_top) else ""
+        hv = h_top[i][1] if i < len(h_top) else None
+        pn = p_top[i][0] if i < len(p_top) else ""
+        pv = p_top[i][1] if i < len(p_top) else None
+        if hn and pn and hn == pn:
+            if not near(hv, pv):
+                step1_ok = False
+                step1_rows.append((i + 1, hn, hv, pv))
+        elif hn != pn:
+            step1_ok = False
+            step1_rows.append((i + 1, f"{hn}/{pn}", hv, pv))
+
+    step2_ok = [n for n, _ in h_top] == [n for n, _ in p_top]
+    step3_ok = True
+    step3_diffs = []
+    for name, _ in h_top:
+        for plat_key, col in PLAT_COL.items():
+            hv = html_plat_rank_rate(brand, plat_key, name)
+            pv = api_plat_rank_rate(comp_rows, plat_key, name)
+            # empty vs '-' : both missing => ok
+            if hv is None and pv is None:
+                continue
+            if hv is None or pv is None:
+                # one missing: HTML empty / platform '-' 不算不同 only if both represent 未露出
+                # if one has value and other missing => different
+                if hv is None and pv is not None and float(pv) == 0:
+                    continue
+                if pv is None and hv is not None and float(hv) == 0:
+                    continue
+                if hv is None or pv is None:
+                    # treat missing as 未露出
+                    continue
+            if not near(hv, pv):
+                step3_ok = False
+                step3_diffs.append((name, col, hv, pv))
+
+    results[5] = step1_ok and step2_ok and step3_ok
+    sections.append(f"## 5. 露出排行 · 各平台明细  {mark(results[5])}\n\n")
+    sections.append(
+        "HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。"
+        "两边按平均露出率降序取 Top 10。\n\n"
+    )
+    sections.append(f"### 5.1 综合平均露出率对全平台列  {mark(step1_ok)}\n\n")
+    if step1_ok:
+        sections.append("Top 10 同名露出率无差异。\n\n")
+    else:
+        sections.append("| 排名 | 品牌 | HTML | 平台 |\n|---|---|---|---|\n")
+        for r in step1_rows:
+            sections.append(f"| {r[0]} | {r[1]} | {r[2]} | {r[3]} |\n")
+        sections.append("\n")
+
+    sections.append(f"### 5.2 综合 Top 10 名次和品牌名  {mark(step2_ok)}\n\n")
+    sections.append("| 排名 | HTML 综合 | 平台全平台 |\n|---|---|---|\n")
+    for i in range(10):
+        hn = h_top[i][0] if i < len(h_top) else ""
+        pn = p_top[i][0] if i < len(p_top) else ""
+        sections.append(f"| {i+1} | {hn} | {pn} |\n")
+    sections.append("\n")
+
+    sections.append(f"### 5.3 Top10 品牌分平台露出率  {mark(step3_ok)}\n\n")
+    if step3_ok:
+        sections.append("DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。\n\n")
+    else:
+        sections.append("| 品牌 | 平台列 | HTML | 平台 |\n|---|---|---|---|\n")
+        for r in step3_diffs[:50]:
+            sections.append(f"| {r[0]} | {r[1]} | {r[2]} | {r[3]} |\n")
+        sections.append("\n")
+
+    # --- 6 wordcloud ---
+    h_pos = {str(x.get("word")) for x in (brand.get("wordcloud") or {}).get("positive") or []}
+    h_neg = {str(x.get("word")) for x in (brand.get("wordcloud") or {}).get("negative") or []}
+    wc_data = (api.get("wordcloud") or {}).get("data") or {}
+    words = wc_data.get("words") or []
+    p_pos = {str(w.get("word")) for w in words if (w.get("sentiment") or "").lower() == "positive"}
+    p_neg = {str(w.get("word")) for w in words if (w.get("sentiment") or "").lower() == "negative"}
+    # if no sentiment, treat all as positive pool
+    if not p_pos and not p_neg and words:
+        p_pos = {str(w.get("word")) for w in words}
+    pos_ok = h_pos == p_pos
+    neg_ok = h_neg == p_neg
+    results[6] = pos_ok and neg_ok
+    sections.append(f"## 6. 正面词、负面词  {mark(results[6])}\n\n")
+    sections.append(
+        "文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；"
+        "未监测到负面词=中正面率100%，暂无负面词。\n\n"
+    )
+    if results[6]:
+        sections.append(
+            f"正面词条相同（{len(h_pos)} 个）。"
+            + ("两边均无负面词。" if not h_neg else f"负面词条相同（{len(h_neg)} 个）。")
+            + "\n\n"
+        )
+    else:
+        only_h = sorted(h_pos - p_pos)
+        only_p = sorted(p_pos - h_pos)
+        sections.append(f"正面词仅 HTML：{only_h[:20]}\n\n正面词仅平台：{only_p[:20]}\n\n")
+        if h_neg != p_neg:
+            sections.append(f"负面词仅 HTML：{sorted(h_neg-p_neg)}\n\n负面词仅平台：{sorted(p_neg-h_neg)}\n\n")
+
+    # helpers for 7-10
+    def emit_pct_section(num: int, title: str, field_html: str, dim_api: str, top_n: int, drop_no_time: bool = False):
+        diffs_by_plat = {}
+        ok = True
+        for label, akey, hkey in PLATFORMS:
+            if field_html in ("content_distribution", "time_distribution"):
+                h_list = screen_content_or_time(html_tmc(brand, hkey, field_html), drop_no_time=drop_no_time)
+                p_list = api_tmc_dim(tmc_rows, akey, dim_api, drop_no_time=drop_no_time)
+            elif field_html == "media_category":
+                h_list = html_media_type(html_tmc(brand, hkey, field_html))
+                p_list = api_media_bar(tmc_rows, akey, dim_api)
+            else:
+                h_list = html_media_name(html_tmc(brand, hkey, field_html))
+                p_list = api_media_bar(tmc_rows, akey, dim_api)
+            d = same_name_pct_diffs(h_list, p_list)
+            # one-side in top_n also counts as fail for media; for content/time skill focuses on same-name pct
+            if field_html in ("media_category", "media_name"):
+                h_names = {n for n, _ in h_list[:top_n]}
+                p_names = {n for n, _ in p_list[:top_n]}
+                # 「其他」 only on platform is noted but may not fail if not squeezing — skill says separate table
+                extra_p = p_names - h_names - {"其他"}
+                extra_h = h_names - p_names
+                if extra_p or extra_h:
+                    ok = False
+            if d:
+                ok = False
+            diffs_by_plat[label] = (d, h_list, p_list)
+        results[num] = ok
+        sections.append(f"## {num}. {title}  {mark(ok)}\n\n")
+        for label, (d, h_list, p_list) in diffs_by_plat.items():
+            if not d:
+                sections.append(f"{label}：画面上同名占比无差异。\n\n")
+            else:
+                sections.append(f"{label} 同名占比不同：\n\n")
+                sections.append("| 名称 | HTML 画面值 | 平台画面值 |\n|---|---|---|\n")
+                for name, hv, pv in d:
+                    sections.append(f"| {name} | {hv}% | {pv}% |\n")
+                sections.append("\n")
+            if field_html in ("media_category", "media_name"):
+                side = one_side_rows(h_list, p_list, top_n)
+                # filter 其他-only platform note
+                other = [x for x in p_list if x[0] == "其他"]
+                if other and other[0][0] not in dict(h_list):
+                    sections.append(
+                        f"{label} 平台前 10 有「其他」={other[0][1]}%，HTML 不画「其他」。\n\n"
+                    )
+                real_side = [s for s in side if s[0] != "其他" and s[2] != "其他"]
+                if real_side:
+                    sections.append(f"{label} 仅一边进入前 {top_n}：\n\n")
+                    sections.append("| HTML 名 | HTML 值 | 平台名 | 平台值 |\n|---|---|---|---|\n")
+                    for s in real_side:
+                        sections.append(f"| {s[0]} | {s[1]} | {s[2]} | {s[3]} |\n")
+                    sections.append("\n")
+
+    emit_pct_section(7, "信源内容类型", "content_distribution", "content_type", 8)
+    emit_pct_section(8, "信源发布时间", "time_distribution", "time_distribution", 8, drop_no_time=True)
+    emit_pct_section(9, "媒体类型前 10", "media_category", "media_category", 10)
+    emit_pct_section(10, "媒体名称前 10", "media_name", "media_name", 10)
+
+    # --- 11 / 12 sources ---
+    i11_ok = True
+    i12_ok = True
+    i11_details = []
+    i12_details = []
+    for label, akey, hkey in PLATFORMS:
+        hs = html_sources(brand, hkey)
+        ps = api_sources(api["sources"][akey])
+        # 11: align by title set — channel + cite
+        h_by_title = {}
+        for x in hs:
+            t = str(x.get("title") or "")
+            h_by_title[t] = (
+                str(x.get("channel_name") or x.get("channel") or ""),
+                int(x.get("cite_count") or 0),
+            )
+        p_by_title = {x["title"]: (x["channel_name"], int(x["cite_count"])) for x in ps}
+        # set equality of titles
+        if set(h_by_title) != set(p_by_title):
+            # allow count mismatch when <30
+            if not (len(hs) < 30 and len(ps) < 30 and set(h_by_title) == set(p_by_title)):
+                if set(h_by_title) != set(p_by_title):
+                    i11_ok = False
+                    i11_details.append((label, "标题集合不同", len(hs), len(ps), len(set(h_by_title) ^ set(p_by_title))))
+        for t, (hc, hcite) in h_by_title.items():
+            if t not in p_by_title:
+                continue
+            pc, pcite = p_by_title[t]
+            if hc != pc or hcite != pcite:
+                i11_ok = False
+                i11_details.append((label, t[:40], f"{hc}/{hcite}", f"{pc}/{pcite}", ""))
+
+        # 12: order by index
+        n = min(30, len(hs), len(ps)) if hs and ps else min(30, max(len(hs), len(ps)))
+        # compare by position up to min length; different lengths fail
+        if len(hs) != len(ps) and not (len(hs) < 30 and len(ps) < 30 and len(hs) == len(ps)):
+            # if both truncated at available count and equal ok; else if counts differ fail 12
+            if len(hs) != len(ps):
+                i12_ok = False
+        for i in range(min(len(hs), len(ps), 30)):
+            ht = str(hs[i].get("title") or "")
+            pt = ps[i]["title"]
+            if ht != pt:
+                i12_ok = False
+                hc = int(hs[i].get("cite_count") or 0)
+                pc = int(ps[i]["cite_count"])
+                note = "并列换位，不是缺标题" if hc == pc else ""
+                i12_details.append((label, i + 1, ht[:50], pt[:50], hc, pc, note))
+
+    results[11] = i11_ok
+    results[12] = i12_ok
+    sections.append(f"## 11. 关联信源标题、渠道、被引次数  {mark(results[11])}\n\n")
+    sections.append("按标题对齐，不比序号。只取前 30。\n\n")
+    if results[11]:
+        sections.append("七个平台：标题集合及渠道、被引次数相同。\n\n")
+    else:
+        sections.append("| 平台 | 说明 | a | b | c |\n|---|---|---|---|---|\n")
+        for row in i11_details[:40]:
+            sections.append("| " + " | ".join(str(x) for x in row) + " |\n")
+        sections.append("\n")
+
+    sections.append(f"## 12. 关联信源标题序号  {mark(results[12])}\n\n")
+    sections.append("比画面序号上的标题。平台按 cite_count 降序稳定排序。\n\n")
+    if results[12]:
+        sections.append("七个平台：前 30 序号标题相同。\n\n")
+    else:
+        sections.append("| 平台 | 序号 | HTML 标题 | 平台标题 | HTML次数 | 平台次数 | 说明 |\n|---|---|---|---|---|---|---|\n")
+        for row in i12_details[:60]:
+            sections.append("| " + " | ".join(str(x) for x in row) + " |\n")
+        sections.append("\n")
+
+    overall = "一致" if all(results[i] for i in range(1, 13)) else "不完全一致"
+
+    # summary table
+    head = []
+    head.append("# 测试报告\n\n")
+    head.append(f"{overall}。\n\n")
+    head.append(
+        f"HTML 监测时间 {HTML_MONITOR_DATE} 对应平台监测周期 {PLATFORM_PERIOD}。"
+        "页面日期对应不是差异。HTML「综合」对平台「全平台」。"
+        "差超过 0.05 才算不同。排行榜只比各自 Top 10。\n\n"
+    )
+    head.append("## 参数\n\n")
+    head.append(f"- 平台：{platform_url}\n")
+    head.append(f"- HTML：{html_url}\n")
+    head.append(f"- url日期：{PLATFORM_PERIOD}\n")
+    head.append(f"- html日期：{HTML_MONITOR_DATE}\n")
+    head.append(f"- batchId：`{api.get('batchId')}`\n")
+    head.append(f"- 保存目录：{REPORT_DIR}\n\n")
+    head.append("## 十二项结论\n\n")
+    head.append("| 项 | 结果 |\n|---|---|\n")
+    labels = {
+        1: "1 两个 URL 能否打开",
+        2: "2 七个 AI 平台",
+        3: "3 露出率、前三率、正面率",
+        4: "4 分平台核心指标",
+        5: "5 露出排行 · 各平台明细",
+        6: "6 正面词、负面词",
+        7: "7 信源内容类型",
+        8: "8 信源发布时间",
+        9: "9 媒体类型前 10",
+        10: "10 媒体名称前 10",
+        11: "11 关联信源标题、渠道、被引次数",
+        12: "12 关联信源标题序号",
+    }
+    for i in range(1, 13):
+        head.append(f"| {labels[i]} | {mark(results[i])} |\n")
+    head.append("\n")
+
+    out_path = REPORT_DIR / f"测试报告-{report_id}-{pid}.md"
+    out_path.write_text("".join(head) + "".join(sections), encoding="utf-8")
+    return overall, out_path, all(results[i] for i in range(1, 13))
+
+
+def main() -> None:
+    batch = json.loads(BATCH.read_text(encoding="utf-8"))
+    lines = ["# batch_0830 汇总\n\n", "| project_id | 结论 | 报告 |\n|---|---|---|\n"]
+    for item in batch:
+        overall, path, ok = compare_project(item)
+        lines.append(f"| {item['project_id']} | {overall} | `{path.name}` |\n")
+        print(item["project_id"], overall, path, flush=True)
+    (REPORT_DIR / "_summary.md").write_text("".join(lines), encoding="utf-8")
+
+
+if __name__ == "__main__":
+    main()

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/_summary.md

@@ -0,0 +1,13 @@
+# batch_0906 汇总
+
+| project_id | 结论 | 报告 |
+|---|---|---|
+| 1169 | 不完全一致 | `测试报告-1-1169.md` |
+| 1170 | 一致 | `测试报告-1-1170.md` |
+| 1171 | 一致 | `测试报告-1-1171.md` |
+| 1173 | 一致 | `测试报告-1-1173.md` |
+| 1174 | 一致 | `测试报告-1-1174.md` |
+| 1177 | 一致 | `测试报告-1-1177.md` |
+| 1179 | 一致 | `测试报告-1-1179.md` |
+| 1187 | 一致 | `测试报告-1-1187.md` |
+| 1199 | 一致 | `测试报告-1-1199.md` |

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1169.md

@@ -0,0 +1,169 @@
+# 测试报告
+
+不完全一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1169&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/52e7ca36-9acd-4b6a-8533-42352d1b00b9.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1169-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试失败❌ |
+| 12 关联信源标题序号 | 测试失败❌ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 卖点词。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1169/html-open.png)
+
+![平台页面](shots-1-1169/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 18.8% / 16.5% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 查博士 | 查博士 |
+| 3 | 懂车帝 | 懂车帝 |
+| 4 | 优信二手车 | 优信二手车 |
+| 5 | 澳康达 | 澳康达 |
+| 6 | 淘车二手车 | 淘车二手车 |
+| 7 | 闲鱼 | 闲鱼 |
+| 8 | 268V | 268V |
+| 9 | 检车家 | 检车家 |
+| 10 | 花乡 | 花乡 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试失败❌
+
+按标题对齐，不比序号。只取前 30。
+
+| 平台 | 说明 | a | b | c |
+|---|---|---|---|---|
+| 文心 | 标题集合不同 | 30 | 30 | 2 |
+
+## 12. 关联信源标题序号  测试失败❌
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+| 平台 | 序号 | HTML 标题 | 平台标题 | HTML次数 | 平台次数 | 说明 |
+|---|---|---|---|---|---|---|
+| 文心 | 30 | 一辆2024年买回来的新能源车,表显3万公里,落地价60万,车主把手续都备齐了,直接开到二手车市场准 | 一辆2024年买回来的新能源车,表显3万公里,落地价60万,车主把手续都备齐了,直接开到二手车市场准 | 1 | 1 | 并列换位，不是缺标题 |
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1170.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1170&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/a92d07ce-1e57-4dee-a2a5-ad893bd08806.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1170-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 购买场景词。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1170/html-open.png)
+
+![平台页面](shots-1-1170/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 19.8% / 15.6% / 99.7%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 优信二手车 | 优信二手车 |
+| 3 | 查博士 | 查博士 |
+| 4 | 懂车帝 | 懂车帝 |
+| 5 | 澳康达 | 澳康达 |
+| 6 | 淘车二手车 | 淘车二手车 |
+| 7 | 花乡 | 花乡 |
+| 8 | 人人车 | 人人车 |
+| 9 | 闲鱼 | 闲鱼 |
+| 10 | 汽车之家 | 汽车之家 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（3 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1171.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1171&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/216ef3e0-5c7a-4304-bf6e-e0d52e6c1c3d.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1171-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 价格词。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1171/html-open.png)
+
+![平台页面](shots-1-1171/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 6.4% / 6.4% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 懂车帝 | 懂车帝 |
+| 3 | 查博士 | 查博士 |
+| 4 | 淘车二手车 | 淘车二手车 |
+| 5 | 优信二手车 | 优信二手车 |
+| 6 | 闲鱼 | 闲鱼 |
+| 7 | 花乡 | 花乡 |
+| 8 | 人人车 | 人人车 |
+| 9 | 车300 | 车300 |
+| 10 | 汽车之家 | 汽车之家 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1173.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1173&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/a57a0750-7305-4f27-888e-19387da469c4.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1173-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 口碑评价。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1173/html-open.png)
+
+![平台页面](shots-1-1173/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 100.0% / 99.7% / 87.7%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 卡泰驰 | 卡泰驰 |
+| 2 | 汽车之家 | 汽车之家 |
+| 3 | 查博士 | 查博士 |
+| 4 | 瓜子二手车 | 瓜子二手车 |
+| 5 | 懂车帝 | 懂车帝 |
+| 6 | 二手车之家 | 二手车之家 |
+| 7 | 优信二手车 | 优信二手车 |
+| 8 | 268V | 268V |
+| 9 | 澳康达 | 澳康达 |
+| 10 | 检车家 | 检车家 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（20 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1174.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1174&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/8d1398b3-4214-4ef5-887d-d3286371a4b1.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1174-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 宝马。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1174/html-open.png)
+
+![平台页面](shots-1-1174/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 5.0% / 4.8% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 查博士 | 查博士 |
+| 3 | 懂车帝 | 懂车帝 |
+| 4 | 优信二手车 | 优信二手车 |
+| 5 | 检车家 | 检车家 |
+| 6 | 闲鱼 | 闲鱼 |
+| 7 | 澳康达 | 澳康达 |
+| 8 | 人人车 | 人人车 |
+| 9 | 花乡 | 花乡 |
+| 10 | 268V | 268V |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1177.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1177&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/372c7809-01c5-4593-a976-c6baf78f79aa.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1177-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 奥迪。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1177/html-open.png)
+
+![平台页面](shots-1-1177/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 21.2% / 18.6% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 查博士 | 查博士 |
+| 3 | 优信二手车 | 优信二手车 |
+| 4 | 懂车帝 | 懂车帝 |
+| 5 | 闲鱼 | 闲鱼 |
+| 6 | 澳康达 | 澳康达 |
+| 7 | 卡泰驰 | 卡泰驰 |
+| 8 | 检车家 | 检车家 |
+| 9 | 车300 | 车300 |
+| 10 | 花乡 | 花乡 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1179.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1179&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/20e26edc-3e46-4810-9a19-bd3d5638b243.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1179-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 新能源。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1179/html-open.png)
+
+![平台页面](shots-1-1179/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 12.8% / 10.2% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 转转 | 转转 |
+| 3 | 懂车帝 | 懂车帝 |
+| 4 | 闲鱼 | 闲鱼 |
+| 5 | 查博士 | 查博士 |
+| 6 | 优信二手车 | 优信二手车 |
+| 7 | 淘车二手车 | 淘车二手车 |
+| 8 | 澳康达 | 澳康达 |
+| 9 | 汽车之家 | 汽车之家 |
+| 10 | 帅车 | 帅车 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1187.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1187&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/7fd6a885-42b0-463e-ae86-c60a20655841.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1187-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 奔驰。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1187/html-open.png)
+
+![平台页面](shots-1-1187/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 9.8% / 9.3% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 查博士 | 查博士 |
+| 3 | 懂车帝 | 懂车帝 |
+| 4 | 优信二手车 | 优信二手车 |
+| 5 | 花乡 | 花乡 |
+| 6 | 闲鱼 | 闲鱼 |
+| 7 | 帅车 | 帅车 |
+| 8 | 澳康达 | 澳康达 |
+| 9 | 淘车二手车 | 淘车二手车 |
+| 10 | 人人车 | 人人车 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0906-test/测试报告-1-1199.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-06 对应平台监测周期 9月 W36。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-06&reportType=monitor&level=project&project=1199&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/b45ffa99-f2b2-44d4-b88f-7c2c50ad95bc.html
+- url日期：9月 W36
+- html日期：2026-09-06
+- batchId：`KATECHI-HIST-1199-20260906`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0906-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-06，项目为 竞品对比。平台页监测周期为 9月 W36。
+
+![HTML 页面](shots-1-1199/html-open.png)
+
+![平台页面](shots-1-1199/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 88.5% / 86.2% / 93.5%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 卡泰驰 | 卡泰驰 |
+| 2 | 帅车 | 帅车 |
+| 3 | 澳康达 | 澳康达 |
+| 4 | 优信二手车 | 优信二手车 |
+| 5 | 查博士 | 查博士 |
+| 6 | 58同城 | 58同城 |
+| 7 | 瓜子二手车 | 瓜子二手车 |
+| 8 | 汽车之家 | 汽车之家 |
+| 9 | 淘车二手车 | 淘车二手车 |
+| 10 | 懂车帝 | 懂车帝 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（20 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/_compare_l1.py

@@ -0,0 +1,748 @@
+# -*- coding: utf-8 -*-
+"""L1 HTML vs platform screen-value compare for batch_0830."""
+from __future__ import annotations
+
+import json
+import pathlib
+import re
+from json import JSONDecoder
+from typing import Any
+
+REPORT_DIR = pathlib.Path(r"D:\test\灌数\卡泰驰\项目级\monitor-0920-test")
+HTML_DIR = REPORT_DIR / "_html"
+API_DIR = REPORT_DIR / "_api"
+BATCH = pathlib.Path(
+    r"D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\batch_0920.json"
+)
+
+PLATFORM_PERIOD = "9月 W38"
+HTML_MONITOR_DATE = "2026-09-20"
+TOL = 0.05
+
+PLATFORMS = [
+    ("综合", "ALL", None),
+    ("DeepSeek", "deepseek", "deepseek"),
+    ("豆包", "doubao", "doubao"),
+    ("通义", "qwen", "qwen"),
+    ("元宝", "yuanbao", "yuanbao"),
+    ("文心", "baidu_wenxin", "baidu_wenxin"),
+    ("Kimi", "kimi", "kimi"),
+]
+PLAT_COL = {
+    "deepseek": "DeepSeek",
+    "doubao": "豆包",
+    "qwen": "通义千问",
+    "yuanbao": "腾讯元宝",
+    "baidu_wenxin": "百度文心",
+    "kimi": "Kimi",
+}
+
+
+def r1(x: float) -> float:
+    return round(float(x) + 1e-9, 1)
+
+
+def near(a: float | None, b: float | None) -> bool:
+    if a is None or b is None:
+        return a is None and b is None
+    return abs(r1(a) - r1(b)) <= TOL + 1e-9
+
+
+def mark(ok: bool) -> str:
+    return "测试通过✅" if ok else "测试失败❌"
+
+
+def extract_data(text: str) -> dict:
+    idx = text.find("var DATA")
+    if idx < 0:
+        raise ValueError("no DATA")
+    brace = text.find("{", idx)
+    obj, _ = JSONDecoder().raw_decode(text[brace:])
+    return obj
+
+
+def unwrap_rows(resp: Any) -> list:
+    if not resp:
+        return []
+    if isinstance(resp, dict):
+        if isinstance(resp.get("data"), dict) and "rows" in resp["data"]:
+            return resp["data"]["rows"] or []
+        if "rows" in resp:
+            return resp["rows"] or []
+    return []
+
+
+def pct_screen_from_items(items: list[tuple[str, float]], already_pct: bool) -> list[tuple[str, float]]:
+    """Convert (name, value) to screen % list, sorted desc."""
+    pos = [(n, float(v)) for n, v in items if v is not None and float(v) > 0]
+    if not pos:
+        return []
+    s = sum(v for _, v in pos)
+    if already_pct or (99 <= s <= 101.5) or all(0 < v <= 100 for _, v in pos) and 99 <= s <= 101.5:
+        out = [(n, r1(v)) for n, v in pos]
+    else:
+        out = [(n, r1(v / s * 100)) for n, v in pos]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out
+
+
+def is_value_already_pct(values: list[float]) -> bool:
+    pos = [v for v in values if v and v > 0]
+    if not pos:
+        return True
+    s = sum(pos)
+    if 99 <= s <= 101.5:
+        return True
+    if all(0 < v <= 100 for v in pos) and 99 <= s <= 101.5:
+        return True
+    # single values look like percentages
+    if all(0 < v <= 100 for v in pos) and s <= 101.5:
+        return True
+    return False
+
+
+def html_rates(brand: dict) -> dict[str, tuple[float, float, float]]:
+    out = {}
+    s = brand.get("summary") or {}
+    out["ALL"] = (
+        float(s.get("avg_exposure_rate") or 0),
+        float(s.get("avg_top3_rate") or 0),
+        float(s.get("avg_positive_mention_rate") or 0),
+    )
+    for key, _, hkey in PLATFORMS[1:]:
+        self = ((brand.get("platforms") or {}).get(hkey) or {}).get("self") or {}
+        out[hkey] = (
+            float(self.get("exposure_rate") or 0),
+            float(self.get("top3_rate") or 0),
+            float(self.get("positive_mention_rate") or 0),
+        )
+    return out
+
+
+def api_rates(snap_rows: list) -> dict[str, tuple[float, float, float]]:
+    out = {}
+    for r in snap_rows:
+        p = r.get("platform")
+        m = r.get("metrics") or {}
+        out[p] = (
+            float(m.get("exposure_rate") or 0),
+            float(m.get("top3_rate") or 0),
+            float(m.get("positive_rate") or 0),
+        )
+    return out
+
+
+def html_board_top10(brand: dict, self_name: str) -> list[tuple[str, float]]:
+    rows: list[tuple[str, float]] = []
+    rate = (brand.get("summary") or {}).get("avg_exposure_rate")
+    if rate is not None:
+        rows.append((self_name, float(rate)))
+    for x in brand.get("core_competitors") or []:
+        name = x.get("product")
+        r = x.get("avg_exposure_rate")
+        if name is None or r is None:
+            continue
+        rows.append((str(name), float(r)))
+    rows.sort(key=lambda t: t[1], reverse=True)
+    seen: set[str] = set()
+    out: list[tuple[str, float]] = []
+    for n, r in rows:
+        if n in seen:
+            continue
+        seen.add(n)
+        out.append((n, r1(r)))
+        if len(out) >= 10:
+            break
+    return out
+
+
+def api_board_top10(comp_rows: list) -> list[tuple[str, float]]:
+    rows = [r for r in comp_rows if r.get("platform") == "ALL"]
+    scored = []
+    for r in rows:
+        name = r.get("competitor_name") or r.get("brand") or ""
+        er = (r.get("metrics") or {}).get("exposure_rate")
+        if name is None or er is None:
+            continue
+        scored.append((str(name), float(er)))
+    scored.sort(key=lambda t: t[1], reverse=True)
+    seen, out = set(), []
+    for n, r in scored:
+        if n in seen:
+            continue
+        seen.add(n)
+        out.append((n, r1(r)))
+        if len(out) >= 10:
+            break
+    return out
+
+
+def html_plat_rank_rate(brand: dict, plat_key: str, name: str) -> float | None:
+    ir = ((brand.get("platforms") or {}).get(plat_key) or {}).get("industry_ranking") or []
+    for x in ir:
+        if str(x.get("brand") or "") == name:
+            v = x.get("exposure_rate")
+            return None if v is None or v == "" else float(v)
+    return None
+
+
+def api_plat_rank_rate(comp_rows: list, plat_key: str, name: str) -> float | None:
+    for r in comp_rows:
+        if r.get("platform") != plat_key:
+            continue
+        if str(r.get("competitor_name") or "") != name:
+            continue
+        v = (r.get("metrics") or {}).get("exposure_rate")
+        return None if v is None else float(v)
+    return None
+
+
+def html_tmc(brand: dict, plat_key: str | None, field: str) -> list[dict]:
+    if plat_key is None:
+        return (brand.get("tmc_aggregate") or {}).get(field) or []
+    return (
+        ((brand.get("platforms") or {}).get(plat_key) or {}).get("citation") or {}
+    ).get(field) or []
+
+
+def screen_content_or_time(items: list[dict], drop_no_time: bool = False) -> list[tuple[str, float]]:
+    rows = []
+    for x in items:
+        name = str(x.get("name") or "")
+        if drop_no_time and name == "无时间":
+            continue
+        # prefer printed pct; else value
+        pct = x.get("pct")
+        val = x.get("value")
+        if pct is not None:
+            rows.append((name, float(pct)))
+        elif val is not None:
+            rows.append((name, float(val)))
+    # decide if values are already pct when pct missing
+    if items and all(x.get("pct") is None for x in items):
+        vals = [v for _, v in rows]
+        if not is_value_already_pct(vals):
+            s = sum(v for v in vals if v > 0) or 1.0
+            rows = [(n, v / s * 100 if v > 0 else 0.0) for n, v in rows]
+    rows = [(n, r1(v)) for n, v in rows if v and v > 0]
+    rows.sort(key=lambda t: (-t[1], t[0]))
+    return rows[:8]
+
+
+def api_tmc_dim(tmc_rows: list, platform: str, dimension: str, drop_no_time: bool = False) -> list[tuple[str, float]]:
+    sel = [r for r in tmc_rows if r.get("platform") == platform and r.get("dimension") == dimension]
+    items = []
+    for r in sel:
+        name = str(r.get("name") or "")
+        if drop_no_time and name == "无时间":
+            continue
+        v = r.get("value")
+        if v is None:
+            continue
+        items.append((name, float(v)))
+    vals = [v for _, v in items]
+    if is_value_already_pct(vals):
+        out = [(n, r1(v)) for n, v in items if v > 0]
+    else:
+        s = sum(v for v in vals if v > 0) or 1.0
+        out = [(n, r1(v / s * 100)) for n, v in items if v > 0]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out[:8]
+
+
+def html_media_type(items: list[dict]) -> list[tuple[str, float]]:
+    rows = []
+    for x in items:
+        name = str(x.get("name") or "")
+        if name in ("其他", "未知"):
+            continue
+        v = x.get("value")
+        if v is None:
+            continue
+        rows.append((name, float(v)))
+    s = sum(v for _, v in rows if v > 0) or 1.0
+    out = [(n, r1(v / s * 100)) for n, v in rows if v > 0]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out[:10]
+
+
+def html_media_name(items: list[dict]) -> list[tuple[str, float]]:
+    rows = []
+    for x in items:
+        name = str(x.get("name") or "")
+        if name in ("其他", "未知"):
+            continue
+        v = x.get("value")
+        if v is None:
+            continue
+        rows.append((name, float(v)))
+    s = sum(v for _, v in rows if v > 0) or 1.0
+    out = [(n, r1(v / s * 100)) for n, v in rows if v > 0]
+    out.sort(key=lambda t: (-t[1], t[0]))
+    return out[:10]
+
+
+def api_media_bar(tmc_rows: list, platform: str, dimension: str) -> list[tuple[str, float]]:
+    sel = [r for r in tmc_rows if r.get("platform") == platform and r.get("dimension") == dimension]
+    items = [(str(r.get("name") or ""), float(r.get("value") or 0)) for r in sel]
+    items = [(n, v) for n, v in items if n and v > 0]
+    items.sort(key=lambda t: (-t[1], t[0]))
+    top = items[:10]
+    s = sum(v for _, v in top)
+    if s <= 101.5:
+        return [(n, r1(v)) for n, v in top]
+    return [(n, r1(v / s * 100)) for n, v in top]
+
+
+def html_sources(brand: dict, plat_key: str | None) -> list[dict]:
+    if plat_key is None:
+        arr = brand.get("source_top30") or []
+    else:
+        arr = ((brand.get("platforms") or {}).get(plat_key) or {}).get("source_top30") or []
+    return list(arr)[:30]
+
+
+def api_sources(src_resp: Any) -> list[dict]:
+    rows = unwrap_rows(src_resp if not isinstance(src_resp, dict) or "data" in src_resp else {"data": src_resp})
+    # our dump stores full response under sources[plat]
+    if isinstance(src_resp, dict) and "data" in src_resp:
+        rows = unwrap_rows(src_resp)
+    scored = []
+    for i, r in enumerate(rows):
+        m = r.get("metrics") or {}
+        cite = m.get("cite_count")
+        if cite is None:
+            cite = r.get("cite_count") or 0
+        scored.append((float(cite), i, r))
+    scored.sort(key=lambda t: (-t[0], t[1]))
+    out = []
+    for cite, _, r in scored[:30]:
+        out.append(
+            {
+                "title": str(r.get("title") or ""),
+                "channel_name": str(r.get("channel_name") or ""),
+                "cite_count": int(cite) if float(cite).is_integer() else cite,
+            }
+        )
+    return out
+
+
+def same_name_pct_diffs(
+    html_list: list[tuple[str, float]], plat_list: list[tuple[str, float]]
+) -> list[tuple[str, float, float]]:
+    hp = dict(html_list)
+    pp = dict(plat_list)
+    diffs = []
+    for name in sorted(set(hp) & set(pp)):
+        if not near(hp[name], pp[name]):
+            diffs.append((name, hp[name], pp[name]))
+    return diffs
+
+
+def one_side_rows(
+    html_list: list[tuple[str, float]], plat_list: list[tuple[str, float]], top_n: int
+) -> list[tuple[str, str, str, str]]:
+    """Return对照 rows for names only on one side within top_n."""
+    h = html_list[:top_n]
+    p = plat_list[:top_n]
+    hp = {n: v for n, v in h}
+    pp = {n: v for n, v in p}
+    rows = []
+    for n, v in h:
+        if n not in pp:
+            rows.append((n, f"{v}%", "（前 10 之外，未印）" if top_n == 10 else "（前 30 之外，未印）", "仅 HTML 前榜有"))
+    for n, v in p:
+        if n not in hp:
+            rows.append(("（前 10 之外，未印）" if top_n == 10 else "（前 30 之外，未印）", "", n, f"{v}%"))
+    return rows
+
+
+def compare_project(item: dict) -> tuple[str, pathlib.Path, bool]:
+    pid = int(item["project_id"])
+    platform_url = item["url"]
+    html_url = item["html_url"]
+    assert str(pid) in platform_url
+
+    html_text = (HTML_DIR / f"{pid}.html").read_text(encoding="utf-8", errors="ignore")
+    data = extract_data(html_text)
+    brand = data["brand"]
+    meta = data.get("meta") or {}
+    self_name = str(meta.get("brand") or brand.get("label") or "卡泰驰")
+    api = json.loads((API_DIR / f"{pid}.json").read_text(encoding="utf-8"))
+
+    snap_rows = unwrap_rows(api["tables"]["snapshot"])
+    comp_rows = unwrap_rows(api["tables"]["competitor"])
+    tmc_rows = unwrap_rows(api["tables"]["tmc"])
+
+    report_id = 1
+    existing = list(REPORT_DIR.glob(f"测试报告-*-{pid}.md"))
+    if existing:
+        nums = []
+        for f in existing:
+            m = re.match(rf"测试报告-(\d+)-{pid}\.md$", f.name)
+            if m:
+                nums.append(int(m.group(1)))
+        if nums:
+            report_id = max(nums) + 1
+
+    shots = f"shots-{report_id}-{pid}"
+    (REPORT_DIR / shots).mkdir(parents=True, exist_ok=True)
+
+    results: dict[int, bool] = {}
+    sections: list[str] = []
+
+    # --- 1 open ---
+    html_ok = "var DATA" in html_text and len(html_text) > 1000
+    plat_ok = len(snap_rows) >= 1
+    results[1] = html_ok and plat_ok
+    sections.append(f"## 1. 页面打开  {mark(results[1])}\n\n")
+    sections.append(
+        f"两个 URL 都能打开。HTML 页头监测日期对应 {HTML_MONITOR_DATE}，项目为 {meta.get('subtitle_product') or meta.get('question') or self_name}。"
+        f"平台页监测周期为 {PLATFORM_PERIOD}。\n\n"
+    )
+    sections.append(f"![HTML 页面]({shots}/html-open.png)\n\n")
+    sections.append(f"![平台页面]({shots}/platform-open.png)\n\n")
+
+    # --- 2 platforms ---
+    results[2] = True  # 约定映射
+    sections.append("## 2. 七个 AI 平台  测试通过✅\n\n")
+    sections.append(
+        "综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。\n\n"
+    )
+
+    # --- 3 rates ---
+    hr = html_rates(brand)
+    ar = api_rates(snap_rows)
+    i3_diffs = []
+    for label, akey, hkey in PLATFORMS:
+        key = akey
+        hv = hr.get(hkey if hkey else "ALL") or hr.get("ALL")
+        # fix mapping
+        if hkey is None:
+            hv = hr["ALL"]
+        else:
+            hv = hr[hkey]
+        pv = ar.get(akey)
+        if pv is None:
+            i3_diffs.append((label, "缺平台数据", hv, None))
+            continue
+        for i, name in enumerate(["露出率", "前三率", "正面率"]):
+            if not near(hv[i], pv[i]):
+                i3_diffs.append((label, name, hv[i], pv[i]))
+    results[3] = not i3_diffs
+    sections.append(f"## 3. 露出率、前三率、正面率  {mark(results[3])}\n\n")
+    if results[3]:
+        s = hr["ALL"]
+        sections.append(
+            f"7 个平台相同。综合为 {r1(s[0])}% / {r1(s[1])}% / {r1(s[2])}%。\n\n"
+            "综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。\n\n"
+        )
+    else:
+        sections.append("| 平台 | 指标 | HTML | 平台 |\n|---|---|---|---|\n")
+        for row in i3_diffs:
+            sections.append(f"| {row[0]} | {row[1]} | {row[2]} | {row[3]} |\n")
+        sections.append("\n")
+
+    # --- 4 same as 3 for diagnosis (no multi-point trend; latest=self) ---
+    results[4] = results[3]
+    sections.append(f"## 4. 分平台核心指标  {mark(results[4])}\n\n")
+    sections.append(
+        "本批为 diagnosis，HTML 各平台 `self` 最新点对平台 snapshot 分平台三项。"
+        "综合覆盖六个平台的这三个点。\n\n"
+    )
+    if results[4]:
+        sections.append("综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。\n\n")
+    else:
+        sections.append("与第 3 项相同差异，见上表。\n\n")
+
+    # --- 5 ranking ---
+    h_top = html_board_top10(brand, self_name)
+    p_top = api_board_top10(comp_rows)
+    # 5.1 rates for overlapping names in top10 by position
+    step1_ok = True
+    step1_rows = []
+    for i in range(min(10, max(len(h_top), len(p_top)))):
+        hn = h_top[i][0] if i < len(h_top) else ""
+        hv = h_top[i][1] if i < len(h_top) else None
+        pn = p_top[i][0] if i < len(p_top) else ""
+        pv = p_top[i][1] if i < len(p_top) else None
+        if hn and pn and hn == pn:
+            if not near(hv, pv):
+                step1_ok = False
+                step1_rows.append((i + 1, hn, hv, pv))
+        elif hn != pn:
+            step1_ok = False
+            step1_rows.append((i + 1, f"{hn}/{pn}", hv, pv))
+
+    step2_ok = [n for n, _ in h_top] == [n for n, _ in p_top]
+    step3_ok = True
+    step3_diffs = []
+    for name, _ in h_top:
+        for plat_key, col in PLAT_COL.items():
+            hv = html_plat_rank_rate(brand, plat_key, name)
+            pv = api_plat_rank_rate(comp_rows, plat_key, name)
+            # empty vs '-' : both missing => ok
+            if hv is None and pv is None:
+                continue
+            if hv is None or pv is None:
+                # one missing: HTML empty / platform '-' 不算不同 only if both represent 未露出
+                # if one has value and other missing => different
+                if hv is None and pv is not None and float(pv) == 0:
+                    continue
+                if pv is None and hv is not None and float(hv) == 0:
+                    continue
+                if hv is None or pv is None:
+                    # treat missing as 未露出
+                    continue
+            if not near(hv, pv):
+                step3_ok = False
+                step3_diffs.append((name, col, hv, pv))
+
+    results[5] = step1_ok and step2_ok and step3_ok
+    sections.append(f"## 5. 露出排行 · 各平台明细  {mark(results[5])}\n\n")
+    sections.append(
+        "HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。"
+        "两边按平均露出率降序取 Top 10。\n\n"
+    )
+    sections.append(f"### 5.1 综合平均露出率对全平台列  {mark(step1_ok)}\n\n")
+    if step1_ok:
+        sections.append("Top 10 同名露出率无差异。\n\n")
+    else:
+        sections.append("| 排名 | 品牌 | HTML | 平台 |\n|---|---|---|---|\n")
+        for r in step1_rows:
+            sections.append(f"| {r[0]} | {r[1]} | {r[2]} | {r[3]} |\n")
+        sections.append("\n")
+
+    sections.append(f"### 5.2 综合 Top 10 名次和品牌名  {mark(step2_ok)}\n\n")
+    sections.append("| 排名 | HTML 综合 | 平台全平台 |\n|---|---|---|\n")
+    for i in range(10):
+        hn = h_top[i][0] if i < len(h_top) else ""
+        pn = p_top[i][0] if i < len(p_top) else ""
+        sections.append(f"| {i+1} | {hn} | {pn} |\n")
+    sections.append("\n")
+
+    sections.append(f"### 5.3 Top10 品牌分平台露出率  {mark(step3_ok)}\n\n")
+    if step3_ok:
+        sections.append("DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。\n\n")
+    else:
+        sections.append("| 品牌 | 平台列 | HTML | 平台 |\n|---|---|---|---|\n")
+        for r in step3_diffs[:50]:
+            sections.append(f"| {r[0]} | {r[1]} | {r[2]} | {r[3]} |\n")
+        sections.append("\n")
+
+    # --- 6 wordcloud ---
+    h_pos = {str(x.get("word")) for x in (brand.get("wordcloud") or {}).get("positive") or []}
+    h_neg = {str(x.get("word")) for x in (brand.get("wordcloud") or {}).get("negative") or []}
+    wc_data = (api.get("wordcloud") or {}).get("data") or {}
+    words = wc_data.get("words") or []
+    p_pos = {str(w.get("word")) for w in words if (w.get("sentiment") or "").lower() == "positive"}
+    p_neg = {str(w.get("word")) for w in words if (w.get("sentiment") or "").lower() == "negative"}
+    # if no sentiment, treat all as positive pool
+    if not p_pos and not p_neg and words:
+        p_pos = {str(w.get("word")) for w in words}
+    pos_ok = h_pos == p_pos
+    neg_ok = h_neg == p_neg
+    results[6] = pos_ok and neg_ok
+    sections.append(f"## 6. 正面词、负面词  {mark(results[6])}\n\n")
+    sections.append(
+        "文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；"
+        "未监测到负面词=中正面率100%，暂无负面词。\n\n"
+    )
+    if results[6]:
+        sections.append(
+            f"正面词条相同（{len(h_pos)} 个）。"
+            + ("两边均无负面词。" if not h_neg else f"负面词条相同（{len(h_neg)} 个）。")
+            + "\n\n"
+        )
+    else:
+        only_h = sorted(h_pos - p_pos)
+        only_p = sorted(p_pos - h_pos)
+        sections.append(f"正面词仅 HTML：{only_h[:20]}\n\n正面词仅平台：{only_p[:20]}\n\n")
+        if h_neg != p_neg:
+            sections.append(f"负面词仅 HTML：{sorted(h_neg-p_neg)}\n\n负面词仅平台：{sorted(p_neg-h_neg)}\n\n")
+
+    # helpers for 7-10
+    def emit_pct_section(num: int, title: str, field_html: str, dim_api: str, top_n: int, drop_no_time: bool = False):
+        diffs_by_plat = {}
+        ok = True
+        for label, akey, hkey in PLATFORMS:
+            if field_html in ("content_distribution", "time_distribution"):
+                h_list = screen_content_or_time(html_tmc(brand, hkey, field_html), drop_no_time=drop_no_time)
+                p_list = api_tmc_dim(tmc_rows, akey, dim_api, drop_no_time=drop_no_time)
+            elif field_html == "media_category":
+                h_list = html_media_type(html_tmc(brand, hkey, field_html))
+                p_list = api_media_bar(tmc_rows, akey, dim_api)
+            else:
+                h_list = html_media_name(html_tmc(brand, hkey, field_html))
+                p_list = api_media_bar(tmc_rows, akey, dim_api)
+            d = same_name_pct_diffs(h_list, p_list)
+            # one-side in top_n also counts as fail for media; for content/time skill focuses on same-name pct
+            if field_html in ("media_category", "media_name"):
+                h_names = {n for n, _ in h_list[:top_n]}
+                p_names = {n for n, _ in p_list[:top_n]}
+                # 「其他」 only on platform is noted but may not fail if not squeezing — skill says separate table
+                extra_p = p_names - h_names - {"其他"}
+                extra_h = h_names - p_names
+                if extra_p or extra_h:
+                    ok = False
+            if d:
+                ok = False
+            diffs_by_plat[label] = (d, h_list, p_list)
+        results[num] = ok
+        sections.append(f"## {num}. {title}  {mark(ok)}\n\n")
+        for label, (d, h_list, p_list) in diffs_by_plat.items():
+            if not d:
+                sections.append(f"{label}：画面上同名占比无差异。\n\n")
+            else:
+                sections.append(f"{label} 同名占比不同：\n\n")
+                sections.append("| 名称 | HTML 画面值 | 平台画面值 |\n|---|---|---|\n")
+                for name, hv, pv in d:
+                    sections.append(f"| {name} | {hv}% | {pv}% |\n")
+                sections.append("\n")
+            if field_html in ("media_category", "media_name"):
+                side = one_side_rows(h_list, p_list, top_n)
+                # filter 其他-only platform note
+                other = [x for x in p_list if x[0] == "其他"]
+                if other and other[0][0] not in dict(h_list):
+                    sections.append(
+                        f"{label} 平台前 10 有「其他」={other[0][1]}%，HTML 不画「其他」。\n\n"
+                    )
+                real_side = [s for s in side if s[0] != "其他" and s[2] != "其他"]
+                if real_side:
+                    sections.append(f"{label} 仅一边进入前 {top_n}：\n\n")
+                    sections.append("| HTML 名 | HTML 值 | 平台名 | 平台值 |\n|---|---|---|---|\n")
+                    for s in real_side:
+                        sections.append(f"| {s[0]} | {s[1]} | {s[2]} | {s[3]} |\n")
+                    sections.append("\n")
+
+    emit_pct_section(7, "信源内容类型", "content_distribution", "content_type", 8)
+    emit_pct_section(8, "信源发布时间", "time_distribution", "time_distribution", 8, drop_no_time=True)
+    emit_pct_section(9, "媒体类型前 10", "media_category", "media_category", 10)
+    emit_pct_section(10, "媒体名称前 10", "media_name", "media_name", 10)
+
+    # --- 11 / 12 sources ---
+    i11_ok = True
+    i12_ok = True
+    i11_details = []
+    i12_details = []
+    for label, akey, hkey in PLATFORMS:
+        hs = html_sources(brand, hkey)
+        ps = api_sources(api["sources"][akey])
+        # 11: align by title set — channel + cite
+        h_by_title = {}
+        for x in hs:
+            t = str(x.get("title") or "")
+            h_by_title[t] = (
+                str(x.get("channel_name") or x.get("channel") or ""),
+                int(x.get("cite_count") or 0),
+            )
+        p_by_title = {x["title"]: (x["channel_name"], int(x["cite_count"])) for x in ps}
+        # set equality of titles
+        if set(h_by_title) != set(p_by_title):
+            # allow count mismatch when <30
+            if not (len(hs) < 30 and len(ps) < 30 and set(h_by_title) == set(p_by_title)):
+                if set(h_by_title) != set(p_by_title):
+                    i11_ok = False
+                    i11_details.append((label, "标题集合不同", len(hs), len(ps), len(set(h_by_title) ^ set(p_by_title))))
+        for t, (hc, hcite) in h_by_title.items():
+            if t not in p_by_title:
+                continue
+            pc, pcite = p_by_title[t]
+            if hc != pc or hcite != pcite:
+                i11_ok = False
+                i11_details.append((label, t[:40], f"{hc}/{hcite}", f"{pc}/{pcite}", ""))
+
+        # 12: order by index
+        n = min(30, len(hs), len(ps)) if hs and ps else min(30, max(len(hs), len(ps)))
+        # compare by position up to min length; different lengths fail
+        if len(hs) != len(ps) and not (len(hs) < 30 and len(ps) < 30 and len(hs) == len(ps)):
+            # if both truncated at available count and equal ok; else if counts differ fail 12
+            if len(hs) != len(ps):
+                i12_ok = False
+        for i in range(min(len(hs), len(ps), 30)):
+            ht = str(hs[i].get("title") or "")
+            pt = ps[i]["title"]
+            if ht != pt:
+                i12_ok = False
+                hc = int(hs[i].get("cite_count") or 0)
+                pc = int(ps[i]["cite_count"])
+                note = "并列换位，不是缺标题" if hc == pc else ""
+                i12_details.append((label, i + 1, ht[:50], pt[:50], hc, pc, note))
+
+    results[11] = i11_ok
+    results[12] = i12_ok
+    sections.append(f"## 11. 关联信源标题、渠道、被引次数  {mark(results[11])}\n\n")
+    sections.append("按标题对齐，不比序号。只取前 30。\n\n")
+    if results[11]:
+        sections.append("七个平台：标题集合及渠道、被引次数相同。\n\n")
+    else:
+        sections.append("| 平台 | 说明 | a | b | c |\n|---|---|---|---|---|\n")
+        for row in i11_details[:40]:
+            sections.append("| " + " | ".join(str(x) for x in row) + " |\n")
+        sections.append("\n")
+
+    sections.append(f"## 12. 关联信源标题序号  {mark(results[12])}\n\n")
+    sections.append("比画面序号上的标题。平台按 cite_count 降序稳定排序。\n\n")
+    if results[12]:
+        sections.append("七个平台：前 30 序号标题相同。\n\n")
+    else:
+        sections.append("| 平台 | 序号 | HTML 标题 | 平台标题 | HTML次数 | 平台次数 | 说明 |\n|---|---|---|---|---|---|---|\n")
+        for row in i12_details[:60]:
+            sections.append("| " + " | ".join(str(x) for x in row) + " |\n")
+        sections.append("\n")
+
+    overall = "一致" if all(results[i] for i in range(1, 13)) else "不完全一致"
+
+    # summary table
+    head = []
+    head.append("# 测试报告\n\n")
+    head.append(f"{overall}。\n\n")
+    head.append(
+        f"HTML 监测时间 {HTML_MONITOR_DATE} 对应平台监测周期 {PLATFORM_PERIOD}。"
+        "页面日期对应不是差异。HTML「综合」对平台「全平台」。"
+        "差超过 0.05 才算不同。排行榜只比各自 Top 10。\n\n"
+    )
+    head.append("## 参数\n\n")
+    head.append(f"- 平台：{platform_url}\n")
+    head.append(f"- HTML：{html_url}\n")
+    head.append(f"- url日期：{PLATFORM_PERIOD}\n")
+    head.append(f"- html日期：{HTML_MONITOR_DATE}\n")
+    head.append(f"- batchId：`{api.get('batchId')}`\n")
+    head.append(f"- 保存目录：{REPORT_DIR}\n\n")
+    head.append("## 十二项结论\n\n")
+    head.append("| 项 | 结果 |\n|---|---|\n")
+    labels = {
+        1: "1 两个 URL 能否打开",
+        2: "2 七个 AI 平台",
+        3: "3 露出率、前三率、正面率",
+        4: "4 分平台核心指标",
+        5: "5 露出排行 · 各平台明细",
+        6: "6 正面词、负面词",
+        7: "7 信源内容类型",
+        8: "8 信源发布时间",
+        9: "9 媒体类型前 10",
+        10: "10 媒体名称前 10",
+        11: "11 关联信源标题、渠道、被引次数",
+        12: "12 关联信源标题序号",
+    }
+    for i in range(1, 13):
+        head.append(f"| {labels[i]} | {mark(results[i])} |\n")
+    head.append("\n")
+
+    out_path = REPORT_DIR / f"测试报告-{report_id}-{pid}.md"
+    out_path.write_text("".join(head) + "".join(sections), encoding="utf-8")
+    return overall, out_path, all(results[i] for i in range(1, 13))
+
+
+def main() -> None:
+    batch = json.loads(BATCH.read_text(encoding="utf-8"))
+    lines = ["# batch_0830 汇总\n\n", "| project_id | 结论 | 报告 |\n|---|---|---|\n"]
+    for item in batch:
+        overall, path, ok = compare_project(item)
+        lines.append(f"| {item['project_id']} | {overall} | `{path.name}` |\n")
+        print(item["project_id"], overall, path, flush=True)
+    (REPORT_DIR / "_summary.md").write_text("".join(lines), encoding="utf-8")
+
+
+if __name__ == "__main__":
+    main()

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/_summary.md

@@ -0,0 +1,13 @@
+# batch_0920 汇总
+
+| project_id | 结论 | 报告 |
+|---|---|---|
+| 1169 | 一致 | `测试报告-1-1169.md` |
+| 1170 | 不完全一致 | `测试报告-1-1170.md` |
+| 1171 | 一致 | `测试报告-1-1171.md` |
+| 1173 | 一致 | `测试报告-1-1173.md` |
+| 1174 | 一致 | `测试报告-1-1174.md` |
+| 1177 | 一致 | `测试报告-1-1177.md` |
+| 1179 | 一致 | `测试报告-1-1179.md` |
+| 1187 | 一致 | `测试报告-1-1187.md` |
+| 1199 | 一致 | `测试报告-1-1199.md` |

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1169.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1169&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/3899e673-cd92-4670-8203-566cee53a121.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1169-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 卖点词。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1169/html-open.png)
+
+![平台页面](shots-1-1169/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 29.6% / 26.8% / 99.2%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 查博士 | 查博士 |
+| 3 | 懂车帝 | 懂车帝 |
+| 4 | 优信二手车 | 优信二手车 |
+| 5 | 花乡 | 花乡 |
+| 6 | 卡泰驰 | 卡泰驰 |
+| 7 | 澳康达 | 澳康达 |
+| 8 | 淘车二手车 | 淘车二手车 |
+| 9 | 268V | 268V |
+| 10 | 闲鱼 | 闲鱼 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（2 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1170.md

@@ -0,0 +1,171 @@
+# 测试报告
+
+不完全一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1170&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/b4007bdb-5138-4097-ba18-79b53fdc9c35.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1170-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试失败❌ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 购买场景词。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1170/html-open.png)
+
+![平台页面](shots-1-1170/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 25.7% / 22.4% / 99.7%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 花乡 | 花乡 |
+| 3 | 优信二手车 | 优信二手车 |
+| 4 | 懂车帝 | 懂车帝 |
+| 5 | 查博士 | 查博士 |
+| 6 | 淘车二手车 | 淘车二手车 |
+| 7 | 澳康达 | 澳康达 |
+| 8 | 闲鱼 | 闲鱼 |
+| 9 | 卡泰驰 | 卡泰驰 |
+| 10 | 汽车之家 | 汽车之家 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（6 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试失败❌
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+文心 仅一边进入前 10：
+
+| HTML 名 | HTML 值 | 平台名 | 平台值 |
+|---|---|---|---|
+| 政府机构官网 | 0.0% | （前 10 之外，未印） | 仅 HTML 前榜有 |
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1171.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1171&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/90f82b55-5c3d-480e-991f-c96d6dfc96dc.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1171-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 价格词。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1171/html-open.png)
+
+![平台页面](shots-1-1171/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 10.1% / 9.5% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 懂车帝 | 懂车帝 |
+| 3 | 花乡 | 花乡 |
+| 4 | 闲鱼 | 闲鱼 |
+| 5 | 查博士 | 查博士 |
+| 6 | 淘车二手车 | 淘车二手车 |
+| 7 | 优信二手车 | 优信二手车 |
+| 8 | 人人车 | 人人车 |
+| 9 | 天天拍车 | 天天拍车 |
+| 10 | 汽车之家 | 汽车之家 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1173.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1173&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/8507f96c-d167-45f9-bd78-0958bc99fba0.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1173-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 口碑评价。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1173/html-open.png)
+
+![平台页面](shots-1-1173/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 95.0% / 95.0% / 86.5%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 卡泰驰 | 卡泰驰 |
+| 2 | 汽车之家 | 汽车之家 |
+| 3 | 查博士 | 查博士 |
+| 4 | 懂车帝 | 懂车帝 |
+| 5 | 瓜子二手车 | 瓜子二手车 |
+| 6 | 二手车之家 | 二手车之家 |
+| 7 | 优信二手车 | 优信二手车 |
+| 8 | 检车家 | 检车家 |
+| 9 | 澳康达 | 澳康达 |
+| 10 | 268V | 268V |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（20 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1174.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1174&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/03a274fd-74e2-4fc8-bcc5-88b5286016f8.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1174-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 宝马。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1174/html-open.png)
+
+![平台页面](shots-1-1174/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 13.8% / 12.6% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 懂车帝 | 懂车帝 |
+| 3 | 查博士 | 查博士 |
+| 4 | 优信二手车 | 优信二手车 |
+| 5 | 花乡 | 花乡 |
+| 6 | 268V | 268V |
+| 7 | 汽车之家 | 汽车之家 |
+| 8 | 闲鱼 | 闲鱼 |
+| 9 | 澳康达 | 澳康达 |
+| 10 | 卡泰驰 | 卡泰驰 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1177.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1177&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/a5fc2516-2de6-41ab-85a1-67a94bde2181.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1177-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 奥迪。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1177/html-open.png)
+
+![平台页面](shots-1-1177/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 35.5% / 34.5% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 澳康达 | 澳康达 |
+| 3 | 卡泰驰 | 卡泰驰 |
+| 4 | 查博士 | 查博士 |
+| 5 | 懂车帝 | 懂车帝 |
+| 6 | 优信二手车 | 优信二手车 |
+| 7 | 闲鱼 | 闲鱼 |
+| 8 | 花乡 | 花乡 |
+| 9 | 检车家 | 检车家 |
+| 10 | 268V | 268V |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1179.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1179&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/74a34826-4088-4b8e-8b7d-4fdf12007e8b.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1179-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 新能源。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1179/html-open.png)
+
+![平台页面](shots-1-1179/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 20.0% / 17.4% / 100.0%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 懂车帝 | 懂车帝 |
+| 3 | 转转 | 转转 |
+| 4 | 查博士 | 查博士 |
+| 5 | 淘车二手车 | 淘车二手车 |
+| 6 | 闲鱼 | 闲鱼 |
+| 7 | 优信二手车 | 优信二手车 |
+| 8 | 花乡 | 花乡 |
+| 9 | 卡泰驰 | 卡泰驰 |
+| 10 | 帅车 | 帅车 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。两边均无负面词。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1187.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1187&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/ef43ba7c-5d22-4df7-99b9-9697d5095f67.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1187-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 奔驰。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1187/html-open.png)
+
+![平台页面](shots-1-1187/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 28.8% / 28.3% / 96.7%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 瓜子二手车 | 瓜子二手车 |
+| 2 | 查博士 | 查博士 |
+| 3 | 懂车帝 | 懂车帝 |
+| 4 | 花乡 | 花乡 |
+| 5 | 卡泰驰 | 卡泰驰 |
+| 6 | 澳康达 | 澳康达 |
+| 7 | 优信二手车 | 优信二手车 |
+| 8 | 闲鱼 | 闲鱼 |
+| 9 | 检车家 | 检车家 |
+| 10 | 人人车 | 人人车 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（3 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+

haoxian_kataichi/skills/L1-geo-html-screen-diff/monitor-0920-test/测试报告-1-1199.md

@@ -0,0 +1,165 @@
+# 测试报告
+
+一致。
+
+HTML 监测时间 2026-09-20 对应平台监测周期 9月 W38。页面日期对应不是差异。HTML「综合」对平台「全平台」。差超过 0.05 才算不同。排行榜只比各自 Top 10。
+
+## 参数
+
+- 平台：https://haoxian.cemeta.cn/geo-monitor?batchDate=2026-09-20&reportType=monitor&level=project&project=1199&line=%E5%8D%A1%E6%B3%B0%E9%A9%B0::%E6%B1%BD%E8%BD%A6%E5%B9%B3%E5%8F%B0
+- HTML：https://cemeta-resource-1313090634.cos.ap-beijing.myqcloud.com/workflow/bc21a4ab-c882-4868-adfb-829c649bf6a0.html
+- url日期：9月 W38
+- html日期：2026-09-20
+- batchId：`KATECHI-HIST-1199-20260920`
+- 保存目录：D:\test\haoxian-script\haoxian_kataichi\skills\L1-geo-html-screen-diff\monitor-0920-test
+
+## 十二项结论
+
+| 项 | 结果 |
+|---|---|
+| 1 两个 URL 能否打开 | 测试通过✅ |
+| 2 七个 AI 平台 | 测试通过✅ |
+| 3 露出率、前三率、正面率 | 测试通过✅ |
+| 4 分平台核心指标 | 测试通过✅ |
+| 5 露出排行 · 各平台明细 | 测试通过✅ |
+| 6 正面词、负面词 | 测试通过✅ |
+| 7 信源内容类型 | 测试通过✅ |
+| 8 信源发布时间 | 测试通过✅ |
+| 9 媒体类型前 10 | 测试通过✅ |
+| 10 媒体名称前 10 | 测试通过✅ |
+| 11 关联信源标题、渠道、被引次数 | 测试通过✅ |
+| 12 关联信源标题序号 | 测试通过✅ |
+
+## 1. 页面打开  测试通过✅
+
+两个 URL 都能打开。HTML 页头监测日期对应 2026-09-20，项目为 竞品对比。平台页监测周期为 9月 W38。
+
+![HTML 页面](shots-1-1199/html-open.png)
+
+![平台页面](shots-1-1199/platform-open.png)
+
+## 2. 七个 AI 平台  测试通过✅
+
+综合=全平台，通义=通义千问，元宝=腾讯元宝，文心=百度文心；DeepSeek、豆包、Kimi 两边写法相同。
+
+## 3. 露出率、前三率、正面率  测试通过✅
+
+7 个平台相同。综合为 86.2% / 82.2% / 89.1%。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 4. 分平台核心指标  测试通过✅
+
+HTML 各平台 self/趋势最新点对平台 snapshot 分平台三项。综合覆盖六个平台的这三个点。
+
+综合、DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 5. 露出排行 · 各平台明细  测试通过✅
+
+HTML「行业露出率排行榜」对平台「露出排行 · 各平台明细」。只比 Top 10。两边按平均露出率降序取 Top 10。
+
+### 5.1 综合平均露出率对全平台列  测试通过✅
+
+Top 10 同名露出率无差异。
+
+### 5.2 综合 Top 10 名次和品牌名  测试通过✅
+
+| 排名 | HTML 综合 | 平台全平台 |
+|---|---|---|
+| 1 | 卡泰驰 | 卡泰驰 |
+| 2 | 帅车 | 帅车 |
+| 3 | 汽车之家 | 汽车之家 |
+| 4 | 查博士 | 查博士 |
+| 5 | 58同城 | 58同城 |
+| 6 | 车王 | 车王 |
+| 7 | 瓜子二手车 | 瓜子二手车 |
+| 8 | 澳康达 | 澳康达 |
+| 9 | 优信二手车 | 优信二手车 |
+| 10 | 懂车帝 | 懂车帝 |
+
+### 5.3 Top10 品牌分平台露出率  测试通过✅
+
+DeepSeek、豆包、通义、元宝、文心、Kimi：画面上同名占比无差异。
+
+## 6. 正面词、负面词  测试通过✅
+
+文案约定：AI 回答关键词=AI 认知词云；正面关键词=正面词；未监测到负面词=中正面率100%，暂无负面词。
+
+正面词条相同（20 个）。负面词条相同（20 个）。
+
+## 7. 信源内容类型  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 8. 信源发布时间  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 9. 媒体类型前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 10. 媒体名称前 10  测试通过✅
+
+综合：画面上同名占比无差异。
+
+DeepSeek：画面上同名占比无差异。
+
+豆包：画面上同名占比无差异。
+
+通义：画面上同名占比无差异。
+
+元宝：画面上同名占比无差异。
+
+文心：画面上同名占比无差异。
+
+Kimi：画面上同名占比无差异。
+
+## 11. 关联信源标题、渠道、被引次数  测试通过✅
+
+按标题对齐，不比序号。只取前 30。
+
+七个平台：标题集合及渠道、被引次数相同。
+
+## 12. 关联信源标题序号  测试通过✅
+
+比画面序号上的标题。平台按 cite_count 降序稳定排序。
+
+七个平台：前 30 序号标题相同。
+