台北市長選戰查核台（Claude 版）
2026 台北市長選舉（蔣萬安 vs 沈伯洋）的新聞攻防與事實查核平台。GitHub Actions 定時抓取新聞、論壇與查核機構文章，依標題自動分類「誰在攻擊誰」，再部署到 GitHub Pages。
網站：https://charleslin2003-prog.github.io/taipei-2026-election-monitor-claude/
功能
- 總覽：辯論與投票倒數、每週攻擊類報導趨勢、近 7 天熱門議題（與前 7 天比較）、發動陣營 × 被攻擊方矩陣、來源類型、議題、刊登媒體排行
- 即時新聞：2026/1/1 以來的相關報導，可依被攻擊方、類型、來源類型、議題、媒體、標題提及、日期區間與關鍵字篩選，並可匯出 CSV
- 標題修改追蹤：同一則新聞連結被媒體改標題時，保留舊標題與發現時間
- 人工審核攻防：逐則檢視過的攻擊紀錄、當事人回應與查核狀態
- 個資查核：學歷、經歷、家世、公開發言的查核結論與依據，以及查核機構的最新文章
- 選戰時間軸：各項「最早報導」（最早提到蔣萬安連任、沈伯洋與市長、兩人同框、對決民調）、2022 年起每月選舉報導數、人工里程碑、2026 年以前的選舉新聞列表
- 民調：各機構民調對照
- 方法：各資料源的抓取狀態與錯誤訊息
架構
GitHub Actions：每次更新結束 → heartbeat.yml 等 20 分鐘 → 觸發下一次更新（cron 只當備援）
└─ scraper/run.py
├─ sources.py Google 新聞 RSS、台灣事實查核中心、MyGoPen、PTT、Cofacts
├─ classify.py 規則分類：攻擊／澄清回應／一般報導、被攻擊方、發動陣營、議題、來源類型
└─ llm.py （選用）Claude API 重新標註
└─ history.py 回溯 2026 年以前的選舉新聞、計算最早報導
└─ data/news.json、history.json、firsts.json、meta.json → commit 回 repo
└─ web/ + data/ → GitHub Pages
data/curated.json 是人工審核資料（民調、攻擊紀錄、個資查核），不會被程式覆寫。
本機執行
pip install -r requirements.txt
python -m pytest -q # 分類規則、資料合併與人工資料格式測試
python -m scraper.run # 抓取近兩天
python -m scraper.run --backfill # 回補 2026/1/1 以來（每週一個區間）
python -m scraper.run --history # 回溯 2026 年以前最早的選舉新聞
python -m scraper.run --offline # 不連網，只用新規則重新分類現有資料
python -m http.server -d . 8000 # 再開 http://localhost:8000/web/ （需把 data/ 放在 web/ 旁，或直接看 Pages）
設定
- 啟用 Pages：Settings → Pages → Source 選「GitHub Actions」。
- 回補歷史資料：Actions → Update data and deploy → Run workflow，勾選「回補」。
- 回溯最早的選舉新聞：同上，勾選「回溯」。以選舉關鍵字逐月往回搜尋，至少到 2022/11（蔣萬安當選），之後繼續往前直到連續 6 個月沒有結果；碰到 Google 約 100 則上限的區間會自動切半重查。結果存在
data/history.json，最早報導與每月聲量存在 data/firsts.json。
- （選用）模型分類：Settings → Secrets and variables → Actions，新增
ANTHROPIC_API_KEY。每次執行最多重新標註 300 則（LLM_PER_RUN 可調），規則判為攻擊或澄清的標題優先，可用 CLAUDE_MODEL 環境變數換模型。
更新頻率
GitHub 的 schedule 是盡量執行，實測新 repo 常連續數小時不觸發。因此每次更新結束時會觸發 heartbeat.yml，等 20 分鐘後再啟動下一次更新，形成一條自我延續的鏈；update.yml 的 cron 只在鏈中斷時把它接回來。若更新中斷超過 2 天，下一次會自動補抓中斷期間的新聞。鏈會在 2026/11/30 後自動停止。
公開 repo 的 Actions 分鐘數免費，但等待期間會佔用一台 runner。若想改用外部觸發（不佔 runner），可停用 heartbeat 並改用下方方式。
外部觸發（選用）
由外部 cron 呼叫 workflow_dispatch：
- GitHub → Settings → Developer settings → Fine-grained tokens → Generate new token
- Repository access：Only select repositories → 本 repo
- Permissions → Repository → Actions：Read and write（其他都不用）
- 到 cron-job.org 建立排程（免費）
- URL：
https://api.github.com/repos/charleslin2003-prog/taipei-2026-election-monitor-claude/actions/workflows/update.yml/dispatches
- Method：
POST，Body：{"ref":"main"}
- Headers：
Authorization: Bearer <token>、Accept: application/vnd.github+json、X-GitHub-Api-Version: 2022-11-28
- 排程：每 30 分鐘
- 成功時 GitHub 回傳 HTTP 204，Actions 頁會出現
workflow_dispatch 的執行紀錄。
調整分類規則
關鍵字都在 scraper/config.py：候選人別名、攻擊用字、各陣營人名、議題詞。改完後在 tests/test_classify.py 加入真實標題當測試案例，再跑 python -m scraper.run --offline 重新分類。
新增人工審核資料
編輯 data/curated.json，每筆都要附來源連結。查核結論優先採用 IFCN 認證機構（台灣事實查核中心、MyGoPen）、Cofacts 與官方文件；只有當事人說法的標為「單方澄清」。
限制
- 自動分類只看標題字詞，會誤判反諷、雙向互批與多人新聞。人工抽查 25 則攻擊類報導，規則分類判斷被攻擊方正確約 6 成；建議設定
ANTHROPIC_API_KEY 啟用模型分類。
- Google 新聞每次查詢最多約 100 則，回補覆蓋率不是 100%。
- YouTube、Podcast、Threads、Dcard 沒有穩定的公開資料源，只收錄被新聞或查核機構記錄的部分。
- 媒體刊登量受各家立場與選題影響，數量差異不代表攻擊強度。
本專案整理公開報導與事實查核機構資料，不代表任何政黨或候選人立場。
