—————————————————
一、實際初選方式
—————————————————
民進黨採電話民調決定提名人選。民調題目為：「如果明天就是選舉，新竹市第一選區的市議員候選人有 A、B、C、D、E，請問您最支持哪一位？」候選人名字每通電話隨機排列，避免順序效應。
5 位候選人皆為民進黨籍：鄭美娟（現任議員）、曾翰揚（現任里長）、鄭宏輝（前五屆議員）、劉彥伶（現任議員）、劉崇顯（現任議員）。
—————————————————
二、預測 vs 實際結果
—————————————————
實際結果（依支持率排序）：
鄭美娟 27.46%（第1）
曾翰揚 25.03%（第2）
鄭宏輝 22.12%（第3）
劉彥伶 14.75%（第4）
劉崇顯 10.64%（第5）
我們的 AI 模擬預測：
鄭美娟 24.8%（第1）
鄭宏輝 15.0%（第2）
劉彥伶 14.8%（第3）
劉崇顯 13.6%（第4）
曾翰揚 11.6%（第5）
不表態 20.3%
命中的部分：
- 第一名正確：鄭美娟
- 劉彥伶幾乎精準（14.8% vs 14.75%，誤差僅 0.05%）
- 提名名單 4 席中命中 3 席（鄭美娟、鄭宏輝、劉彥伶）
- 最後一名相對位置正確（劉崇顯在末段）
最大失誤：
曾翰揚 — 我們預測他最後一名（11.6%），實際卻是第二名（25.03%），差距 13 個百分點。
—————————————————
三、AI 模擬怎麼做的？
—————————————————
Step 1｜虛擬人口生成（Persona）
系統根據新竹市東區的人口統計（年齡、性別、學歷、職業），生成 100 位虛擬居民。每位都有完整人設：姓名、職業背景、生活習慣、媒體偏好。政治傾向依據 2024 年總統大選東區實際得票比例設定（泛綠 33%、中立 35%、泛藍 32%）。
Step 2｜30 天新聞驅動演化
系統自動從 Google News、PTT、Dcard 搜尋近半年的新竹市新聞（共 10 個搜尋週期，累計超過 2,000 則），並以 80:20 的地方/全國新聞比例餵給虛擬居民閱讀。
每位 agent 每天讀 3 篇新聞、寫一篇生活日記、更新對 5 位候選人的「認知度」和「好感度」。30 天下來，社會情緒明顯惡化——滿意度從 50.4 降至 44.3，焦慮度從 51.0 升至 62.6，反映新竹市民對物價、停水、交通的不滿持續累積。
候選人認知度變化：
劉崇顯因「普發消費金」議題被新聞直接點名，認知度始終最高。鄭美娟認知度最低但好感度微正。鄭宏輝（前五屆議員）因無新聞曝光，認知度快速衰減。
Step 3｜模擬電話民調
演化結束後，系統模擬電話民調，逐一詢問每位虛擬居民：「如果明天就是選舉，東區的市議員候選人有 X、Y、Z……（隨機排列），請問您最支持哪一位？」根據每人累積的認知度、好感度、政治傾向綜合判斷投票。
—————————————————
四、為什麼曾翰揚預測失準？
—————————————————
曾翰揚是東區水源里現任里長，2022 年里長選舉得票率 100%（1,709 票）。他的支持來自「面對面的鄰里信任」——婚喪喜慶、鄰里糾紛都有他，里民聽到名字直接回答「就是我們里長」。
但我們的模型完全依賴「新聞曝光 → 認知度 → 投票」的路徑。里長的支持是「人際網絡 → 信任 → 直接支持」，不經過新聞媒體，系統抓不到。
同樣的邏輯也解釋了鄭宏輝被低估——五屆議員的人脈網絡不會因為半年沒新聞就消失，但模型的認知度衰減太快了。
—————————————————
五、如何改善？
—————————————————
1. 新增「基層組織力」指標：里長的鄰里動員力、資深議員的樁腳系統，這些不靠新聞曝光的「暗實力」，必須納入模型。已在系統中加入第六維度「組織力」（org），里長預設 85-90 分，五屆議員 70 分。
2. 同黨初選專用權重：同黨初選中，組織動員力的影響遠大於新聞曝光。系統現在會自動偵測「全部候選人同黨」，並將組織力權重提升至 1.75 倍，新聞影響降低 40%。
3. 降低資深人物的認知度衰減：前五屆議員的知名度不該在 30 天內衰減 83%。高組織力候選人的認知度「地板值」現已提高。
