1. 当“日报”变成一种产品我为什么要做这件事每天早上八点半我端着咖啡坐到工位上第一件事不是打开邮箱而是刷一遍十几个信息源。这个习惯保持了三年多直到某天我意识到光是“扫一遍”这件事每天就要吃掉我将近四十分钟。更麻烦的是扫完之后脑子里留下的东西很碎——知道昨天发生了什么但说不清哪些值得深挖哪些只是噪音。“AI 日报”这个项目就是从这个痛点里长出来的。它不是一个简单的新闻聚合页面而是一套信息筛选、结构化重组、自动分发的完整流水线。核心目标很明确把分散在各处的 AI 领域动态压缩成一份十分钟内能读完、且读完知道“今天该关注什么”的简报。适合谁来参考如果你正在做内容运营、技术选型调研、或者单纯想给自己搭一套个人信息过滤系统这套思路都能直接搬。我把它定位成“日报”而不是“周报”或“实时流”是有取舍的。日报的节奏刚好卡在“信息不过夜”和“不被打断”之间——实时流会让人焦虑周报又太滞后很多热点等你看到时已经凉了。这个节奏的选择后面会详细展开。2. 信息源的分层策略不是所有源都值得同等对待2.1 把源分成“骨架”和“血肉”两类一开始我犯了个错把所有信息源平铺在一个列表里按时间排序。结果就是一条营销号发的标题党和一篇深度技术分析在时间线上权重一样。后来我改成分层结构骨架层这类源每天必须扫它们决定了“今天有没有大事”。通常是几个固定的官方发布渠道、头部实验室的动态页、以及几个我信任的行业观察者的个人站点。数量控制在 5 个以内。血肉层这类源提供背景和细节不追求时效但能补全骨架层事件的前因后果。包括技术博客、论文预印本平台的近期热门、以及一些垂直社区的讨论帖。数量可以到 20 个以上但不需要每天全看。这个分层的逻辑是先保证不漏大事再追求深度。如果反过来先陷进细节里很容易错过当天真正重要的信号。2.2 每个源都要标注“可信度”和“时效性”两个维度光分层还不够。我在配置每个源的时候会额外打两个标签维度说明取值示例可信度该源发布内容的准确程度高官方/一手、中有编辑审核、低个人观点/未验证时效性从事件发生到该源发布的时间差实时分钟级、当日、延迟1-3天这两个标签直接决定了它在日报里的呈现方式。可信度高、时效性高的源内容会进入“今日必读”区块可信度高但时效性延迟的进入“深度补充”可信度低的只作为“待验证线索”列出并且明确标注来源性质。注意不要因为一个源偶尔出错就把它彻底拉黑。我自己的做法是给每个源一个“信任分”初始 100 分出现一次事实性错误扣 20 分连续 10 次准确加 5 分。分数低于 60 的源自动降级到“仅存档不推送”。2.3 去重和聚类是日报质量的生命线同一个事件往往有五六家源在报。如果不去重日报就会变成复读机。我的做法是标题指纹提取标题中的关键词组合做相似度计算。相似度超过 0.75 的归为一组。正文实体比对提取正文中的人名、机构名、产品名如果两个条目的实体重合度超过 60%也归为一组。人工规则兜底对于某些固定格式的发布比如版本更新日志直接用正则匹配版本号来合并。聚类之后每个事件只保留一条主条目其他源作为“佐证来源”附在下面。这样读者看到的是一个事件的全貌而不是五条重复信息。3. 从原始信息到日报条目我定义的“结构化模板”3.1 每条日报必须回答四个问题一条合格的信息条目不能只是“某公司发布了某产品”。我要求每条必须包含发生了什么一句话事实陈述不超过 40 字。为什么重要这件事对行业、对技术路线、对普通用户可能意味着什么。这是最考验判断力的部分。谁受影响明确列出可能受影响的群体或领域。下一步看什么给出一个可追踪的后续观察点比如“关注下周的开发者大会是否会有配套工具发布”。这四个问题对应到数据结构上就是四个字段。我在后台配置了一个简单的表单每条信息录入时必须填完这四个字段才能提交。一开始觉得麻烦但坚持两周后发现这个约束逼着自己去思考信息的价值而不是无脑搬运。3.2 用“信号强度”给条目排序而不是时间日报的排序逻辑很关键。如果按时间排早上的信息永远在前面但早上发的未必最重要。我改用信号强度排序计算公式大致是信号强度 可信度权重 × 0.4 影响范围权重 × 0.35 新颖度权重 × 0.25其中可信度权重高1.0中0.6低0.3影响范围权重根据“谁受影响”字段中列出的群体数量和质量打分1-5 分归一化新颖度权重如果该事件是首次出现过去 7 天没有类似条目得 1.0如果是跟进报道得 0.5如果是重复旧闻得 0.1这个公式不是拍脑袋来的。我试过纯人工排序太累试过纯按时间质量差试过按源权重会漏掉小源爆大新闻的情况。这个加权公式是迭代了七八版之后相对稳定的方案。3.3 摘要怎么写才不像是机器生成的摘要部分是最容易暴露“机器感”的地方。我的经验是摘要里必须有一个具体的数字或一个具体的动作。比如差的摘要“某团队发布了新的模型性能有所提升。”好的摘要“某团队发布新模型在 12 项基准测试中 9 项超过前代推理成本降低约 40%。”具体数字和动作能让读者瞬间判断这条信息和自己有没有关系。如果原始信息里没有数字我会去翻技术报告或官方博客把关键数据抠出来。这个步骤不能省省了日报就变成了标题列表。4. 自动化流水线的搭建哪些环节必须人工哪些可以交给脚本4.1 采集环节全自动但要有“熔断机制”采集我用的是定时任务加 RSS/API 轮询。这部分完全可以自动化但有一个坑某个源突然挂了或者返回异常数据会把整个日报污染。所以我加了一个熔断机制如果某个源连续 3 次采集失败自动暂停该源并发送提醒。如果某个源单次返回条目数超过历史平均值的 5 倍标记为“异常”不直接入库先进入待审核队列。如果某个源返回的内容中重复条目占比超过 80%也触发审核。这些阈值是根据历史数据统计出来的。比如正常源每天更新 5-20 条突然返回 200 条大概率是页面改版或者被灌了垃圾数据。4.2 筛选和聚类脚本做初筛人工做终审脚本负责按关键词过滤掉明显不相关的条目比如体育新闻里提到“AI”但实际是体育报道。按上面说的指纹和实体做聚类。按信号强度公式做初步排序。人工负责检查聚类结果是否合理有没有把不同事件错误合并。调整信号强度中的主观权重比如某天某个领域特别重要手动提高该类事件的权重。最终决定哪些条目进入日报哪些只存档。这个“脚本初筛 人工终审”的模式是我试过效率最高的。纯人工太慢纯自动质量不可控。人工每天花 15-20 分钟做终审就能把日报质量提升一个档次。4.3 分发环节多通道但内容要适配日报生成后我会分发到几个通道邮件、内部协作工具的频道、以及一个静态页面。每个通道的内容格式略有不同邮件完整版包含所有条目和四个字段。协作工具频道只发“今日必读”区块的前 5 条附上完整版的链接。静态页面完整版加历史归档方便回溯。这里有个细节协作工具频道的消息不能太长否则没人看。我测试过超过 300 字的消息阅读完成率下降一半以上。所以频道里只放最核心的 5 条每条不超过 60 字。5. 踩过的坑那些让我想砸键盘的瞬间5.1 时间戳混乱导致日报“穿越”早期我遇到过一个问题某天日报里出现了一条“未来”的新闻时间戳是第二天。排查后发现某个源用的是当地时间而我的服务器用的是协调世界时两者差了 8 小时。更麻烦的是有些源的时间格式不统一有的带时区有的不带。解决方案所有时间戳入库前统一转换为协调世界时并记录原始时区和转换后的时间。对于不带时区的时间默认按源所在地区的常见时区处理并在条目上标注“时间待确认”。这个坑让我明白时间处理是信息聚合里最容易被低估的环节。5.2 关键词过滤误杀重要信息有一次我设置了一个过滤规则标题中包含“招聘”的条目直接丢弃。结果漏掉了一条重要信息——某团队在招聘页面里悄悄更新了研究方向暗示了下一步的技术路线。这条信息后来被其他源报道时我才发现被自己过滤掉了。教训过滤规则要留“白名单”通道。对于某些高可信度的源即使命中过滤词也进入待审核队列而不是直接丢弃。另外过滤词表要定期回顾看看有没有误杀的情况。5.3 聚类算法把“相关”当成了“相同”聚类算法有个经典问题把相关事件错误合并。比如“某公司发布新模型”和“某公司开源模型权重”这两个事件相关但不相同。我的第一版算法把它们合并了导致日报里少了一条重要信息。改进方案在聚类时增加一个“事件类型”维度。发布、开源、融资、人事变动、技术突破这些类型不同的事件即使实体重合度高也不合并。只有类型相同且实体重合度高的才归为一组。5.4 人工终审的疲劳导致质量波动人工终审虽然好但有个问题周一早上和周五下午的审核质量明显不一样。周一刚上班注意力集中周五快下班容易草草了事。对策把终审拆成两个时段。早上花 10 分钟做初筛标记出需要仔细看的条目下午花 10 分钟做最终确认。中间隔几个小时反而能更客观地判断。另外我设置了一个“强制休息”规则连续审核超过 25 分钟系统自动锁定必须休息 5 分钟才能继续。6. 日报之外的延伸这套方法还能用在哪里这套“分层采集 结构化模板 信号强度排序 人工终审”的流程其实不限于 AI 日报。我后来把它迁移到了几个场景竞品动态追踪把信息源换成竞品的官方博客、更新日志、招聘页面输出的是竞品周报。技术选型调研把信息源换成技术社区、论文库、基准测试平台输出的是某个技术方向的调研简报。个人学习计划把信息源换成自己关注的几个领域输出的是每日学习素材推荐。迁移的时候唯一需要大改的是“信号强度”公式里的权重。比如竞品追踪里“影响范围”的权重应该更高因为竞品的一个小动作可能对自己影响很大而技术选型里“新颖度”的权重可以降低因为成熟技术的稳定更新同样重要。我在实际使用中发现这套流程最大的价值不是省时间而是强迫自己建立一套判断信息价值的标准。以前看新闻是“感觉这个重要”现在是“这个在四个维度上得分多少”。标准一旦建立决策就快了也不容易后悔。最后分享一个小技巧日报的“下一步看什么”字段我会在每周五回顾一次看看本周的预测有多少应验了。应验率高的判断说明自己的信息敏感度在提升应验率低的就回去检查是哪个环节出了问题。这个回顾习惯比日报本身更有价值。