> ## Documentation Index > Fetch the complete documentation index at: https://www.worldmonitor.app/docs/llms.txt > Use this file to discover all available pages before exploring further. # 新闻摘要与简报方法论 > WorldMonitor 如何采集 RSS 与 Atom 信息流、对新闻条目进行主题分类、按重要性评分、追踪话题报道趋势、过滤每日简报内容、调用 LLM 生成结构化摘要，并通过多源均衡与提示工程严格控制模型偏见与幻觉，构建一条透明、可审计的编辑管线与研究流程。 ## 范围 本页是新闻信息流摘要、每日摘要通知和 WorldMonitor Brief 的规范公开 方法论。它涵盖了将 RSS/Atom 信息流转化为排序后的面板条目、持久化的 报道轨迹、摘要通知和个性化编辑简报的自动化管道。 该管道是自动化的。正常路径中没有人工审阅队列。质量来自来源策展、 日期门控、分类器上限、评分公式、读取路径过滤器、冷却遥测和 LLM 回退护栏。 ## 信息流清单 信息流清单位于 `server/worldmonitor/news/v1/_feeds.ts`。 接受的摘要变体为： | 变体 | 用途 | | ----------- | ------------------------------- | | `full` | 全球地缘政治、区域、政府、情报、气候、金融和专题信息流。 | | `tech` | 初创、AI、安全、云、硬件、开发者、融资、政策和科技市场流。 | | `finance` | 市场、政策、衍生品、外汇、加密货币、央行和机构流。 | | `happy` | 关于保护、科学、慈善、进步、活动和正面公共行动的建设性新闻流。 | | `commodity` | 大宗商品、采矿、能源、航运、农业、金属和政策流。 | `energy` 是一个站点和客户端信息流变体（`energy.worldmonitor.app`），但它 还不是独立的服务端摘要变体：`listFeedDigest` 只接受上述变体，并将任何 其他请求（包括 `variant=energy`）归一化为 `full`。能源面板仍有用于能源 头条、能源市场和咽喉要道/路线的客户端信息流清单；服务端摘要中不存在的 类别使用直接的按信息流回退路径，而非专用的 `news:digest:v1:energy:{lang}` 缓存键。 每个信息流条目都带有显示名称、URL 和可选的语言标签。 按语言限定的信息流仅在请求语言匹配时才被包含。 对于 `full` 变体，构建还会在 `intel` 类别下添加 `INTEL_SOURCES` 信息流集合。 抓取路径首先直接尝试发布者 URL。每个直接请求都发送 `User-Agent`、 RSS/XML `Accept` 和英语 `Accept-Language` 请求头。 如果直接响应缺失、非 OK 或看起来像 HTML 而非 RSS/Atom/RDF，系统会尝试位于 `/rss?url=...` 的 Railway 中继。中继 路径使用中继认证头并应用相同的 RSS 形态嗅探，因此 Cloudflare 页面或 验证码主体不会被缓存为空信息流。 抓取可观测性记录缓存未命中是由 `direct`、`relay` 还是 `both-failed` 满足，以及中继状态和主体形态。健康的已解析信息流缓存 3600 秒； 零对零或解析失败缓存 300 秒，以便瞬时封锁快速恢复。 ## RSS 与新鲜度 解析器接受 RSS `` 和 Atom `` 块。在应用下游类别上限之前， 每个信息流最多读取 `5` 个条目。 日期提取是严格的。RSS 风格的条目依次尝试 `pubDate`、`dc:date`、 `dc:Date.Issued`，然后是 `published`；Atom 风格的条目依次尝试 `published`、 `updated`、`dc:date`，然后是 `dc:Date.Issued`。没有可解析日期的信息流条目 会被丢弃。比服务器时钟提前超过 1 小时的未来时间戳也会被丢弃。 解析后，摘要应用一个硬性新鲜度下限。默认的 `NEWS_MAX_AGE_HOURS` 为 `96`；无效、未设置或非正值回退到 96 小时。 该下限在佐证计数之前丢弃过时条目，因此旧副本无法抬高新聚类。时效性 评分保持独立：它在 24 小时曲线上贡献，并在 24 小时后归零。 `feed_statuses` 响应映射仅发出非 OK 的信息流状态： | 状态 | 含义 | | ----------------- | ---------------------------------- | | `empty` | 信息流完成但未产生任何保留条目。 | | `timeout` | 信息流未在构建截止前完成。 | | `all-undated` | 找到了条目，但每个已解析条目都因日期缺失、不可解析或为未来而被丢弃。 | | `partial-undated` | 部分已解析条目被保留，部分因日期问题被丢弃。 | 缺失的信息流状态键意味着 OK。 ## 分类 每个已解析条目都从 `server/worldmonitor/news/v1/_classifier.ts` 中的 关键词分类器开始。 分类器发出威胁级别、事件类别、置信度和来源标签。级别为 `critical`、 `high`、`medium`、`low` 和 `info`。事件类别包括 conflict、protest、disaster、 diplomatic、economic、terrorism、cyber、health、environmental、military、crime、 infrastructure、tech 和 general。`tech` 变体有额外的科技专属关键词集，因此 科技事件不会被强行套用地缘政治关键词配置。 critical 和 high 关键词匹配会被检查是否有历史回顾标记。 例子包括锚定的 "Science history"、"Throwback"、"Flashback"、 "On this day in YYYY"、"This day in history"、周年纪念用语，以及至少两年前的 完整日期。如果 critical/high 关键词匹配带有历史标记，它会被降级为 `info` 并打上 `keyword-historical-downgrade` 标签。 在严重性关键词运行之前，分类器应用一个消费/生活方式排除列表。如果 小写化的标题包含以下任何子串，该报道会被强制设为低置信度的 `info` / `general`： `protein`、`couples`、`relationship`、`dating`、`diet`、`fitness`、`recipe`、 `cooking`、`shopping`、`fashion`、`celebrity`、`movie`、`tv show`、`sports`、 `game`、`concert`、`festival`、`wedding`、`vacation`、`travel tips`、 `life hack`、`self-care` 和 `wellness`。这些是子串匹配，而非单词边界 关键词匹配，因为目的是在诸如 "war"、"ban" 或 "virus" 等词能够提升它们 之前，抑制宽泛的生活方式和娱乐假阳性。 摘要可以从 LLM 分类缓存中丰富条目。缓存的 LLM 结果受三项控制约束： * 历史标记护栏：任何看起来像历史的标题都保持在 `info`。 * 高置信度 critical 跳过：关键词分类为 critical 的条目不需要 LLM 缓存升级。 * 升级上限：LLM 最多可将严重性提升到关键词结果之上 `+2` 级。 `info` 只能升到 `medium`；`low` 只能升到 `high`；`medium` 可以升到 `critical`；`high` 可以升到 `critical`。 LLM 降级会直接通过。当升级被限制时，系统会记录关键词级别、LLM 级别、应用级别和一个标题样本以供审计。 ## 重要性评分 `importanceScore` 在关键词/LLM 分类、新鲜度过滤、精确标题佐证和 实体级佐证之后计算。基础分使用以下权重： | 分量 | 权重 | | ---- | ------ | | 严重性 | `0.55` | | 来源层级 | `0.20` | | 佐证 | `0.15` | | 时效性 | `0.10` | 严重性映射为： | 级别 | 分数 | | ---------- | ----- | | `critical` | `100` | | `high` | `75` | | `medium` | `50` | | `low` | `25` | | `info` | `0` | 来源层级映射为：第 1 层为 100，第 2 层为 75，第 3 层为 50，第 4 层为 25。 规范层级表是 `shared/source-tiers.json`，由 `server/_shared/source-tiers.ts` 导入并为中继镜像。来源溯源即信息流名称：如果某信息流不在表中，则 默认为第 4 层。 精确标题佐证按归一化标题哈希计算唯一来源数。佐证分数上限为五个来源， 在 `0.15` 权重之前每个来源计 20 分。 实体级佐证与精确标题佐证是分开的。对于最近 24 小时内的新鲜报道， 外交/引爆点术语按实体-动作对或通用外交-引爆点键分桶。当至少两个来源 命中同一实体级桶时，每个匹配的报道获得一个 `entityCorroborationCount`。 评分路径使用精确标题佐证和实体级佐证中较大者，并为每个实体级来源 添加 `4` 分的直接实体加成，上限为五个来源。 当标题包含配置的实体-动作对，或外交关键词加引爆点关键词时， 外交/引爆点报道会获得额外 `18` 分加成。任何非 `critical`、非 `high` 的 条目（包括 `info`），在其非历史性、具有外交/引爆点信号且至少有 `3` 个 第 1 层或第 2 层实体级来源时，也可被提升为 `high`。 在每个类别内，条目按 `importanceScore` 降序排序，然后按发布时间降序。 信息流摘要每个类别最多返回 `20` 个条目。 ## 报道追踪 摘要将切片后的报道持久化到 Redis，以便后续的摘要通知和简报可以读取 相同的报道池。 | 键 | 类型 | 用途 | TTL | | ---------------------------------------- | ---- | ----------------------- | ----- | | `story:track:v1:{titleHash}` | Hash | 当前报道元数据和分类器戳记。 | 7 天 | | `story:sources:v1:{titleHash}` | Set | 提及该报道的信息流名称。 | 7 天 | | `story:peak:v1:{titleHash}` | ZSet | 单个 `peak` 成员，保存所见的最高分数。 | 7 天 | | `digest:accumulator:v1:{variant}:{lang}` | ZSet | 按最后所见时间排列的报道哈希，用于摘要窗口。 | 48 小时 | 今天写入的 story-track 哈希字段为： `firstSeen`、`lastSeen`、`mentionCount`、`currentScore`、`title`、`link`、 `severity`、`lang`、`description`、`publishedAt`、 `entityCorroborationCount`、`isOpinion`、`isFeelGood`、 `isEphemeralLiveCoverage`，以及 `category`。 `sourceCount` 未存储于当前行的 story-track 哈希中。 不同的信息流名称通过 `SADD` 写入 `story:sources:v1:{titleHash}`； 需要真实来源计数的消费者必须读取该集合并用 `SCARD` 或等效的集合基数 来计数。`peakScore` 同样是 story-track 哈希中保留的读取路径占位符； 实时峰值分数保存在 `story:peak:v1:{titleHash}` ZSet 中。 标题哈希是归一化标题的 SHA-256 哈希：小写化、去除常见发布者后缀、 仅保留 Unicode 字母/数字/空格、折叠空白，并截断至 120 个字符。 报道阶段由首次所见时间、提及计数和分数趋势推导： | 阶段 | 规则 | | ------------ | ------------------------------------------------------------------------------------------------------------------- | | `breaking` | 提及计数为 1。 | | `developing` | 提及计数为 2-5 且报道产生不足 2 小时。 | | `fading` | 为评分历史支持保留：信息流 API 分支要求 `currentScore` 和 `peakScore` 均为正，且当前分数降至峰值的一半以下。当前的摘要写入器仍为这些字段存储零占位符，因此该分支在信息流面板报道阶段上处于惰性状态。 | | `sustained` | 持续追踪报道的回退。 | 通知 cron 有自己的用于摘要投递的读取路径阶段辅助函数。在那里， 沉默超过 24 小时的报道被视为 `fading` 并从延迟摘要/简报池中丢弃。 ## 摘要与简报读取路径 摘要通知 cron 为用户的摘要窗口读取 `digest:accumulator:v1:{variant}:{lang}`，然后批量读取 story-track 哈希。 读取时的新鲜度下限锚定于用户自己的摘要窗口，并有 24 小时缓冲。每日 用户的有效截止为 48 小时；每周用户的有效截止为 8 天。没有 `publishedAt` 的旧版行为向后兼容而保留，但发布来源时间过时的当前行会被丢弃。 cron 排除非事件驱动情报的行： * 意见和分析专栏，使用摄取戳记或从标题/链接/描述进行的残留重分类。 * 正能量和生活方式报道，使用摄取戳记或残留重分类。 * 短暂的直播节目预告，例如 "WATCH LIVE" 或实时简报预览。这些在实时 面板中可以保持可接受，但不适用于延迟的每日简报。 * 敏感的政府、军事和国际组织域名上的机构静态页面，作为纵深防御的 URL/路径过滤器。 * 消退中的报道和低于用户敏感度阈值的报道。 报道按 `currentScore` 排序，然后去重。默认去重器基于嵌入 （`DIGEST_DEDUP_MODE=embed`），采用单链聚类、实体否决开启、余弦阈值 `0.60` 和 `45000` 毫秒的挂钟时间预算。`DIGEST_DEDUP_MODE=jaccard` 是 即时回滚。如果嵌入路径因提供商、密钥、超时或响应形态失败而抛出异常， 整个批次回退到 Jaccard。Jaccard 回退在标题词重叠大于 `0.55` 时合并聚类； 该阈值有意不可通过环境变量调节。`DIGEST_DEDUP_CLUSTERING=complete` 将 嵌入路径切换到更保守的全链模式，无效的聚类值也回退到全链。去重后主题 分组默认启用，阈值为 `0.45`；`DIGEST_DEDUP_TOPIC_GROUPING=0` 将其禁用。 去重后运行一个可选的绝对评分下限。`DIGEST_SCORE_MIN` 默认为 `0`， 表示无下限。正值会丢弃其代表 `currentScore` 低于下限的聚类。 在渠道格式化之前，摘要池上限为 `30` 个聚类。严重性格式化器将 high 报道 限制为 `15` 个，medium 报道限制为 `10` 个，且不限制 critical 报道。渲染后的 简报使用 `MAX_STORIES_PER_USER`，默认 `12`，可通过 `DIGEST_MAX_STORIES_PER_USER` 调节。简报还将每个来源/类别对限制为 `2` 个报道，以减少编辑杂乱。 简报中的主题排序首先是确定性的：严重性、该严重性下的报道数量、 符合条件的区块大小、评分，最后才是 LLM 提供的 `rankedStoryHashes`。 一个狭窄的覆盖规则允许排名最高、经实体佐证的外交/引爆点报道领衔其 主题区块。 ## 冷却 冷却当前是一个 shadow/off 系统。`DIGEST_COOLDOWN_MODE` 接受： | 模式 | 行为 | | -------- | -------------------- | | `shadow` | 默认。计算并记录冷却决策，但不抑制发送。 | | `off` | 不计算冷却决策产物。 | 任何无法识别的值（包括 `enforce`）都回退到 `shadow`，并暴露 `invalidRaw` 以供运维告警。 冷却表为： | 类型 | 下限 | 绕过条件 | | ----------------------- | ----- | ---------------------- | | `critical-developing` | 4 小时 | 新增 5 个来源、新事实，或严重性层级变化。 | | `critical-sustained` | 24 小时 | 硬下限，除非有新事实。 | | `high-event` | 18 小时 | 新增 5 个来源、新事实，或严重性层级变化。 | | `high-single-corporate` | 48 小时 | 硬下限，除非有真实升级。 | | `sanctions-regulatory` | 18 小时 | 新增 5 个来源、新事实，或严重性层级变化。 | | `analysis` | 7 天 | 硬下限。 | | `med` | 36 小时 | 新增 5 个来源、新事实，或严重性层级变化。 | 评估器对明显的分析类域名、政府监管通知、单一公司财报标题和严重性 派生的回退进行分类。当下限内存在先前的投递时，视具体行而定，它可以在 层级变化、基于标题的新事实或来源计数演变时允许发送。 ## LLM 使用 LLM 被用作有界的编辑助手，而非记录的真相源。 分类缓存路径可以更新类别/严重性，但仅在上述历史标记、高置信度 critical 和 `+2` 升级上限控制范围内。 WorldMonitor Brief 使用两个 LLM 界面： * 摘要文稿（`brief:llm:digest:v8`）从可见报道池生成 JSON 导语、线索列表、 信号和 `rankedStoryHashes`。 * 每条报道的 `whyMatters` 首先使用分析师端点，然后是直接的 Gemini 回退，如果每个 LLM 层都失败则使用基线存根。 两条路径都经过事实锚定。提示输入由确定性管道已选中的报道字段构建。 摘要文稿缓存键包括敏感度、档案哈希、问候桶、公开/私有模式、报道哈希、 标题、威胁级别、类别、国家和来源。缓存的和新的 LLM 输出都经过形态验证。 摘要文稿必须针对输入标题通过专有名词锚定校验；未锚定或格式错误的输出 会回落到降级合成或存根。每个提示都会收到一行当前日期，以便当来源报道 省略日期时模型不会杜撰年份。 简报是编辑性背景信息，而非投资、法律、医疗、安全或旅行建议。LLM 指令 禁止 markdown、开场白、提问、行动号召和泛泛的编辑填充语。产品语言应 描述发生了什么变化以及为何可能重要，而非告诉读者买什么、卖什么、 做什么或相信什么。 ## 简报来源如何展示 AI 简报来源列表派生自被选为锚定输入的信息流条目。从不要求模型创建 URL、发布者或发布时间。Web 简报界面和 MCP 简报工具从用作上下文的 相同已选摘要或国家新闻条目中附加一个有界的 `sources` 数组。不安全或 缺失的文章 URL 会被丢弃而非渲染。 来源页脚是一种来源溯源辅助，而非句子级的引用对齐。诸如 `[1]` 的方括号 标记在模型使用它们时可能链接到本地来源列表，但权威的文章链接仍来自 结构化的信息流数据。缓存的简报将其结构化来源与缓存的摘要一起保留； 较旧的无来源缓存条目在重用前被丢弃。 规范的摘要文稿和直接回退的 `whyMatters` 路径通过跳过 Ollama 和 Groq 将提供商链固定到 OpenRouter，因此当 LLM 层启用时，实时简报在这些界面 使用 Gemini 2.5 Flash（`google/gemini-2.5-flash`）。摘要文稿和报道描述调用 使用温度 `0.4`。区域每周简报有意与那些摘要文稿和 `whyMatters` 界面 不同：`scripts/regional-snapshot/weekly-brief.mjs` 首先用 `deepseek/deepseek-v4-flash` 尝试 OpenRouter，然后回退到 Groq `llama-3.3-70b-versatile`，并向两个提供商都发送温度 `0.3`，因为其输出是用于区域快照的结构化每周 JSON，而非按用户的摘要 文稿。摘要提示要求指明行为者/事件导语，禁止诸如 "the global stage" 的 泛泛编辑用语和诸如 "this comes as" 或 "meanwhile" 的弱衔接短语，在导语 合并两个报道之前要求实质性关联，并通过相同的形态和专有名词锚定门控来 验证缓存命中和新输出。按报道的提示也尽可能要求指明行为者，并可使用 RSS 描述作为锚定上下文。 ## 偏见姿态 系统在简报路径中有意偏向减少假阳性。无日期的条目会被丢弃，而非打上 服务器时间戳；历史周年标题会被降级；LLM 升级受上限约束；意见、生活 方式和直播节目条目会从延迟简报中排除；机构静态页面会在读取路径上 被过滤。当真实事件日期不清、来源薄弱或措辞像回顾时，这可能产生假阴性。 摘要评分仍偏向严肃、经佐证、近期、权威的事件。来源分层可能低估本地 媒体，并过度呈现大型英文通讯社。来源集中度是一个已知风险：来自同一 编辑生态系统的多篇文章可能看起来比实际更多样，而重要的本地语言报道 可能迟到或根本不出现。部分选定区域存在非英语报道，但分类器关键词和 许多 LLM 锚定启发式在英语中最强。 地理覆盖同样不均衡。拥有许多策展信息流和强通讯社覆盖的区域，会比 RSS 稀少、发布者信息流被封锁或日期元数据薄弱的区域更可靠地浮现。 关注国家个性化是一种软性的同档内提升。名义上的 `FOLLOWED_BIAS_MULTIPLIER` 为 `1.25`，可通过环境变量在 `1` 和 `2` 之间 调节，但实时列表机制是一种稳定的严重性档位排序：关注国家的报道可以 在同一严重性档位内移动到非关注报道之前，但永远不会将较低严重性的 报道提升到较高严重性的报道之上。免费层读者最多可关注 `3` 个国家； PRO 读者可以保留更大的关注集合。如果关注国家中继不可用，简报会回退 到无偏排序，而非将缺失的列表视为真相。 `happy` 变体有意与情报简报不同。它呈现建设性和正面新闻流，不应被 解读为移除了负面事件的全球风险简报。在情报简报路径中，正能量和生活 方式条目会被排除，因为该简报意在成为事件驱动的全球情报。 ## 源文件 * 信息流清单与摘要构建：`server/worldmonitor/news/v1/_feeds.ts`， `server/worldmonitor/news/v1/list-feed-digest.ts` * 关键词分类器：`server/worldmonitor/news/v1/_classifier.ts` * API 契约：`proto/worldmonitor/news/v1/list_feed_digest.proto` * 摘要 cron 与简报合成：`scripts/seed-digest-notifications.mjs`， `scripts/lib/brief-compose.mjs`，`shared/brief-filter.js` * 去重与主题分组：`scripts/lib/brief-dedup.mjs`， `scripts/lib/brief-dedup-jaccard.mjs`， `scripts/lib/brief-dedup-embed.mjs` * 冷却：`scripts/lib/digest-cooldown-config.mjs`， `scripts/lib/digest-cooldown-decision.mjs` * 中继一致性：`scripts/ais-relay.cjs` * MCP 简报界面：`api/mcp/registry/rpc-tools.ts`