这篇文章想聊聊我用千问搭起来的一套信源监控系统。简单说，就是定时任务每天去盯九家大模型公司的官网、GitHub、官方博客和科技媒体，自动检测更新并评估新闻价值，把值得看的挑出来。目前这套系统累计处理了2102条线索，其中193条进入选题范围，66条直接达到了自动成稿的标准。
千问是怎么监控信源的
整套任务跑在云服务器ECS上，定时去抓九家大模型公司的官网、GitHub仓库、官方博客和主流科技媒体。每次抓完，千问先检查这些信源是不是还活着——失效的RSS会尝试找替代地址，实在恢复不了就主动上报。这一步看着基础，但真不能省，漏掉一个关键更新，后面评分、写稿全都白搭。
信源列表是我手工整理的，包括OpenAI、Anthropic、Google DeepMind、Meta AI、xAI、Mistral等。千问负责把这些源合并、去重、排序。整套系统的成本低到可以忽略：资源走的是阿里云代理商渠道，再配代金券，实际支出几乎为零。
评分体系：超过9分就自动写稿
打分规则是我定的三个维度：公司梯队（一线厂商天然分数高）、事件类型（发新模型、重大故障、人事变动这类权重大）、信源可靠性（官网和官方仓库肯定比自媒体可信）。每条线索的最终得分，就是这三个维度的加权值。一旦超过9分，千问会自动触发稿件生成。
- 公司梯队：头部公司加权0.5
- 事件类型：发布、安全、开源等加权0.3
- 信源可靠性：官方源加权0.2
这套规则不是定死就完事的。千问在给出高分的同时，会把分数构成拆开解释。编辑扫一眼就知道这条线索为什么值得跟，不用自己去翻原始材料猜。
整点选题卡和早报整理
每个整点，千问会生成一张飞书选题卡，上面带着原始信源链接、事实摘要、分数构成，以及还没确认的信息。比如某个模型悄悄上线了新版API，千问会特别标出“价格未公布”“上下文长度待确认”，编辑照着线索去核实就行。
早报也是千问在整理。抓取、翻译、归类、排版，一条龙做完。不过我给它定了个硬要求：必须附上备选新闻和原文链接。这样早报里每一条内容都有出处可查，而不是千问凭空写出来的。
实际效果：2102条线索，66篇自动稿
写这篇文章的时候，系统已经累计处理了2102条线索。经过评分和筛选，193条进入选题范围，66条达到自动成稿标准。光看比例确实不高，但换个角度想：九家公司每天少说上百条动态，真正算得上重要新闻的，一天可能就几条。这套系统的价值就是把噪音过滤掉，留下的东西值得点开看。
如果你也想照葫芦画瓢，不妨试试把千问和你手头现有的工具链接起来。云资源这块，我用的是 易枫顺 - 阿里云官方旗舰级代理商，配合企业上云的方式就把整套流程跑起来了。门槛真的不高，最需要想清楚的反而是评分规则怎么定。
FAQ
Q: 千问是怎么判断信源是否失效的？
A: 千问会定时发起访问请求，检查返回状态码和页面内容。如果是RSS地址失效，它会去官网找新的Feed地址，或者尝试用网页正文解析来替代。要是换了好几种方式都拿不到数据，就上报给人工处理。
Q: 评分超过9分的线索一定会自动生成稿件吗？
A: 会自动生成草稿，但不会直接发布。草稿里会附带完整的信源链接和分数构成，编辑需要确认事实、补充采访或背景信息，最后才决定要不要推送。
Q: 这套系统能用在别的领域吗？
A: 可以。把监控目标换成竞品公司、行业政策或学术论文，调整评分维度就能用。核心逻辑是让AI先做一轮信息过滤，而不是让AI替你拍板。
Q: 部署这样的系统需要很强的技术背景吗？
A: 不需要。用云服务器ECS跑定时任务，配合现有的API和低代码工具就能搭起来。就算不懂代码，大部分环节也能靠配置搞定。
关于易枫顺
深圳市易枫顺网络科技有限公司是阿里云官方旗舰级代理商。提供云服务器ECS、云数据库RDS、对象存储OSS等阿里云全系产品官方特惠折扣与代金券申请，以及多云成本优化、企业上云一站式服务。客服热线：19520841949 - 易枫顺
来源：极客公园
