這個封裝了我3年自媒體經驗的AI熱點網站，今天向所有人免費開放。

今天，我決定把我自己做的，幫助我自己監控AI熱點、輔助找選題的網站，向所有人免費開放了。

它幾乎承載了我三年做AI自媒體獲取信息的經驗。

我把它稱為，AIHOT。

很多小伙伴可能在過去我很多篇文章中，都見過它的身影了。

這個東西的作用其實巨簡單，一段話就能描述清楚：

幫助你以干凈的時間線的形式，監控這個世界上跟AI相關的信息，然后用我自己對內容挑選的策略，將值得你關注的東西精選出來，對信息海進行降維，從而保護我們的為數不多的注意力。

這玩意其實本身是給我們公司內部用的，創造它的目的，其實就是為了保護我自己的創作精力，我一開始真的沒打算把它開放給所有人。

因為對于一個自媒體來說，信息的獲取的及時性，有的時候就是命根子。

但，可能是產品心理作祟吧，我工作這么多年，一直在設計產品，一直在做產品，做了好多好多年。

我還是有產品夢的，我還是想為這個美好的互聯網貢獻一點我自己的東西的，而我很多時候最大的成就感的來源，其實就是大家喜歡看我的文章，喜歡用我做的產品。

我在每次文章的底部，都會寫上一句話，叫做“謝謝你看我的文章。”

這句話來源于我最喜歡的一部電影，《頭號玩家》。

這是 綠洲游戲的創造者 哈利迪在最后消逝的時候，對身為玩家的主角所說的一句話，也是我認為整部電影，最棒的落筆。

我也想我創造的東西，被人看見，被大家喜歡，僅此而已。

所以在4月初的某個夜晚，我甚至都沒有說服自己的過程，就突然間起心動念，就覺得，不如給大家開放了吧，大家一起用吧。

如果能幫助到大家，那我就真的很開心了。

網址在此： https://aihot.virxact.com/

因為確實沒啥錢買域名，所以還是用的公司域名來做開發的，所以可能域名會有一點難記。

接下來，我也想再花一點篇幅，好好介紹一下這個東西，還有我在開發過程中，遇到的一些坑和經驗的分享。

先聊聊AIHOT這個產品。

我覺得在這個時代，很多的工作其實已經不是執行了，執行這塊Agent已經可以干的很好了，現在更多的工作成了信息的處理，我自己一般分為三個流程：

獲取信息 - 對信息進行分析 - 基于信息做決策。

對于我做內容創作來說，獲取信息就是從信息海中找到值得我關注的，而進行分析，其實就是基于信息，看看有什么選題角度可以切入，最后的決策，其實就是這個選題到底值不值得寫。

目前來說，AIHOT解決的就是獲取信息的問題，這個也是我自己過去的痛點，這個世界已經是信息海了，而且AI時代，垃圾信息滿天飛，為了保護我們自己的注意力，我們只能做信息的篩選。

并且基于AI時代的信息黑暗森林法則，在如今，信源比信息重要。

所以第一步，肯定是篩選信源。

PS：這里我得先非常坦誠的說一下，上面的界面是我的AIHOT界面，公司內部同事和大家看到的界面的功能是不一樣的，因為有些東西，確實不太方便全部公開，我還是得保護一下自己的一些底層策略。

上面那個截圖是公司同事和我們MCN簽約博主在進行企業飛書認證登錄以后能看到的。

而給大家能看到的是下面這個無法登錄的版本，在Tab上會少了很多，很多的底層策略和信息是看不多的，這個確實目前是沒辦法公開，希望大家可以諒解一下，磕頭。

說回信源的部分。

我目前在持續監控的信源是168個，監控的手段就比較亂了，有RSS訂閱、有對著別人HTML直接爬的、有調用對方公開API接口的、有我自己花錢買的三方數據接口的等等。

所有的信源都是我自己挨個精選過的，秉持著寧缺毋濫和一手信息優先的原則，大概調了一個月，真的就是慢慢的累加。

然后信源等級我自己分了3類，這個跟后續的精選策略權重有關，分別是T1、T1.5、T2。

像比如OpenAI的官方博客、Anthropic的工程博客、奧特曼的Blog 、CMU的博客等等，這種就屬于最值得看的官方一手信息，也就是T1。

而這些官方的X賬號，一般發的東西會比官方網站更多更雜，無用消息也更多，所以我設為了T1.5，權重會低一點，比如OpenAI的官推。

而其他的所有大佬個人號（比如奧特曼、達里奧等等）、KOL、媒體、還有一些綜合資訊站，都被統一劃在了T2里。

信源挑選完之后，才是我覺得，我整套系統最復雜的地方了。

也就是信息的處理。

這一百多個信源，其實已經不多了，但是每天抓取來的信息，還是有幾百條之多，比如昨天一天，其實就抓了563條。

你相信我，這么多條，不可能會有任何一個人會看完的，這是信息爆炸，毫無意義。

而且里面其實有非常多，是跟AI無關的，看我上面的漏斗就知道，有一半是跟AI無關的。

比如蘋果的Newsroom，它大部分內容其實就是一些亂七八糟的公告啥的，你不能因為蘋果做了Apple Intelligence就把蘋果的所有新聞都當AI新聞。

所以，這就是我最核心的，精選機制了。

如何從抓取的靠譜的信源中，再挑選出值得關注的信息，推送到我的面前，也就是，精選tab中的這些，被精選的信息。

可以看到，每一個被精選的信息，都在信息卡片上被打了標和分數，這些信息你也可以點擊標題跳轉到原文。

展示出來的看著非常簡單對吧，其實2月份剛開始做的時候，我也以為這事非常簡單。

當時我就想著，這玩意能有多復雜，寫個Prompt讓大模型判斷不就完事了嗎，大模型直接給個分，然后設定個閾值，過了閾值的就值得被精選出來，不就完事了嗎。

但是真的越做到后面，發現越不是這樣，我想的太簡單了，實際情況比這復雜多了。

這個評分策略，我整整迭代了11版。

詳細的Prompt、多維度評分機制還有最終的數值設計，我確實不太好公開，但是整體的架構處理流程，我覺得還是可以給大家分享一下的。

抓取完了以后，DeepSeek V3.2會進行預篩，判斷這條信息是否跟AI有關，如果有關，則推進到下一步，如果無關，直接落庫，不進行后續的評分了。

為啥要預篩呢，原因很簡單，就是管控成本，先用便宜的模型來預篩一下，通過的再交給后面智力更高的模型去進行評分，這樣省錢。。。

至于為啥用DeepSeek V3.2，單純是因為這個任務非常的簡單，DeepSeek V3.2這個智力水平的模型足夠了，而且我用DeepSeek V3.2約等于免費，因為我去年過年DeepSeek那一波推了一下硅基流動，邀請獎勵搞了有將近10萬人民幣的Token量，現在還沒花完。。。

預篩過了以后，就是大模型進行評分和翻譯+摘要并行。

這個AI評分，其實是我經歷的最大的坑。

最開始2月我開始做的時候，心里想著，

模型這么強，我直接寫個prompt讓它給每條新聞打分就行了。判重要不重要它行、判分類它行、判讀者愛不愛看也行，全交給它。

寫了第一版prompt跑了一周。

結果一塌糊涂，一些究極硬核的論文動不動90分，我點開三秒看不下去。Sam Altman轉發了一個 OpenAI 實習生的雞湯推文，模型給87分。

同一件事被官方、X、IT之家各種媒體報道了七遍，七遍全部進精選。

太特么扯淡了。

然后，我開始往prompt里加規則。

大佬轉發要降分，同一事件已被報道過要降分，營銷軟文降到50以下，國內大公司發模型不要因為不是英文環境就低估。。。

加著加著，prompt漲到300多行。

到了3月，我做了一件我當時自認為覺得是里程碑的事，我引入了人類反饋標注機制，我跟我的同事每天點幾條這條精選得對/不對，系統把反饋喂回讓它持續迭代。

我還給這個迭代配了一個內部評估機制，每次AI評分規則升級，我會用它去重新評估過去500條新聞，看新版本和老版本誰選得更準。

聽著非常酷對吧？模型 + 人類反饋 + 自動評估 + 持續迭代，標準的AI產品做法。

跑了一周以后，我幾乎崩潰了，因為你要知道，規則加的越多，模型泛化能力越差，反而越來越笨，我又加了更多的規則，于是選的更差了。

為了解決這些問題，我又加了雙維度評分還有實體熱度感知（讓模型知道哪個公司最近很火），但結果直接廢了。

V7到V8策略的迭代，當時是純粹的負向優化。

我直接全面回滾，推倒重來了。

那一刻，我才想起來，我自己寫過的一篇文章。

你絕不能，把所有的事情都交給模型，打分是他、權重計算是他、打標是它、判斷是否精選還是它。

所以直接推倒重構了，重新了梳理了我的流程和機制，能用代碼處理的，一律不用模型處理。

現在，大模型評分只做一件事，就是根據我的Prompt，對每一條信息，打5個維度分，不需要打最終分了，這樣會更加準確和客觀。

而其他的，什么都不需要管了，Prompt直接也從600行直接縮減到了200行。

我目前用的打分模型，是DeepSeek V4 Pro，世界知識極強，在這種需要世界知識判斷的任務下，再加上打折，真的香麻了。

打完分以后，所有的根據信源的重要程度、類型、公司等等的權重重計算，也不需要模型來了，我直接用代碼寫好了明確的計算公式，拿著大模型對那條信息大的五維分，然后使用公式直接重新計算，得到最終的質量分。

現在首頁上展示的，就是計算完畢的最終分。

而是否值得精選，也不由模型判斷，而是根據質量分，再由代碼判斷是否過了每個類別的精選閾值。

比如OpenAI官網發的東西，60分的重要性已經挺值得看了，但一個像我這樣的AI博主的轉發評測，其實講道理，屬于二手消息，60分可能只是普通水平，那你就不一定需要看到它。

所以，如果過了，就精選，如果不過，就不展示。

用代碼管控的最好的結果，就是極度的可控、可調。

現在的數值設計，是我直接用量化的方式跑了上百個數值回測調出來的，目前我自己還比較滿意，如果后續我覺得不好，那也很簡單，公式里調一下權重或者某個數值，又或者改一下閾值的門檻分，幾秒的事。

這個機制，其實就是模擬的我自己作為一個內容創作者，每天刷信息時腦子里那套隱性的過濾機制。

評分和精選之外，還有一套東西，我把它稱為事件聚類系統。

就是比如昨天，GPT-5.5 Instant發布了，除了OpenAI官方會報道之外，其實還有一堆人也會一起報道。

如果不做聚類，精選頁上就可能同一件事會出現七八條甚至十幾條，那體驗絕逼是災難。

所以我在設計AIHOT的時候，會用embedding把語義相近的條目聚到一個事件簇里，然后在簇里選一條最權威的當主條，其他的折疊進去。

精選頁上同一件事只展示一條，點開能看到所有相關報道。

官方源發的永遠優先當主條，官網比官方推特優先，官方推特比KOL優先。

然后還有一個AI日報功能，這個是前段時間隨手做的一個小功能。

大概就是每天早上北京時間8點，系統會自動把過去24小時的精選內容，再稍微挑選一下，按版塊整理成一份報日報。

版塊分五塊，模型發布/更新、產品發布/更新、行業動態、論文研究、技巧與觀點。

你每天早上起來，打開日報頁，一份干干凈凈的AI世界昨日要聞就在那了。

而這個日報，也不需要任何大模型來生成，因為所有的精選、分類、翻譯，在信息入庫的時候就已經全部做完了，日報只需要把已經處理好的條目按類型分個桶，按分數排個序，就完事了。

我看了下速度，每天早上只需要1秒鐘，日報就能做出來給大家看，而且質量我覺得也還湊合。

AIHOT還有一堆體驗方面的東西，受制于篇幅，我就不提了，我雖然不是開發和程序員，這個網站上可能確實有一些我不知道的詭異的BUG，但是我畢竟做了快十年的用戶體驗設計師。

打磨體驗，扣各種細節，讓大家用的更爽，我覺得我還是擅長的。

至于未來AIHOT的計劃，我肯定還是會繼續開發下去，因為有好多好多東西受制于我的業余時間，我還沒有做呢。

比如趨勢預測，可以抓到加速曲線爆發初期還沒有特別火的事件。

比如給每個信息拽出過去1個月的相關信息。

比如我自己做一個AIHOT熱度指數等等。

不過未來的這些功能，確實可能沒辦法給大家全量開放，可能就是公司員工還有我們MCN簽約的博主專屬了。

但是我盡量去平衡，畢竟，我也希望，有更多人能用上我的產品。

如果有任何建議或者反饋，都可以在AIHOT的網頁上進行留言，會直接推送到我的飛書上，我絕對會第一時間看到的。

希望能幫助到大家，對大家有用。

網址不要忘了：

https://aihot.virxact.com/

大概就是這樣啦。

謝謝你看我的文章。

也謝謝，你用我的產品。

以上，既然看到這里了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個星標?～謝謝你看我的文章，我們，下次再見。

>/ 作者：卡茲克

>/ 投稿或爆料，請聯系郵箱：wzglyay@virxact.com