AI News Aggregator — AI/技术新闻高性能聚合引擎#

⚠️ SECURITY NOTICE

• Type: Educational reference / analytical framework ONLY
• 本技能本身不包含可执行代码，但描述和引用了本地运行的Python脚本（需用户自行部署）
• No persistent storage, background execution, or credential collection
• No credential collection, PII processing, or system access
• All outputs require human review before real-world application
• NOT financial, legal, or insurance advice

⚠️ 数据安全警告

• 本技能仅输出新闻聚合方法的参考框架， 技能本身不自动执行任何代码

• 文中描述的RSS抓取/API调用为 架构说明，用户如需实际部署，需注意：

  • 查询关键词、IP地址、时间戳等信息将由用户自行部署的脚本发送至第三方RSS源/API
  • 请确保遵守目标网站的服务条款和robots.txt规则

• 本技能 不主动联网，不会自动访问外部资源或收集用户数据

• 引用新闻时请务必核实原始来源，本技能不保证新闻的实时性和准确性

并发抓取 100+ RSS 源，12秒完成，支持 ETag/Last-Modified 缓存、日期过滤。

Scope（适用范围与执行边界）#

本技能覆盖 两类资讯聚合场景，两者共用同一套「抓取 → 去重 → 分级 → 输出」流程：

范围覆盖内容不覆盖内容AI/技术资讯公司官方博客、论文源（arXiv / HuggingFace Daily Papers）、技术媒体、专家 newsletter、社区热帖、GitHub Trending需登录或付费墙后的内容、私有仓库与内部数据财经资讯（Appendix G 起）宏观政策、行业动态、公司新闻、国际市场、社交舆情的 公开 报道聚合与翻译摘要行情报价、投资建议、内幕信息、非公开数据

执行边界（硬约束）

1. 本技能为 方法说明与模板集合：不联网、不抓取、不写文件、不保存任何中间结果；文中的 bash / JSON / Python 片段是供用户在自己环境自行运行的 参考命令与配置示例。
2. 用户自行部署脚本所产生的一切网络请求、缓存文件与日志，均由用户环境负责，本技能不参与、不留存、不回传。
3. 数据最小化：只处理公开可访问的内容；不采集需登录、授权或需绕过访问限制的内容；不采集个人身份信息与联系方式。
4. 凡涉及 写入文件 的产出（日报 / 周报 / 专题稿），必须先向用户 预览全文 并 取得明确确认 后再落盘。
5. 输出为客观聚合与转述， 不构成投资、法律或保险建议，不预测涨跌、不给出买卖结论。

语言与适用辖区声明：默认中文输出，与主要信源语言及适用辖区一致；英文原文中的机构名与专业术语保留原文。本技能不覆盖境外监管口径的合规判定，涉及境外规则时须另行核实。

触发与非触发判定

场景是否触发说明今天 AI 圈有什么新闻 / 最近技术动态触发AI/技术资讯聚合生成今日财经早报 / XX 事件最新进展触发财经资讯聚合与专题追踪这条新闻是真的吗触发走源可信度分级 + 交叉验证流程帮我看看这只股票能不能买不触发属投资建议，超出本技能边界把这份内部会议纪要整理一下不触发非公开内容，不在采集范围帮我写一封邮件 / 翻译一段合同条款不触发与本技能的新闻聚合目的无关

Setup#

确保 Python 3.8+ 可用，无需额外依赖（纯标准库）。

When to Use#

用户需要查看 AI/技术新闻、技术趋势、最新论文、GitHub 热门项目、AI 公司动态时使用。

⚠️ 精确触发规则（仅当用户明确表达以下意图时才激活，避免日常对话误触发）：

• 触发词必须与 新闻聚合/技术资讯/论文搜索 直接相关
• 不会 因用户提及"新闻"或"论文"等通用词汇而自动激活
• 不会 在用户讨论日常话题时误触发

触发关键词（精确匹配，需用户明确表达需求）：

• "AI 新闻" / "技术新闻" / "科技新闻"
• "今天有什么AI新闻" / "最近技术动态"
• "最新论文" / "arXiv 论文" / "AI 研究论文"
• "GitHub 热门项目" / "GitHub trending"
• "OpenAI 动态" / "Anthropic 更新"
• "新闻聚合" / "RSS 聚合"

Architecture#

text

ai-news-aggregator/
├── scripts/
│   ├── rss_aggregator.py      # 核心 RSS 抓取器
│   ├── rss_sources.json       # 100+ RSS 源配置
│   ├── arxiv_papers.py        # arXiv 论文搜索
│   ├── github_trending.py     # GitHub 热门项目
│   └── summarize_url.py       # 文章摘要
└── SKILL.md                   # 本文件

Data Sources#

分类源数内容更新频率去重主键company16OpenAI, Anthropic, Google, Meta, NVIDIA, Apple, Mistral 等官方博客不定期（多数周更以内）标题指纹 + 链接归一化papers6arXiv AI/ML/NLP/CV, HuggingFace Daily Papers, BAIR每日arXiv ID / 论文标题media16MIT Tech Review, TechCrunch, Wired, The Verge, VentureBeat 等每日多次链接归一化newsletter15Simon Willison, Lilian Weng, Andrew Ng, Karpathy 等专家周更/双周更标题 + 发布日期community12HN, GitHub Trending, Product Hunt, V2EX 等准实时条目 ID（HN/PH）cn_media5机器之心, 量子位, 36氪, 少数派, InfoQ每日多次标题指纹 + 媒体名ai-agent5LangChain, LlamaIndex, Mem0, Ollama, vLLM 博客不定期链接归一化twitter10Sam Altman, Karpathy, LeCun, Hassabis 等 AI 领袖准实时推文 ID

Core Commands#

RSS 聚合#

bash

# 抓取所有源（最近3天新闻）
python3 skills/ai-news-aggregator/scripts/rss_aggregator.py --category all --days 3 --limit 10

# 只看公司博客
python3 skills/ai-news-aggregator/scripts/rss_aggregator.py --category company --days 1 --limit 5

# 只看中文媒体
python3 skills/ai-news-aggregator/scripts/rss_aggregator.py --category cn_media --days 3 --limit 10

# AI Agent 相关
python3 skills/ai-news-aggregator/scripts/rss_aggregator.py --category ai-agent --days 7 --limit 10

### 组合用法示例（日报流水线）

```bash
# 1) 先抓全站最近 1 天，输出 JSON 供二次加工
python3 skills/ai-news-aggregator/scripts/rss_aggregator.py \
  --category all --days 1 --limit 20 --json > /tmp/today.json

# 2) 再补论文与社区两条线，避免只看媒体源造成同质化
python3 skills/ai-news-aggregator/scripts/arxiv_papers.py --limit 5 --top 10
python3 skills/ai-news-aggregator/scripts/github_trending.py --ai-only

典型 JSON 条目（示意结构，字段名以实际脚本输出为准）

json

{
  "title": " introducing a new open-weight model",
  "source": "Example AI Blog",
  "category": "company",
  "published": "2026-10-13T08:12:00Z",
  "url": "https://example.com/blog/post",
  "score": 7,
  "dedupe_key": "a1b2c3d4"
}

去重与限量的配合示例：同一事件被 6 家媒体转载 → 按 dedupe_key 合并为 1 条，保留级别最高的源（A/B 级优先），其余 5 条记为「同源转载」不再计入 TOP 10。

输出 JSON 格式#

python3 skills/ai-news-aggregator/scripts/rss_aggregator.py --category all --days 1 --json

text

### arXiv 论文
```bash
# 最新 AI 论文（按热度排序）
python3 skills/ai-news-aggregator/scripts/arxiv_papers.py --limit 5 --top 10

# 搜索特定主题
python3 skills/ai-news-aggregator/scripts/arxiv_papers.py --query "multi-agent" --top 5

GitHub Trending#

bash

# AI 相关热门项目（今日）
python3 skills/ai-news-aggregator/scripts/github_trending.py --ai-only

# 本周热门
python3 skills/ai-news-aggregator/scripts/github_trending.py --since weekly

Core Rules#

1. 优先使用 --days 参数#

默认抓取最近 N 天的新闻，避免获取过期内容：

• 日报： --days 1
• 周报： --days 7
• 月报： --days 30

2. 分类选择策略#

用户需求推荐分类示例参数预期条目量级公司动态--category company--category company --days 1 --limit 55-15 条/天技术论文--category papers--category papers --days 7 --limit 1010-30 条/周中文资讯--category cn_media--category cn_media --days 3 --limit 1020-50 条/3天社区趋势--category community--category community --days 7 --limit 1515-40 条/周AI Agent--category ai-agent--category ai-agent --days 7 --limit 105-20 条/周

3. 缓存机制#

• 首次抓取后自动缓存（ETag/Last-Modified）
• 缓存有效期 1 小时
• 重复抓取秒级完成

缓存命中示例（示意输出）

text

$ python3 rss_aggregator.py --category company --days 1 --limit 5
[cache] ETag hit: 34/42 sources, skipped re-download
[fetch] 8 sources updated, 312 items parsed
[filter] 47 items within 1 day
[dedupe] 47 -> 19 unique events
[done ] 1.9s

缓存目录与保留时长由用户自行决定；建议不超过 7 天，且仅保存条目元数据与哈希值，不保存正文全文。

Configuration#

编辑 scripts/rss_sources.json 添加/删除 RSS 源：

json

{
  "name": "OpenAI Blog",
  "url": "https://openai.com/blog/rss.xml",
  "category": "company"
}

Appendix G. Alibaba Dianjin Fusion — finance-news-aggregator v5.0.4#

Source: Alibaba Dianjin Digital Employee — researcher (AI研究员)

Essence: 全球财经资讯聚合、多语言新闻翻译、热点事件追踪、舆情风险评估

Integrated: 2026-05-31

---

G.1 Core Workflow (Dianjin essence)#

text

Input: 用户请求（"今日财经要闻" / "XX事件最新进展"）
  ↓
Data Collection:
  - 国内源：新华社、人民日报、央视财经、第一财经
  - 国际源：Reuters, Bloomberg, Financial Times, CNBC
  - 社交源：Twitter(X), Weibo, 雪球, 东方财富论坛
  ↓
Processing:
  1. 去重（相似新闻合并）
  2. 分类（宏观/行业/公司/国际）
  3. 翻译（英文→中文，自动摘要）
  4. 评分（重要性 1-5星）
  ↓
Output:
  - 财经早报（TOP 10要闻）
  - 专题追踪（XX事件时间线）
  - 舆情预警（负面新闻预警）

端到端示例（财经早报，示意）

text

输入：生成今日财经早报（2026-10-13）
抓取：国内源 4 家 / 国际源 4 家 / 社交源 4 家，共 286 条
去 重：286 → 63 条独立事件
分 类：宏观 11 / 行业 18 / 公司 24 / 国际 10
翻 译：英文稿 14 条 → 中文摘要，保留机构名原文
评 分：5 星 6 条、4 星 15 条、3 星 42 条
输出：TOP 10（5 星优先）+ 待核验线索 3 条（C/D 级）+ 风险提示 1 条

与 AI/技术聚合的差异：财经线额外多了「翻译摘要」与「舆情预警」两步，AI 线则以论文与开源项目为主要对象，不做市场影响分析。

---

G.2 News Classification & Scoring (Dianjin method)#

新闻分类体系：

类别关键词重要性阈值示例标题（仅示意）🔴 宏观政策央行、降准、降息、GDP5星（必读）央行宣布下调存款准备金率 0.5 个百分点🟠 行业动态新能源、AI、芯片、医药4星（重要）某芯片厂商公布新一代制程量产计划🟡 公司新闻财报、并购、减持、ST3星（关注）某上市公司披露三季度报告🟢 国际市场美联储、美元、原油、黄金4星（重要）主要经济体央行公布议息会议纪要🔵 社交媒体雪球热帖、微博热议2星（参考）某投资社区热议某新兴概念板块

评分模型（Dianjin风格）：

text

重要性评分 = 基础分 + 热度分 + 影响分

基础分（0-3）：
  - 官方媒体（新华社/人民日报）：+3
  - 权威财经（第一财经/财新）：+2
  - 社交媒体（雪球/微博）：+1

热度分（0-2）：
  - 阅读量 > 10万：+2
  - 阅读量 1-10万：+1
  - 阅读量 < 1万：+0

影响分（0-2）：
  - 涉及大盘/板块：+2
  - 涉及个股：+1
  - 无关市场：+0

总分 → 星标：
  - 5-7分：⭐⭐⭐⭐⭐（必读）
  - 3-4分：⭐⭐⭐⭐（重要）
  - 1-2分：⭐⭐⭐（关注）
  - 0分：⭐⭐（参考）

评分演算示例（示意）

text

条目：某行业主管部门发布新版数据报送口径通知
基础分：权威财经媒体首发 → +2
热度分：阅读量 6.8 万 → +1
影响分：涉及整个板块的合规口径 → +2
总分：5 → ⭐⭐⭐⭐⭐（必读）
复核：回原文核对发布机构、文号与生效日期，三项齐全后方可以 5 星呈现

扣分情形：同一事件被多家转载但均非首发 → 只给首发源计基础分；标题含「传」「或」「拟」等未确定表述 → 降一档并标注「未经证实」。

---

G.3 Multi-language News Translation (Dianjin essence)#

英文新闻自动翻译+摘要模板：

text

【英文原文】
"The Federal Reserve raised interest rates by 25 basis points on Wednesday,
bringing the benchmark rate to 5.25%-5.5%, the highest level in 16 years.
Fed Chair Jerome Powell said the central bank remains committed to bringing
inflation down to its 2% target."

【自动翻译+摘要】
📰 **美联储加息25基点，基准利率达16年新高**

**核心内容**：
- 美联储周三加息25基点，基准利率升至5.25%-5.5%
- 为16年来最高水平
- 鲍威尔表示致力于将通胀降至2%目标

**市场影响**：
- 美股：短期承压（加息利空）
- 美债：收益率上升（债券价格下跌）
- 美元：走强（利差扩大）
- A股：北向资金可能流出（美元资产吸引力上升）

**后续关注**：
- 6月议息会议（是否暂停加息）
- 通胀数据（CPI/PCE）
- 就业数据（非农/失业率）

示例二（中文稿件 → 结构化要点抽取，示意）

text

【原文要点】某监管部门就数据报送口径发布征求意见稿，反馈期 30 天。

【结构化抽取】
- 事件主体：某监管部门
- 动作类型：征求意见（未生效）
- 关键时点：反馈期 30 天（以公告载明日期为准）
- 影响对象：适用该报送口径的持牌机构
- 待核实：适用机构范围、正式稿发布时间、过渡期安排
- 呈现口径：标注「征求意见稿，尚未生效」，不写成已实施

翻译类要点保留原则：机构名、法规名、人名保留原文或附注原文；数字、比例、时点必须回原文核对；「基点 / 百分点 / 百分比」不得混用。

---

G.4 Sentiment Analysis & Risk Warning (Dianjin method)#

⚠️ 教育声明：以下风险分类框架为 纯教育培训参考，展示新闻舆情分析的方法论。所有涉及风险等级的示例均为假设性教学展示， 不构成任何投资建议或操作指导。

舆情风险评估框架：

text

舆情风险等级（客观分析方法参考）：

🔴 高风险信号（需核实的客观事实）：
  - 公司高管被查/逮捕
  - 财务造假曝光
  - 产品重大安全事故
  - 监管处罚

🟠 中风险信号（需持续关注）：
  - 大股东大额减持
  - 业绩大幅下滑
  - 诉讼/仲裁
  - 行业政策利空

🟡 低风险信号（正常跟踪）：
  - 高管变动（非核心岗位）
  - 小额诉讼
  - 行业竞争加剧
  - 产品投诉增多

分级演算示例（示意）

text

条目：某上市公司公告称收到监管问询函
匹配信号：监管处罚类（🟠 中风险：监管措施/问询）
分级过程：
  1. 先确认是否为已公开公告 → 是，来源级别 A
  2. 区分「问询」与「处罚」→ 当前为问询，未定性
  3. 按最轻一档呈现：🟠 中风险（持续关注），不使用「被查」「违规」等定性词
输出口径：客观陈述公告内容 + 注明「以公司公告与监管公开信息为准」

禁止事项：不得把「问询」写成「处罚」，不得把「传闻」写成「已核实」，不得对涉事主体作定性评价。

---

G.5 Compliance & Risk Constraints (Dianjin standards)#

合规要求（研究员精髓）：

1. 新闻真实性验证：
   • 必须标注新闻来源（新华社/Reuters/ Bloomberg）
   • 未经证实的传闻必须标注"未经证实"
   • 社交媒体消息必须标注"来源：Twitter/雪球"
2. 翻译准确性：
   • 专业术语必须准确（Fed=美联储，rate=利率，not"价格"）
   • 数字必须核对（25 basis points = 25基点，not"25%"）
   • 人名/机构名保留英文原文（Jerome Powell，not"杰罗姆·鲍威尔"）
3. 风险提示：
   • 舆情预警必须客观（不夸大/不缩小）
   • 负面新闻必须标注"仅供参考，请核实官方公告"
   • 禁止传播谣言（未经证实的消息）
4. 常见表述纠错对照（供自检使用）

易错表述应改为原因rate 译为「价格」译为「利率」金融语境下 rate 指利率而非价格25 basis points 译为「25%」译为「25 个基点（0.25 个百分点）」基点 ≠ 百分比，差 100 倍「监管处罚」用于问询函阶段「收到监管问询函，尚未定性」避免提前定性「传」「拟」「或」写成既成事实保留原表述并标注「未经证实」与原文确定性保持一致Jerome Powell 译成中文名保留原文，可括注中文译名人名机构名保留原文便于检索

---

G.6 Test Case (Dianjin quality)#

Test Case 1: 财经早报生成

text

Input: "生成今日财经早报"

Expected Output:
1. TOP 10要闻（⭐⭐⭐⭐⭐优先）
2. 每条新闻：标题 + 核心内容（50字）+ 市场影响
3. 分类：宏观/行业/公司/国际
4. 风险提示（如有负面新闻）

Quality Check:
- ✅ 新闻时效性（今日/昨日）
- ✅ 分类准确性
- ✅ 影响分析合理性
- ✅ 来源标注完整

Test Case 2: 英文新闻翻译

text

Input: "翻译这条新闻：Fed raises rates by 25bps, signals pause"

Expected Output:
1. 中文标题
2. 核心内容摘要（100字）
3. 市场影响分析
4. 后续关注点

Quality Check:
- ✅ 翻译准确性（25bps=25基点）
- ✅ 内容完整性（不遗漏关键信息）
- ✅ 影响分析专业（A股/美股/美债/美元）

Test Case 3: 专题追踪（事件时间线）

text

Input: "跟踪某行业政策从征求意见到正式发布的全过程"

Expected Output:
1. 时间线表格（时间 / 事件 / 来源 / 级别 / 与前一节点的关系）
2. 当前状态小结（一句话）
3. 尚未证实的内容（明确列出）
4. 后续观察点（正式稿、实施细则、过渡期安排）

Quality Check:
- ✅ 每个节点均有来源与时间
- ✅ 区分「征求意见」与「已生效」
- ✅ 未把预测当作已发生事实

Test Case 4: 源巡检与降级

text

Input: "检查一下这批源还有多少能用"

Expected Output:
1. 各分类可用数 / 异常数
2. 异常源清单（首次异常日期 + 连续异常次数）
3. 处置建议（保持 / 降级 / 停用）

Quality Check:
- ✅ 连续 3 次不可访问的源被建议停用
- ✅ 降级与停用均记录理由与时间
- ✅ 未因单次超时就删除源

---

Appendix L. 输出模板（三种粒度）#

说明：以下为 输出格式模板，用于统一日报/周报/专题的呈现结构；具体内容须来自实际检索结果并标注来源。

L.1 日报模板#

text

# 财经资讯日报（YYYY-MM-DD）

**统计时间**：YYYY-MM-DD HH:MM — HH:MM
**覆盖源数**：XX 个（可用 XX / 异常 XX）

## 一、今日要闻 TOP 10

| # | 标题 | 分类 | 来源 | 时间 | 星标 | 一句话要点 |
|---|------|------|------|------|------|-----------|
| 1 | ... | 宏观 | A 级源 | HH:MM | ⭐⭐⭐⭐⭐ | ... |

## 二、分类速览

| 分类 | 条数 | 关键条目 |
|------|------|---------|
| 宏观政策 | X | ... |
| 行业动态 | X | ... |
| 公司新闻 | X | ... |
| 国际市场 | X | ... |

## 三、待核验线索（来源级别 C/D）

| 线索 | 来源 | 级别 | 需核验的点 |
|------|------|------|-----------|

## 四、风险提示

> 客观陈述已公开的风险相关信息，不作预测、不构成任何建议。

填充示例（示意，仅演示字段如何落位）

#标题分类来源时间星标一句话要点1某监管部门发布数据报送口径征求意见稿宏观A 级源09:12⭐⭐⭐⭐⭐面向持牌机构征求意见，反馈期 30 天2某芯片厂商公布新一代制程量产计划行业B 级源10:05⭐⭐⭐⭐披露量产时点与产能区间，未披露客户名单

L.2 周报模板#

text

# 财经资讯周报（第 XX 周）

## 一、本周主线（3 条以内）
## 二、分主题回顾（按事件聚合，标注发生日）
## 三、数据与表述核对记录
## 四、上周存疑条目处理结果（已证实 / 已证伪 / 仍存疑）
## 五、下周关注日程（已知的发布与会议安排）

L.3 专题追踪模板#

text

# 专题：XX 事件时间线

| 时间 | 事件 | 来源 | 级别 | 与前一节点的关系 |
|------|------|------|------|----------------|

**当前状态小结**：一句话概括事件所处阶段
**尚未证实的内容**：明确列出
**后续观察点**：需要等待的具体信息（数据发布/公告/会议）

---

Appendix M. 源清单维护与巡检#

环节频率动作记录内容可用性巡检每周检查各分类源是否仍可访问异常源清单与首次异常日期分类复核每月核对源分类是否仍准确调整记录源增减按需新增源需先定级别（A/B/C/D）级别判定理由级别复核每季度复核高端源是否降级、低端源是否升级变动记录配置备份每次改动前保留上一版源配置版本与时间

巡检判定标准

状态判定条件处置正常连续 2 次巡检可访问且内容格式未变保持降级访问正常但内容质量明显下降降低采用优先级停用连续 3 次巡检不可访问移出配置并记录

---

Appendix N. 参数组合速查#

使用场景推荐参数组合输出粒度每日晨间速览--category all --days 1 --limit 10日报只看公司动态--category company --days 3 --limit 10日报中文资讯汇总--category cn_media --days 3 --limit 10日报技术论文追踪--category papers --days 7 --limit 10周报AI Agent 专题--category ai-agent --days 7 --limit 10周报社区与趋势--category community --days 7 --limit 15周报结构化二次处理--category all --days 1 --json数据输出

参数使用要点

要点说明先定粒度再选参数日报用 --days 1，周报用 --days 7分类少而准单次不超过 2 个分类，避免结果同质化限量与去重配合--limit 控制条目数，去重按事件维度合并结构化输出优先需要二次加工时选 --json

---

End of Dianjin Fusion Content — finance-news-aggregator v5.0.5

---

Appendix H. 源可信度分级与核验规范（本版新增）#

H.1 新闻源可信度分级#

级别源类型示例采用方式核验要点A 级官方发布监管机构官网、政府公告、交易所公告可直接引用，标注发布机构与日期核对发布机构名称与文号B 级权威财经媒体主流财经通讯社、头部财经媒体可引用，标注媒体与时间核对媒体名称与发布时间C 级行业与垂直媒体行业媒体、研究机构博客需与 A/B 级交叉验证后引用找到 A/B 级佐证后再引用D 级社交与社区论坛帖、社交平台讨论仅作线索，标注"未经证实"，不单独成文仅作线索，必须标注未经证实

H.2 交叉验证规则#

情形判定处置A 级单一来源可采信直接使用，注明来源B 级单一来源基本可采信使用并标注，重要结论补第二来源C 级单一来源存疑寻找 A/B 级佐证；找不到则标注存疑D 级单一来源不可采信仅列为线索，不进入要闻多方来源互相矛盾不可采信并列呈现分歧，说明差异点A/B 级来源与时间一致但数字不同以发布时间较晚者为准并列差异两条并列呈现，注明差异数值与各自时间仅见转载、找不到首发源存疑标注「首发源待确认」，不进入要闻

H.3 时效性分级#

类型时间窗呈现要求必填输出字段快讯2 小时内标注精确到分钟的时间精确到分钟的时间 + 来源日报24 小时内标注日期，注明"截至 XX 时"日期 + 截至时点 + 来源周报7 天内按主题聚合，标注事件发生日事件发生日 + 主题标签专题追踪事件全程提供时间线，每次更新标注更新时点节点时间 + 更新时间

核验要求：涉及数字、金额、比例的内容必须回原文核对；翻译类内容须核对关键术语（如 basis points = 基点，而非百分比）。

---

Appendix I. 财经资讯动态（截至 2026-10-13）#

动态类型内容摘要对聚合流程的影响建议动作优先级生成式内容治理生成合成内容需可识别、可追溯聚合摘要需明确标注来源与生成方式每条摘要附原始链接与来源高新闻真实性未经核实信息传播风险上升需强化交叉验证环节按源可信度分级采用高数据安全数据采集与处理需遵循最小必要抓取范围应限于公开内容不采集需登录或授权的内容高版权与转载原文转载与引用边界需明确摘要须为自撰简述，避免大段复制控制引用长度并标注出处高术语规范机构名、法规名更新频繁翻译与摘要中的机构名需为现行表述建立术语对照表并定期核对中信源集中度单一平台信息易形成同质化需保持多源覆盖定期检查各分类源数量与可用性中时效竞争快讯与深度内容的节奏分化需区分快讯与日报的输出标准按 H.3 时效性分级输出中聚合类应用透明度采用自动化方式生成的新闻摘要，标注要求持续细化输出需区分人工编辑与自动聚合在日报页脚标注生成方式与素材来源高源接口政策变化部分平台对 RSS / 公开接口的调用频次与授权要求调整抓取频率需控制在服务条款允许范围内巡检时同步复核各源的服务条款与调用限制中

数据截止: 2026-10-13 | 来源：公开信息与行业实践整理 本版补充：上述两条为本轮新增，其余条目随每轮巡检复核；具体口径与生效时间以官方最新发布为准。 声明: 以上动态供参考，具体以官方最新发布为准。

---

Appendix J. 常见误用与纠偏#

误用表现纠偏动作未标来源摘要不写来源与时间每条必须包含来源与时间戳单一来源成文用论坛帖作为要闻按可信度分级，D 级仅作线索大段复制原文摘要实为整段转载改为自撰简述，控制引用长度时间窗混乱把上周新闻当今日要闻严格按 --days 参数与 H.3 分级术语翻译错basis points 译为百分比关键术语建立对照表并核对同类源堆叠同一事件的多个转载重复计入去重时按事件维度合并忽视失效源源长期不可用仍保留在配置中定期巡检各分类源可用性把征求意见当已生效标题写「新规出台」改为「征求意见稿发布」，并标注尚未生效影响分析写成预测「预计明日上涨」改为条件式表述并说明依据，不作方向性预测

---

Appendix K. 质量抽检清单#

抽检项合格标准不通过时处置抽检方式来源完整每条含来源名与时间补标或撤下逐条比对来源字段分类正确宏观/行业/公司/国际归类准确调整分类并复查同类条目抽样 10 条人工复核去重彻底同一事件仅出现一次按事件维度合并按 dedupe_key 统计重复率评分合理星标与内容重要度匹配复核评分三项构成复核三项构成与总和影响分析客观不夸大、不预测涨跌改为条件式表述检索方向性词汇术语准确机构名、术语为现行表述更正并记入术语表对照术语表检索时效达标落在所选时间窗内剔除过期条目核对条目时间戳边界合规未出现投资建议与预测表述改写为客观陈述后重新抽检全文检索方向性与建议类词汇

---

End of Dianjin Fusion Content — finance-news-aggregator v5.0.5