AIHOT 开源：把整套「AI 热点站」流水线交到你手上，提示词和门槛全部公开

一个每天自己找热点、自己写日报的网站框架，会是什么样子？AIHOT 给出了一个相当完整的答案：它把「采集 — 预筛 — 评分 — 写作 — 聚簇 — 成刊」这一整条流水线全部开源出来，包括每一个提示词的原文和每一道入选门槛。项目在 2026 年 9 月 28 日建仓，两天内就冲到 3100 多颗星，还带一个能直接访问的线上站作对照。

作者「数字生命卡兹克」在 README 里写得很直白：这半年很多做法律、HR、金融、贵金属的朋友问他，能不能也给他们的行业做一个热点站。他做不了——因为他不了解那些行业，不知道哪些信源有用，也不知道什么样的消息才叫热点。于是干脆把整套框架开源出来，让懂行业的人自己动手。这也是项目名的由来：把站名里的 AI 换掉，它就是你的行业热点站。

仓库地址在这里：https://github.com/KKKKhazix/AIHOT，线上演示站在 https://aihot.news。

三个进程，职责分得很干净

技术栈是 Node.js 24 + TypeScript + React Router（服务端渲染）+ Fastify + PostgreSQL + pg-boss + Tailwind CSS，全部用 Docker Compose 编排。整个系统拆成三个进程：

• api（apps/api/）：Fastify 服务，扛下站内接口、公开 API、RSS、MCP、后台接口、图片代理和分享图生成。
• worker（apps/worker/）：基于 pg-boss 的任务队列与定时任务，负责抓信源、调模型、归组、算热度、出日报、发告警和清理。
• web（apps/web/）：React Router 服务端渲染的网页，只通过 HTTP 读 api，从不直接碰数据库。

业务代码集中在 packages/backend/，前后端共用的类型和常量在 packages/contracts/，而所有跟行业相关的东西——站名文案、分类标签、主题、示范信源、提示词、门槛、品牌——全部收在 industry/ 这一个文件夹里。这个边界划得相当克制：换行业基本不用动代码。

一条资料怎么变成一条精选

这是整个项目最有意思的部分。一条资料进入系统后，要依次经过这些关口：

收进来：同一网址、同一内容只保留一份；只有标题或订阅摘要的，先抓原文页面再判断。 预筛：判断「这是不是本行业的事」。宽进，只拦明显无关的内容，被拦下的不会出现在任何公开页面。 评分：用同一份评分标准独立打两次分（0–100）。两次之和 ≥ 2 × 门槛才入选，页面上显示的是两次的平均分。 写标题摘要：入选的、以及差一点入选的，按内容理解提示词写中文标题、答案先行的摘要、推荐理由和标签；其余的走更便宜的简短摘要，进「全部动态」。 结构化：分类、标签、主体公司、事实（谁、做了什么、对什么），和评分同时进行，主题页和事件归组都靠它。 归组：不同来源报道的同一件事归成一个事件，事件页有综述，热门按事件排。入选资料要等归组完成（最多 3 分钟）才出现，避免同一件事先冒出好几条。 成刊：每天 08:00 出日报，每周一出周报，每月 1 日出月报，按分类分节并带上导语。

其中「独立打两次分」的设计值得一提。同一份提示词、同一篇资料，让模型跑两遍，取平均——这能在不引入第二个模型的前提下，把单次波动压下去一点。门槛也不是一刀切，而是按信源分级区分：

export const SELECTION = {
  thresholds: { T1: 60, T1_5: 65, T2: 76 },
  understandFloor: 50,
} as const;

T1 是官方一手信源（官网、官方博客、机构），T1_5 是官方账号和准官方创作者，T2 是媒体与个人。官方原文门槛只要 60 分，而媒体和个人要 76 分——同样一件事，官方发布的原文更值得先看到。这组数字是 AIHOT 在 AI 领域长期在用的，作者说它「偏严：宁可少选几条，也不让噪声进精选」。

聚簇与热度：一件事只出现一次

同一件事，官网发一篇、媒体转十篇、社交平台上再吵一天——读者其实只需要看到一次。AIHOT 把这些报道聚成一个事件，分三步：

找候选：用标题和摘要的向量，在最近两周里找出可能是同一件事的报道，再加上同一链接、同一条推文的回复和引用。 判关系：让模型判断到底是同一件事、后续进展，还是两件事；拿不准的先合并，再换一家模型确认一遍。人工改过的归属永远不会被覆盖。 算热度：48 小时内，每个独立来源只算一次，24 小时减半；重复抓取不会多算，一家媒体发十篇也只算一次。

这套规则的结果是：排在前面的，是真正有很多人在说的事，而不是转发最多的那一家。热点榜还会跟 6 小时前的快照对比，涨得快的标上升箭头，新出现的标一个「新」字。

信源是这套系统的入口

AIHOT 支持六种信源类型，基本覆盖了内容分发的所有主要形态：

信源类型	说明
RSS	最常见的订阅源，直接解析
网页列表	没有 RSS 的站点，抓列表页
JSON 接口	直接对接后端 API
X 账号	追踪特定账号的推文，讨论也算进热度
微信公众号	中文语境里绕不开的一环
外部推送	你自己的脚本把内容推进来

信源还要分「级」：T1 官方一手、T1_5 官方账号、T2 媒体与个人，另外还有一个 EXCLUDE_MP 级——它不参与精选评分，只进「全部动态」。抓取频率也不是固定的，系统会根据每个源的产出情况自动调整：活跃的源 15 分钟看一次，不活跃的自动拉长间隔。

校准：先改标准，再动门槛

换了行业、改了评分标准，怎么知道模型选得准不准？项目给了一套完整的评测流程。你先从自己的信源里挑 100–200 条资料，一条一条标「该选 / 不该选」，存成 .data/gold.jsonl，然后跑：

node --env-file=.env scripts/eval-selection.ts \
  --gold .data/gold.jsonl --split development --label "第一版评分标准"

它会输出准确率、查准率、查全率，还会把门槛从 40 到 90 每隔 2 分跑一遍，告诉你不同门槛各会得到什么结果，判错的条目连同模型给的理由一起写进后台的 SelectBench 面板。

作者给的建议很实在：该选没选上，多半是评分标准里没说清它为什么重要，就把这类价值写进「必须正常评价」的部分并给出例子；不该选却选上了，多半是噪声没压住，就写进「必须压住」的部分；只有整体偏松偏紧、且判错的条目分数都贴着门槛时，才去调门槛。「先改标准，再动门槛：门槛只能整体移动，解决不了哪一类判错了。」

评测还刻意区分开发集和留出集：调提示词时只看开发集，最后再用留出集检查一遍，免得把提示词调成「只会做这几道题」。另外，同样的输入和提示词重跑不会重复调用模型——因为每个付费请求都有一张回执，改过的部分才会产生新调用。

几个工程上很克制的设计

一个公开读取层：网页、RSS、API、MCP、站点地图、分享图读的都是 packages/backend/src/publication/，所以各个出口看到的内容天然一致。新增出口也从这里读。 页面不调模型：读者打开页面只读数据库里已有的结果，模型只在 worker 的任务里调用。这是响应速度的底气——线上实测页面中位数 10 毫秒，95% 在 50 毫秒内。 花钱的请求有回执：每个付费请求（模型、X、公众号、Jina）先记一张回执，拿到结果先存再用。进程重启、任务重试时复用已经付过钱的结果，不重复花钱。 预算熔断：每个付费服务有每分钟、每小时、每天的上限，超了就暂停，在后台「设置 → 预算」里配。 旧文不刷屏：发现时已发布超过 48 小时的资料、新信源的存量、回灌的推送，按原文时间归档，不进「今天」、不推送。 来源可追溯：每条精选都链接原文，站内是否显示全文由信源的配置决定，默认只显示摘要。

它给你留了哪些出口

除了给人看的网页，这套框架还准备了相当完整的机器接口：

出口	内容
/ /all /hot /topics	精选、全部动态、热门事件、主题页
/daily /weekly /monthly	日报、周报、月报
/feed.xml 等四个	RSS：精选、全部、全文、日报
/api/v1/	公开 API，文档在 /openapi-v1.json
/api/mcp	MCP 服务，工具名前缀可配（默认 myhot_）
/llms.txt	给大模型看的站点说明
/admin	后台：信源管理、内容诊断、精选评测、模型切换

「同一份内容，既给人看，也给 Agent 用」——在 2026 年，这个设计思路越来越像标配，但真正把 MCP、llms.txt、公开 API 和 RSS 一起做齐的站点框架并不多。

十分钟把它跑起来

需要 Docker，和一个 OpenAI 兼容的模型 API Key（DeepSeek、千问、智谱都可以）：

git clone https://github.com/KKKKhazix/AIHOT.git myhot
cd myhot
node scripts/init-env.ts --llm-key <你的模型 API Key>
docker compose up -d --build

打开 http://localhost:3000 就能看到站点了，后台在 /admin，管理员密码在 .env 的 ADMIN_PASSWORD 里。一两分钟后开始有内容，第一次导入的资料大约半小时处理完。仓库里自带 18 个公开的海外 AI 资讯源作示范——注意，真正的信源名单和运营数据并不在仓库里，要换成你自己行业的。

改成你的行业，交给 Agent 就行

最省事的办法：把仓库丢给你的编码 Agent（Claude Code、Codex 都行），然后说：

请读 AGENTS.md 和 docs/customize.md，把这个站改成「法律」行业的热点站。我关心的是……（你想盯哪些信源，你觉得什么消息重要、什么不重要，越具体越好）。

要改的东西几乎都在 industry/ 里，代码基本不用动：site.ts 管站名和文案，taxonomy.ts 和 topics.json 管分类标签主题，sources.json 管首次启动时导入的信源，prompts/ 放你的行业 KnowHow，selection.ts 管入选门槛，features.ts 是模型榜和 Codex 重置监控的开关。

作者特别提醒：最值得花时间的是评分标准和门槛，而不是界面。这也是把「行业 KnowHow」真正沉淀下来的地方——它不在代码里，而在你怎么定义「什么值得看」。

一点观察

AIHOT 有意思的地方，在于它把「内容运营的判断力」当成了可配置、可评测、可迭代的一等公民。提示词有版本（版本号就是内容的哈希）、判断有门槛、门槛能校准、校准有样本集和评测脚本——这套工程化的做法，通常在推荐系统或者搜索团队里才见得到，而现在它被装进了一个开源的热点站框架。

作者自己也说得很清楚：他不是专业开发者，是设计师出身，半年前还看不太懂代码，这套代码是他和 AI 一起重写的，「一定还有写得不好的地方」。这反而让整个项目更有参考价值——它展示的是一个普通人在 AI 辅助下，能做出什么样完整度的东西。MIT 许可，代码可以随便用，只要求你不要用 AIHOT 的名字和 Logo。

如果你一直想给自己所在的行业做个信息聚合站，又卡在「不知道从哪下手」，这个仓库大概是目前最接近「照着抄就行」的一份参考。https://github.com/KKKKhazix/AIHOT