Hypo-Infov2.0

Hypo-Info 不是传统的新闻门户，而是一套重点解决「信息从哪来、怎么去水」的自动化采集与提纯管线。

一、多通道信源采集架构

系统维护 1300 余行信源配置，将分散在不同介质的一手信号拉入同一套流水线：

• X (Twitter) 6 大分组网页会话抓取：摒弃受限且昂贵的付费 API，基于已登录 Chromium CDP 会话按不同频率滚动采集 6 类核心信源（companies 官方账号、people 核心研究者、longtail 深度观察者、watchers 行业追踪、robotics 具身智能、ic 芯片与硬件架构）。优先提取页面 GraphQL 时间线并支持 DOM 回退，自动过滤时间窗口外的置顶旧帖。
• 一手研究博客与深度 Newsletter：覆盖 OpenAI、DeepMind、Google AI、Qwen、NVIDIA 等官方技术博客，以及 TLDR、橘鸦、Simon Willison、Interconnects、Ahead of AI、Latent Space、Import AI 等长文通讯。
• 开发者与产品社区：接入 GitHub Trending、Hugging Face、Show HN、Product Hunt 与主流中文科技媒体。

二、确定性去重与 AI 质量分级流水线

1. 规范化与多源证据合并：剥离追踪参数后，按 URL 哈希、标题哈希与 SequenceMatcher ≥ 0.92 逐级合并同一事件，将不同渠道的报道聚合为同一词条下的 EvidenceLink 证据链。
2. 低信息密度预过滤：对纯转发、纯表情、不足 40 字符的碎片推文在进入大模型前直接走确定性规则拦截，节省算力并降低噪声。
3. AI 分析 + 确定性质量权重：结合大模型结构化提取与确定性质量系数（拉高一手发布与硬核评测权重，降权泛泛闲聊与无法核实的传闻），生成每日最多 50 条高信噪比摘要，并为每条结论保留可回溯的原始证据卡。