摘要
AI 日报看似只是汇总新闻，实际包含来源筛选、日期判断、重复消除、摘要改写和引用核对。本文参考榜单中的 AI 前沿日报主题，设计一条偏工程化的编辑流水线：先锁定时间窗口，再保存原始证据，最后让模型只负责受约束的压缩和排版。文章不声称已经抓取或发布任何真实日报。
时间窗口先于摘要
日报任务开始时应生成一个不可变的窗口，例如按 Asia/Shanghai 记录起止时间和生成时间。每条候选信息保存发布时间、抓取时间和来源时区。没有明确发布时间的内容不能直接归入"今日"，只能进入待核实区。跨午夜的直播、版本发布和安全通告要按照事件实际时间排序，而不是按网页更新时间排序。
来源采集与模型总结分离。采集器只保存标题、正文片段、URL、作者和抓取状态，不让模型访问一个没有来源标识的长文本池。每条信息生成稳定指纹，指纹由规范化 URL、标题和发布日期共同组成。这样同一事件被多家媒体报道时，可以先聚类，再选择一条主来源和若干补充来源。
摘要要保留可核对事实
摘要模板只允许回答三个问题：发生了什么、影响什么、读者下一步应关注什么。数字、版本号、产品名和机构名必须从证据片段中逐字复制或通过规则校验，模型不能凭常识补齐。对无法确认的因果关系使用"可能""尚待确认"等标记，并把不确定性放在句子中，而不是藏在脚注里。
一条日报项目应同时保存原始摘要和发布摘要。编辑修改时记录改动字段、原因和操作者，方便复核模型是否夸大结论。若来源撤稿或链接失效，项目状态改为"引用失效"，而不是继续展示旧摘要。高风险主题可以要求人工确认后才进入最终版。
重复与优先级
重复检测分三层：URL 去重、标题相似度去重和事件实体去重。标题不同但描述同一版本发布时，应合并为一条事件；观点文章与事实公告则保留两条，并明确内容类型。优先级可以由影响范围、时效性、来源可信度和读者相关性组成，分数只是排序辅助，不能代替编辑判断。
自动化队列应有失败状态。抓取超时、正文为空、编码异常、引用不完整和模型输出超长分别记录，重试策略也分别设置。连续失败达到阈值时暂停该来源，避免错误内容在重试中被放大。最终产物列出已处理数量、待核实数量和失败数量，读者才能理解日报覆盖范围。
发布前的最小检查
发布前逐条检查日期、来源链接、数字、专有名词和摘要长度。对每个段落随机抽取一个事实回指原文，发现回指失败就退回编辑队列。目录和标题应与正文一致，代码或链接不应被模型改成不可访问的格式。生成 Markdown 后再做一次纯文本扫描，确认没有遗留提示词、内部 ID 或未解析模板。
来源可信度可以做成透明标签，而不是一个藏在排序里的分数。官方公告、项目仓库、研究论文和媒体报道分别标记类型；同一事件有多种来源时，主来源负责事实，补充来源负责背景。来源发生冲突时保留两种说法，并把冲突原因交给编辑判断。任何只在社交平台出现、又无法回指原始材料的消息，默认进入待核实区。
日报的目录也应可追踪。每个条目保存事件指纹、主来源、摘要版本、审核状态和生成批次，目录文件保存总数与失败数。重新生成同一天内容时使用新批次号，不覆盖旧批次，并在 manifest 中记录选用哪一批。这样发现模型输出问题时，可以只替换一个条目，避免整份日报的引用一起漂移。
自动化提示词要版本化。提示词规定输出字段、禁止臆测、引用格式和长度上限，模板变更需通过固定样本。模型返回 JSON 时先做 schema 校验，再渲染 Markdown；解析失败不得直接把原始响应写入成稿。对超长摘要优先删除背景套话，保留事实、影响和引用，不通过缩小字体或隐藏段落解决长度问题。
最终还要保留人工退出通道。编辑可以将单条标记为跳过、待核实或需要重写，流水线据此停止该条的自动发布路径。系统记录退出原因和处理时间，下一次同类来源可复用规则。自动化的边界越清楚，日报越容易在热点突发时保持可信，而不是为了准时牺牲核验。
质量指标应反映读者风险。除了生成耗时和条目数量，还要统计引用可访问率、日期错误率、重复合并准确率、事实更正次数和待核实占比。指标按来源类型分组，某个来源持续产生空正文或更正时自动降级。编辑每周抽样回看低风险条目，防止系统只关注已暴露的问题。
归档时同时保存最终 Markdown、结构化条目和来源清单，但不永久保存无关网页内容。归档文件写入生成批次、模板版本和校验摘要，未来可以复现一条摘要由哪些证据产生。若依法或应来源要求删除材料，沿着事件指纹清理引用，并在日报中保留透明的删除说明。
编辑交接时只需查看待核实队列、失败来源和更正记录，不必重新阅读全部原始材料。清晰的交接面板能够减少重复劳动，也避免同一条问题在不同班次被反复生成。
结语
AI 日报的竞争力不在于生成得更快，而在于读者能够快速判断哪些是事实、哪些是解释、哪些仍需确认。把时间窗口、事件指纹、引用证据和失败状态固定下来，模型只做受约束的压缩，自动化才不会牺牲可信度。