KKKKhazix/AIHOT · 上手攻略

仓库：KKKKhazix/AIHOT
链接：https://github.com/KKKKhazix/AIHOT
分类：内容聚合 / 热点追踪 / AI 工作流
作者：Jay
更新：2026-10-01

一、是什么

AIHOT 是一个自己找热点、自己写日报的网站框架。它的定位是：让你不需要写一行爬虫，不需要盯着后台，只要配置好转用的信源和精选标准，它就能每天自动给你出一份结构化行业日报。

这个仓库是 aihot.news（作者自营的 AI 行业热点站）的完整代码快照，包含：信源抓取层、内容精选流程、LLM 评分与打分两次独立校验、内容聚簇与热度计算、中文标题/摘要生成、日报周报月报自动推送，以及配套的后台管理界面和面向 Agent 的消费接口（RSS、MCP、API、llms.txt）。

它的核心哲学是：框架给你，精选 KnowHow 留给你。作者做不了所有行业的热点站——他不懂法律不懂 HR 不懂贵金属——但他把完整流程开放出来，你换成你的信源和打分标准，它就是你的行业热点站。

二、解决什么问题

做行业热点的人通常面临这些问题：

信源散：官网发一篇、媒体转十篇、X 上又吵一天，读者需要看一次，但你要盯很多地方。
筛选难：抓回来的内容大量噪音，"什么算重要"没有可配置的量化标准。
写稿累：每天要把选出来的内容整理成日报，手工操作耗时且容易遗漏。
聚簇乱：同一件事被多个来源报道，排重靠人工，容易遗漏后续进展。

AIHOT 把这整条链路自动化：抓→筛→评→写→聚→排→推，全部可配置，不只是标题列表，而是有摘要、有热度排名、有事件聚合的结构化日报。

三、快速安装

环境要求

Docker（安装指南）
一个 OpenAI 兼容模型 API Key（DeepSeek / 千问 / 智谱均可用）

步骤

# 1. 克隆仓库（建议用 Template 生成自己的独立站）
git clone https://github.com/KKKKhazix/AIHOT.git myhot
cd myhot

# 2. 初始化环境变量，填入你的模型 API Key
node scripts/init-env.ts --llm-key <你的模型 API Key>

# 3. 启动（后台运行，首次构建约需数分钟）
docker compose up -d --build

# 4. 打开前端
# http://localhost:3000
# 后台管理：/admin（管理员密码在 .env 的 ADMIN_PASSWORD 字段）

首次启动后约半小时内完成首次内容导入，首页开始有内容。机器在中国大陆、或需要配域名/HTTPS，见仓库 docs/deploy.md。

Agent 方式快速初始化（推荐）

如果你用 Codex / Claude Code，可以直接把仓库交给它：

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

四、核心用法

4.1 改成你的行业

改行业几乎只动 industry/ 一个目录，代码基本不用改：

文件	改什么
`industry/site.ts`	站名、行业词、首页文案、关于页
`industry/taxonomy.ts`、`topics.json`	分类、标签、主题
`industry/sources.json`	首次启动时导入的示范信源
`industry/prompts/selection-score.md`	评分标准（你的行业 KnowHow 核心）
`industry/prompts/content-understanding.md`	标题摘要写法
`industry/prompts/rules-domain.md`	术语翻译保留规则

最值得花时间的是 prompts/selection-score.md + 门槛校准：

# 精选校准流程（推荐 100-200 条你自己标注过的资料）
node --env-file=.env scripts/eval-selection.ts --gold .data/gold.jsonl

两次评分之和 ≥ 2 × 门槛才入选。默认门槛 T1 60 / T1_5 65 / T2 76 是 AI 行业校准的结果，换行业需要重新校准。

4.2 信源配置

支持六种信源类型：

// industry/sources.json 示例结构
{
  "kind": "rss",           // 或 rss / web_list / json_list / x_search / mp_account / external
  "config": { ... },       // 类型不同配置不同
  "tier": "T1",           // T1 官方一手 / T1_5 官方账号 / T2 媒体个人
  "participation_mode": "editorial",  // editorial / hot_signal / isolated
  "first_party": true,     // 是否当事方自发的
  "site_fulltext": false   // 是否展示全文（默认只展示摘要）
}

详细配置说明见 docs/sources.md。

4.3 Agent 消费接口

部署后在 /agent 页面可以找到以下接入方式：

RSS：精选 feed、全部动态 feed、全文 feed、日报 feed
MCP：MCP 协议工具接口
API：/api/v1/ 下结构化接口，契约在 /openapi-v1.json
llms.txt：面向纯文本 Agent 的 /llms.txt
Markdown：通过 /api/v1/ 读取精选、搜索、热点、事件、日报的 Markdown 版本

4.4 精选流程

完整流水线：判重 → 预筛 → 两次独立评分 → 入精选 → 写中文标题摘要 → 聚簇 → 算热度 → 进日报

提示词全部在 industry/prompts/，改标准不需要改代码。每一步提示词说明：

prefilter.md        → 预筛：这条资料是否属于这个行业
selection-score.md  → 评分：0-100 分，五个维度加权
content-understanding.md → 标题摘要写法
group-*.md          → 事件归组：两篇报道是否是同一件事
story-digest.md     → 事件综述
report-*.md         → 日报导语、周报月报

4.5 关闭 AI 专属模块

法律、HR 等非 AI 行业不需要模型排行榜和 Codex 重置监控，在 industry/features.ts 中将 leaderboard 和 codexResetMonitor 设为 false，相关入口和定时任务全部关闭。

五、典型适用场景

行业媒体/自媒体：每天自动生成一份结构化行业日报，减少人工整理成本。
金融/投资机构：监控特定行业（贵金属、房地产、芯片）的政策与动态，带热度排名。
HR 科技公司：追踪招聘市场动态、竞品动态、监管政策热点。
技术布道者：做某个技术方向（LLM、安全、云原生）的定向资讯站。
企业内部知识库：把行业新闻聚合变成内参，推送给相关团队。

六、坑与注意

⚠️ 首次校准需要你自己标注数据：默认评分标准是 AI 行业调出来的，换行业后必须用自己行业的样本重新校准，否则选出来的东西"口味不对"。

⚠️ 公众号信源依赖极致了（Dajiala）：中国大陆很多行业一手信息在公众号上，接入公众号需要额外购买极致了服务，按请求计费。

⚠️ 提示词改了要同步改门槛：改了 selection-score.md 的权重或标准后，门槛数字也要重新跑 eval-selection.ts 校准，否则"选得准不准"的判断基准就错了。

⚠️ 这是一个快照，不是精心维护的框架：作者明确说了这是线上站代码的快照，更新不一定每次都同步，代码质量"还有写得不好的地方"。

⚠️ 请勿使用 AIHOT 的名字和 Logo：仓库要求换成你自己的名字和品牌，它是开源框架不是你的站。

⚠️ Docker 首次构建耗时：建议预留 5-10 分钟等待 docker compose up --build 完成。

七、与同类对比

维度	AIHOT	算了（同类 RSS 聚合）	CustomGPTs / GPTs
精选可配置性	高，提示词全开放，可校准	低，依赖平台规则	中，Prompt 可改但无评分校准
聚簇能力	有，事件级别聚簇 + 热度计算	无或弱	无
日报生成	有，自动推送，含导语和分类	无	无
Agent 接口	完整，MCP + API + RSS + llms.txt	无	无
维护成本	中，需自己维护信源和校准	低	低
适合场景	有KnowHow的行业从业者	简单 RSS 订阅	个人信息助手

AIHOT 的核心差异化在于精选流程可量化校准 + 事件聚簇 + 完整 Agent 接口，不是简单的 RSS 聚合或每日简报。

八、一句话推荐结论

如果你有明确的行业精选标准、想搭建一个"每天自动出结构化日报"的站，且愿意花时间用自己标注的数据校准评分模型，AIHOT 是目前公开仓库中精选流程最完整、Agent 接口最全的方案——换信源和提示词就是换行业，不需要动一行代码。