6 篇稿子交给 AI 判，它只放了 1 篇进首页。剩下 5 篇里分数最高的是 71，差 5 分，进不去。

这是我们按源码部署 AIHOT 后跑出来的第一轮结果。AIHOT 是一个开源的行业热点站框架：自己去信源抓稿，让大模型预筛、独立打两次分，过了门槛才上首页，再写成中文卡片。仓库 2026-09-29 才创建，截至 10 月 3 日 07:50（北京时间）已有 4958 个 Star、1352 个 Fork，MIT 协议，TypeScript 单仓。

这篇不讲概念，按我们实际操作的顺序，从零搭到出第一轮精选。跟着做，一个下午能搭出自己的站。

![AIHOT 实战主图](https://developer.qcloudimg.com/http-save/yehe-12798805/8f1f3779839902bebec743208d950f02.png)
*[实测] 主图：右侧是本文部署出来的 AIHOT 首页截图*

## 先看成品

先看终点长什么样，心里有数再动手。下面是部署完、判完一轮稿之后的首页：「精选」栏只有一条，就是那篇 76 分的稿子，卡片上有中文标题、摘要、AI 评分和一句推荐理由。

![首页精选](https://developer.qcloudimg.com/http-save/yehe-12798805/8644d701bbf6213554a48e610d3a017a.png)
*[实测] 首页「精选」：6 篇里唯一过门槛的一条，AI 评分 76（标题、摘要、推荐理由由经第三方中转调用的 gpt-6.1-sol 生成，不是项目默认模型）*

这里先交代一句口径：本文所有截图里的中文标题、摘要、评分和标签，都是经第三方中转调用的 gpt-6.1-sol 生成的，不是项目默认模型。项目默认写的是 DeepSeek（`.env.example` 里 `LLM_MODEL=deepseek-flash`），换哪家都只是改变量的事，后面会讲。

点开一条，是一张完整的中文阅读卡：上面是中文标题和英文原题，中间是 AI 导读，右侧是推荐理由和标签，顶部一键打开原文。英文长稿不用自己啃了。

![文章详情页](https://developer.qcloudimg.com/http-save/yehe-12798805/0f47c2c00ad75c04076a4c5463832a5e.png)
*[实测] 文章详情：中文标题、AI 导读、推荐理由和标签，附原文链接（内容由经第三方中转调用的 gpt-6.1-sol 生成）*

整个系统由三个进程加一个数据库组成：`apps/web` 是前台（3000 端口），`apps/api` 是接口（3001 端口），`apps/worker` 跑抓取和判稿的定时任务，业务逻辑都在 `packages/backend`，数据全在一个 PostgreSQL 里。

![AIHOT 运行架构](https://developer.qcloudimg.com/http-save/yehe-12798805/07e1f6e420457b4faeb7a58792c481a3.png)
*[源码推导] AIHOT 运行架构：信源、worker 抓取与 AI 判稿、PostgreSQL、api、web，节点职责根据 apps/worker/src/schedules.ts、editorial/analyze.ts、providers/llm.ts、providers/receipts.ts 整理*

## 三步起服务

我们的环境是一个 `node:24-bookworm` 容器，加一个 `postgres:17-alpine` 数据库。仓库里也带了 `docker-compose.yml`，想省事可以直接用它。下面是源码方式的完整流程。

![AIHOT 部署四步](https://developer.qcloudimg.com/http-save/yehe-12798805/35aff9a0f9baf41cac2d100a8841804c.png)
*[实测] 本文的部署顺序：编译、建库、起服务、接模型判稿，命令与实际执行一致*

**第一步，编译。** 装依赖，再构建前台：

```bash
npm ci
npm run build -w @aihot/web
```

`npm ci` 装了 295 个包，构建退出码 0，前后约 9 秒。

![源码构建](https://developer.qcloudimg.com/http-save/yehe-12798805/31f2bee1723520e59b6da892e0af54b0.png)
*[实测] 源码构建：npm ci 装 295 个包，构建 @aihot/web，退出码 0，约 9 秒*

**第二步，建库。** 把 `DATABASE_URL` 指向你的 PostgreSQL，跑迁移和种子：

```bash
node scripts/migrate.ts
node scripts/seed.ts
```

38 个迁移一次跑完，种子导入了 38 个主题、18 个示范信源、2184 条模型目录。这些都是项目自带的种子数据，主题页和模型目录开箱就有内容打底。

![迁移和种子数据](https://developer.qcloudimg.com/http-save/yehe-12798805/a1d2d9cf13832a565cae4788dd87bae0.png)
*[实测] 初始化：38 个迁移，种子数据导入 38 个主题、18 个信源、2184 个模型目录（均为项目自带种子数据）*

**第三步，起服务。** api 和 web 不需要任何模型 Key，先起来：

```bash
node apps/api/src/main.ts     # :3001
node apps/web/server.ts       # :3000
```

浏览器打开 3000 端口，站点框架已经在了，只是还没有稿子。稿子要等 worker 接上模型才会来。

## 只改三个变量换成你的模型

worker 是唯一需要大模型的进程。它用哪个模型，全看三个环境变量，代码里写得明明白白：

```ts
// packages/backend/src/providers/llm.ts:31-39
export const MODELS: Record<string, ModelSpec> = {
  // Read from the environment at call time.
  default: {
    key: "default", service: "llm", baseUrlEnv: "LLM_BASE_URL", apiKeyEnv: "LLM_API_KEY",
    get model() { return process.env.LLM_MODEL ?? ""; },
    get extra() { return extraFromEnv(process.env.LLM_EXTRA_JSON); },
    get jsonMode() { return process.env.LLM_JSON_MODE !== "false"; },
    get vision() { return process.env.LLM_VISION === "true"; },
  },
```

也就是说，任何 OpenAI 兼容接口都能接，不用改一行代码：

```bash
export LLM_BASE_URL=https://你的兼容接口/v1
export LLM_API_KEY=你的Key
export LLM_MODEL=模型名
node apps/worker/src/main.ts
```

`.env.example` 给的是 DeepSeek 的写法，旁边还注释了千问和智谱的地址。我们这次接的是第三方中转站上的 gpt-6.1-sol。worker 启动后，8 个信源各抓回了 8 篇新文章。

进阶一点：预筛、评分、摘要、归组、日报这几种能力，每一种都能单独指定模型。优先级是后台开关最高，其次是 `PREFILTER_MODEL`、`SCORE_MODEL` 这类环境变量，最后才是代码默认（`packages/backend/src/editorial/models.ts:17-29`、`49-53`）。实用的配法是：评分用稳一点的模型，预筛和摘要用便宜的。

## 让它判一轮稿

为了控制调用量，我们只让其中 6 篇走完全流程：预筛、两次独立打分、写中文稿、打标签。结果如下：

| 信源 | 信源等级 | 评分 | 进精选 |
|---|---|---|---|
| The Decoder | T2 媒体 | 76 | 是 |
| The Decoder | T2 媒体 | 71 | 否 |
| The Decoder | T2 媒体 | 68 | 否 |
| The Decoder | T2 媒体 | 67 | 否 |
| The Decoder | T2 媒体 | 60 | 否 |
| GitHub 博客 | T1 官方 | 47 | 否 |

没进精选的稿子不会丢，都在「全部AI 动态」里，同样有中文标题、摘要、标签和分数，只是不上首页。首页只放精选、其余进信息流，这就是 AIHOT 想要的「每天只看几条」。

![全部动态](https://developer.qcloudimg.com/http-save/yehe-12798805/6591d117602737cef22f6ac1fdc637e2.png)
*[实测] 「全部AI 动态」信息流：已完成分析的稿子都在这里，没过门槛的不上首页（摘要与标签由经第三方中转调用的 gpt-6.1-sol 生成）*

## 为什么 71 分进不了精选

答案在这几行：

```ts
// packages/backend/src/editorial/analyze.ts:413-419
  // Selected when the two scores add up to twice the tier threshold; the mean, floored,
  // is the score shown (it never decides a half point on its own).
  const values = run.scores && !run.scores.refused ? run.scores.values : null;
  const sum = values?.length === SCORE_CALLS ? values.reduce((total, v) => total + v, 0) : null;
  const score = sum === null ? null : Math.floor(sum / SCORE_CALLS);
  const threshold = run.scores?.threshold ?? null;
  const selected = relevance === "pass" && sum !== null && threshold !== null && sum >= threshold * SCORE_CALLS;
```

规则一句话：**两次打分加起来，不低于门槛的两倍**。卡片上显示的是平均分向下取整，所以半分不会左右结果。

门槛按信源等级分三档，写在 `industry/selection.ts:12`：官方一手信源（T1）60 分，官方账号和准官方创作者（T1_5）65 分，媒体和个人（T2）76 分。The Decoder 是媒体，门槛 76，所以 71 分差 5 分，进不去；GitHub 博客是官方源，门槛只有 60，可 47 分还是不够。

![6 篇的分数与门槛线](https://developer.qcloudimg.com/http-save/yehe-12798805/3628fb8ac2f098191bf5a0db0148a717.png)
*[源码推导] 6 篇稿子的分数（实测）与门槛线，规则依据 editorial/analyze.ts:413-419 和 industry/selection.ts:12*

还有个讲究的地方：评分提示词 `industry/prompts/selection-score.md` 里明确写了，故意不告诉模型信源名称、等级和门槛，还要求它别把大厂、长正文、数字多当成加分项。模型只评事件本身，信源权重交给门槛处理，两件事分开，打分就不容易被「名气」带偏。

所以想调站的口味，有两个旋钮：嫌精选太少，降 `selection.ts` 里的门槛；嫌评分标准不对，改 `selection-score.md`。改完可以用仓库自带的 `scripts/eval-selection.ts` 在你自己标注的样本上跑一遍，确认效果再上线。

## 预算闸和模型榜

每篇稿子要调好几次模型：预筛、两次打分、写稿、结构化、事件综述。信源一多，费用很容易失控。AIHOT 的办法是每次调用前先查一张预算表：

```ts
// packages/backend/src/providers/receipts.ts:85-104
async function checkBudget(tx: Db, service: string): Promise<void> {
  const [budget] = await tx<{ per_minute: number; per_hour: number; per_day: number }[]>`
    SELECT per_minute, per_hour, per_day FROM budgets WHERE service = ${service}`;
  if (!budget) return; // default rows come with the migrations; a service an operator removed is unlimited
  // Every request sent counts, retries of the same logical request included.
  const [counts] = await tx<{ minute: number; hour: number; day: number }[]>`
    SELECT
      count(*) FILTER (WHERE started_at > now() - interval '1 minute') AS minute,
      count(*) FILTER (WHERE started_at > now() - interval '1 hour') AS hour,
      count(*) AS day
    FROM receipt_attempts
    WHERE service = ${service} AND origin = 'live' AND started_at > now() - interval '1 day'`;
  const c = counts!;
  if (budget.per_minute <= 0 || budget.per_hour <= 0 || budget.per_day <= 0) {
    throw new BudgetExceededError(service, "stopped", 3600);
  }
  if (c.minute >= budget.per_minute) throw new BudgetExceededError(service, "minute", 60);
```

分钟、小时、天三档各自计数，重试也算一次。我们给大模型配的是每分钟 8 次、每小时 60 次；到上限时任务会自动延后，已经拿到结果的请求不会重复付费（`receipts.ts:106-108`）。6 篇处理完一共调用 42 次，我们把每天上限设成 42，worker 就不再发新请求，账单完全可控。这些数字在后台设置页也能直接改。

顺手看一眼它自带的模型排行榜。分数来自 worker 定时抓取的公开评测，我们跑了 3 轮，汇集了 19 项评测、8 家机构，能按综合、编程、推理、知识、专业办公切换，还能只看国产厂商或开放权重模型。给团队挑模型时，这一页是不错的起点。

![模型排行榜](https://developer.qcloudimg.com/http-save/yehe-12798805/481e9d60e4143c98b1d7d9f5bcf23e1b.png)
*[实测] 模型排行榜：榜单分数来自 worker 定时任务实际抓取的公开评测，模型目录含项目自带种子数据*

## 哪些团队适合拿来改

换行业是 AIHOT 设计时就想好的事。站名、首页文案、分类、信源、每一步的提示词、入选门槛，全在 `industry/` 一个文件夹里：

- `industry/site.ts`：站名和文案。默认站名是 MyHOT，部署前记得改；里面的 `subject` 字段默认是 `"AI"`，改成「法律」，页面上的「AI 日报」「AI 动态」就跟着变成「法律日报」「法律动态」。
- `industry/sources.json`：信源清单。
- `industry/prompts/`：预筛、评分、写作、归组、日报每一步的提示词。
- `industry/selection.ts`：入选门槛。

对号入座：

- **想给团队每天推一份 AI 行业精选**：默认行业包直接能用，改个站名就上线。
- **做法律、金融、HR 这类垂直内容**：值得改成自己的行业包。先换信源和评分提示词，再用 `eval-selection.ts` 校准门槛。
- **想研究「AI 怎么判断新闻价值」的开发者**：它的提示词和门槛设计本身就值得读。
- **只想集中看几个博客的更新**：不适合，普通 RSS 阅读器更省事。

使用前提一句话：需要自备一个大模型 Key 并按天设好预算上限；事件归组想更准可以另配向量接口（`EMBEDDING_API_KEY` 或 `DASHSCOPE_API_KEY`，见 `packages/backend/src/providers/embeddings.ts:29-32`），不配也能跑完主流程。项目 MIT 协议，可以商用。

---

## 推荐一个优秀项目

![RuoyiOffice 企业管理一体化平台](https://developer.qcloudimg.com/http-save/yehe-12798805/12554ae5d8d8502f752eeff6b65c5e3e.png)

[RuoyiOffice](https://ruoyioffice.com/) 是一套面向中小企业的企业管理一体化平台，思路是「一个平台管好整个企业」：不用再分别采购 OA、人事、客户管理、进销存好几套系统，数据在一个平台里打通。它的核心特性有这几块：

- **业务全覆盖，按需启用**：OA 协同、流程审批、人力资源、客户管理（CRM）、进销存（ERP）、资产管理、仓储管理、企业商城、数据报表、物联网等十余个子系统，模块化组合，用到哪个开哪个。
- **可视化流程引擎**：仿钉钉、飞书的流程设计器，同时支持 BPMN；会签、或签、依次审批，抄送、转办、委派、加减签，父子流程和超时提醒都有，请假、入职、转正、调动、离职这类单据都能走线上审批。
- **PC 端加移动端**：PC 端基于 Vue 3，移动端基于 UniApp，审批、打卡、待办、公告、企业云盘在手机上也能处理。
- **微服务架构**：后端基于 Spring Boot 和 Spring Cloud Alibaba，网关、注册配置中心、消息队列齐全，各模块可以独立部署、按需扩展。
- **内置 AI 能力**：可对接 DeepSeek、通义千问等大模型，提供 AI 对话、写作、绘图、知识库问答和思维导图。
- **企业级底座**：多租户、细粒度的角色和数据权限、单点登录，还有代码生成器，二次开发省事。

6 篇稿子交给 AI 判，它只放了 1 篇进首页。剩下 5 篇里分数最高的是 71，差 5 分，进不去。

从零搭一个会自己判稿的行业热点站：AIHOT 实战

按实测顺序部署 AIHOT：编译、建库、起服务、接上任意 OpenAI 兼容模型，看它判一轮稿，再讲清楚 71 分为什么进不了精选、预算闸怎么配、换行业改哪里。

人工智能

编程语言

注册配置中心

微服务架构

代码解释

消息队列

单点登录

企业云盘

PostgreSQL

TypeScript 

物联网

数据库

DeepSeek

Docker

GitHub

容器

2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

从零搭一个会自己判稿的行业热点站：AIHOT 实战-腾讯云开发者社区-腾讯云

从零搭一个会自己判稿的行业热点站：AIHOT 实战

从零搭一个会自己判稿的行业热点站：AIHOT 实战

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐