AI 作为实习编辑：通义千问在极客公园的自动化新闻采编实践

事件概述

极客公园编辑团队部署了通义千问（Qwen）大模型，构建了一套模拟“AI 实习生”的新闻采编自动化流水线。该工作流旨在解决科技编辑日常面临的信息分散、筛选耗时及初稿撰写繁重等痛点，实现了从消息捕捉到新闻成稿的部分自动化。

核心机制与流程

1. 多源监控与信息捕获

• 信源覆盖：系统监控九家重点大模型公司及科技新闻入口，包括官网、官方博客、GitHub 代码仓库、API 文档以及 Hugging Face 模型页面。
• 技术实现：搭建四路爬虫程序，整点扫描页面变化。建立去重机制，确保同一事件仅被判定一次。具备信源健康检查功能，能自动识别失效 RSS 并寻找镜像或备用地址。

2. 基于权重的选题评估系统
为赋予 AI “新闻感”，编辑设定了一套量化评分规则，总分由三部分构成：

• 公司梯队：第一梯队基础分 3 分，第二梯队 1 分。
• 事件类型：发布新模型（6 分）、新产品（5 分）、开源项目（4 分）、API/价格调整（3 分）、融资（2 分）、出海动态（1 分）。
• 信源确认度：官方确认（+2 分），可靠来源泄露（+1 分）。
• 阈值触发：当总分超过设定阈值（如 9 分触发选题汇报，8 分触发初稿撰写），系统自动执行相应任务。对于灰区判断，系统会列出计算逻辑供人工确认，并将反馈纳入后续规则优化。

3. 自动化内容生产

• 日报助理：定时汇总当日资讯，完成外文翻译、长度精炼及栏目归类。支持备选新闻推荐及原文链接附注，经两轮迭代后已稳定运行。
• 热点成稿：针对高分新闻，系统自动检索过去七天的背景资料，先输出包含新闻点、背景及结构的“主编构思”，再根据事件复杂度生成 800 字快讯或 2000-2500 字深度稿。初稿结构完整，并在结尾标注待编辑确认事项。

关键数据与成效

自 8 月 7 日部署以来，该自动化系统累计处理线索 2102 条，其中 193 条进入选题范围，66 条达到自动成稿标准。

交互模式转变

该实践展示了 AI 协作模式的演进：从早期依赖复杂的 Prompt 工程或 Skill/Agent 配置，转向以“工作经验规则化”为核心。用户只需明确判断标准和业务逻辑，AI 即可在执行与纠错中自我迭代，形成类似长期磨合的“师徒”工作关系，显著降低了使用门槛并提升了人效。