邮件每天都来了，但重要新闻却漏掉了怎么办？
将内部技术简报自动化后，每天早上都会收到产出。标题自然，链接也能打开，因此很容易认为流水线运行良好。可是，如果不相关的文章被合并成同一事件，常看的 RSS 已经连续两周缺失，或结果的大部分都来自同一家媒体，又会怎样呢？
Daily AI Thread 的运营记录显示，即使部分安全机制的作用与初衷相反，任务仍以退出代码 0 结束，网站和邮件也都正常生成。 Feed 获取失败每天都会按数字汇总，但也出现过具体原因没有被保留，导致难以区分和处理不同错误的情况。
AI 新闻机器人的质量不应以是否成功发布来判断，而应看能否重新解释哪些候选项为何消失。 这个案例值得借鉴的不是某个特定摘要模型，而是记录候选项、排除原因和原文验证失败的运营方式。
阅读原文是起点，而不是安全机制
Daily AI Thread 会根据来源类型、时效性以及报道同一事件的媒体数量等因素，筛选最近 24 小时内的 RSS 候选项。 它合并同一事件的报道、减少来源偏向、核验原文后发布简报，并公开按日期统计的收集量以及采纳和排除原因。
根据目前公开的政策，最终无法阅读原文的文章不会仅凭 RSS 描述被刊登。它会用备用候选项替换；如果符合条件的文章不足，则会发布少于 10 条的内容。 也就是说，它将原文核验置于目标数量之上。
现有文章中的数字难以用作统计数据。 “新闻简报阅读中有 30%～40% 是重复内容”和“48 分钟中只有 11 分钟包含新信息”这两项数字并非独立研究结果，而是 Readless 在说明自家功能时假设的计算示例。由于样本、测量过程和原始数据均未公开，不应将其作为行业平均水平引用。
隐藏在正常发布背后的三种失败
第一种是对去重的过度自信。基于公司名、产品名等宽泛的共同词，五篇与 Google 相关的文章被归为同一事件，其中四篇被悄然排除。此后，制作者停止自动删除，改为标记可能重复的警告，并由人工对照原文。
第二种是丢失原因的 Feed 失败记录。一个 Feed 返回了 HTTP 202 及非文章的 HTML 验证页面，另一个 Feed 返回了 HTTP 502。两者都被计入每日“Feed 失败”数字中，但状态码、响应内容等具体原因没有被保留。因此，无法分别诊断这两种失败，第一个 Feed 缺失了 14 天后才被替换。
第三种是自动放宽来源上限。虽然规则规定每个来源最多 3 条，但在 2026 年 7 月 23 日至 8 月 19 日发布的 28 期中，有 5 期突破了上限。7 月 31 日的 9 条中有 8 条来自同一家媒体；原因与一项配置问题有关：多个 Feed 的 www 子域名与允许列表不匹配，返回了 403。
| 表面状态 | 实际失败 | 应保留的证据 |
|---|---|---|
| 去重完成 | 连不相关的文章也被合并 | 聚类成员、警告分数、人工判定 |
| 2 个 Feed 失败 | 202 验证页面和 502 错误的原因丢失 | 状态码、内容类型、响应正文判别结果 |
| 发布达到目标数量 | 放宽来源上限，内容集中于一家媒体 | 上限放宽程度、各 Feed 的失败原因、来源分布 |
先从追溯今天一天的记录开始
不需要重建整个系统。先尝试复现最近一期简报是由哪些候选项生成的。您可以在 Daily AI Thread 的选定数据页面查看公开形式。
- 将收集量与采纳数量连接起来。
把一天的总收集量、排序候选项、原文核验对象和最终采纳数连成一行。每个数量减少的阶段，都应有排除原因，例如同一事件、排名不足或原文核验失败。 - 先写下“同一事件”的标准。
不要仅因公司名或产品名相同就合并。比较发布主体、实际事件和发布时间是否全部一致；对于模糊的高层级警告，应由人工阅读原文后判定。 - 为每个 URL 保留判定记录。
source、url、published_at、event_candidate、fetch_status、content_type、source_cap_used、decision、exclusion_reason足以用于首次审计。对于失败项，还应同时保留状态码和实际响应内容，才能区分 202 验证页面与 502 错误。 - 将上限放宽与正常状态分开。
如果为了达到目标数量而放宽了来源上限，请记录放宽前后的值和原因。必须区分候选项原本就不足，还是因 Feed 配置失败而变得不足。 - 原文核验失败时，保留少发的选择。
不要只用 RSS 文案填补空缺，应替换为备用候选项。如果替代候选项的原文也无法核验，减少发布数量更容易保住判定依据。
第一个成功标准很简单。 每个最终项目都有可核验的原文 URL，每个被排除的候选项都有理由，并且 Feed 失败的具体原因、上限放宽和重复警告没有隐藏在正常结束日志中。
与其自动删除，不如设计人工判断的位置
这个案例并不是展示某种特定重复检测方法有多准确的基准测试。所用的确切模型和阈值、整体误报率和漏报率均未公开。因此，与其认为“复制这个算法就可以”，不如借鉴出错时人工能在哪个环节发现问题。
如果人工重新阅读每篇文章，自动化的优势就会消失。请将审核范围缩小到重复分数高的聚类、原文核验失败、来源上限放宽等损失较大的例外情况。自动化负责减少候选项并整理证据，人工负责难以撤销的排除决定。
读者反馈也可以用同样的方式记录。Daily AI Thread 制作者在上线后不久收到可读性方面的意见，发布了可折叠摘要和预计阅读时间，之后又加入目录和当前阅读文章提示。不过，尚未公开显示完读率或回访率确实改善的数据。 这正是需要将功能发布和效果确认作为不同状态保留的原因。
如果想进一步深入
简介 · Daily AI Thread 您可以查看当前的筛选规则，以及原文核验失败时的发布政策。dailyaithread.com
三个安全机制以同样的方式悄然反转。它们都没有报错 详细展示了去重、来源上限和分类安全机制如何在没有错误的情况下反向运行。dailyaithread.com
一个 Feed 死了十四天。记录中只剩下“2 处失败”这个数字 您可以了解失败虽被统计、但因未保留原因而延误诊断的过程。dailyaithread.com
