场景实践 · 监控

监控系统里,过滤比总结更值钱

监控的难点不是「读懂」,而是「在几千条里挑出值得看的那 10 条」。把预算花在过滤上,摘要交给轻量模型就够了。

四段管线

  1. 采集:RSS、公告页、社媒关键词、应用商店评论;
  2. 去重:URL 规范化 + 正文 SimHash,转载与洗稿先去一层;
  3. 相关性:轻量模型二分类(是否与监控主题相关),输出 yes/no + 一句理由;
  4. 摘要与告警:按事件聚合后生成摘要;命中告警词(降价、下架、融资、事故)单独推送。

增量处理省钱的三个点

  • 只处理新增:按 URL + 内容哈希建索引,见过的直接跳过;
  • 先规则后模型:关键词命中才送模型,能让调用量降一个数量级;
  • 长文先截摘要:正文只发前 1500 字 + 结论段,绝大多数相关性判断用不到全文。

相关性判断的提示词

systemtext
判断下面这条内容是否与「监控主题:<填写>」相关。
只输出 JSON:
{"relevant": true/false, "reason": "一句话", "event_type": "价格/产品/融资/人事/事故/其他"}
摘要里保留原文链接与发布时间。模型判断可能出错,保留出处让人能快速回溯。

常见问题

每天几千条内容,全量调用模型成本高吗?

不要全量调用:先做去重与关键词规则过滤,只把候选送轻量模型做相关性判断,调用量通常能降一个数量级。

监控摘要要保留哪些信息?

原文链接、发布时间、事件类型;摘要本身可以很短,但出处不能省。