METHODOLOGY · 透明可审计

数据来源与方法论

每一条新闻从爬虫到成刊的完整链路、每一分的由来,全部公开。

① 数据源 / SOURCES

11 路印尼一线财经与综合媒体,RSS + 页面采集,每日 07:00 自动抓取。
Antara · Antara Bisnis国家通讯社,政策首发口径官方通讯社
Tempo调查报道传统,时政深度调查媒体
detikFinance财金快讯主渠道,日更新量最大财经快讯
CNBC Indonesia市场数据与财阀公司报道财经电视/网
CNN Indonesia时政社会新闻,人事变动敏感源综合新闻
Media Indonesia党政口径评论,政策解读风向标党政媒体
Warta Ekonomi产业与中小企业视角财经周刊
Republika清真经济、朝觐与社会政策宗教综合
BBC Asia英文地区视角,外部校准源国际媒体
印度尼西亚日报 等华文源华人社群视角,双语交叉验证华文媒体

同源多报自动归组:同一事件被多家报道时合并为一个「事件」,热度按源数加权——多家媒体同时跟进本身就构成新闻价值信号。

①·b 媒体源权重评估 / SOURCE WEIGHTS

每个信源先定级再进研判:权重决定梳理顺序(高权重在前)与冲突仲裁(高权重为事实基线),[T1]–[T4] 标注随每条观点落刊。
层级定位典型媒体规则
T1 ★★★★通讯社 / 国际权威Antara · Reuters · Bloomberg事实基线:数字与引语以 T1 为准
T2 ★★★☆主流财经媒体detikFinance · Kontan · CNBC Indonesia · Warta Ekonomi市场事实与数据优先源
T3 ★★☆☆主流综合媒体Kompas · Tempo · Media Indonesia · Republika · CNN Indonesia政局与观点主源,事实需对照 T1/T2
T4 ★☆☆☆垂直 / 地方媒体Sindonews · Okezone · 行业垂直号仅作线索,单源即标「单源待核」降级

四条规则:①各源观点按 T1→T4 降序排列并标注 [Tx];②事实冲突时以高权重源为基线,分歧显式写出、不擅自调和;③仅 T4 单源事件强制「单源待核」并列出信息缺口;④权重只反映编辑信用与历史准确率,不因立场不同而改变——权重评估的是「这家媒体可不可靠」,不是「这家媒体听不听话」。权重表由主编维护、随新源入库更新。

② 新闻是怎么生产出来的 / THE PIPELINE

六级漏斗,每一级都有量化质检。全程 GitHub Actions 自动运行,08:00 研判 → 09:12 上线。
1

采集与清洗INGESTION

11 路信源 RSS/页面抓取 → 正文抽取 → 去 HTML 噪声 → 语言与篇幅过滤。日均入库 200–400 条原始稿。每条稿件留存原始 URL 与抓取时间,作为溯源链的第一环。

▼
2

初筛去重TRIAGE

标题/正文相似度去重(避免同一新闻刷屏)→ 关键词初筛(政策、财阀、地缘、市场、产业五类)→ 生成当日候选队列。

▼
3

LLM 五轴评分FIVE-AXIS SCORING

每条候选由大模型(Kimi k3,低推理档控成本)按五轴 0–10 打分,双次评分取均值、超过阈差自动重评;429/断连时熔断回退启发式评分,宁可降级不可断刊。评分回执全部落盘可审计。

▼
4

事件聚类与热度榜EVENT CLUSTERING

三级漏斗归组:相似度 ≥0.55 机械合并 → 灰区交由 LLM 裁决 → 保守策略宁拆勿错。产出事件层与「热点榜」(热度 = 源数 × 时效 × 评分加权),自动识别多源事件与跟进链。归组结果同时写入实体图谱——事件涉及的公司、机构、人物、矿区自动挂接为图谱边。

▼
5

各源观点梳理 + 三专家评估MEDIA LENSES → PANEL

研判前先逐源梳理:同一事件被几家媒体报道,就逐家提炼其核心角度与措辞差异(CNN 这样看、BBC 那样看),形成「各媒体视角」小节——先还原别人怎么看,再进入我方研判。随后三位 AI 专家角色独立、互不见面地研判——Pak Raden(建制派政治观察)、Alex Chen(跨境资本与 ROI)、Dr. Sarah Maya(地缘与合规)。三方观点相左处即风险所在,分歧点原样保留进研报(详见下节)。

▼
6

主编成刊DAILY BRIEF

48 小时规则(旧文不刷屏)→ 按五版分节(政策监管/财阀资本/外交地缘/市场数据/产业项目)→ 三语导语 → 幂等覆盖。每条新闻保留「信源 → 事件 → 专家观点 → 图谱实体」完整溯源链,同步生成 digest v3 供站点、MCP 与看板读取。

③ 三专家评估机制 · THE PANEL

每条头部新闻都过三道独立审视——不是三次复读,是三种利益立场的对抗性评估。
专家立场与视角评估什么
Pak Raden
建制派老将 · 印尼政坛
派系妥协与爪哇政治文化,看穿政党-财阀利益分配政策落地的真实节奏、批文与人事的去向、公开声明背后的派系交易、选举周期的动员逻辑
Alex Chen
出海创投合伙人
合规成本与产业链影响,算清商业 ROI 与退出预案涉资规模与股权穿透、合规与运营成本结构变化、交易与对冲思路、先行指标
Dr. Sarah Maya
地缘政治学者
中美印尼三角博弈与 ESG 合规,预判国际规则敞口国际法与条约风险、中美欧多方反应函数、离岸架构与 ESG 审查烈度、东盟框架位置

先梳理、后研判:每位专家落笔之前,系统已把同事件的各源报道拆解成「各媒体视角」——主流通讯社、财经媒体、地方媒体对同一事件的侧重往往不同,这一步先把信息面铺全。专家评估在此基础上叠加我方三种利益立场,最终呈现顺序固定为:热点背景梳理 → 各源观点(带 [T1]–[T4] 权重标注)→ 三方立场,在每日头条的「各媒体视角 / 三方专家立场」两个区块与每篇研报的「热点背景」「各源观点」小节中都能看到这条贯穿线。

对抗性设计:三位专家对同一事件独立作答,prompt 互相隔离,不能看到彼此的结论。成刊时三方观点并列呈现、分歧原样保留——观点相左处即风险所在,读者看到的是张力而非共识。重大事件由主编(Kimi)做最终裁决与成刊,裁决只取舍结构,不改写专家原意。

④ 图谱溯源 · GRAPH PROVENANCE

indonesia-polity-graph:Wikidata + ICIJ 离岸财阀网络打底,13,000+ 节点,76 个核心实体。

新闻不是孤岛。每条研报产出的同时,事件涉及的公司、机构、人物、矿区、政党被自动挂接到实体图谱:财阀家族的股权结构穿透到家族层(Low Tuck Kwong、Widjaja、Hartono、Salim 等煤炭与金融帝国),离岸网络对照 ICIJ 泄露数据标注敞口,官员记录任命轨迹与公开表态时间线。

由此每条新闻都带完整溯源链:信源原文(URL + 抓取时间)→ 事件归组(多源交叉)→ 三专家评估回执 → 图谱实体卡片。站点的「实体图谱」页与研报页的「多源相关报道」「实体动态」都是这条链的展示面;API 层(MCP get_latest_intel)对外输出同一 digest,站内与站外读到的是同一套事实。

⑤ 打分机制 / SCORING

五轴 × 议题类型,任何一条新闻的排序分都可拆解、可复算。
轴名称评什么
POL政治影响是否改变权力格局、政策走向或监管环境——总统令、人事、预算、选举动态权重最高
ENT信息增量相对已有报道提供了多少新事实、新数字、新引语——通稿复读扣分
CAP资本关联涉资规模、涉及实体(财阀/BUMN/外资)、对股权结构与投资组合的影响
NOV新颖度首次披露或反转性质;跟进报道按边际增量递减
TIM时效衰减发布时间与热度的负相关修正,防止旧闻借翻炒回榜

另按 10 类议题(政策监管、财阀股权、能源矿业、金融货币、基建交通、选举政治、外交地缘、社会民生、科技数据、市场异动)分别校准基准分,避免「体育花边」与「央行决议」在同一把尺上比较。综合分 = 五轴加权 × 类型校准 → effective_score,决定研报优先级与日报分节位置。

为什么没有「点击量」? 我们不采集、不估计读者偏好。排序完全由内容本身的政治/资本/信息价值决定——这是情报产品与流量媒体的刻意分野。

⑥ 效果质检 / BENCHMARKED, NOT VIBED

SelectBench 金标集:109 条由资深新闻人人工标注(23 入选 / 74 剔除 / 12 两可),22 条留作盲测。
83.3% vs 58.3%查准率 @Top12:LLM 五轴评分 vs 关键词基线(+25 个百分点)
0.881 vs 0.689NDCG 排序质量(1.0 为完美排序)
0.971盲测集(22 条未参与调参)NDCG——无过拟合

事件层质检:480 个事件中 28 个多源事件、7 条跟进链被完整识别,研报重复率压至 1.5%。

⑦ 运行节奏与可审计性 / CADENCE & AUDIT

每日 07:00 采集 → 08:00 研判(评分/聚类/辩论/成刊)→ 09:12 部署上线,全程 GitHub Actions 零人工。所有评分回执(01_ingestion/parsed/*.json)、聚类裁决(697 条 verdicts)、日报文件与 digest 均在公开仓库留痕,任何一期结论都可回溯到原始稿件与模型回执。

LLM 未启用时(如运行环境未配密钥)自动回退启发式评分并在产物中标注——降级可感知,静默降级不可接受。