情报 · Hunter

情报系统怎么落地：Hunter 把「关注」变成每天一条有用的信息

企业不缺信息，缺的是和我有关的那一条。渤溢云拓 CTO 曹昕讲企业情报系统的工程实现：兴趣建模、任务调度、双指纹去重、降噪筛选与推送反馈。

做企业服务久了会发现一个规律：老板真正缺的不是资讯，是“今天该看什么”。

行业报告、政策更新、竞品动向、招投标信息，每天产生几千条。全部推给他，等于没推；一条不推，他又觉得你没用。

Hunter 解决的正是这个问题：把用户随口说过的关注点，变成一套持续的、带判断的情报流。

一、先解决“兴趣从哪来”

大多数情报产品让人手动勾选标签。这有三个问题：用户懒得勾、勾了会过期、标签粒度对不上。

我们的做法是从对话里抽取兴趣，而不是让用户填表。用户问过“餐饮连锁的房租成本”，系统就记下这个关注方向；问过“园区招商政策”，就记下另一条。

抽取结果不是散装关键词，而是结构化的一条兴趣：

• 主题：这条兴趣在关心什么；
• 范围：地域、行业、企业规模等限定条件；
• 触发词：用于后续匹配内容的检索词；
• 强度：用户提到几次、在什么语境下提到。

强度很重要。偶尔提一次就天天推，是骚扰；经常提的却不推，是失职。所以强度决定推送频率，而不是“有就推”。

二、链路：从兴趣到一条信息

我们的链路是五段：

兴趣抽取 → 任务生成 → 内容采集 → 筛选与降噪 → 推送与反馈
              ↑                                    ↓
              └──────── 强度与频次调整 ←───────────┘

1. 任务生成

不是每个兴趣都对应一个定时任务。我们按“兴趣强度 × 时效敏感度”组合生成任务：

• 强时效（政策、招投标）：高频拉取；
• 弱时效（行业趋势、方法论）：低频聚合；
• 一次性兴趣（某个具体事件）：任务设过期时间，事件结束自动停止。

没有过期机制的任务系统，最后一定会变成垃圾场。 这是第一版踩的坑：任务只增不减，几个月后跑得又慢又吵。

2. 内容采集

采集端只做三件事：抓、去重、留原文。

去重比想象中难。同一篇政策会被不同站点转载，标题改几个字、正文加一段导语，哈希完全不同。我们的做法是双指纹：

• 内容指纹：正文归一化（去空白、去标点、去转载声明）后取相似度；
• 语义指纹：向量化后做相似聚类。

两层都命中的才算重复，避免把“同一政策的两个不同条款”误判成重复内容。

3. 筛选与降噪

这是整个系统里最影响体验的一环。我们的判据按顺序：

1. 相关性：是否命中兴趣的限定条件（地域、行业、规模）；
2. 信息增量：和已推送内容比，是否提供了新事实（新数字、新政策、新动作）；
3. 可行动性：用户看完能不能做点什么。纯观点文章直接降权。

第三步是关键。“有信息量”和“有用”是两回事。 一条“某地餐饮协会换届”的新闻，信息量有，但用户看完无事可做，就不该推。

4. 推送与反馈

推送只做一件事：每天一条，最多三条。宁可少，不可多。

每条都带三个要素：发生了什么、和你有什么关系、建议的动作。没有后两个，就只是一条新闻。

反馈闭环靠的是用户行为：打开、忽略、追问。追问是最强信号——用户追着问，说明这条真的戳中了，系统会提高该兴趣的强度并缩短下次推送间隔。

三、三个反直觉的设计决定

决定一：不做“全部订阅”，只做“少而准”

几乎所有竞品都在比“收录多少源”。我们反着来：默认不展示信息流，只展示今天的几条。

这和产品直觉冲突，但和人的注意力一致。信息流会让人产生“我在学习”的错觉，实际什么也没记住。

决定二：让用户能看见“为什么推这条”

每条推送都可以展开看到：命中了哪个兴趣、哪些限定条件、原文出处、抓取时间。

这一条不是体验优化，是信任设计。用户一旦发现某条推得莫名其妙，就会关掉整个功能；能看见理由，他至少愿意纠正。

决定三：允许“这条没用”的一键反馈

我们没有做五星评分，只做一个按钮：“没用”。点了之后，系统会把这条内容的特征标记为负样本，同类内容降权。

收集负反馈的成本必须极低，否则没人给。正向反馈可以推断，负向反馈必须显式收集。

四、工程上必须做对的两件事

1. 任务隔离

情报任务是长跑型的，一个任务卡住不能拖垮其他任务。我们给每个任务独立的超时、独立的重试预算、独立的失败计数；连续失败达到阈值就自动暂停并发通知，而不是无限重试。

2. 成本可控

采集和筛选都要花钱（抓取、向量化、模型判断）。所以每一层都做“先便宜后昂贵”：

• 先用规则过滤掉 80% 明显无关的内容；
• 再用轻量模型做相关性判断；
• 只有通过前两层的，才做昂贵的深度分析和摘要。

不要在垃圾数据上跑大模型，这是最难纠正的成本浪费。

五、最后

情报系统做得好不好，不看你抓了多少源，看一个指标：

用户会不会在没收到推送的那天，主动打开看一眼。

如果会，说明你真的给到了他不知道的东西；如果不会，说明你推的都是他能自己刷到的。

信息的价值不在多，在恰好是他此刻需要的那一条。