栏目配置约定

中文

栏目配置约定（每栏独立可调模板）

定位：本文件是「全球观察」各栏目的可调约定说明书。具体配置在 columns.registry.yaml， 本文件解释每个字段怎么改、为什么这么改、可调范围。改配置 = 改 YAML，不碰代码（agent 即配置界面）。 配套端到端说明见 源驱动管道样板参考.md。

1. 三层模型（铁律）

• 平台（WorkBuddy / agent 对话）= 配置编排层：你口述需求，agent 写/改 columns.registry.yaml。你零代码。
• vault YAML（本文件同目录的 columns.registry.yaml）= 真相源配置：爬虫与 SSG 只读消费，Obsidian 可读可审。
• 网页（8125 静态站）= 只读输出：不回写任何配置。网站零智能。

2. 每个栏目 = 一段 YAML

  - key: politics          # 内部标识，stable，别随便改
    name: 政治民生          # 显示名，随便改
    order: 2                # 卡片排序（数字小在前）
    max: 20                 # 栏目页/卡片展示条数
    source:
      type: sources         # 源驱动（RSS/Atom）。news-lib 用 mrxwlb，其余七栏均 sources
      lookback_days: 3      # 只收近 N 天
      top_n: 20             # 每栏每日精选条数
      per_source: 2         # 每源至多取 N 条，防刷屏
      dedup: true           # 跨源同题去重（Jaccard ≥ 0.5）
      summary: ai           # 摘要由平台 agent 重写（英文站翻译）
      relevance_keywords: [政治, 民生, ...]   # 主题相关词（中英文混合）
      scoring:              # 打分四系数
        recency: 1.0        # 新鲜度
        relevance: 0.5      # 主题相关（命中 relevance_keywords 记 1）
        coverage: 0.3       # 跨源同题覆盖度
        heat: 0.4           # 真实热度层权重
      heat:                 # 真实热度层（仅作排序权重，内容仍来自 sources）
        enabled: true
        weight: 0.4
        baidu: true
        weibo: true
        google_trends: {geos: [US, HK]}
      sources:              # 该栏独立源站清单（国内/国际分开、行业分开）
        - name: 新华网·时政
          url: http://www.xinhuanet.com/politics/
          feed: http://www.xinhuanet.com/politics/news_politics.xml
          region: cn        # cn / intl
          industry: politics
          lang: zh          # zh / en

3. 各字段调参说明

| 字段 | 作用 | 可调范围 / 建议 | | --- | --- | --- | | relevance_keywords | 标题命中任一词 → relevance=1，否则 0 | 加词=放宽收录，减词=收紧。中英文都写（intl 源是英文标题）。当前每栏 18–24 词 | | scoring.recency | 越新越高 | 默认 1.0，一般不动 | | scoring.relevance | 主题命中权重 | 默认 0.5；想更"主题纯净"可提到 0.8–1.0 | | scoring.coverage | 跨源同题（多家报道）加权 | 默认 0.3；想突出"大事件"可提到 0.5 | | scoring.heat | 真实热度层权重 | 默认 0.4；关热度设 0.0，纯按新鲜度+主题 | | heat.baidu / heat.weibo | 国内大众热度 | 国内栏开；纯国际栏可关 | | heat.google_trends.geos | Google 趋势地区 | CN 已停服→用 US+HK；可加 JP/TW 等 | | heat.hn | Hacker News（技术向） | 仅 tech-ai 用；其他栏建议关（大众热度不匹配） | | lookback_days | 收录时间窗 | 3（快讯）~7（周观察） | | top_n / per_source | 每日条数 / 每源上限 | 一般 20 / 2 |

4. 增删栏目 / 换源 / 调检索 —— 全零代码

• 加栏目：复制一段 - key/name/...，填 type: sources + 自己的 sources 清单。
• 删栏目：删掉那段。
• 换源：在对应栏 sources: 下加/删 - name/url/feed/... 项。
• 调检索词 / 评分：改 relevance_keywords / scoring。
• 爬虫自动生效：build/_crawler/crawl_sources.py 启动时读全部 type: sources 栏目，无需改脚本。

- 先 --dry-run 预览打分排名（不落库）：python crawl_sources.py <key> --dry-run - 正式跑：python crawl_sources.py（或指定栏 python crawl_sources.py tech-ai）

5. 源站清单现状（首版 · 待你本机实抓复核）

• 当前七栏 sources 源站数：tech-ai 40、politics 17、economy 16、agri 15、culture-edu 15、military 14、gba 15。
• 你早前定调"每栏独立 40+ 源站"。首版先按"真实可达 + 国内/国际分置"落 14–17 个，确保能跑通；

未凑满 40 是刻意留的可扩展位，你在 Obsidian 里按上面第 4 节随手加即可。

• feed 用直链；中文站多无官方 RSS，统一走 rsshub.app 镜像（与 tech-ai 既有用法一致）。

部分 rsshub 镜像可能不稳或失效——爬虫对失败源自动跳过、不中断；本机 launchd 实抓时再核哪些镜像可用，坏的换掉。

6. 与「每日洞察流」的关系

• 每栏每日爬出约 20 篇 article（落 01-observation/raw/YYYY/MM/）→ 平台 agent 重写摘要/翻译。
• agent 再写一期 digest-{栏key}-{日期}.md（今日洞察 + 20 条摘要链接），网站只显示洞察流，单篇仅从洞察内跳转。
• 全站统一此模式（中央新闻联播文字版 = news-lib 4910 篇除外，定位原文档案）。

7. 待办（部署侧，非本地配置）

• 若你的每日自动化仍在调用 crawl_hotnews.py（旧热搜爬虫），需改为 crawl_sources.py

（它现在处理全部 7 个 sources 栏目；hotsearch 模式已整体弃用）。

• 跑完每栏后，平台侧可跑 build/extract_topics.py（默认全量，或 --column <key>）补主题/实体结构化字段，

供后续跨文章关系边（T5）与主题时间线（T8）消费。

出向关系

• 无

入向关系

• 无