首页 / 资讯详情
编辑部来了 AI 实习生｜千问入职 20 天，我给它写了一份实习小结
摘要
作者｜Moonshot 编辑｜郑玄 8 月 20 日晚，MoonshotAI 在 GitHub 上更新了 kimi-code 0.38.0。没有发布会，也没有新闻稿。但这条信息，被我通过千问部署的一个定时任务「捕获」了。 很快，千问把一篇 3100 字的稿件推到了我的飞书上，题目是《月之暗面把 500 亿美元估值，押在了一个代码模型上》。 图源：千问 如果我在值班，可能这时才点开 GitHub，正在判断这个模型是正式版还是测试版。但千问已经找完资料，做完核查，完成了一篇新闻初稿。 我是如何实现这些的？ 这要回到 8 月 7 日，千问 APP 完成了一次功能更新，包括上线针对复杂任务的「工作助理」，随后我通过千问在本地部署了一套「找选题」的定时任务，监控九家大模型公司的官网、代码仓库和媒体报道，发现新消息后，再按照公司、事件和信源判断它值不值得写、稿件需要写到什么程度。 根据我设定的信息权重，「kimi-code 0.38.0 更新」这一事件，千问判断为「月之暗面，第一梯队，3 分」「发布新模型，6 分」「GitHub 官方确认，2 分」，总分 11 分，超过了 9 分，触发自动成稿任务，千问开始补充过去七天的相关资料，梳理新闻点和背景，很快一篇初稿推送到了我的飞书。 千问生成的每日工作报告｜图源：千问 消息评分超过 9 分，千问启动撰稿任务 回头看，写稿是这次任务的最后一步。更早之前，千问一直守着那些分散的信源，等消息出现，再完成第一轮筛选。 而科技编辑每天花掉最多注意力的，正是这一段看不见的工作。 01 新闻不会排队等编辑上班 科技编辑每天面对的新闻，散落在许多互不相干的入口里。 公司官网上有正式公告，GitHub 里藏着版本更新，Hugging Face 会出现新的模型页面，API 文档可能悄悄改掉价格和调用方式。再往外走，还有国内外媒体、社交平台和各种未经确认的提前消息。 找到消息只是开始，编辑还要判断它值不值得写、需要多快跟进。 捕捉到了热点新闻后，编辑还要找到原始链接、理解事件背景、核对二手报道准确度，再决定写快讯、深度稿，还是放弃选题。 编辑每天要寻找、评估、判断、筛选大量的选题｜图源：Apple News 成为一个能眼观八方、有判断力的「眼线」，是我给千问的实习目标。 02 入职培训：让千问轮岗新闻流水线 一条新闻从出现到成稿，中间至少要经过四步：找到选题、判断选题价值、送到编辑面前、生成初稿。要让千问值这班，我需要给它搭建一个「新闻流水线」，再根据实际结果调整规则。 这条流水线没有现成模板，抓取脚本、打分规则、飞书推送和定时任务，都是我在对话里逐步提出要求，再由千问慢慢落实。 先懂选题，找到信源、判断选题 要让千问找选题，我先得告诉它每天去哪里找。 我先把重点关注的九家大模型公司和科技新闻入口交给千问。其中，官网、官方博客、GitHub 和 API 文档负责确认事实；Hugging Face 上的新模型、版本变化和提前流出的消息负责提供信号；媒体则补充公司之外的信息。 千问随即搭建了四路爬虫，检查媒体、Hugging Face 和官网的页面变化，到了整点，它会加入 GitHub，再做一次完整扫描。它还建立了去重机制，当同一条新闻即便被多家媒体转载，也只会判定为一个事件。 千问把九家公司的 GitHub 和 Hugging Face 页面都收录进爬虫清单里｜图源：千问 在正式运行前，千问还会逐一检查设定信源能不能正常访问。 比如，它发现部分媒体的 RSS 已经失效后，转而寻找镜像或备用地址，实在无法恢复的信源，则