方法与信源
infox 把开放网络上的碎片信号加工成可溯源的机会判断。整条流水线分六层， 每一步都保留原始出处，任何一条结论都能回溯到它来自哪篇文档、什么时候抓的。
流水线
| 层 | 做什么 | 关键设计 |
|---|---|---|
| 采集 | 从信源抓取原始文档 | 官方 API 优先，保留原文快照与抓取时间 |
| 抽取 | 把正文抽成结构化事件 | 结构化来源走确定性路径（零幻觉），文本走模型 |
| 去重 | 实体归一 / 文档去重 / 事件合并 | 统计独立信源数——单源是噪声，多源共振才是信号 |
| 聚类 | 把碎片聚成主题 | 跨源行业分类，不依赖单一来源的粗糙标签 |
| 评分 | 七维加权打分 | 信号强度与时间窗由算法算，其余由模型判断并引用证据 |
| 生成 | 渲染简报并做事实校验 | 正文里的数字与专有名词逐个回查源文档 |
评分维度
| 维度 | 权重 | 含义 |
|---|---|---|
| 信号强度 | 20% | 独立信源数、来源权威度、时间新鲜度 |
| 时机 | 20% | 是否存在技术、政策或成本曲线的拐点 |
| 市场空间 | 15% | 可触达市场与付费意愿 |
| 竞争格局 | 15% | 已有玩家、融资阶段、巨头是否已占位 |
| 切入可行性 | 15% | 小团队能否做出差异化 |
| 时间窗 | 10% | 领先窗口还有多久关闭 |
| 可验证性 | 5% | 能否用低成本实验快速证伪 |
事实校验
生成的正文里出现的每一个数字和专有名词，都会被逐个回查源文档语料。 凡是找不到出处的，一律在页面顶部显式标出，而不是悄悄保留。这是防止模型 用外部知识填补空白的唯一有效手段。
信源清单
| ID | 名称 | 层级 | 类型 | 频率 | 状态 |
|---|---|---|---|---|---|
arxiv | arXiv | L1 | api | daily | 启用 |
edgar_daily_index | SEC EDGAR | L1 | api | daily | 启用 |
edgar_form_d | SEC EDGAR Form D 融资明细 | L1 | api | daily | 启用 |
edgar_fts | SEC EDGAR 全文本搜索 | L1 | api | daily | 启用 |
edgar_realtime | SEC EDGAR 实时申报流 | L1 | rss | hourly | 启用 |
edgar_submissions | SEC EDGAR 公司申报历史 | L1 | api | daily | 启用 |
github_connector | GitHub 连接器(已授权) | L1 | api | daily | 启用 |
github_search | GitHub | L1 | api | daily | 启用 |
google_patents | Google Patents | L1 | api | weekly | 启用 |
hn_algolia | Hacker News | L1 | api | hourly | 启用 |
huggingface_datasets | Hugging Face 数据集趋势 | L1 | api | daily | 启用 |
huggingface_models | Hugging Face | L1 | api | daily | 启用 |
huggingface_papers | Hugging Face Daily Papers | L1 | api | daily | 启用 |
producthunt | Product Hunt 新品发布 | L1 | api | daily | 未启用 |
reddit | L2 | api | daily | 未启用 | |
rss_media | 媒体 RSS | L2 | rss | daily | 启用 |
x_api | X (Twitter) | L2 | api | hourly | 未启用 |
youtube_channels | YouTube 频道视频+字幕 | L2 | scrape | daily | 启用 |
appstore_top | App Store | L3 | api | daily | 启用 |
google_trends | Google Trends | L3 | rss | daily | 未启用 |
kickstarter | Kickstarter | L3 | rss | daily | 启用 |
cn_rss | 中文 RSS | L5 | rss | daily | 启用 |
apify | Apify 抓取平台 | L6 | api | daily | 未启用 |
当前规模
- 原始文档：525 条
- 结构化事件：278 条
- 抽取的断言：37 条
- 主题：13 个
- 证据条目：184 条
免责声明
本站产出的是信息与研究，不构成投资建议。所有数据来自公开来源， 引用遵循合理使用并标注出处。请自行核实后决策。