AIHOT-数字生命卡兹克诚意AI 资讯站

168 信源、日均 500+ 条噪音，筛出 70+ 条精华——它用一次彻底回滚，讲清“能用脚本就别用 Agent“。

信息过载的时代，每个人都在找一个信息降噪器。

如果你关注 AI，大概率见过一个数字生命卡兹克做的免费站点：AIHOT（aihot.virxact.com）。它每天从 168 个信源里抓 500 到 600 条 AI 动态，再用一套机制筛出 70 到 80 条真正值得看的，附带推荐理由，按时间线干干净净地摆在你面前。

但 AHot 真正有意思的地方，不在“又做了一个聚合器“。而是它背后那套评分系统，迭代了 11 版，踩过最贵的坑，最后把一个被很多人喊滥了的口号，变成了可落地的架构。

卡兹克做了三年 AI 自媒体，对“找选题“的痛点比谁都清楚。AIHOT 现在是免费、中文原生、无需登录就能看核心功能。

光是“每天抓 500 多条、一半跟 AI 无关“这一条，就决定了它不能靠人肉刷。必须有一套自动流水线。

处理一条信息，AHot 现在的路径是这样的（下面这张图是整个系统的骨架）：

AHot 处理流水线

抓取 → 预筛 → 五维评分 → 代码算分 → 阈值精选 → 聚类 → 日报

预筛用便宜的 DeepSeek V3.2 省成本；五维评分用强模型 V4 Pro；质量分与精选判定由代码公式完成。

上面这套清晰的分工，是用11 版迭代、一次彻底回滚换来的。

最早，卡兹克也觉得这事简单：“写个 Prompt 让大模型打分不就完了？“ 第一版跑了一周，一塌糊涂：一篇究极硬核论文动不动 90 分，点开三秒看不下去；山姆·奥特曼转了一条实习生的鸡汤，模型给 87 分；同一件事被七家媒体报道，七条全混进精选。

写个 Prompt 让大模型打分就行模型只打五维分，权重与阈值全用代码公式Prompt 从 600 行砍到 200 行

规则加得越多，模型反而越笨。V7 到 V8 那次迭代，甚至出现了负向优化。转折点很戏剧：他突然想起自己写过一篇文章，标题就叫《能用脚本就别用 Agent》。

那篇文章的核心，是一套三层金字塔：

“最好的 Agent 使用方式，就是不断往下沉淀能力，自己永远只处理那些还没法被固化的部分。“ AHot 的评分系统，正是这句话的最佳注脚。

同期的开源项目 Horizon（GitHub 5.9k Stars）走的还是经典路线：多源抓取 → AI 打分（0-10）→ 去重 → 生成双语日报。AI 依然是那个“主编“。

AHot 的差异化选择恰恰相反：它主动把筛选的确定性环节退回代码，只在“判断这条信息重不重要“这种需要世界知识的步骤上，才放模型进场。这不是说模型不行，而是——把模型当万能胶，往往粘得住开头，粘不住规模。

有意思的是，卡兹克自己也没把 Agent 一棍子打死。今年 6 月他专门用 Agent 重构了聚簇算法；他的 khazix-skills 开源项目（11.7k Stars）里，“该用脚本用脚本、该用 Agent 用 Agent“的平衡，贯穿始终。

所以 AHot 这 11 版迭代，给所有人提了个醒：下一次你想把某个环节交给模型之前，先问自己一句——这步逻辑，能写死吗？

你手上的系统里，有没有哪个“本该用代码、却图省事交给了模型“的地方？评论区聊聊，我挺好奇大家的答案。

地址: https://aihot.virxact.com/

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见

THANKS FOR READING