月活百万AI热点站AIHOT完整开源，含全部生产Prompt
卡兹克开源AIHOT完整框架：多Agent协同重写、信源精选评分、事件聚簇与热度算法，全部Prompt公开。
原始内容
在重写完之后，做了一个小小的决定。 这个月活百万的AI热点站 AIHOT，正式开源了。 AIHOT网址：https://t.co/Uw2WWYs2wr 开源地址：https://t.co/mRNUdDAaWz 采集流程、精选评分、聚簇机制，连生产环境里的全部Prompt，能开源的都开源给大家了。 过去，总有人问我说，能不能做个游戏行业、法律行业、HR、金融等等行业版本的AIHOT…… 但我确实不懂那些行业，也没有那个时间和精力，但我知道，你们懂。 于是，那不如，把火种交给大家吧。 半年以前，我是一个最最基础的开发小白，只是懂一些产品和设计而已。 半年以后，我终于可以把一个曾经只属于我的小东西，交到更多人的手里。 我不知道它最后会被改成什么样子，会走到多远的地方。 但这可能就是开源最浪漫的地方把。 愿我们都能用AI，把那些曾经只有少数人才能做到的事，一点一点，变成普通人也可以拥有的能力。 也愿诸君，乾坤既大，草木尤青。 本心择路，笃志前行。 以上。
被很多专业者骂了，但是在折腾了3天以后，AIHOT最终还是重写完然后上线了。。。我觉得还是可以分享一下我全部跟AI协同的流程，万一对其他人有用呢（当然我就是个纯外行，仅供参考）： 1. 使用Claude Opus 5.5和GPT-6 Astra并行对旧项目进行蒸馏，并且设计交流包。要求：架构分离，为多Agent并行开发而设计，保留所有功能和容易踩坑的细节。 2. 使用Claude Fable 5.1对两个模型生产的功能文档、交接包和旧代码库进行全面对照，寻找不合理和遗漏的地方进行完善。 3. 使用Claude Opus 5.5在不看任何旧代码的情况下，根据最终的功能文档、交接包、线上网站的端到端测试，进行全方位的重写（大概写了12个小时）。 4. 使用Claude Fable 5.1和GPT-6 Astra并行审查新写完的项目，将其与旧代码库的所有细节进行逐行审计，看看是否有功能和细节遗漏，在用户体验层面，能否完美还原，最终产出两份审计报告。 5. 使用Claude Opus 5.5根据审计报告，进行优化开发，开发完成以后，清空所有上下文，自己再并行N个子Agent，以功能模块化的方式，跟旧代码库进行对比，看是否遗漏功能和逻辑细节（无视代码实现，只看功能和逻辑细节）。 6. 使用Claude Fable 5.1和GPT-6 Astra并行审查所有可能的BUG和漏洞，继续Opus 5.5优化。 7. 使用Opus 5.5优化所有前端UI，进行控件组件化统一，部分UI界面全面重设计，加了一部分Opus 5.5擅长的JS+Canvas动效，例如关于页和更新页。 8. 导出旧项目所有数据库，进行线上服务器彩排，6小时的影子系统并行，过程中实时监控，使用Claude Opus 5.5自动化并行修复过程中出现的所有问题。 9. 使用GPT-6 Astra进行全面的端到端测试。 10.无缝切换上线。 11. 使用GPT-6 Astra根据真实数据，全方位优化缓存、CDN、页面大小等问题，提升全站性能。 12.监控问题，不断优化。 以上，大概就是一个纯外行者的“重写”的经验，虽然AIHOT这个项目很小，但是我自己干的很开心。希望能对大家有一点点的启发。
深度解析
是什么 数字生命卡兹克将其月活百万的 AI 热点站 AIHOT（aihot.news）以 MIT 许可完整开源。仓库是 TypeScript 全栈框架（Node.js 24 + React Router SSR + Fastify + PostgreSQL + pg-boss + Docker Compose），流水线为：采集 → 预筛 → 独立双次评分 → 中文写作 → 事件聚簇 → 热度榜与日报。
核心设计
三个亮点值得注意：其一，行业 KnowHow 全部沉淀在 industry/prompts/ 与门槛配置里，改行业不改代码，用户可拿自标注样本用 scripts/eval-selection.ts 校准评分；其二，热度按事件而非文章计算——向量召回候选后由模型判定事件关系，48 小时内每个独立信源只计一次、24 小时衰减，天然抗重复抓取与单源刷量；其三，对 Agent 友好，同一份内容提供 RSS、公开 API、MCP 和 llms.txt。
引用推文披露的多 Agent 重写流程本身即是方法论样本：两模型并行蒸馏旧代码产出交接包、第三方模型交叉对照、不看旧代码纯按文档重写、双模型逐行审计、影子系统 6 小时并行后无缝切换。
关键洞察 作者不懂法律、HR、金融，于是把「火种」连同全部生产 Prompt 交出去——承认认知边界、将领域判断权移交给行业从业者，是这个开源最聪明的一步。
边界与风险 仓库是线上代码快照而非打磨过的通用框架，不含真实信源与运营数据；名字和 Logo 不在许可范围内；作者自述非职业开发者，代码质量需使用者自行评估。
精选追评与案例
建议补充系统误选与人工改判的失败记录，指出二开时最缺的对照材料。
@Khazix0918 把采集、评分、聚簇，连生产 Prompt 都放出来，这次开源挺彻底。要是后面再补一份“哪些内容被系统选错、最后为什么人工改掉”的失败记录，会比再加一堆功能更有用。别人二开时最缺的往往就是这部分。
给出金融垂直版的真实信源规模与去重痛点，并点明按独立来源计热度、24 小时减半的实用设计。
@Khazix0918 金融这个我还真想试试。自己 freshrss 挂了 2000 多个源，金融、AI 都有，最头疼的就是同一条消息十几家在转 热度按独立来源算、24 小时减半，这个设计挺对症
补充 X、公众号与原文抓取所用的具体数据源基础设施，具实操参考价值。
@Khazix0918 感觉还是提供数据源的基础设施的比较赚钱。这项目里的X 走 SocialData，公众号走大家啦（dajiala），抓原文走 Jina。
指出生产 Prompt、评分与聚簇调参逻辑才是关键，并提醒垂直版最难的是行业语料清洗。
@Khazix0918 把生产环境 Prompt 一起开源才是关键，评分和聚簇的调参逻辑比采集代码值钱多了。做垂直版最难的是行业语料清洗，这块模
总结多模型交叉审计如何补上“自认无误”的盲区，呼应该项目的重写流程。
@Khazix0918 这套多模型互相审计的流程比开源本身有意思。我自己平时用Claude处理东西时最怕的就是自己看不出的遗漏，你这里直接让不同模型交叉审计，等于把「我以为对了」这一步也做掉了。 半年前还是纯外行，现在敢把生产环境的prompt全放出来，这个决心比代码更难写。