STEP 01
多源抓取
接入 30+ 潮流资讯源，按 60 秒粒度轮询，正文去广告后写入向量库。
P95 延迟 ≤ 1.2s01 / WORKFLOW
从抓取到推荐的四步探索链路
每个环节都留可观测指标，避免 AI 推荐变成黑箱；编辑可在任一 Tab 内回捞原始信源。
STEP 02
标签归一
用人工智能做主题聚类，把零散标题归入 6 个潮流分区，同事件合并去重。
重复率 < 4%STEP 03
推荐重排
兴趣向量 + 时效衰减，热度半衰期设 36 小时，避免旧闻长期占据首屏。
CTR 目标 ≥ 9%STEP 04
Tab 分发
按分区推入对应选项卡，前端预取下一 Tab 首屏 12 条，切换近乎无感。
切换 < 1.8s02 / CAPABILITY
四个核心能力，折叠进选项卡
点击任意条目展开细节，结构清晰、干扰更少；这也是 Tab 选项卡设计在资讯场景的落地方式。
兴趣建模 · 冷启动 10 分钟可用新用户仅需 5 次点击即可完成画像
以显式兴趣选择 + 隐式阅读时长双通道建模，首次进入即给出可解释推荐理由。
- 5 次点击内完成画像
- 冷启动推荐可解释率 100%
- 兴趣漂移 7 天滚动更新
- 负反馈即时生效
分区 Tab 引擎 · 一次配置多端复用桌面 / 平板 / 手机共用一套分区定义
分区顺序、默认选中项、懒加载阈值均以配置下发，运营改动无需重新发版。
- 6 个潮流分区可热插拔
- 默认 Tab 支持 AB 分流
- 懒加载阈值首屏 12 条
- 切换埋点全量上报
热度衰减 · 让信息保持新鲜感半衰期 36 小时，冷热分层召回
热度分数 = 互动量 × e^(−t/36h)，同时保留 20% 长尾探索位，避免同质化。
- 半衰期 36 小时
- 长尾探索配额 20%
- 同源内容上限 2 条/屏
- 热点榜 15 分钟刷新
内容安全 · 敏感与低质双闸门先审后推，误伤率控制在可接受区间
标题党识别 + 敏感词过滤双闸门，命中即降权或转人工，保障潮流资讯的公信力。
- 标题党识别准确率 94%
- 人工复核队列 ≤ 200 条
- 低质内容降权 70%
- 误伤申诉 4 小时响应
03 / DEEP DIVE
图文混排：让每一条潮流资讯都可被快速扫读
卡片左侧固定 16:10 缩略图，右侧为标题 + 2 行摘要 + 热度徽标；移动端自动堆叠为单列，图片懒加载优先于正文渲染，首屏更轻。
16:10统一缩略图比例，防布局跳动
2 行摘要截断，超出省略号收尾
48px移动端最小点按高度
68 分热度分进入展示阈值
04 / PLAN
三档协作方案，按探索规模选择
按日均入库量与推荐位数量计费，均含 Tab 选项卡配置后台与响应式布局模板。
05 / CHECKLIST
落地实用清单：6 条可执行要点
按顺序执行，可在 2 周内跑通一个可观测的潮流资讯 AI 推荐页。
- 先定分区，再定算法把潮流资讯划分为 5–7 个互斥分区，超过 7 个需改用二级 Tab；分区命中率目标 ≥ 85%。
- Tab 懒加载阈值设为首屏 12 条切换前预取下一 Tab 首屏数据，切换响应控制在 1.8s 内，避免白屏等待。
- 热度半衰期设 36 小时分数 = 互动量 × e^(−t/36h)；同时保留 20% 长尾探索位，防止内容同质化。
- 缩略图统一 16:10 并写死比例容器配合 object-fit:cover 与 loading=lazy，避免布局跳动，CLS 控制在 0.1 以内。
- 移动端点按区 ≥ 44×44pxTab 标签间距 ≥ 8px，防止误触；320px 宽下改为横向滚动而非压缩字号。
- 上线前用埋点验证三类指标Tab 切换率 ≥ 35%、推荐点击率 ≥ 9%、负反馈率 ≤ 2%，任一不达标先调排序再调 UI。
06 / VOICE
探索者们的真实反馈
来自内容运营、增长与前端三类角色，聚焦可复用的经验。
把 6 个潮流分区折叠进 Tab 后，编辑在同一屏就能完成选题与校验，日均选题效率提升了约 40%。
林内容运营负责人
冷启动 10 分钟可用这点很关键，新用户次日留存从 21% 提到 29%，推荐理由可解释让信任感更强。
周增长产品经理
响应式布局与缩略图比例容器一起用，移动端 CLS 从 0.24 降到 0.07，切 Tab 几乎不再跳动。
陈前端工程师
07 / SCENES
四类应用场景，探索潮流资讯的不同入口
同一套 Tab 引擎与 AI 推荐能力，按场景切换信息密度与展示形态。
