最新情报站产品系统Vibe Coding

面向金融投研、企业商业情报、跨境舆情等场景，解决多国际信源下信息爆炸、LLM 调用成本高昂、热点事件发现滞后的业务痛点；支持作为独立系统使用，也可封装 Agent Skills 供上层智能体调用情报能力，实现资讯抓取‑过滤‑AI 分析‑实时告警推送完整业务闭环。

本项目为 AI 资讯热点监控与推送系统，主要包含数据源抓取、多层过滤管道、大模型分析、多模型 A/B 评测、消息推送、可观测监控、前端展示七大功能模块。系统支持 14 个以上国际数据源并行采集资讯，通过热度、新鲜度、SimHash 去重、Embedding 语义预筛选、LLM 精分析五层过滤管道处理原始资讯，大幅降低大模型调用成本。内置多模型 A/B 对比框架，自动完成模型效果对比，辅助模型选型。具备推送频率管控能力，支持 WebSocket 实时推送、消息补偿与多渠道消息分发。同时搭建可观测指标体系，展示抓取、AI 解析、推送链路运行状态，前端提供 SPA 交互页面，也可封装为 Agent 技能包对外提供情报服务，面向商业情报、舆情监控、投研资讯场景实现热点事件自动化发现与告警。

本人独立完成该项目全栈设计与开发，负责需求梳理、架构设计、后端接口、过滤算法、推送逻辑、前端页面、容器部署与单元测试全部工作。技术栈采用 Express5+React19+TypeScript+Socket.IO+Prisma ORM+PostgreSQL，使用 Docker Compose 实现三容器部署。项目难点在于海量资讯下控制 LLM 调用开销，自研五层漏斗过滤管道，借助 Embedding 预筛选将 LLM 调用成本降低 10‑50 倍；实现多模型 A/B 自动评测框架；设计带指数退避重连、消息补偿的实时推送机制；搭建 Prometheus 兼容的可观测埋点；完成前端 SPA 的 SEO 优化，基于 Vitest 完成关键业务逻辑与边界场景的单元测试，保障系统稳定运行。