金十快讯监听：关键词初筛 + AI 语义复核

财经快讯一分钟能刷出几十条，真正值得看的往往只有一两条。人工盯盘不现实，纯关键词过滤又太粗暴——“降息"可能是美联储，也可能是某个小国银行。于是我搭了一套两级检测的监听系统，让它替我看，只把重要的推到手机上。

第一级：本地关键词粗筛

系统每 90 秒轮询一次金十快讯，新条目先过本地关键词表。这一级的原则是宁滥勿漏：速度零成本，漏掉一条重要快讯的代价远大于多筛几条。匹配命中的进入下一级，没命中的直接丢弃。

第二级：DeepSeek 语义复核

粗筛结果交给 DeepSeek 做语义判断：“这条快讯对个人投资者重要吗？“模型返回结构化结论，只有确认重要的才触发推送。AI 在这里只做第二道筛，好处很明显：

• 成本可控：99% 的快讯在本地就被挡掉，真正调用 API 的量很小。
• 准确率互补：关键词处理"表面”，语义模型处理"含义”，两级各司其职。
• 可解释：每条推送都带着"哪条规则 + AI 怎么判的”，误报时知道该调哪里。

落地细节

命中结果写 SQLite 去重，避免同一条快讯反复推送；通知走 Bark，自建通道免费、iOS 秒达；终端里还有一个实时状态面板，显示轮询心跳、今日命中数和最近推送。整个系统 Docker 化跑在树莓派上，restart: always，数据目录单独挂载，已经连续健康运行了两个多月。

心得

这类系统的关键不在"用没用 AI"，而在把 AI 放在管线的正确位置。让大模型做它擅长的语义判断，让便宜可靠的本地方案做它擅长的过滤和轮询——各归其位，系统才会又准又省。