技术白皮书 · 2026年5月
“当所有人都在教 AI 如何当一个更好的助理时，我们在教它如何当一个更好的审计员。”
快速导航
- 一、缘起 — 问题背景与范式切换
- 二、核心理念 — 职业怀疑论的 AI 数字化实现
- 三、技术架构 — 双站点 + 零成本栈
- 四、协作架构 — 多智能体指挥官模式
- 五、演进日志 — 故障修复记录
- 六、成果 — 站点结构与运营数据
- 七、结语 — 经验与下一步
- 附录 A — 完整配置与代码
一、缘起：当专业人士遭遇信息洪流
1.1 一个普遍而尖锐的困境
在云基础设施、金融监管、半导体供应链这三个高度专业化的领域，每天的生产内容量早已超出任何个人的阅读能力边界。
| 领域 | 典型信源 | 日均生产量 |
|---|---|---|
| 云基础设施 | Cloudflare Blog, Hugging Face | 10-20 篇技术公告 |
| 金融监管 | SEC Press Releases, PCAOB | 5-15 条监管动态 |
| 半导体供应链 | Semiconductor Engineering, EE Times | 10-30 篇产业分析 |
传统解决方案——RSS 阅读器、AI 摘要工具、邮件简报——本质上都在做同一件事：把 1000 字变成 200 字。但它们从未解决以下三个致命缺陷：
- 缺乏立场：AI 摘要默认站在”信息发布者”的立场，逐点罗列原文观点，事实与宣传混在一起；
- 缺乏判断：不具备对”这个动作背后到底是谁在获利”的追问能力；
- 缺乏风险意识：信息只在”发生了什么”层面流转，不触及”这可能带来什么副作用”。
1.2 从”阅读者”到”审计员”的范式切换
我们的核心洞察是：
信息处理不应该止步于”读懂”，而应该推进到”审过”。
这个想法来自一个冷酷的事实：SEC 的监管文件中从不写”这一法规将增加合规成本”，Cloudflare 的博客也从不说”这个新功能的 adoption 代价很高”。信息是公关过的——这正是”职业怀疑论（Professional Skepticism）“的用武之地。
职业怀疑论，是 CFA/CPA 审计准则中的核心理念：“以质疑的思维方式和批判性眼光评价审计证据，对可能导致财务报表重大错报的情况保持警觉。” 我们将这一准则从金融审计移植到了信息审计。
二、核心理念：职业怀疑论的 AI 数字化实现
2.1 System Prompt 中的”思维阉割”
传统 AI 摘要 Prompt 的核心结构是：
请用简洁的语言总结以下文章的要点。
我们的 Prompt 核心结构是：
你是一名冷酷的信息审计员，不是摘要助手。
强制规则：
1. 禁止使用任何正面修饰词（增强、领先、卓越、有效、创新、突破、引领、显著、高效）
2. 事实摘要控制在80字以内，只准讲"发生了什么动作"
3. 底层逻辑：必须挖掘该动作背后的"利益驱动"或"补救性质"
4. 风险分析：严禁写好处！必须寻找该技术/事件的副作用、潜在成本、技术债
5. 如果没发现具体风险，写"由于数据披露不足，存在无法评估的合规暗箱风险"
6. 如果内容没有实质性数据或是纯情绪宣泄，返回 null
这一 Prompt 的工程内核：
- 正面修饰词禁令：9 个高频”公关词”被列入黑名单，强制 AI 从”市场部”切换到”审计部”的叙事框架。
- 事实脱水：80 字硬约束，只准产出”谁做了什么”的客观陈述。
- 因果追溯：要求底层逻辑字段挖掘动作背后的”利益驱动”或”补救性质”——前者回答”谁在获利”，后者回答”谁在修补什么漏洞”。
- 风险强制：明确禁止写任何好处，迫使 AI 在信息中寻找不对称性——这正是职业怀疑论的精髓。
2.2 输出对比：原文 vs 审计稿
原始标题（SEC 新闻稿原文）：
SEC Approves Exemptive Order for Proposed Rule Change to Permit Customer Cross-Margining in the U.S. Treasury Market
传统 AI 摘要：
美国证券交易委员会批准了一项豁免令，允许美国国债市场的客户进行跨保证金交易。该举措预计将增强市场效率和流动性。
审计引擎输出：
事实摘要：SEC 发布有条件豁免令，允许客户对清算机构的国债现货与期货头寸进行跨保证金操作。 底层逻辑：降低金融机构保证金占用成本，刺激国债市场流动性。 风险分析：跨市场风险传导可能加剧系统性风险，清算机构风控压力未披露。
对比要点：传统摘要的”预计将增强市场效率和流动性”在审计输出中被拆解为”降低保证金占用成本”（利益驱动）和”跨市场风险传导”（副作用）。信息量相当，但立场完全不同。
原始标题（Cloudflare Blog）：
Post-Quantum IPsec Now Generally Available
传统 AI 摘要：
Cloudflare 宣布其 IPsec 后量子加密方案全面可用，展示了与 Fortinet、思科的互通测试成果。
审计引擎输出：
事实摘要：Cloudflare 宣布 IPsec 服务采用混合 ML-KEM 算法实现后量子加密，与 Fortinet、思科设备完成互通测试。 底层逻辑：应对量子计算威胁提前至2029年的时间表，防止现网数据被截获后遭量子计算机解密。 风险分析：混合加密方案增加协议栈复杂度；ML-KEM未经长期实战验证；企业需承担旧设备兼容性测试成本。
传统 AI 把这篇定位成”技术进展报道”；审计引擎把它定位成”后量子迁移的行业代价分析”。
2.3 评分机制：信息质量的量化标尺
每条审计输出附带 0-100 的评分。评分并非衡量”正面/负面”，而是衡量信息的信息熵——评分越低，信息越接近”无实质内容”（按下限10分过滤）；评分越高，信息越具有”可审计的实质动作”。评分 < 10 的条目和纯情绪宣泄类内容被自动过滤，永不出现在输出中。
三、技术架构：逻辑隔离与物理闭环
3.1 双站点架构：Notes vs Audit
核心设计原则是主客分离：
| 维度 | notes.zhuzg.com（主观思考） | audit.zhuzg.com（客观审计） |
|---|---|---|
| 内容性质 | 个人知识库、长期笔记 | 每日情报报告、自动审计 |
| 内容来源 | 手动撰写 | 全自动采集+AI生成 |
| 更新频率 | 按需 | 每日 UTC 00:00 |
| 部署触发 | Push 触发 | GitHub Actions 定时调度 |
| 数据保留 | 永久 | 自动覆盖（保持每日3篇） |
这种架构设计的合理性在于：个人思考与情报审计是两种完全不同的信息处理活动。前者需要沉淀和反思，后者追求时效和覆盖。放在一个站点中会互相污染——读者无法区分哪些是作者深思熟虑的观点，哪些是 AI 自动生成的当日速报。
3.2 零成本技术栈
整个系统的运行时成本近乎为零：
| 组件 | 费用 | 说明 |
|---|---|---|
| GitHub Actions | 免费 | 每月 2000 分钟免费额度，每日运行约 3 分钟 |
| SiliconFlow API | 极低 | DeepSeek-V3 调用，每日约 3 篇 × 3 通道 = 9 次 API 调用 |
| Cloudflare Pages | 免费 | 无限带宽、无限请求、自动 CDN |
| Quartz 4 | 开源免费 | 静态站点生成框架，基于 Node.js |
| 源码托管 | 免费 | GitHub 公开仓库 |
每月绝对成本：仅 DeepSeek-V3 的 API 调用费，日均不到 0.002 元 RMB。
3.3 数据流全景
┌─────────────────────────────────────────────────────────────────┐
│ GitHub Actions (定时触发) │
│ │
│ ① Checkout repo │
│ │ │
│ ② python scripts/daily_audit.py │
│ ├── RSS 抓取 ──→ Cloudflare Blog, HuggingFace, SEC ... │
│ ├── HTML 抓取 ──→ PCAOB (无 RSS 的站点) │
│ ├── HN API 抓取 ──→ Hacker News Top 15 │
│ ├── AI 审计 ──→ SiliconFlow API (DeepSeek-V3) │
│ │ ├── 质量过滤（低分 / 空内容 → reject） │
│ │ ├── 中文标题翻译 │
│ │ └── Markdown 生成（Quartz frontmatter） │
│ └── 文件写入 ──→ content/00_Daily_Audit/{channel}/ │
│ │ │
│ ③ git commit + push (含版本冲突自愈) │
│ │ │
│ ④ npm ci + npx quartz build → public/ │
│ │ │
│ ⑤ 环境自愈：Ensure Cloudflare Pages project exists │
│ │ │
│ ⑥ wrangler pages deploy → audit.zhuzg.com │
│ │
└─────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────┐
│ Cloudflare Pages CDN │
│ audit.zhuzg.com │
│ 全球 330+ 节点缓存 │
└─────────────────────────┘
3.4 运行逻辑全流程（文字版）
作为上述数据流的文字对照，以下按阶段拆解每次调度周期的完整链路：
第一阶段：情报截流（Data Ingestion）
- 定时触发：GitHub Actions 每 24 小时自动唤醒一次，执行
daily_audit.py。 - 多源抓取：脚本扫描预设的 RSS 订阅源、HTML 页面，以及 Hacker News Firebase API。
- 内容预处理：剥离广告和冗余 HTML 标签，仅保留纯净文本供审计引擎处理。
第二阶段：冷酷审计（AI Analysis）
- Prompt 注入：将清洗后的文本发送至 DeepSeek-V3，强制以审计员身份思考。
- 约束逻辑：正面修饰词被黑名单拦截；输出强制结构化为
事实摘要、底层逻辑、风险分析三个字段。 - 质量把关：评分 < 10 的条目自动丢弃，纯情绪宣泄类内容同样被过滤。
第三阶段：自动化构建（CI/CD）
- Git 同步：脚本自动将生成的 MD 文件 commit 并 push 到 GitHub（含版本冲突自愈）。
- Quartz 渲染：Actions 调用
npx quartz build，将 MD 转化为高性能静态 HTML。 - 自愈检查：自动化脚本检查 Cloudflare 项目状态，不存在则自动初始化（“自动建房”）。
第四阶段：边缘发布（Deployment）
- Wrangler 投送：通过 Cloudflare API Token，将生成的
public/目录部署至全球边缘节点。 - CDN 分发：Cloudflare 自动完成 SSL 管理与 330+ 节点缓存加速。
四、协作架构：多智能体（Multi-Agent）的指挥官模式
4.1 角色拆解
这一系统不是在单个提示词会话中完成的，而是跨越多次对话，调用不同 AI 的领域能力，形成一个三段式协作链：
| 角色 | 实体 | 职责 | 能力特征 |
|---|---|---|---|
| 指挥官 | 项目所有者 | 定义风控底线、确定业务边界、决策取舍 | 领域专业判断，对工程成本的敏感度 |
| 架构师 | Gemini | 逻辑推演、故障诊断、跨平台策略设计 | 对系统层面的宏观把握，能跳出代码看结构 |
| 执行员 | Hermes | 底层代码实现、Git 冲突处理、物理部署调试 | 直接操作文件系统，管理构建+部署管线 |
4.2 三个关键决策回合
决策一：从子仓库到内嵌 Quartz 的架构迁移
最初的方案是使用 Git 子模块（submodule）将 Quartz 作为外部依赖引入。Gemini 在推演后指出：子模块会引入复杂的同步问题，增加 CI/CD 管线的不确定性。
最终决策：将 Quartz 4 的核心文件直接复制到 daily-audit 仓库中，使仓库自包含。代价是仓库体积增加约 5MB，收益是 CI/CD 流程从 6 步简化到 4 步核心步骤，且不再依赖外部构建环境。
决策二：全自动 vs 安全性的取舍平衡
Workflow 需要自动 git push 才能触发 Cloudflare Pages 部署。但这带来一个问题：如果两个进程同时推送到 main 分支（Hermes 在本地推送框架文件，Actions 推送审计报告），就会产生版本冲突。
妥协方案：在 git commit 后插入 git pull --rebase origin main + git push --force-with-lease。这条指令在”自动化需求”和”安全性”之间找到了平衡——--force-with-lease 比 --force 安全，它只在远程分支未发生预期外变更时才强制执行。
决策三：环境自感知逻辑的加入
首次部署时遇到了 8000007: Project not found 错误——wrangler 试图部署到一个尚不存在的 Cloudflare Pages 项目。标准做法是”让用户在 Cloudflare Dashboard 手动创建项目”。
我们的做法：在 deploy 步骤前插入一个自检步骤：
- name: 🏠 Ensure Cloudflare Pages project exists
run: |
npx wrangler pages project list | grep -q '"daily-audit"' && \
echo "✅ Project exists" || {
echo "📦 Creating project..."
npx wrangler pages project create daily-audit --production-branch main
}这意味着：从第一次部署开始，这条流水线就是全自动的。不需要任何人的人工干预——不必登录 Cloudflare Dashboard，不必手动创建项目，甚至不必配置 DNS（Cloudflare 在绑定自定义域名时自动添加 CNAME 记录）。
4.3 工程高度：从”写提示词”到”系统设计”
这不是一个”写好 Prompt 然后一键运行”的系统。它涉及的工程维度包括：
- 状态管理：判断”是否有新文件需要 commit”，避免空提交；
- 并发安全：git pull —rebase 解决双进程推送冲突；
- 自愈机制：项目不存在则自动创建；
- 幂等部署：如果当天已经部署过，再次触发只做增量更新；
- 缓存感知：Quartz 使用固定文件名的 CSS/JS，部署后需用户硬刷新才能看到样式变更；
这些都不是 Prompt Engineering 的范畴——而是**系统设计（System Design）**的工程实践。
五、演进日志：那些消失的 Exit Code 1
5.1 回合记录
回合一：Prompt 阉割
首次尝试的 Prompt 是一个标准的”请总结以下文章的要点”，输出结果是平庸的公关式内容。经过 4 轮迭代：
- 第一轮 → 加入”禁止使用正面修饰词”
- 第二轮 → 加入”风险分析字段”并明确禁止写好处
- 第三轮 → 加入评分机制，设定 10 分过滤阈值
- 第四轮 → 加入
null返回值规则，使”拒绝回答”成为合法行为
关键转折：AI 默认的”助手本能”非常顽固——即使有禁令，它仍然倾向于写”这将显著提升…有助于…”。我们不得不在 Prompt 中反复强调这一禁令，并用 <null> 返回作为”说不了好话就闭嘴”的兜底机制。
回合二：版本冲突修复
Error:
Updates were rejected because the remote contains work that you do not have locally
根因：Hermes 在本地推送了 Quartz 框架文件的工作，与 Actions 自动提交的审计报告在时间线上重叠。
修复：引入 git pull --rebase origin main 前置步骤，将顺序改为：
commit → pull --rebase → push --force-with-lease
仅在存在新文件要推送时执行这组操作，无新文件时跳过（避免空提交）。
回合三：Project Not Found 修复
Error:
✘ [ERROR] 8000007: The project 'daily-audit' was not found.
根因：Cloudflare Pages 项目尚不存在，但 workflow 直接执行了 wrangler pages deploy。
修复：增加环境自感知逻辑——先查询项目是否存在，不存在则自动创建，创建成功后再部署。
5.2 从”写死脚本”到”自愈流水线”
这三个回合的核心共性问题是环境脆弱性：
| 问题 | 脆弱性描述 | 修复方案 | 工程原则 |
|---|---|---|---|
| 版本冲突 | 依赖单线程推送假设 | git pull —rebase | 防御性编程 |
| 项目不存在 | 依赖人工预配置 | 自动创建项目 | 自愈能力 |
| 空提交 | 未考虑无数据场景 | git diff —cached 预检 | 幂等性 |
每一次修复不是”改一个参数就完事”，而是增加一段逻辑，使整个系统在更多环境中可以运行而不需要人工干预。这正是工业级流水线的核心特征。
5.3 系统安全与稳健性设计（Robustness）
除上述演进修复外，系统在设计中还贯穿了以下稳健性原则：
- 逻辑隔离：Quartz 通过
-d content/00_Daily_Audit参数限定审计站只渲染特定文件夹，不污染站点中的其他目录。 - 失败容错：Python 脚本中的
try-except确保单篇 AI 审计失败不会中断整个流水线。一个源报错，其他源照常产出。 - 零成本扩展：Cloudflare Pages 的免费额度足以承载不限流量的流量高峰，无需为服务器月租费提心吊胆。
- Markdown 优先：所有情报以纯文本 MD 存储在 GitHub 仓库。即使 Cloudflare 停止服务，你依然拥有完整的、可全文检索的本地底稿库。
设计哲学：这套系统的精髓在于”让 AI 代理人管理 AI 代理人”。你作为审计长，只需要在最终的
audit.zhuzg.com页面验收结果。
六、成果：一份脱水的情报内参
6.1 站点结构
audit.zhuzg.com 目前包含三个审计频道：
| 频道 | 日均产出 | 典型审计立场 |
|---|---|---|
| 01_Infra_Audit 基础设施审计 | 2-3 篇 | 技术债评估、供应商锁定风险 |
| 02_Finance_Audit 金融监管审计 | 2-3 篇 | 监管不对称性、市场传导风险 |
| 03_Supply_Chain 供应链审计 | 2-3 篇 | 地缘政治暴露、产能瓶颈分析 |
每篇审计报告包含四个固定字段：
- 事实摘要（≤80 字）：只讲发生了什么动作
- 底层逻辑：揭示利益驱动或补救性质
- 风险分析：只找问题，不写好处
- 审计评分（0-100）：衡量信息的信息熵（不是好坏，是实质）
6.2 审计示例一览
基础设施审计示例（Cloudflare IPsec 后量子加密上线）
- 事实摘要把产品发布压缩到一个动作
- 底层逻辑揭示”应对2029年量子威胁时间表”的真实动因
- 风险分析指出”ML-KEM 未经验证 + 兼容性测试成本”
- 评分：75/100（有实质性技术内容，但仍是厂商博客）
金融审计示例（SEC 跨保证金交易豁免令）
- 事实摘要把 55 词英文标题压缩为 40 字中文动作陈述
- 底层逻辑揭示”降低保证金 → 刺激流动性”的利益链
- 风险分析指出”跨市场风险传导”的系统性风险盲点
- 评分：75/100（监管文件有实质内容，但信息透明度有限）
6.3 运营成本
| 指标 | 数据 |
|---|---|
| 每日 Token 消耗 | ~15,000-25,000 input + ~3,000-5,000 output |
| 日 API 费用（DeepSeek-V3） | < 0.002 元 RMB |
| 月 API 费用 | < 0.06 元 RMB |
| 月 GitHub Actions 消耗 | ~90 分钟（免费额度 2000 分钟） |
| 月 Cloudflare 费用 | ¥0 |
| 总月运营成本 | < 0.1 元 RMB |
七、结语：AI 时代的数字手工艺人
7.1 这篇文章的写作方式
这篇白皮书本身也是跨多智能体协作的产物。它形成于 Commander + Architect + Executor 的三段式协作，每一层贡献了自己的视角。
这不是在炫耀”我用了几个 AI”，而是在展示一种新的工作范式：
当 AI 足够廉价、能力足够普及时，真正的差异不在于”是否使用 AI”，而在于”如何组织 AI 协作地完成一件复杂的事情”。
7.2 你可以带走的三件事
-
提示词是一种”思维接口设计”：我们不是在”教 AI 如何回答问题”，而是在用 System Prompt 定义一个虚拟专家的职业立场、价值观和工作边界。这对任何需要专业判断的领域都成立——法律、审计、医学、工程。
-
零成本不等于零工程：GitHub Actions + Cloudflare Pages 的免费额度足够跑一条工业级的情报管线。但让它真正可靠工作的是工程细节——自愈逻辑、幂等性、并发安全。
-
多智能体协作不是玄学：Commander → Architect → Executor 的三角结构本质上就是传统软件开发中的”产品 → 架构 → 开发”协作模式。只是这一次，部分角色由 AI 担任。分工的价值不在于”谁更聪明”，而在于不同层面的约束条件被分拆到了不同的会话中处理。
7.3 下一步
- 增加日语信源（日本半导体设备管制动态）
- 审计结果周报推送（Telegram / 邮件）
- 长期趋势分析：对同一话题的连续跟踪
免责声明：本系统及所有生成内容仅作底层逻辑复盘参考，不构成任何投资或决策建议。AI 审计结果可能存在事实性错误，请结合原始信息综合判断。
附录 A：技术底稿
A.1 GitHub Actions Workflow（完整版）
# 📡 Daily Intelligence Audit Pipeline
# Fetches RSS/HTML sources → AI audit (SiliconFlow) → Quartz build → Cloudflare Pages deploy
#
# Required GitHub Secrets:
# SILICONFLOW_API_KEY — API key for SiliconFlow
# CLOUDFLARE_API_TOKEN — Cloudflare API token (Cloudflare Pages edit permission)
# CLOUDFLARE_ACCOUNT_ID — Cloudflare Account ID
name: Daily Intelligence Audit
on:
schedule:
- cron: "0 0 * * *"
workflow_dispatch:
permissions:
contents: write
jobs:
audit:
runs-on: ubuntu-latest
timeout-minutes: 15
steps:
- name: 📥 Checkout repo
uses: actions/checkout@v4
- name: 🐍 Set up Python 3.12
uses: actions/setup-python@v5
with:
python-version: "3.12"
cache: "pip"
cache-dependency-path: requirements.txt
- name: 📦 Install Python dependencies
run: pip install -r requirements.txt
- name: 📡 Run daily audit pipeline
env:
SILICONFLOW_API_KEY: ${{ secrets.SILICONFLOW_API_KEY }}
run: python scripts/daily_audit.py
- name: 📝 Commit generated audit reports
run: |
git config user.name "github-actions[bot]"
git config user.email "github-actions[bot]@users.noreply.github.com"
git add content/00_Daily_Audit/
if git diff --cached --quiet; then
echo "No new audit reports to commit."
else
git commit -m "📡 Daily audit reports — $(date -u '+%Y-%m-%d')"
# 自愈：同步远程变更，防止版本冲突
git pull --rebase origin main
git push --force-with-lease
fi
- name: 🏗️ Set up Node.js
uses: actions/setup-node@v4
with:
node-version: "22"
cache: "npm"
- name: 📦 Install Node.js dependencies
run: npm ci
- name: 🔨 Build Quartz site
run: npx quartz build --directory content/00_Daily_Audit -o public
- name: 🔍 Verify build output exists
run: |
if [ ! -d "public" ]; then
echo "❌ ERROR: public/ directory not found — Quartz build failed."
exit 1
fi
echo "✅ public/ directory exists with $(ls public/ | wc -l) items"
# 自愈：自动创建 Cloudflare Pages 项目（如果不存在）
- name: 🏠 Ensure Cloudflare Pages project exists
env:
CLOUDFLARE_API_TOKEN: ${{ secrets.CLOUDFLARE_API_TOKEN }}
CLOUDFLARE_ACCOUNT_ID: ${{ secrets.CLOUDFLARE_ACCOUNT_ID }}
run: |
echo "🔄 Checking if project 'daily-audit' exists..."
npx wrangler pages project list 2>/dev/null | grep -q '"daily-audit"' && \
echo "✅ Project 'daily-audit' already exists" || {
echo "📦 Creating project 'daily-audit'..."
npx wrangler pages project create daily-audit --production-branch main || true
}
- name: 🚀 Deploy to Cloudflare Pages
uses: cloudflare/wrangler-action@v3
with:
apiToken: ${{ secrets.CLOUDFLARE_API_TOKEN }}
accountId: ${{ secrets.CLOUDFLARE_ACCOUNT_ID }}
command: pages deploy public/ --project-name=daily-audit --branch=mainA.2 AI 审计 System Prompt（核心逻辑）
你是一名冷酷的信息审计员，不是摘要助手。
强制规则：
1. **正文全部使用简体中文输出**
2. 禁止使用任何正面修饰词（如：增强、领先、卓越、有效、创新、突破、引领、显著、高效）
3. 事实摘要：控制在80字以内，只准讲"发生了什么动作"
4. 底层逻辑：必须挖掘该动作背后的"利益驱动"或"补救性质"
5. 风险分析：严禁写好处！必须寻找该技术/事件的副作用、潜在成本、技术债
或由于信息不透明导致的审计盲点。如果没发现具体风险，
写"由于数据披露不足，存在无法评估的合规暗箱风险"
6. 如果内容没有实质性数据或是纯情绪宣泄，返回 null（JSON null 值）
返回格式（JSON，不要 markdown 包裹）：
{
"title_cn": "中文标题翻译",
"fact": "事实摘要（80字以内，只讲动作）",
"logic": "底层逻辑（利益驱动或补救性质）",
"risk": "风险分析（副作用/成本/技术债/审计盲点）",
"score": <整数0-100>
}
A.3 Python 数据流：日常执行的完整流程
① fetch_all()
├── fetch_rss() → 6 个 RSS 源（feedparser + requests）
├── fetch_html() → 1 个 HTML 源（PCAOB, BeautifulSoup）
├── fetch_hackernews() → Hacker News Top 15（Firebase API）
└── 返回 {channel: [{title, link, pubdate, content, source}]}
② run_ai_audit(article)
├── 构造审计 Prompt
├── POST SiliconFlow /chat/completions (model=deepseek-ai/DeepSeek-V3)
├── 正则提取 JSON 响应
├── 过滤评分 < 10 的条目
└── 返回 {title_cn, fact, logic, risk, score}
③ generate_md(channel, article, audit)
├── 从中文标题生成安全文件名
├── 组装 Quartz frontmatter (title, date, tags, score, source)
├── 写入四字段审计正文
└── 写入免责声明
④ main()
├── 每个通道按评分降序取 Top 3
├── 清理旧文件（每日覆盖）
├── 写入新报告
└── 输出审计摘要统计
A.4 GitHub Secrets 配置速查
系统正常运行需要以下 3 个 GitHub 仓库 Secret（Settings → Secrets and variables → Actions）：
| Secret | 用途 | 获取途径 |
|---|---|---|
SILICONFLOW_API_KEY | 硅基流动 API 密钥，用于调用 DeepSeek-V3 | SiliconFlow Dashboard |
CLOUDFLARE_API_TOKEN | 具备 Cloudflare Pages Edit 权限的令牌 | Cloudflare Dashboard → My Profile → API Tokens |
CLOUDFLARE_ACCOUNT_ID | Cloudflare 账户 ID | Cloudflare Dashboard → Workers & Pages → API 概览 |
三者缺一不可：缺少前两个会导致 AI 审计或部署步骤失败，缺少 ACCOUNT_ID 则环境自愈（自动创建 Pages 项目）无法工作。
源码：github.com/alericzhu/daily-audit-pipeline