ChaoBro AI 内容更新技能

网站定位

ChaoBro 是一个面向 AI 从业者、开发者、产品经理、创业者和高强度信息消费者的 AI 情报汇集站。它不是新闻搬运站，而是一个 AI Intelligence Desk：每天从模型发布、开源生态、实战玩法、模型评测和资本市场里筛出值得继续看的变化，并解释这些变化为什么重要、适合谁、可能带来什么机会或风险。

内容应保持三个判断标准：

• 有明确增量：新模型、新项目、新玩法、新融资、新价格、新评测结果，或旧事物出现重要拐点。
• 能落到行动：读者看完后能决定是否试用、跟进、规避、投资关注、迁移技术栈或调整工作流。
• 信号强于噪音：避免追逐无来源爆料、营销口号和重复转述。至少交叉验证 2 个可信来源；重大金额、指标、发布日期和基准结论必须有原始来源。

内容文件格式

新文章放在 astro-site/src/content/posts/，使用 Markdown。中文是默认语言，英文、日文、俄文可以用同一 slug 加 .en.md、.ja.md、.ru.md 的方式补充。

Frontmatter 必须符合：

---
title: '文章标题'
date: 2026-04-29
category: models
tags: ['OpenAI', '模型发布', '基准测试']
summary: '一句话说明发生了什么，以及为什么值得关注。'
featured: true
image: 'https://...'
sourceUrl: 'https://...'
sourceName: 'OpenAI Blog'
---

字段规则：

• category 只能是 models、opensource、trends、reviews、funding。
• date 使用文章发布或更新日期，格式为 YYYY-MM-DD。
• summary 控制在 40-90 个中文字符，包含事件和意义，不写空泛判断。
• featured 只给强信号内容：模型大版本、爆发式开源项目、可复用玩法、权威评测、重大融资。
• sourceUrl 和 sourceName 优先填写原始来源。若文章综合多个来源，正文末尾加“主要来源”列表。
• image 使用本地路径，格式为 /images/{slug}.png 或 /images/{slug}.svg。禁止引用外部 URL。
  所有配图必须通过 bl image generate 生成并保存到 astro-site/public/images/ 目录下。
  命令示例：

  bl image generate --prompt "{文章描述}" --size 16:9 \
    --out-dir astro-site/public/images --out-prefix {slug}

  生成后将 image 字段设为 /images/{slug}.png。
  如生成失败，降级生成 SVG 封面作为备用。

正文结构指南

不要使用统一模板。 不同栏目、不同类型的文章应有不同的叙事节奏。下面是各栏目的推荐写法，但可以根据内容特点灵活调整。

模型发布 / 降价类（models）

这类文章的核心是"数字 + 判断"。读者需要快速知道"变了什么、幅度多大、该怎么做"。

• 开头直接给结论：谁在什么时间做了什么，核心变化一句话概括，附带一个判断句（意味着什么、改变了什么格局）。
• 事实段：用 1-2 段或表格列出关键数据——价格、参数、基准成绩、对比数据。区分官方数据和第三方/社区实测。
• 影响分析：不必单独成段，可以在事实之后自然过渡。重点写对谁有利、谁被冲击、行业节奏是否改变。
• 行动建议：如果文章涉及价格变化或新模型上线，给出"现在该做什么"——试用、迁移、观望。不是每篇都需要这个环节。
• 来源：文末列出主要来源链接。

示例节奏：结论 → 数据对比 → 格局判断 → 行动建议 → 来源

开源项目类（opensource）

这类文章的核心是"这东西能干什么、我能不能用"。读者是开发者，需要实用信息。

• 开头用场景引入：先描述一个读者熟悉的痛点，再说"这个项目解决了它"。避免一上来就堆参数。
• 核心能力：用项目 README 和实测信息说明它怎么做、效果如何。不要只复制项目描述。
• 对比：和已有方案比，优势在哪、代价在哪。如果项目刚出、缺少横向对比，就写"值得观察"。
• 快速上手：给一个最小可运行步骤（安装命令、启动方式），让读者 5 分钟内能跑起来。
• 来源：文末列出 GitHub 链接和主要参考。

示例节奏：痛点/场景 → 项目方案 → 与替代方案对比 → 快速上手 → 来源

玩法 / 实战类（trends）

这类文章的核心是"能不能复现"。结构应围绕操作步骤展开。

• 开头写结果：用一句话说明这个玩法做了什么、产出了什么。
• 工具栈：列出用到的工具和模型。
• 操作步骤：按步骤说明，每个步骤附带注意事项和可能遇到的问题。
• 成本与限制：花了多少钱/时间，什么情况下不适用。
• 来源：原作者链接或教程链接。

评测类（reviews）

这类文章的核心是"选哪个"。

• 开头直接给结论：谁适合什么场景，不适合什么。不要吊胃口。
• 测试维度：用固定维度比较（能力、速度、成本、稳定性），但每个维度后写证据，不要只给分数。
• 选择建议：个人、开发者、企业分别怎么选。
• 来源：测试方法和数据来源。

投融资类（funding）

这类文章的核心是"钱流向了哪里、说明了什么"。

• 开头写交易：公司 + 金额 + 轮次 + 投资方。
• 公司做什么：简洁说明业务和产业链位置。
• 投资逻辑：为什么资本现在投它，和行业趋势的关系。
• 传闻标注：未官方确认的信息必须标注"据报道"。
• 来源：公告、新闻稿、财经媒体链接。

---

事实核验与发布前检查（强制步骤）

在撰写和发布任何文章之前，必须完成以下核验：

1. 关键事实必须交叉验证：模型发布、版本号、日期、基准成绩、融资金额等关键信息，必须在至少 2 个独立可信来源中得到确认。
2. X/Twitter 内容不能作为唯一事实来源：社交平台上的帖子只能作为线索，不能直接当作已确认事实发布。
3. 重大声明需官方确认：如"某公司发布了某产品"、"某公司融资 X 亿"等声明，必须有官方公告、官网页面、权威财经媒体（TechCrunch、Bloomberg、Reuters 等）或 SEC 文件支撑。
4. 可疑信息标记：如果信息仅来源于社区传闻或未经确认的帖子，必须在文章中标注"据报道/未经官方确认"，或者直接跳过不发布。
5. 已知的不实信息：如 GPT-6 等尚未发布的模型版本、虚假融资数据等，直接拒绝发布。

发布前自检清单：

• 文章中的模型版本号是否已在官方渠道确认？
• 融资/并购金额是否已在官方公告或权威媒体确认？
• 日期、基准成绩等数据是否有原始来源？
• 如果信息来源仅为 X/Twitter，是否已找到至少一个独立可信来源交叉验证？
• 如果有任何不确定，是否已在文章中标注"据报道/未经确认"？

任何一项无法通过，该文章不应发布。

通用原则

• 每篇文章开头 1-2 段必须说明事件、主体、时间、核心变化
• 重大事实必须有来源，正文末尾列出主要来源
• 段落之间自然过渡，不要生硬插入"## 发生了什么"这种占位标题
• 表格用于数据对比，不要用于凑字数
• 摘要 40-90 字，包含事件和意义

栏目更新方法

大模型动态 models

定位：追踪全球 AI 大模型的发布、能力跃迁、价格变化、上下文窗口、API/产品形态、安全策略和生态合作。

优先来源：

• 官方博客、模型卡、系统卡、API 文档、价格页、发布会视频和 changelog。
• OpenAI、Anthropic、Google DeepMind、Meta AI、Mistral、xAI、DeepSeek、Qwen、智谱、月之暗面、MiniMax、字节、腾讯、百度等官方渠道。
• LMSYS/Chatbot Arena、Artificial Analysis、HELM、SWE-bench、MMLU-Pro、GPQA、Aider leaderboard 等基准或第三方评测。
• X 上的官方账号、研究员、开发者实测线程，用来发现线索，但不能单独作为关键事实来源。

筛选标准：

• 大版本发布、能力边界明显变化、价格显著下降、上下文/多模态/工具调用能力升级。
• 模型进入或退出开源、许可发生变化、API 可用性或区域可用性变化。
• 对现有模型格局有比较意义，比如“成本下降到某模型的几分之一”或“代码能力超越某基准第一梯队”。

写法：

• 第一段写清楚“谁发布了什么、何时发布、核心变化是什么”。
• 用表格或列表对比旧版本、竞品、价格、上下文、模态和可用性。
• 明确哪些指标来自官方，哪些来自第三方，哪些只是社区实测。
• 不把基准分数直接等同于真实可用性，必须补一句适用边界。

开源项目 opensource

定位：发现 GitHub 上值得试用和跟进的 AI 工程资产，包括模型、Agent 框架、RAG 工具、多模态应用、推理优化、数据/评测工具和开发者基础设施。

优先来源：

• GitHub Trending：重点看 Python、TypeScript、Jupyter Notebook、Rust、Go，周期选择 daily、weekly、monthly。
• GitHub 搜索：关键词包括 AI agent、LLM、RAG、MCP、multimodal、inference、eval、workflow、open source AI。
• Hacker News、Reddit、X、Product Hunt、Papers with Code，用于发现社区热度。
• 项目 README、文档、release、issues、commit 活跃度、license、demo 和 benchmark。

筛选标准：

• Star 增长快，但不能只看 Star；同时看最近提交、issue 响应、release 节奏和 demo 可运行性。
• 项目解决了明确问题，例如降低 Agent 开发门槛、改善推理性能、提供可复现评测、把复杂工作流产品化。
• License 清晰，安装路径可验证，README 不只是概念营销。
• 优先写“能被读者今天试用”的项目。

写法：

• 单项目文章：写“它解决什么问题、怎么工作、适合谁、快速上手、限制”。
• 榜单文章：每个项目固定包含 项目名 + GitHub 链接 + 一句话价值 + 适用场景 + 观察点。
• 必须检查 README、最近 release 和 commit，不要只根据 Trending 标题概括。

最新玩法 trends

定位：探索 AI 应用的前沿玩法、赚钱方式、自动化工作流、Agent 实战、最佳实践和社区“邪修”用法。重点是可操作性和启发性。

优先来源：

• X 搜索：关键词包括 AI workflow、AI automation、AI agent、make money with AI、AI side hustle、prompt workflow、Cursor workflow、Claude Code、MCP、n8n AI、ComfyUI workflow、AI growth hack。
• YouTube、Bilibili、Reddit、Indie Hackers、Hacker News、Product Hunt、Discord/社区帖子。
• 工具官方案例库：Zapier、n8n、Make、LangChain、LlamaIndex、Cursor、Claude、ChatGPT、Perplexity、Runway、Midjourney、ComfyUI 等。
• 创作者公开复盘、收入截图、产品案例、模板市场和教程仓库。

筛选标准：

• 能复现：步骤、工具、输入输出、成本和限制足够清楚。
• 有结果：节省时间、带来收入、提升转化、自动化流程、生成内容资产或降低技术门槛。
• 有新意：不是“用 ChatGPT 写文案”这类泛化玩法，而是组合工具、自动化链路、细分场景或反常识技巧。
• 对“赚钱”“邪修”类内容要保留验证和风险提示，避免把个案包装成确定收益。

写法：

• 标题突出场景和结果，例如“用 Claude Code + GitHub Actions 自动维护文档站”。
• 正文按 玩法概述 -> 工具栈 -> 操作步骤 -> 成本与收益 -> 风险与适用边界。
• 涉及商业收益时注明来源、时间窗口、样本局限和不可保证复现。

模型评测 reviews

定位：帮助读者选择适合的模型或产品方案。评测应覆盖体验、基准、成本、速度、稳定性、工具调用、多模态、中文能力和适用边界。

优先来源：

• 自测：同一 prompt、同一任务、同一评分表，记录时间、价格、失败率和输出质量。
• 第三方评测：Artificial Analysis、LMSYS、SWE-bench、Aider、HELM、公开 benchmark。
• 官方模型卡、价格页、API 文档和限制说明。
• 社区实测用于补充异常、优点和真实工作流反馈。

筛选标准：

• 至少比较 2 个候选项，或对单模型做足够深入的场景测试。
• 测试任务要贴近真实用途：代码修改、长文档问答、中文写作、工具调用、图像理解、结构化输出、复杂推理。
• 评测结论必须能转化为选择建议。

写法：

• 开头直接给结论：谁适合什么，不适合什么。
• 用固定维度评分，但不要只给分数；每个分数后写证据。
• 说明测试日期、模型版本、参数、价格口径和 prompt 是否公开。
• 结尾给“选择建议”：个人、开发者、企业、内容创作者分别怎么选。

投融资动态 funding

定位：追踪 AI 公司融资、并购、战略投资、对外投资、算力合作、上市/二级市场变化和资本流向，解释市场节奏。

优先来源：

• 公司公告、投资方公告、SEC/监管文件、新闻稿、Crunchbase、PitchBook、The Information、Bloomberg、Reuters、CNBC、TechCrunch。
• Yahoo Finance、Google Finance、SEC EDGAR、公司 IR 页面，用于上市公司股价、财报、并购、投资和资本开支。
• X 搜索 AI 企业、产品、创始人、投资人和基金账号，发现融资线索、传闻和补充背景。
• OpenAI、Anthropic、Perplexity、Mistral、xAI、CoreWeave、Scale AI、Hugging Face、Figure、Runway、ElevenLabs、Manus、DeepSeek 相关公司与其投资方动态。
• OPC/公开公司披露、产业资本新闻、云厂商合作公告，用于发现对外投资、算力采购和战略绑定。

筛选标准：

• 融资金额、估值、投资方、轮次、资金用途至少有一个明确增量。
• 并购、战略投资、云算力合作和资本开支即使不是传统融资，也可写入本栏目。
• 优先关注资金流向背后的产业判断：模型公司、AI infra、Agent 应用、数据、机器人、芯片、算力租赁。
• 传闻必须标注“据报道/未官方确认”，不能写成已确认事实。

写法：

• 第一段写清楚 公司 + 金额 + 轮次/交易类型 + 投资方 + 估值/用途。
• 第二部分解释这家公司做什么、处于哪条 AI 产业链。
• 第三部分分析投资逻辑：为什么资本现在投它，和模型、算力、应用或数据趋势有什么关系。
• 对上市公司相关内容加入股价、财报或资本开支背景，但避免投资建议。

采集流程

每次更新前按以下步骤执行：

1. 扫描五个栏目候选源，各列出 3-10 条候选信号。
2. 对候选信号做去重：同一事件只保留最高质量角度。
3. 核验来源：原始来源优先，社区来源只作为线索或体验补充。
4. 判断分类：模型发布进 models，GitHub/开源工具进 opensource，可复用应用方法进 trends，横向体验和测试进 reviews，融资/并购/资本合作进 funding。
5. 写中文主稿，再按需要补 .en.md、.ja.md、.ru.md。
6. 运行构建或内容校验，确保 frontmatter 通过 Astro schema。

标题与摘要规范

标题应像情报标题，不像 SEO 软文：

• 好：DeepSeek V4 开源：接近前沿模型的成本压力开始传导
• 好：GitHub 本周 7 个 AI 项目：Agent 浏览器、RAG 评测与本地推理工具
• 好：Anthropic 新融资背后：模型公司正在把钱换成算力锁定
• 避免：震惊！AI 又变天了
• 避免：这个 AI 工具太强了

摘要写法：

• 先写事实，再写意义。
• 不使用“重磅”“史诗级”“颠覆”等无法验证的形容词，除非正文有充分证据。
• 不承诺收益，不制造 FOMO。

事实核验与引用

• 金额、估值、日期、模型名称、版本号、benchmark 分数、license、价格必须核验。
• 原文没有明确说的，不要补成确定事实；可以写“可能意味着”“值得观察”。
• X、Reddit、Discord 的内容可以作为社区反应，不作为唯一事实来源。
• 对融资和上市公司内容，不给买卖建议，不暗示确定收益。
• 对“AI 赚钱”内容，必须写明复现条件和风险。

更新频率建议

• models：有大版本、价格变化、能力边界变化时立即更新。
• opensource：每周至少一次 GitHub Trending/搜索扫描。
• trends：每周 2-3 篇，优先写可复现玩法和真实案例。
• reviews：每次主流模型或产品变化后更新；横评每月一次。
• funding：重大融资立即更新；每月或季度做一次资本流向综述。

完成标准

一篇合格的 ChaoBro 内容应同时满足：

• frontmatter 合法，分类正确，slug 清晰。
• 至少 2 个可信来源，重大事实有原始来源。
• 读者能在 3 分钟内理解事件和意义。
• 文章包含行动建议、适用边界或后续观察点。
• 语言克制、判断明确、不过度营销。