信号评分流水线：确定性知识分诊

大多数知识管理靠的是感觉。你保存一条笔记是因为它”感觉很重要”。六个月后你有了7,000条笔记，却不知道哪些真正重要。我构建了一个确定性评分流水线来告诉我答案。

这个系统是733行 Python 代码。它对每条传入信号从四个加权维度进行评分，计算综合得分，然后将信号路由到12个领域文件夹之一、收件箱待人工审核、或者直接丢弃。无需手动打标签。没有永远不会发生的”稍后审核”。算法说了算。

摘要

一个加权综合评分（相关性35%、可操作性30%、深度20%、权威性15%）为每条信号生成0.0-1.0的评级。路由使用三个阈值：>= 0.55自动写入领域文件夹，>= 0.30排队等待人工审核，< 0.30静默跳过。14个月内处理了7,700+条笔记，其中开发（2,837）和设计（1,709）主导了分布。最有趣的缺陷：深度维度衡量的是元数据丰富度，而非内容质量——因此一条关于花朵照片的、标签完善的推文也能得到0.85分。

凭感觉的问题

我使用 Obsidian 作为知识库。信号来源于 RSS 订阅、Twitter 书签、GitHub star、电子报和手动采集。在流水线建立之前，每条信号都进入同一个收件箱文件夹。两个月内就积累了400+条未处理的笔记。

标准建议（”每周回顾，随手打标签，使用文件夹体系”）假设回顾真的会发生。然而并不会。收件箱变成了只写的：条目进得去却出不来。你已捕获的知识在功能上与你从未捕获的知识毫无区别。Clay Shirky 精确地定义了这个问题：”这不是信息过载，而是过滤失败。”⁸

我需要一个系统，能比我阅读更快地评估7,700+条笔记，使用我只需定义一次并统一应用的标准。不是推荐引擎，而是评分算法。

综合评分

评分公式是四个维度的加权线性组合，这是多准则决策分析（MCDA）中的标准方法：⁹

composite = (
    relevance     * 0.35 +
    actionability * 0.30 +
    depth         * 0.20 +
    authority     * 0.15
)

每个维度产生一个介于0.0和1.0之间的浮点数。公式将综合分四舍五入到三位小数。权重反映了一个刻意的优先级顺序：与我相关的（相关性）优先于我能用的（可操作性），后者优先于元数据有多丰富（深度），深度又优先于来源有多可信（权威性）。¹

四个维度

相关性（35%）：兴趣匹配

相关性使用一个手工整理的关键词词典，包含40+个条目，每个条目的评分从0.15（nft）到1.0（claude code、swiftui）不等。评分混合了最佳匹配与所有匹配的平均值：

# 60% best match, 40% average of all matches
return min(1.0, best_score * 0.6 + avg_score * 0.4)

零匹配项获得0.25的基线分，而非0.0。系统对未知主题的惩罚比对不相关主题更轻。基线是最常调优的参数：设太高则不相关内容涌入收件箱，设太低则真正的新兴趣在我看到之前就被过滤掉了。²

可操作性（30%）：学习潜力

可操作性匹配22个面向行动的关键词：tutorial、guide、how-to、build、github.com。URL 会得到特殊处理：

if "github.com" in url:
    hits += 2  # Repositories are inherently actionable
if "/docs" in url or "/tutorial" in url:
    hits += 1

评分基于阶梯函数而非线性：0命中 → 0.10，1命中 → 0.40，2命中 → 0.60，3+命中 → min(1.0, 0.70 + hits * 0.05)。阶梯函数奖励可操作性信号的存在而非其数量。一个教程链接的价值远大于三个关键词和四个关键词之间的差异。³

深度（20%）：元数据丰富度

深度是纯结构性的。它衡量字段的存在与长度，而非内容质量：

深度是我最不信任的维度。一条关于花朵照片的推文，如果有完整描述和四个标签，深度分可达0.85。丰富的元数据，不相关的内容。深度代表的是”来源提供了结构化数据”，这与质量相关但并不等同。⁴

权威性（15%）：来源可信度

权威性从0.40的基线开始，按来源类型调整：

if source in ("twitter", "x"):        score = 0.50
elif source in ("blog", "newsletter"): score = 0.60
elif source in ("github", "docs"):     score = 0.70

域名白名单只会向上覆盖（绝不向下）：github.com、anthropic.com、apple.com、arxiv.org、docs.python.org 等将权威性设置为至少0.75。白名单编码了一个判断：这些来源默认值得更高的信任。

阈值路由

三个路由区间决定了每条已评分信号的去向：

THRESHOLD_AUTO_WRITE = 0.55   # → domain folder
THRESHOLD_INBOX      = 0.30   # → 00-Inbox (manual review)
# Below 0.30 → silently skipped

流水线将评分 >= 0.55的信号直接写入12个领域文件夹之一，领域通过标签和标题匹配推断。中等范围的信号（0.30-0.55）进入收件箱等待人工审核。低于0.30的信号永远不会进入知识库。

0.30-0.55的范围是”模糊区”，系统在此区间的置信度最低。可选的 --llm-triage 标志会将这些信号发送给 Claude 进行评估，Claude 可以将综合分调整最多±0.20，从而可能将信号推过自动写入阈值。Claude 只看到模糊信号，从不处理高分或低分信号。把 API 开销花在确定性评分器已经处理好的信号上是浪费。⁵

领域推断使用投票系统。每个标签映射到一个领域，标题中的每个关键词增加一票。得票最多的领域胜出。平票按字典排序打破（实际上是任意的）。默认兜底：”灵感”。

结果

14个月内处理了7,700+条笔记后：

分布反映了现实。我消费的开发和设计内容远多于其他类别。收件箱项目（420条）代表了模糊区——算法无法自信地自动路由的信号。⁶

算法犯的错

深度陷阱

一条粉蝶花照片推文的评分为 综合分 0.36，相关性 0.25，可操作性 0.10，深度 0.85，权威性 0.50。它被路由到收件箱，因为深度（0.85）和权威性（0.50）弥补了近乎为零的相关性和可操作性。丰富的元数据，不相关的内容：一张漂亮的花朵照片。

这个例子揭示了元数据代理评分的根本局限。深度衡量的是”来源提供了结构化数据”，而非”内容有价值”。Twitter 为每条推文都提供完整的描述和标签。一条关于早餐的、标签完善的推文深度分也是0.85。信息检索研究将这种底层矛盾称为精确率/召回率权衡：优化召回率（捕获所有相关项目）不可避免地会放入误报。¹⁰

我考虑过但否决的修复方案： 将深度权重从0.20降至0.10会减少来自标签完善但不相关内容的误报，但也会惩罚来自元数据稀疏来源的真正有深度的内容。当前的权重是一种折中。

相关性基线问题

零匹配相关性的0.25基线意味着任何结构良好且来源合理的信号至少得到0.30分，从而进入收件箱。基线制造了一个误报下限：收件箱会积累标签完善、来源合理但与我的兴趣毫无关系的信号。

实际的解决方案： 定期的收件箱审核仍然不可少。流水线将审核面从7,700条缩减到420条（约95%的缩减），但无法消除对模糊区的人工审核。

实现说明

流水线作为 CLI 工具运行。输入是信号的 JSON 数组（来自 RSS、Twitter API 或手动录入）。输出是写入领域文件夹的兼容 Obsidian 的 markdown 文件。

python triage.py --input signals.json --vault ~/obsidian-signals/
python triage.py --input signals.json --vault ~/obsidian-signals/ --llm-triage
python triage.py --input signals.json --min-score 0.60  # Stricter routing

预过滤在评分之前运行：对已有知识库笔记进行 URL 去重、空内容过滤和噪声源黑名单。重复笔记和垃圾来源永远不会进入评分阶段。

评分函数是纯函数：无副作用、无 API 调用、无文件系统访问。每个函数接收一个信号字典并返回一个分数字典。这种纯函数设计使它们可以被独立测试，也可以与 LLM 分诊阶段组合——后者仅在模糊子集上运行。⁷

核心要点

给构建分诊系统的工程师：

• 确定性评分在规模上优于人工整理。 14个月内7,700条笔记。人工分诊需要50+小时的审核时间。流水线在几分钟内完成处理，自动路由率约95%（仅5.5%需要人工审核）。

• 元数据代理有已知的失效模式。 深度衡量的是结构，而非质量。权威性衡量的是来源，而非准确性。这两个代理在聚合层面有效，但在个体信号层面会产生可预测的误报。承认失效模式比声称算法”有效”更诚实。

给知识管理实践者：

• 加权综合评分暴露了你真实的优先级。 35/30/20/15的权重不是随意的。它们编码了一个具体的判断：相关性比可操作性重要，后者比元数据丰富度重要，元数据丰富度又比来源可信度重要。使权重显式且可调是系统与习惯之间的区别。

• 模糊区是不可消除的。 0.30到0.55之间的信号是真正模糊的：确定性评分器无法解决它们。LLM 分诊有所帮助但不能消除模糊区。对模糊子集的人工审核仍然不可少。

我将这篇文章定位为工程问题，而非生产力技巧。综合评分适用于任何需要确定性路由的领域：工单处理、内容审核、潜在客户评级、异常检测。我的具体权重和阈值编码的是个人优先级，但架构本身是通用的。关于积累的知识如何创造非线性价值，请参阅心智复利。OODA 循环与提示词工程探讨了一个相关模式：结构化观察作为直觉的替代。每个流水线组件（评分、路由、分诊）都独立有用，并与其他组件叠加增效，遵循复合工程模式。