AI Intelligence Radar 不是一个 AI 新闻聚合器。它由 AI coding agent 周期性驱动，持续追踪 AI 模型、Agent、AI Engineering、开源生态、研究、基础设施与开发者工具领域的重要变化，把官方博客、release notes、GitHub、Hugging Face 与论文原文中的一手信息加工为结构化事件、评分、日报与趋势。代码与全部数据都在 GitHub 仓库中；只读站点由 Astro 构建，发布在 GitHub Pages。
本文内容依据仓库 main 分支 revision 00abc421 的 README 与目录结构整理。
1. 一条加工链路
公开一手来源
→ Events（结构化事件，带六维评分与雷达推荐）
→ Signals（跨运行去重索引累积出的信号）
→ Trends（有生命周期管理的趋势判定）
→ Decisions（ADOPT / TRIAL / WATCH / IGNORE）单个新闻不构成趋势。趋势至少需要多个独立信号：时间持续性、多主体参与、技术收敛、真实 adoption signal 或已发生的工程影响；证据不足时明确写"本周期没有发现证据充分的新趋势"。
2. 六条核心原则
| 原则 | 含义 |
|---|---|
| Signal > Noise | 宁可漏掉一般新闻，也不产生低质量内容 |
| Primary Source > Secondary Reporting | 优先官方博客、release notes、GitHub、Hugging Face、论文原文 |
| Engineering Value > Hype | 关注对架构、成本、延迟、可靠性、开发工作流的实际影响 |
| Impact > Popularity | 转载量和讨论热度本身不构成价值 |
| Incremental Scan > Repeated Full Scan | 每次运行只处理新增信息 |
| Historical Evidence > Single-event Speculation | 趋势必须有多日期、多主体的独立证据支撑 |
3. 知识库布局
ai-intelligence/
├── AGENTS.md # agent 执行规则（增量扫描、去重、评分、持久化、checkpoint）
├── TASK.md # 单次增量扫描任务说明
├── state.json # 运行状态与 checkpoint（last_successful_run_at）
├── config/radar.yaml # 时间窗口、来源分级、关注领域、评分维度、趋势规则
├── events/ # 结构化事件，按事件实际发布日期归属
├── daily/ # 中文日报（当日累计，多次运行合并到同一份）
├── trends/ # 趋势快照与 current.md（追踪中趋势的生命周期状态）
├── index/events.json # 跨运行事件索引（去重 + 趋势分析）
├── logs/ # 失败日志与恢复信息
└── site/ # 只读静态网站（Astro）：雷达 / 时间线 / 趋势 / 日报4. 运行机制
项目设计为由 AI coding agent 执行：agent 读取 TASK.md，按 AGENTS.md 与 config/radar.yaml 的规则执行一次增量扫描，产出事件、日报与趋势更新；只有全部步骤成功并通过校验后，才推进 state.json 中的 checkpoint。配合 cron 等定时任务按固定间隔触发，即可持续积累。所有可调参数集中在 config/radar.yaml：时间窗口与 overlap、来源分级（Tier 1 官方来源 → Tier 4 社区信号）、关注清单、评分维度与质量门禁。
5. 怎样继续阅读
机制细节由增量扫描、Checkpoint 与趋势判定展开：扫描窗口如何推导、失败如何恢复、事件如何去重打分、趋势如何获得生命周期。项目动态集中在 Updates。