第二是事件聚类去重。对所有内容做 Embedding 向量嵌入（用的 text-embedding-3-small，非常便宜），计算相关性，剔除针对同一个主题、不同信息源的重复内容。这里有一套三级通知降噪机制：相似度低于 0.85 的视为全新事件，完整推送；0.85 到 0.97 之间的视为增量更新，只推送新增信息；超过 0.97 且实体高度重合的，直接静默。一个事件簇如果连续 7 天没有更新，会自动归档。
很多短视频的内容是片段化的，缺少可索引的长文本。大模型从一个 20～60 秒的字幕里拼一个完整回答，它得跨很多条视频去拼接，比起直接拿一条 10～20 分钟的YouTube文字稿，成本高太多。
Оказавшиеся в Дубае российские звезды рассказали об обстановке в городе14:52。关于这个话题，搜狗输入法2026提供了深入分析
Названа стоимость «эвакуации» из Эр-Рияда на частном самолете22:42
，详情可参考旺商聊官方下载
Follow topics & set alerts with myFT
Disable MathJax (What is MathJax?)。体育直播是该领域的重要参考