WLinfoBlue 项目全面审计报告

审计日期: 2026-07-10
审计范围: 文章质量、自动化生成流程、数据抓取、工程代码、系统架构
项目规模: 238 篇中文文章 + 238 篇英文翻译，11ty 静态站，Vercel 部署
问题总数: 30 个（🔴 严重 5 个 / 🟡 中等 15 个 / 🟢 轻微 10 个）

一、内容质量问题（8 个）

🔴 1. 新闻类文章严重依赖 LLM 生成，无原始素材

问题描述: 新闻类文章的抓取器只获取标题和 URL，不提供文章正文。LLM 在仅收到 ~50-200 字符素材的情况下，被要求生成 3000-5000 字的"深度分析"。

数据证据:

12 个新闻源中，9 个只返回 {title, url, source}，无正文
仅 arXiv（150 字摘要）和机器之心（100 字摘要）提供少量上下文
提供给 LLM 的素材仅占最终文章内容的 1-5%
95-99% 的内容来自模型的参数化记忆（训练数据），而非抓取到的网页内容

代码位置: scripts/fetch-tech-news.mjs 各源的数据提取逻辑

// HackerNews 示例 — 只有 title 和 url
.map((item, i) => ({
  rank: i + 1,
  title: item.title,
  url: item.url || `https://news.ycombinator.com/item?id=${item.id}`,
  source: "hackernews",
  sourceName: "HackerNews",
  id: `hn-${item.id}`,
  score: item.score || 0,
  category: "tech",
  // ← 没有 content / body / summary
}));

代码位置: scripts/daily-update.mjs 传给 generate-article.mjs 的参数

// news: AI 前沿 — 只传了 title 和来源信息
const article = articles[0];
filePath = await generateArticle(
  "news",
  {
    topic: article.title,
    context: `来源：${article.sourceName}，链接：${article.url}${article.summary ? "，摘要：" + article.summary : ""}`
  },
  "AI 前沿,学术研究,技术突破"
);

影响: 文章本质上是用热搜标题作为写作提示，让 AI 自由创作，而非对真实新闻的摘要或分析。

修复建议:

方案 A（推荐）: 抓取器增加正文抓取步骤（readability / mercury-parser），将全文作为 context 传入
方案 B: 降低新闻类文章字数要求（1500-2000 字），定位为"标题扩展解读"而非"深度分析"
方案 C: 在 prompt 中明确标注"以下为已知信息，仅在此基础上补充行业背景"

🔴 2. 结构性捏造数据（Prompt 自相矛盾）

问题描述: prompt 同时要求"不许编数据"和"必须含 4-5 个含具体数字的数据点"，在素材不足的情况下形成结构性矛盾，迫使模型虚构精确数值。

代码位置: scripts/generate-article.mjs — news 类目的 system prompt

// 反捏造规则（COMMON_RULES）
【数据要求】
- 所有数据必须标注来源（如：据IDC统计、根据官方文档、实测数据等）
- 如果无法确认真实数据，用"据公开资料"、"行业估算"等模糊表述
- 禁止凭空编造精确数字（如"响应延迟123ms"、"准确率99.7%"）
- 宁可少写数据，也不要写假数据

// 但 system prompt 的结构性要求：
## 四、行业冲击与数据支撑
用数据和事实说话。列出 4-5 个关键数据或趋势，每个必须包含具体数字并标注来源。

矛盾点: 当 LLM 只收到一个标题（如"Apple 整合 Gemini"），无法从素材中找到任何数据，但又被强制要求"4-5 个具体数字"——唯一出路就是编造。

实际表现: 新闻类文章中反复出现无法验证的精确数值：

"$30B/年"（引自"The Information"但无法核实）
"MMLU 92.3%"、"HumanEval 89.7%"（精确到小数点后一位）
"准确率大概在 85% 左右"（用模糊修饰语包装精确数字）
"7B 参数端侧模型"、"Xcode 16"、"iOS 20"（具体但无法验证的版本号）

影响: 这是最危险的 AI 内容风险——内部连贯、结构完整、数据"精确"，但本质是虚构的科技新闻。

修复建议:

将"必须含 4-5 个具体数字"改为"尽可能包含有来源的数据，无来源时用定性描述"
在 prompt 中增加："如果提供的素材中无数据，不要编造，用行业趋势定性描述替代"
增加后处理验证：用正则提取文章中所有精确数字，标记无 据XX来源 修饰的数值供人工审核

🟡 3. 文章骨架完全公式化

问题描述: 所有 6 个类目的文章都遵循同一套 10-H2 骨架，读者在阅读第 2 篇后就能预测全部结构。

各类目骨架对比:

章节	news	tools	tutorials	tips	software	resources
1	背景与意义	产品定位	学习目标	问题原因	背景需求	学习路线图
2	核心原理	核心功能	前置知识	快速解法	核心功能	入门资源
3	技术架构	使用体验	环境搭建	彻底解法	使用体验	进阶资源
4	数据支撑	竞品对比	核心概念	场景解法	竞品对比	工具平台
5	落地案例	实际案例	步骤详解1	实际案例	实际案例	社区推荐
6	对比表格	性能基准	步骤详解2	性能基准	性能基准	书籍推荐
7	挑战局限	定价策略	代码深入	常见误区	定价策略	阶段对比
8	适用人群	踩坑指南	验证测试	优化技巧	踩坑指南	阶段建议
9	未来预判	进阶技巧	FAQ	日常维护	进阶技巧	常见误区
10	总结	总结	下一步	总结	总结	总结

影响: 阅读体验机械、可预测，缺乏惊喜感和原创性。对 SEO 来说，Google 的 Helpful Content Update 对公式化内容的降权风险。

修复建议:

为每个类目设计 3-4 种不同的结构模板，生成时随机选择
允许模型根据话题特点调整章节数量（8-14 节之间浮动）
增加"自由段落"——允许模型在任意位置插入一个非模板的原创分析段落

🟡 4. 标题模板重复

问题描述: 95/238 篇（40%）使用"我的真实经验/踩坑实录"标题模板。

常见模式:

我处理了N个X的真实经验：Y工具踩坑实录
我用X踩过的N个坑：Y实战总结
N天深度体验X：说几句大实话

影响: 读者审美疲劳，品牌调性单一。

修复建议:

在 validate-article.mjs 中增加标题模板检测，对高频模板发出警告
为每个类目准备 10+ 种标题模板随机选择

🟡 5. AI 腔词禁令执行失败

问题描述: 尽管 prompt 明确禁止 15+ 个 AI 惯用过渡词，仍有 36/238 篇（15%）包含被禁词汇。

被禁词列表（COMMON_RULES）:

此外、另外、至关重要、值得注意的是、综上所述、总而言之、显著提升、不仅如此、毫无疑问、不言而喻、众所周知、不难看出、由此可见、总而言之、归根结底

代码位置: scripts/generate-article.mjs 第 77-130 行（COMMON_RULES 常量）

影响: 15% 的文章仍有明显 AI 写作痕迹，拉低整体质量。

修复建议:

在 validate-article.mjs 中增加被禁词检测，输出违规统计
增加后处理步骤：用正则替换被禁词为更自然的表达
在 prompt 中增加 few-shot 反例（展示"AI 写法"vs"人写"对比）

🟢 6. Emoji 违规

问题描述: 39/238 篇（16%）包含 emoji（💡⚠️📌等），但 prompt 明确禁止用 emoji 装饰。

影响: 轻微，但反映 prompt 约束力不足。

修复建议:

在 validate-article.mjs 中增加 emoji 检测
增加后处理：用正则 [\u{1F600}-\u{1F64F}\u{1F300}-\u{1F5FF}...] 清除所有 emoji

🟡 7. 案例角色同质化

问题描述: 用户案例中反复出现"小王/老张/小林"等泛化角色，且背景高度雷同。

常见模式:

"小王，一个 20 人创业公司的技术负责人"
"老张，一个有 5-6 个客户的自由职业者"
"小林，某大厂的后端工程师"

影响: 案例缺乏真实感，读者难以产生共鸣。

修复建议:

在 prompt 中要求使用具体公司名/产品名（如"某电商平台的搜索团队"而非"小王"）
增加"案例必须包含可验证的细节（如 GitHub 链接、产品页面）"的约束

🟡 8. SEO 内容簇堆量

问题描述: 同一天批量产出 5 篇同主题系列文（如 5 篇 Vibe Coding），单篇内容稀薄但覆盖大量长尾关键词。

影响: 单篇质量低，可能被 Google 识别为 Thin Content 或 Doorway Page。

修复建议:

同系列文章合并为一篇更长的综合指南（5000-8000 字）
系列文章之间增加明确的差异化角度说明

二、生成流程问题（10 个）

🔴 9. 零人工审核

问题描述: 从 AI 生成到上线生产，全流程无人工介入。

当前流程:

LLM 生成 → 自动翻译 → 自动 commit → GitHub Actions → Vercel 部署 → 上线

缺失环节:

无编辑审阅
无事实核查
无预览/staging 环境
无发布前确认

影响: 幻觉、坏链、低质内容、错误数据直达生产环境，且被 git 永久存档、被搜索引擎索引。

修复建议:

方案 A（推荐）: GitHub Actions 生成后创建 Draft PR，人工确认后合并
方案 B: 生成后先 push 到 staging 分支，Vercel 自动部署预览，人工确认后 merge 到 main
方案 C: 最低限度——生成后发送通知（邮件/Telegram），24 小时内可人工撤回

🔴 10. Slug 生成 Bug

问题描述: 中文标题经过 slug 正则处理后变为空字符串，导致文件名回退为 {category}-article。

代码位置: scripts/generate-article.mjs 中的 slug 生成逻辑

// 当前逻辑（伪代码）
const slug = title
  .toLowerCase()
  .replace(/[^a-z0-9\s-]/g, "")  // ← 清除所有非英文字符，中文全被清光！
  .replace(/\s+/g, "-");

// 中文标题 "苹果整合Gemini" → slug = "" → 回退为 "news-article"

影响:

几乎所有文章文件名都是 2026-07-10-tools-article.md、2026-07-10-news-article.md
同天同分类下生成多篇文章时，后一篇静默覆盖前一篇
URL 不友好，无关键词

修复建议:

方案 A: 使用拼音转换（pinyin-pro 库）将中文标题转为拼音 slug
方案 B: 用 LLM 生成英文 slug（在 prompt 中要求输出一个 URL 友好的英文短标题）
方案 C: 用日期 + 分类 + 序号作为保底（2026-07-10-tools-01）

🟡 11. max_tokens: 8000 截断风险

问题描述: 中文 5000 字约消耗 7500 tokens，加上 markdown 格式标记，接近 8000 上限。

代码位置: scripts/generate-article.mjs

const response = await callAI(systemPrompt, userPrompt, {
  temperature: 0.7,
  max_tokens: 8000,  // ← 上限
});

影响: 文章可能在任意位置被截断（通常在最后一个章节中段），产生不完整内容。

修复建议:

将 max_tokens 提升至 16384（NVIDIA/OpenRouter 均支持）
或实现"续写"机制：检测文章是否完整（是否有结尾章节），不完整时用前文作为 context 继续生成

🟡 12. 单次调用无迭代优化

问题描述: 每篇文章由 LLM 一次生成，无 outline→expand、无 self-critique、无迭代优化。

影响: 单次生成的质量天花板低，无法修正方向性错误。

修复建议:

两步法：先生成大纲（500 字），确认结构后再扩展为全文
生成后增加 self-review 步骤：让模型自己检查并修正一次

🟢 13. 固定取 `filtered[0]`

问题描述: daily-update.mjs 中所有新闻选择逻辑都取过滤后第一篇文章。

const article = articles[0];  // ← 永远是第一个

影响: 每周同一天取同一来源同一话题，多样性退化。

修复建议:

使用 articles[Math.floor(Math.random() * articles.length)]] 随机选取
或记录已用话题历史，优先选取未覆盖的话题

🟡 14. 翻译文件命名分裂

问题描述: 两个脚本使用不同的英文文件命名约定。

脚本	输出路径
`generate-article.mjs`	`content/articles/en/{slug}-en.md`
`daily-update.mjs`	`content/articles/en/{slug}.md`

影响: retry-translate.mjs 需要做归一化匹配来弥合差异，增加复杂度和出错概率。

修复建议: 统一为 content/articles/en/{slug}.md（无 -en 后缀），清理现有重复文件。

🟡 15. 同一话题多版本英文

问题描述: 存在同一中文话题对应多个不同英文版的情况。

实际案例:

last30days-skill-ai-en.md（版本 A）：关于 AI 技能聚合工具
last30days-skill-ai.md（版本 B，无 -en 后缀）：关于 AI 时代的信息聚合器

两版英文内容完全不同，案例不同、对比表不同、甚至核心论点不同。

影响: SEO 自相残食（duplicate content），读者困惑。

修复建议:

运行 generate-translation-pairs.js 检测并清理重复
在生成英文前检查是否已存在同 slug 的英文文件

🟡 16. 无链接有效性验证

问题描述: prompt 要求"不编工具名"，但无程序验证文章中 URL 是否真实可达。

影响: 文章中的链接可能指向 404 页面、已失效工具、或完全不存在的网站。

修复建议:

增加后处理脚本：提取文章中所有 URL，批量 HTTP HEAD 请求检查状态码
标记 404 链接供人工处理

🟡 17. 无抄袭检测

问题描述: AI 生成的文章未与源材料做查重，无法发现逐字复制。

影响: 如果 LLM 记忆了训练数据中的某篇文章并逐字复现，可能产生版权问题。

修复建议:

对生成文章做 n-gram 指纹，与源材料比对
或使用 Copyscape 等工具做外部查重

🟡 18. validate-article.mjs 检测力弱

问题描述: 当前 QA 脚本只能检查表面特征。

当前检查项:

7 个禁用过渡词
字数 ≥ 2000
H2 章节数 ≥ 6
是否有对比表
是否有踩坑章节
emoji 检测

无法检测:

结构平淡/公式化
事实捏造
内容衍生/抄袭
逻辑矛盾
数据不一致

修复建议:

增加"禁用词命中率"评分（每出现一个扣分）
增加标题模板重复检测
增加精确数字密度检测（每千字 > 5 个精确数字 → 标记可疑）
增加文章间相似度检测（防止内容雷同）

三、数据抓取问题（5 个）

🔴 19. 9/12 新闻源只抓标题不抓正文

问题描述: 抓取器读取列表页/标题/摘要，从不抓取文章正文。

各源数据字段:

数据源	title	url	summary	content
HackerNews	✅	✅	❌	❌
36氪	✅	✅	❌	❌
虎嗅	✅	✅	❌	❌
IT之家	✅	✅	❌	❌
少数派	✅	✅	❌	❌
爱范儿	✅	✅	❌	❌
量子位	✅	✅	❌	❌
TechCrunch	✅	✅	❌	❌
VentureBeat	✅	✅	❌	❌
The Verge	✅	✅	❌	❌
arXiv	✅	✅	✅ (150字)	❌
机器之心	✅	✅	✅ (100字)	❌

影响: 见问题 #1。这是整个内容质量问题的根源——无素材则无摘要，只有生成。

修复建议:

使用 @postlight/mercury-parser 或 mozilla/readability 抓取全文
将全文截取前 2000 字作为 context 传入 prompt
在 prompt 中明确："以下是原文摘要，请基于此展开分析，不要偏离原文事实"

🟡 20. 抓取器和 workflow 重复抓取

问题描述: daily-update.yml（GitHub Actions）和 daily-update.mjs 都调用了 Awesome/PH/V2EX 抓取。

代码位置: .github/workflows/daily-update.yml

# workflow 中抓取
- run: node scripts/fetch-github-awesome.mjs
- run: node scripts/fetch-product-hunt.mjs
- run: node scripts/fetch-v2ex.mjs

# daily-update.mjs 内部又抓取一次

影响: 双倍的 API 调用、网络请求和构建时间。

修复建议: 删除 workflow 中的抓取步骤，只保留 daily-update.mjs 内部的抓取。

🟡 21. 130+ 关键词过滤过粗

问题描述: 话题相关性仅靠关键词列表匹配。

代码位置: scripts/daily-update.mjs — TECH_KEYWORDS 常量

影响: 可能放过低质量话题（标题含"AI"但内容空洞），也可能误杀优质话题（标题不含关键词但内容相关）。

修复建议:

增加标题语义分类（用 LLM 做一轮相关性判断）
或增加白名单机制：只从高质量源（如 arXiv、HackerNews 高赞）选取

🟢 22. 固定概念库可能耗尽/过时

问题描述: ai-concepts.json、awesome-list、v2ex 数据在不同周期更新，可能枯竭或过时。

影响: 教程类文章可能重复讲解同一概念，或讲解已废弃的工具。

修复建议:

为概念库增加"已使用"标记，避免重复
定期更新概念库（每月从最新趋势中补充）

🟢 23. 翻译 API 限流风险

问题描述: Tencent 逐段翻译仅 200ms 延迟，3000 字文章(30-50 段)连续调用。

代码位置: scripts/generate-article.mjs — tencentTranslate 函数

// 每段之间仅 200ms 延迟
await new Promise(r => setTimeout(r, 200));

影响: 可能触发 Tencent Cloud 限流，导致翻译失败或降级为 [TODO: needs translation]。

修复建议: 将延迟提升至 500-1000ms，或实现批量翻译接口。

四、工程/代码问题（5 个）

🟡 24. 搜索索引 Bug

问题描述: generate-search-index.js 存在分词缺陷，238 篇文章只索引了 4 篇。

代码位置: scripts/generate-search-index.js

影响: 站点搜索功能基本失效，用户无法搜索到绝大多数文章。

修复建议:

使用 nodejieba 或 @node-rs/jieba 做中文分词
或改用纯前缀匹配（无需分词）：对每个标题/正文建立 n-gram 索引
或使用现成的全文搜索库（Lunr.js、FlexSearch）

🟢 25. 大量脏文件堆积

问题描述: 根目录和 scripts/ 散布 50+ 个调试残留文件。

典型文件:

check-*.js / check-*.mjs — 各种检查脚本
fix-*.js / fix-*.mjs — 各种修复脚本
_test-*.js — 测试文件
_*.txt — 临时输出
1.md — 不明文件

影响: 项目混乱，新人上手困难，可能误将调试文件当作生产代码。

修复建议:

将仍有参考价值的脚本移入 scripts/legacy/ 或 scripts/dev/
删除已无用的临时文件
在 .gitignore 中增加 check-*、fix-*、_test-* 模式

🟡 26. Prompt 全为纯文本模式

问题描述: 所有 prompt 使用 flat text，未用 JSON mode、few-shot、结构化输出约束。

影响:

输出格式不稳定（模型可能偏离预期的 Markdown 格式）
解析依赖脆弱的正则（如 # 标题匹配）
无法做结构化验证

修复建议:

使用 OpenAI-compatible API 的 response_format: json_object 模式
要求模型先输出 JSON 格式的 frontmatter + 大纲，再输出正文
增加 few-shot 示例（1-2 篇范文作为参考）

🟡 27. validate-article.mjs 检测力弱

问题描述: 见问题 #18。

五、架构/设计问题（3 个）

🟡 28. "反 AI" prompt 自相矛盾

问题描述: 系统要求 AI "伪装人类"，但同时又用工业化模板批量生产。

矛盾三角:

"你不是 AI，你是一个有血有肉的技术编辑" → 要求伪装人类
"所有文章必须遵循 10 章节骨架" → 工业化生产
"像人写的，有观点有态度" → 要求个性化

影响: 产出内容在"像人"和"是 AI"之间摇摆，形成恐怖谷效应。

修复建议:

接受 AI 辅助写作的定位，在 about 页面适度披露
减少模板刚性，给模型更多自由发挥空间
引入真实作者署名和真实体验内容

🟢 29. 无静态压缩配置

问题描述: 未见 Vercel/nginx 配置中压缩 HTML/CSS/JS。

影响: 页面加载性能次优，Core Web Vitals 可能不达标。

修复建议: 在 vercel.json 中增加 headers 配置启用 gzip/brotli。

🟢 30. 无增量构建机制

问题描述: 238 篇文章、~48 页分页，每次构建全量重建。

影响: 构建时间随文章增长线性增加。

修复建议: 11ty 本身有增量构建支持（--incremental），确保启用。

六、修复优先级路线图

第一批：立即修复（影响内容正确性）

优先级	问题	预计工时	理由
P0	#10 Slug 生成 Bug	1h	文件静默覆盖，数据丢失
P0	#1 新闻无原始素材	4-8h	内容质量问题的根源
P0	#2 结构性捏造数据	2-4h	最危险的 AI 内容风险
P0	#9 零人工审核	2-4h	错误直达生产

第二批：短期优化（提升内容质量）

优先级	问题	预计工时	理由
P1	#19 抓取器增加正文抓取	4-6h	解决 P0 #1 的具体实现
P1	#11 max_tokens 截断	0.5h	一行代码修改
P1	#14 翻译文件命名分裂	1h	消除双 convention 混乱
P1	#15 同一话题多版本	2h	SEO 自残风险
P1	#24 搜索索引 Bug	2-4h	搜索功能基本失效

第三批：中期改善（提升工程质量）

优先级	问题	预计工时	理由
P2	#3 文章骨架公式化	4-8h	需要设计多套模板
P2	#5 AI 腔词禁令	1-2h	增加后处理替换
P2	#18/27 validate 增强	3-5h	提升 QA 覆盖率
P2	#20 重复抓取	0.5h	删除冗余步骤
P2	#26 Prompt 结构化	3-5h	提升输出稳定性

第四批：长期优化（锦上添花）

优先级	问题	预计工时	理由
P3	#4 标题模板	2h	增加模板多样性
P3	#7 案例同质化	1-2h	prompt 调整
P3	#8 SEO 内容簇	2-4h	合并或差异化
P3	#12 迭代优化	8-16h	两步法生成
P3	#13 固定取第一篇	0.5h	随机化
P3	#16 链接验证	2-3h	后处理脚本
P3	#17 抄袭检测	4-8h	外部工具集成
P3	#21 关键词过滤	2-4h	语义分类
P3	#22 概念库耗尽	2h	标记+定期更新
P3	#23 翻译限流	0.5h	增加延迟
P3	#25 脏文件清理	1h	整理项目
P3	#28 反 AI 矛盾	持续	定位调整
P3	#29 静态压缩	0.5h	配置修改
P3	#30 增量构建	0.5h	启用 --incremental

附录：关键文件索引

文件	作用	涉及问题
`scripts/daily-update.mjs`	自动化编排器	#1, #9, #13, #14, #20, #21
`scripts/generate-article.mjs`	文章生成核心	#2, #5, #6, #10, #11, #12, #23, #26
`scripts/fetch-tech-news.mjs`	新闻抓取	#1, #19
`scripts/validate-article.mjs`	质量检查	#5, #6, #18, #27
`scripts/retry-translate.mjs`	翻译回填	#14, #15
`scripts/generate-search-index.js`	搜索索引	#24
`scripts/generate-translation-pairs.js`	翻译对生成	#15
`.github/workflows/daily-update.yml`	CI 工作流	#9, #20
`.eleventy.js`	11ty 配置	#30
`vercel.json`	部署配置	#29
`config/translation-pairs.json`	中英映射	#15

本报告由自动化代码审计生成，基于对项目全部核心脚本、模板、配置文件和内容样本的逐行分析。所有问题均有代码级证据支撑。

WLinfoBlue 项目全面审计报告

目录

一、内容质量问题（8 个）

🔴 1. 新闻类文章严重依赖 LLM 生成，无原始素材

🔴 2. 结构性捏造数据（Prompt 自相矛盾）

🟡 3. 文章骨架完全公式化

🟡 4. 标题模板重复

🟡 5. AI 腔词禁令执行失败

🟢 6. Emoji 违规

🟡 7. 案例角色同质化

🟡 8. SEO 内容簇堆量

二、生成流程问题（10 个）

🔴 9. 零人工审核

🔴 10. Slug 生成 Bug

🟡 11. max_tokens: 8000 截断风险

🟡 12. 单次调用无迭代优化

🟢 13. 固定取 filtered[0]

🟡 14. 翻译文件命名分裂

🟡 15. 同一话题多版本英文

🟡 16. 无链接有效性验证

🟡 17. 无抄袭检测

🟡 18. validate-article.mjs 检测力弱

三、数据抓取问题（5 个）

🔴 19. 9/12 新闻源只抓标题不抓正文

🟡 20. 抓取器和 workflow 重复抓取

🟡 21. 130+ 关键词过滤过粗

🟢 22. 固定概念库可能耗尽/过时

🟢 23. 翻译 API 限流风险

四、工程/代码问题（5 个）

🟡 24. 搜索索引 Bug

🟢 25. 大量脏文件堆积

🟡 26. Prompt 全为纯文本模式

🟡 27. validate-article.mjs 检测力弱

五、架构/设计问题（3 个）

🟡 28. "反 AI" prompt 自相矛盾

🟢 29. 无静态压缩配置

🟢 30. 无增量构建机制

六、修复优先级路线图

第一批：立即修复（影响内容正确性）

第二批：短期优化（提升内容质量）

第三批：中期改善（提升工程质量）

第四批：长期优化（锦上添花）

附录：关键文件索引

🟢 13. 固定取 `filtered[0]`