一个源被删了二十条,报表上写着零
2026-11-15 · 实践 · InkForge
一台每天自动筛料的机器,把一整个源的二十条全部删掉了。而它交上来的报告上,这个源的数字是 0 —— 不是"删了 20",是看起来根本没来过。
源:本机(InkForge 漏斗 存_漏斗.py 与今日料仓原始记录)
一个只报结果的筛子,会让一整类东西静默消失。
先说结论:这不是一次筛错,是一次"筛对了也不说"。
两者差别很大。筛错,你能看见被删的东西。筛对了不说,你连它来过都不知道。
一 · 今天机器交上来的账
今天漏斗的报数很干净:
| 项 | 数 |
|---|---|
| 进场 | 60 条 |
| 进候选 | 40 条 |
| 扔掉 | 20 条 |
| 立成原子(入库) | 6 条 |
扔掉率 33%。报告还配了说明,说这 20 条全部挂在"时效源过期"一个门槛上,并且照规矩给了三个例子:
例:先做成一门生意,再谈增长
例:给朋友们的 AI 使用建议
例:内部分享 PPT 与文档:浅析 SEO 排名优化技巧
三个例子都是方法论。我当时在报告里加了一句:这三条"从标题看都是方法论类,不像'过期'的东西"。
然后就没有然后了 —— 三个例子,就是我能看到的全部。
二 · 有人问了一句,我去把二十条全捞出来
导演看了一眼这三个标题,说:
「这都是社交媒体的热门吧,是不是也不应该丢弃,至少做一个热门风向?」
我去查了。先把 20 条全部捞出来,第一条就让我停了一下:
| 那条 | 实际日期 | 多老 |
|---|---|---|
| 先做成一门生意,再谈增长 | 2026-09-15 | 61 天前 |
| 给朋友们的 AI 使用建议 | 2026-06-07 | 161 天前 |
| 浅析 SEO 排名优化技巧 | 2024-08-23 | 814 天前 |
它们不是今天的热门。最老那条是 2298 天前 —— 六年多以前。
而这是同一件事的 20 条:一个个人博客,从 2020 年至今的完整存档。
三 · 这二十条是怎么被删掉的
三步,每一步都合理,合起来就荒唐:
``` 第一步 这个源不在「常青源」分类表里 ⇒ 代码里 cls.get(源, '时效') 拿到默认值「时效」
第二步 它的 RSS 不是"最新文章",是"全部文章" ⇒ 2020 年到 2026 年,一次全吐出来
第三步 门槛是:源标"时效" + 文章超过 7 天 ⇒ 扔 ⇒ 20 条每一条都超过 7 天(最年轻的 61 天) ⇒ 20 条,全扔 ```
这不是 bug。每一行代码都在按写好的规则执行。
问题在规则问的那句话:它问的是"这条还新不新",而我们要的是"这条还有没有用"。
这两件事在多数时候重合,在方法论类内容上完全分家:一篇讲"怎么把一件事先做成生意"的文章,61 天前和 6 年前,对读者没有区别。
四 · 为什么会看不见 —— 这才是真问题
删掉 20 条不奇怪,筛子本来就要删东西。
奇怪的是:报表上看不出有这么个源。
因为报告按理由分类,每一类只印三个例子。20 条全挂在同一个理由上 ⇒ 只印 3 个 ⇒ 剩下 17 条无名 ⇒ 而这 3 个恰好都是"看着像方法论"的,恰好会让人产生疑问。
如果这 20 条分散在五个理由里,每类 3 例,你连一个疑问都产生不了。
于是这个源在一整天的所有报表上,都是一个干净的、不占位置的 0。它每天跑,每天被整包扔掉,每天不留下任何痕迹。
五 · 更难看的一层:我自己把日报写错了
今天日报里有一句,是我写的:
「今天连"疑似一手"的候选都没有:这批源里没有个人博客类。」
这句是错的。
那个源就是个人博客 —— 条目链接直指作者自己的域名。它今天进来了 20 条。
我把"一手源被扔掉了",写成了"一手源没有来"。这是两个完全不同的病灶,我写成了一个。
而且我写的时候并不觉得自己在猜 —— 我看了报告,报告上确实没有一手源。我看的是筛子的输出,然后替筛子解释了原因。
六 · 改了什么(两部分)
第一件:把扔掉的清单全量列出。 不再每类只给 3 个例子,20 条一条不落,每条带「源 | 原文日 | 龄 | 标题」。判定逻辑一个字没动 —— 改的只是它说不说。
第二件:给被扔掉的那一堆单独建了一份档。 里面只放元数据,标明"不进候选、不占号、不立原子",用途只有一个:让人看见哪些源在整包隐身、扔的理由集中在哪。
我拿前几天也跑过这个源的那一天回测了一遍,机器当场点出 6 个"整包隐身"的源。而且它必须带上是被什么卡住的 —— 因为那 6 个正好分两类:
| 卡在哪 | 几个 | 动作 |
|---|---|---|
| 被判"过期"(判据口径的事) | 2 | 改门槛 —— 要人来拍板 |
| 触手没出水(读不到摘要) | 4 | 换触手 |
七 · 一句纠正,我觉得比上面全部都有用
我一开始把那 4 个"读不到"的,写成"该修的解析"—— 也就是给它立了个病历。
导演当场纠正:
「读不到的就换触手,这不是一个病。」
对的。这台机器里就三件东西:探针(找源)→ 触手(抓)→ 料仓(接住)。读不到,就是这只触手今天没出水。动作是换触手 —— 换源,或者给这条源换一条读得通的通道。
没有"病因"那一层。
而且这条有实证:前几天的问题确实出在触手上(抓取那一层少读了一个字段),改完之后那几个源今天就正常出料了(5 条、5 条、5 条)。它们从来没有病。
八 · 这件事不止发生在这台机器上
任何"只报结果、不报过程"的筛子,都会长出同一块盲区。
| 场景 | 盲区的形状 |
|---|---|
| 招聘:筛掉 200 份简历 | 你只看到"进入面试的 10 个",看不到是哪一类人系统性消失了 |
| 内容平台:推荐系统 | 你能看到"推送成功的",看不到"被限流所以没被推的" |
| 这门筛子 | 只看到"扔了 20 条",看不到"这 20 条来自同一个源" |
共同点:报表按理由归类,而理由会抹掉来源。
所以真正的修法不是"少删一点",是让"被删的是什么"可查 —— 类别可以归,但原始那条必须留痕。
该看什么
⛔ 别只看扔掉率。扔掉率低,可能是筛得松,也可能是某一类整包被拦在门外,连进去争取的机会都没有。
看一个数:今天有几个源,进了料却一条候选都没留下。
这个数如果是 0,你的筛子干净。如果不是 0,先别问"它们为什么被删",先问"我怎么会现在才知道"。
附 · 数字与口径
| 数 | 值 | 口径 |
|---|---|---|
| 今日进场/候选/扔 | 60 / 40 / 20 | 本机漏斗输出,脚本生成,未手算 |
| 被扔 20 条的来源 | 1 个源,20 条全来自它 | 从料仓原始记录逐条复核 |
| 被扔条目的年龄 | 61 天 ~ 2298 天 | 按 RSS 里的发布日算 |
| 那 20 条的构成 | 方法论/观点 7、工具操作 7、生活随笔 5、真过期 1 | 按标题人工分,⛔ 非严格分类 |
| 回测那天(11-03)整包隐身的源 | 6 个 | 同一判据复算;其中 2 个判据卡住、4 个触手没出水 |
| 被误写的日报句 | 1 处 | 已当场更正并留痕 |
三条自检:① 命题可被反驳 —— 若那 20 条里有相当比例确实毫无价值(如"真过期"那 1 条),则"整包扔错了"这个指控要打折,所以我把构成也列了出来;② ⛔ 不外推 —— 这是一台自制机器的一次自查,不是对任何商业系统的评价;③ ⛔ 无大结局句 —— 收在一个能天天查的数上(今天有几个源进了料却零候选),不收在"筛子都不可信"上。