BestBlogs 内容评分 Review 工作流

技能概述

BestBlogs 内容评分 Review 工作流是一个智能化的内容质量审核工具，用于每日 review 系统中已评分但未审核的文章和推特，评估 AI 评分准确性，纠正评分偏差，并从待审内容中推荐值得深度阅读的高质量内容。

适用场景

1. 每日内容质量审核

每日早晚对 BestBlogs 系统中新增的文章和推特进行评分审核，通过 AI 评审与分类机制，确保内容评分的准确性。工作流支持并行拉取待 review 内容，最多处理 200 条，按评分从高到低排序，帮助内容管理员快速完成每日审核任务。

2. 评分准确性评估与纠正

系统性地检查 AI 评分是否存在偏差，基于来源优先级（HIGH/MEDIUM/LOW）、评分分段（95+里程碑、90-94顶级、85-89优质推荐、80-84合格展示等）和减分项规则（编译转述类上限 89、营销导向类 <75 等）进行多维度评审。对评分偏高或偏低的内容进行纠正，确保评分体系的一致性和公正性。

3. 推荐今日阅读清单

从待审内容中智能筛选出值得深度阅读的文章和推特，按推荐优先级分为必读（3-5 篇）、推荐（8-12 篇）和可选（5-8 篇）三个层级。每个推荐项都包含详细的推荐理由（15-30 字），说明内容的独特视角、实用技巧或行业趋势价值，为 deep-reading 工作流提供高质量的阅读输入。

核心功能

1. 智能内容评审与分类

基于统一评分规则对每条内容进行系统性检查，包括来源优先级校验（LOW 来源上限 89，HIGH 来源常规不低于 80）、评分分段匹配检查（95+ 里程碑事件、90-94 顶级内容等）、减分项红旗检查（编译转述类、教程入门类、营销导向类等）以及内容质量信号评估。评审结果自动分类为 🌟推荐阅读、✅评分合理、⬆️评分偏低、⬇️评分偏高四种类型，为后续处理提供清晰的决策依据。

2. 结构化 Review 结果输出

分别输出文章和推特的 review 结果表格，按分类分组展示，包含标题、来源、评分、建议调整和详细理由。每个表格项都提供 admin review 链接（https://admin.bestblogs.dev/article/review/{id}），便于快速访问原始内容。同时输出评分统计概览，包括分数范围、平均分、分数段分布、领域分布和评分偏差发现，帮助管理员全面了解内容质量状况。

3. 批量标记与评分调整

对确认后的非推荐阅读内容，批量调用 markNotQualified 接口进行标记和评分调整。支持每批最多 5 个请求的并行执行，逐批输出进度（如 ✅ [1/30] RAW_xxx — 标题 — adjustScore: -3 → 新分数: 82），提供清晰的执行反馈。单个失败不中断整批处理，连续 3 次失败时暂停并提示系统性问题。推荐阅读项目保持 qualified: null 状态，输出干净的阅读清单供 deep-reading 工作流使用。

常见问题

BestBlogs 的评分标准是什么？

BestBlogs 采用统一的评分规则，基于来源优先级和内容质量进行综合评估。来源优先级分为 HIGH、MEDIUM、LOW 三个等级，分别对应不同的评分天花板和地板值（HIGH 来源可触及 95+，LOW 来源上限 89）。评分分段包括：95+（里程碑 <1%）、90-94（顶级 ~5%）、85-89（优质推荐 ~15%）、80-84（合格展示 ~25%）、75-79（边缘 ~20%）、<75（低质量 ~35%）。减分项规则包括：编译转述类上限 89、教程入门类 75-79、营销导向类 <75、低质聚合类 70-76。

如何使用 BestBlogs 进行每日内容 review？

使用 BestBlogs 进行每日 review 分为四个阶段：阶段一并行拉取待 review 的文章和推特（最多 200 条）；阶段二基于评分规则进行 AI 评审与分类，检查来源优先级、评分分段匹配、减分项红旗等维度；阶段三输出结构化的 review 表格和推荐阅读清单，等待用户确认；阶段四批量执行标记操作，对非推荐内容调用 markNotQualified 接口进行标记和评分调整。整个工作流支持并行处理，提供详细的进度反馈和执行汇总。

BestBlogs 如何纠正 AI 评分偏差？

BestBlogs 通过多维度评审机制识别并纠正 AI 评分偏差。首先检查来源优先级是否匹配（LOW 来源评分 90+ 几乎必定偏高，HIGH 来源评分 <80 可能偏低）；其次验证评分分段是否合理（95+ 应为行业里程碑事件，<75 应为低质量内容）；然后检查减分项红旗（编译转述类评分超过 89、营销导向类获得高分等）；最后评估内容质量信号（字数、阅读时间、标题清晰度等）。根据评审结果，对内容进行分类（🌟推荐阅读、✅评分合理、⬆️评分偏低、⬇️评分偏高），并给出具体的调整建议（微调 ±12、中等调整 ±35、大幅调整 ±6~10）。