這頁寫三件事：憑什麼收、憑什麼不收，以及它現在會錯在哪。 規則只有 12 行，少是故意的——規則越多，越容易只對「自己標過的那批」有效。
一條帖子要進榜，得同時過三關。順序不是隨便排的：先確認跟這個榜有關， 再確認是同人創作而不是科技新聞，最後才看時間。
標題、簡介、作者名、標籤裡，得出現八個角色之一的別名。認不出 → 直接丟。
「手書」「擬人」「表情包」越多越好；「部署」「評測」「顯存」是煞車。
這是個「現在正在熱」的榜，不是資料庫。太舊的不收。
filter_post() 裡，總共 12 行這段程式碼從 2026-10-21 到現在沒改過。中間所有「好像不太準」的問題， 都不是靠加規則解決的，是靠多開幾個入口（見第 05 節）和把弱相關標出來。
八個角色，每個有一張別名表，寫在 config.json 的
characters[].match。命中表裡任何一個詞，就算認出來了。
| 角色 | 能認出的寫法（舉例） |
|---|---|
| DeepSeek 娘 | deepseek娘 · 大肥魚 · 藍色大肥魚 · 鯨魚娘 · 藍鯨娘 |
| Claude 娘 | claude娘 · 克勞德娘 · claude大小姐 |
| GPT 娘 | gpt娘 · chatgpt娘 · gpt龍娘 |
| Grok / Gemini / Kimi / 豆包 / 千問 | 各自「角色名 + 娘」的常見寫法 |
每一張表同時收了繁體寫法（藍色大肥魚、鯨魚娘）。
B 站標題是簡體，但簡介和作者名常常混著繁體，漏掉一半就等於漏掉一半帖子。
還有第二層保險：把搜索詞的「娘」去掉，剩下的字根長度 ≥ 3 才算數。
所以 deepseek娘 能兜到 deepseek，
但兩三個字的中文詞根不會被拿來亂命中。
「Claude大小姐在運營」「ChatGPT龍娘在運營」這類賬號，標題經常一個角色詞都不帶， 賬號名才是身份。所以判斷順序是：先看作者名，再看標題和簡介。
B 站的標籤是 UP 主自己填的，經常比標題更誠實。 《完啦完啦！用戶徹底怒了！》標題裡一個角色名都沒有，標籤裡卻寫著「大肥魚」—— 只看標題，這條 247 萬播放的片子永遠進不來；看了標籤，它就在裡面。
判斷是「先命中先算」：作者名 → 標題 → 按 config.json 裡的角色順序。
DeepSeek 排第一，所以203 條 DeepSeek 裡有一部分其實是「順帶提到」，
比如一條「DeepSeek 和 Claude 同框」的影片，會算在 DeepSeek 頭上。
兩張詞表對撞。左邊是「這是在創作」，右邊是「這是在講技術」：
| 詞表 | 裡面有什麼 | 作用 |
|---|---|---|
| 二創詞 44 個 | 手書、MMD、同人、擬人、立繪、表情包、Q 版、四格、配音、周邊… | 命中 → 直接判強相關 |
| 硬技術詞 44 個 | 教程、評測、跑分、API、顯存、訂閱、裁員、融資、股價… | 沒二創詞又命中 → 丟掉 |
| 軟技術詞 6 個 | 部署、安裝、配置、訓練 | 湊夠兩個才丟 |
強相關 有角色 + 有二創詞 → 收。
丟掉 有角色 + 沒二創詞 + 命中硬技術詞（或兩個軟詞）→ 這是科技新聞，不是二創。
相關 有角色 + 兩個都沒有 → 收，但標成「相關」，讓你自己判斷。
「部署」「安裝」「配置」「訓練」既是技術詞，也是普通動詞。 一條叫《當小傻龍在家裡部署了一隻大肥魚》的影片（189 萬播放）， 按下舊規則會因為「部署」兩個字被當成部署教程丟掉——它是搞笑短劇。
所以這四個詞算「軟詞」，要湊夠兩個才生效：
部署 + 配置 丟，部署了一隻魚 留。
而「教程」「跑分」「顯存」這種一出現就沒懸念的，仍是硬詞，一個就夠。
這一輪抓回來的幾百條裡，標題含技術詞的一條都沒進來。剎車是有效的。
規則是「有技術詞、而且沒有二創詞才丟」。兩個都沾的會留下—— 「大肥魚擬人化部署教程」會被當成二創收進來。 這種標題目前沒出現，不代表不會出現。
這裡有兩個不同的「窗口」，很容易混：採集窗口決定抓回來存多少， 檢視窗口決定頁面上畫多少。前者 30 天，後者預設 7 天。
| 規則 | 怎麼運作 | 為什麼 |
|---|---|---|
| 採集窗口 30 天 | 發布超過 30 天的不收（window_days） |
要讓「近 30 天」這個檢視有東西可看 |
| 檢視窗口 7 / 30 / 全部 | 頁面上切換，預設「近 7 天」 | 主榜保持「現在正在熱」；30 天是回頭看，不搶預設 |
| 沿用 3 天 | 這次沒搜到、但 3 天內見過的，留在榜上 | 不然重新整理一次，東西就莫名消失了 |
| 手動釘選 | seeds.txt 5 條 + github_seeds 1 條，永久留 |
搜不到的，靠人指定 |
| 經典 🏆 | 每個角色按播放量最高的前 6 條，不管多久以前 | 400 萬播放的片子大多是幾個月前的，不放寬就永遠看不見 |
| 去重 | 同一個 BV 號 / 同一個倉庫，只收一次 | 五個入口會撈到同一條 |
榜上總數是：30 天內抓到的 ＋ 3 天內沒再搜到的 ＋ 經典。 一條 6 天前的帖子，如果這輪沒被搜出來，會退場——即使它還在 7 天裡。 這是刻意的取捨：留太久，榜上會堆一批「其實已經沒人看」的東西。
榜首那五個數字是即時讀出來的（data/stats.js），
不是手抄的——這頁吃過一次「寫死數字」的虧。
「經典」是歷史最熱，不是「最近在熱」。一條 51 天前的 277 萬播放， 它很有名，但今天沒人在討論它。混進主榜，主榜就變成「歷年名場面回顧」。
所以它被單獨標成 🏆，預設不顯示；把時間切到「全部時間」才看得到， 排序仍然是播放量，所以最大那幾條會排在最前面。
榜上大約一半是「相關」——B 站 52%、GitHub 62%。這是個很高的比例，值得解釋。
因為 B 站的標題太短。「大肥魚」三個字就是全部信息， 你看不出它是手書、是直播切片、還是隨手拍的三秒鐘。 這種東西丟掉會漏，留著只是多一條——你一眼就能跳過。
| 平台 | 強相關 / 相關 | 相關裡最冷的那批 |
|---|---|---|
| B 站 | 大約一半一半 | 近百條播放量不到 100（最低 0） |
| GitHub | 三成強、六成弱 | 三十幾條 star 不到 5 |
這些多半是剛發的新號，或者相關推薦輪帶出來的邊角料。 看板上有一個 「只看強相關」 按鈕，一鍵把「相關」這一半切掉。
只靠關鍵詞搜索會漏掉一整類帖子：標題裡根本不寫角色的那些。 「人類把一整個 B 站賬號交給 AI」——這種一個角色詞都沒有，但它是這波潮的源頭。 所以有五個入口，每個補別人的洞，也各自帶來自己的噪音。
| 入口 | 大致佔比 | 它撈到什麼 | 它的偏見 |
|---|---|---|---|
| 關鍵詞搜尋 🔎 | 六成 | 標題寫了角色詞的 | 只認標題，漏掉「不寫角色名」的 |
| 相關推薦 🕸 | 兩成 | 看完 A 之後平台推薦的 B，標題常常不帶角色詞 | 越熱的越容易被推薦，冷門好帖擴散不到 |
| UP 主名 👤 | 一成半 | 角色賬號的整條時間線（含你手動點名要盯的那幾個） | 只對「名字裡有角色」的賬號有效 |
| 手動釘選 📌 | 個位數 | 你指定的，搜不到也收 | 靠人，不靠機器 |
| GitHub 🐙 | 不到一成 | 倉庫（絕大多數靠搜尋、一個手動指定） | 只有倉庫名／簡介／標籤寫了角色詞的才進得來 |
前四行是 B 站，最後一行是 GitHub——兩邊走不同的接口，分開排。
每個入口撈到的帖子，卡片左下角會標出來源（🔎 搜尋、
🕸 相關、👤 UP主、📌 手動、🐙 GitHub）。
你覺得某類東西太多，可以照著這個標籤判斷是哪個入口放進來的。
B 站的「熱度」是播放量，GitHub 的「熱度」是 star 數。 這兩個數字沒有可比性：291 萬播放和 361 個 star 放在一起排，是在騙自己。
所以看板上只有分平台排，沒有總榜。切換平台，等於換一把尺。 你看到的「第 1 名」，永遠是「這個平台裡的第 1 名」。
隔壁的 AI 影像雷達在後台有一個 0–100 的排序分，但從不顯示在頁面上—— 它是在 52 條樣本上手調的，對外宣稱就是宣稱一個還沒有的權威。這裡同理。 頁面上只給：平台原始指標、強／弱相關、發布時間。
這幾條不是假設，是這一輪的資料裡看得到的。
多角色同框的帖子會被歸給「先命中」的那個。DeepSeek 這一欄的三百多條裡， 有一部分實際上是「DeepSeek + Claude 同框」。
B 站有近百條播放低於 100 的「相關」帖，還有幾條播放是 0。 GitHub 有三十幾條 star 少於 5 的。它們大多不是好內容，只是「標題或標籤裡有那個詞」。
2026-10-25 把標籤加進判斷依據，當天 B 站從 237 條漲到 357 條—— 撈到了 45 萬播放的《已深度想你》、247 萬的《完啦完啦！用戶徹底怒了！》， 但低於 100 播放的弱相關也從 23 條漲到 56 條。 recall 和 precision 在這裡是直接對賭的，這也是準確率抽測非做不可的原因。
兜底規則會讓任何標題帶 deepseek 的帖子命中角色。
這一輪沒有技術帖漏進來，但這是噪音的主要來源——
一條「DeepSeek 崩了怎麼辦」也會被認成角色相關。
大約四分之一的條目沒有簡介（或只有一個「-」）。 B 站很多 UP 主不寫簡介，卡片上就只剩標題。
相關推薦是「順著有熱度的東西往外爬」，所以越熱的越容易被撈到， 冷門但好的東西反而進不來。這是這個入口的結構性偏差，不是參數能調好的。
直播切片、真人 cos、AI 生成的「偽二創」、純語音 cover—— 這幾類現在是按「有沒有二創詞」自然進來的，沒有專門判斷。 所以同類東西有時候進、有時候不進。
這頁沒有寫「準確率 92%」之類的數字，因為沒測過。 寫一個沒測過的數字，比不寫更糟。
AI 影像雷達的分類器，在 52 條「自己標的」調參集上是 98%。 另外標了 142 條 held-out 之後，凍結規則只剩 69.7%。 差的那 28 個百分點，就是「自己出題自己考」的代價。
seeds.txt 那 4 條當基準——它們是「一定要收到」的。
這回答的是「好東西漏了多少」。預期風險集中在「相關」那一半；「強相關」那一半大概靠譜，但沒驗過就是沒驗過。 測完之後，這一節會換成兩個真實的數字，以及標錯的具體例子。