一个“追踪”开关,为什么不该同时控制采集、入选和分析?

罗兴波发布于
文章摘要

取消追踪后仍接收命中文章,上传后仍需匹配,文章不相关却保留成员关系。结合专题管理的需求设计,区分用户采集意愿、任务执行、文章准入和分析状态,说明它们如何影响回执、版本与统计口径。

2026 年 10 月 15 日梳理专题管理需求时,我碰到一个看起来很小、却会影响整条处理链路的问题:用户取消追踪后,系统还要不要继续把新文章放进专题?

这次需求给出的答案是:要。取消追踪只是停止主动采集;系统已有数据源中新进入的文章,只要满足专题规则,仍然要纳入。用户也仍然可以上传文件。

如果把“是否追踪”直接当成整个专题的总开关,这个要求就很难实现。更麻烦的是,同一个开关还很容易被拿去控制关键词匹配、分析执行和页面展示。

这篇记录的是需求建模和方案推导,相关改造尚未完成。它要解决的不是设计一个功能齐全的通用状态机,而是先把几个容易混淆的问题分开。

一个按钮背后,其实有四个问题

专题管理要回答的第一个问题是:这篇文章应不应该属于这个专题?

第二个问题是:用户希望系统主动采集哪些数据?

第三个问题是:采集任务实际上执行到了哪里?

第四个问题是:文章纳入后,应执行哪些分析,执行结果是什么?

这四个问题有关联,但答案不一定同步变化。

用户可以不追踪某个专题,却继续接收其他数据源里命中的文章。用户也可以要求停止采集,但远端任务还没有停下来。文章可以属于专题,却被判定对本机构不相关,因此不再执行后续分析。

所以,重点不是给一个布尔字段换成十几个枚举值,而是先确定每个状态究竟描述哪个对象。

文章从哪里来,不等于为什么纳入

这次专题有几种文章入口:系统已有的数据源、关键词补采,以及在专题内上传的 Excel。

文章的纳入条件则是:命中当前专题关键词,或者来自当前专题选择的重点账号。

文件上传是数据进入系统的方式,不是绕过专题规则的理由。上传成功之后,文章仍然要匹配目标专题的关键词或账号,未命中就不建立该专题的成员关系。

重点账号是另一条纳入路径。所选账号的文章不要求再次命中关键词。只要系统已经获得这些文章,就可以按账号身份参与纳入;这不意味着选择一个账号,采集端就自动具备了抓取它全部文章的能力。

我会把“文件导入”“关键词补采”等来源与“关键词命中”“账号命中”等原因分别记录。前者用于追溯数据从哪里进入,后者用于解释文章为什么属于专题。

一篇文章同时命中关键词和账号时,成员只算一份,但两个原因都要保留。以后撤销账号关联时,是否仍有其他有效原因,需要一起判断。至于解绑是否重算历史文章、人工移除后能否再次自动纳入,还需要单独确定,不能从“支持多对多”推导出默认行为。

追踪表达用户意愿,不替代任务回执

明确纳入规则以后,“追踪”的职责就可以收窄:用户希望系统补采历史文章,并继续采集后续数据。

新建专题默认不追踪,不影响它接收已经进入系统的匹配文章。点击追踪后,系统才根据用户选择的关键词、平台和时间范围,建立主动采集任务。取消追踪则改变这份采集意愿。

但用户意愿变化,不等于远端任务已经同步完成变化。

例如,用户点击取消后,系统保存了停止请求,采集端却暂时不可达。此时界面如果立即显示“采集已停止”,就把尚未得到确认的结果当成了事实。

更合适的表达是分开显示:用户已经取消追踪,采集正在停止;收到采集端确认后,再显示已停止。如果发送失败,保留失败和重试信息,而不是把追踪状态改回去掩盖问题。

HTTP 对异步受理也有类似区分:202 Accepted 说明请求已被接受处理,并不表示处理完成。它可以帮助理解这个边界,但不能替代业务任务本身的状态协议。参见 RFC 9110 对 202 的定义。

这里不需要预先规定所有任务必须使用某套状态名。至少应能分别回答:停止意愿是否保存、指令是否发送、远端是否确认,以及最后一次失败在哪里。

取消以后,旧消息仍然可能到达

主动采集是异步链路,取消之后仍可能收到此前任务产生的文章,也可能收到迟到的启动回执。

这两种消息不能使用同一种处理方式。

迟到的启动回执不能重新把已经取消的订阅改成运行中。因此,指令和回执需要关联操作标识或版本,让系统能够判断它是否还对应当前意愿。

而迟到的文章,应按当前专题规则重新判断是否纳入。在本次需求中,取消追踪没有关闭纳入,所以不能仅因采集任务已经取消就无条件丢弃文章。

这正是把“任务状态”和“文章准入”分开后的价值:可以拒绝过期的状态更新,同时接收符合当前规则的数据。

同样的边界还存在于多个专题之间。两个专题使用相同关键词,不意味着它们的采集订阅就是同一个业务对象。停止其中一个专题时,不能顺手停止另一个专题的采集。采集端是否合并底层任务,是另一个层面的实现选择。

文章不相关,也可以继续属于专题

相关性分析回答的是文章与本机构是否相关;专题成员关系回答的是文章是否满足用户设定的组织规则。

例如,某个重点账号的一篇文章没有涉及本机构,但用户仍希望完整观察该账号。文章因此属于专题,相关性结论则可以是不相关。

这次已经确认的处理方式是:保留文章和相关性结论,停止情感、分类和风险分析。即使这些分析项已经启用,也不能越过“不相关后停止”的门槛。

不能为了复用旧分析流程,在相关性不成立时把文章移出专题。也不能因为要保留成员,就强行把它改成相关。

分析配置和分析结果同样要分开。“风险分析已启用”只是配置,不等于这篇文章已经得到风险结论。它还可能正在等待、执行失败,或者因为不相关而被跳过。

因此,“未启用”“因不相关跳过”和“执行失败”需要分别表达。不能把这些情况统一保存为中性情感、正常风险,甚至用一个没有解释的空值替代。

关闭相关性分析以后,其他分析是否可以直接执行,以及相关性不确定时怎么办,是另外的业务决策。在当时的讨论中,这些问题尚未确定,不应由默认值悄悄决定。

统计也要遵守同一套状态边界

一旦分清成员与分析状态,统计的分母也会变化。

专题文章总数统计的是有效成员。情感分布统计的是已经得到有效情感结果的文章。两者不必相等。

不相关的文章仍然贡献成员数,但不会凭空贡献一条中性情感或正常风险。失败任务应进入失败统计,不能因为缺少负面结论,就被归入其他类别。

这个区别还会影响异步更新。文章先纳入、分析后完成时,后续结果更新不能再次增加成员数。结果重算发生变化时,应调整原来计入的统计贡献,而不是只在旧计数上继续累加。

如果配置已经更新,旧任务晚返回,系统还需要判断它是否属于当前有效分析版本。否则,状态名字即使设计得很细,也挡不住旧结果覆盖新结论。

这些是方案需要满足的约束,不代表加几个字段就已经完成了事务、幂等和乱序处理。实现时仍需要为重复消息、配置变化和分析失败分别验证。

先对行为,再决定字段

回头看,这次最有用的工作不是列出多少张表,而是把几句容易被默认理解的需求逐条说清楚:

  • 新建专题不追踪,仍然可以纳入系统里已有的匹配文章。
  • 取消追踪只停止主动采集,仍然允许上传和纳入。
  • 上传到某个专题,仍然要通过这个专题的准入规则。
  • 文章可以属于专题,同时被判为对本机构不相关。
  • 不相关时保留成员,停止后续情感、分类和风险分析。

这些行为确定以后,才有依据讨论哪些字段属于专题配置,哪些属于采集订阅,哪些属于成员关系,哪些属于分析执行。

“专题停用”是否连带停止采集、“纯账号专题”点击追踪后做什么、缺少账号 UID 如何匹配,当时仍待确认。这些空白应该被明确保留,而不是借一个总开关把它们全部填成同一个答案。

一个开关可以有很简单的交互,但它不应该承担互不相同的业务含义。先明确每个动作允许改变什么,再保存对应状态,后面的接口、消息和统计才有机会保持一致。

记录过程,也留下判断。

← 继续阅读其他文章