这条内容下一步怎么处理？
用户可以接受建议，也可以改判；最终选择决定内容去向。
项目记录 · 2026
信息分诊与学习助手
FOMO Firewall
为知识工作者做的信息分诊原型：把不断收藏，变成“现在学、稍后看、忽略”三个可执行选择。
为什么会做这件事
信息过载会让人把注意力耗在反复筛选上：内容越多，收藏越多，但真正进入学习和工作的内容并没有增加。值得解决的不是“缺少摘要”，而是用户缺少一个低成本、可撤回的处置方式。
真正的问题
怎样让系统先给出有理由的行动建议，同时让用户能轻松接受、改判，并用这些行为继续校正系统？
我做的关键选择
每个动作，都应该能解释为什么。
先用 RSS 接入稳定内容源。
首版要验证的是“分诊是否改变行为”，不是爬虫覆盖率；稳定入口能把时间留给核心链路。
把输出限制为“去学习 / 稍后看 / 忽略”。
三个选项直接对应下一步动作，避免系统给出一段摘要后仍把判断成本留给用户。
记录接受与改判，而不把模型命中率当唯一指标。
用户是否采纳更接近真实价值；改判还能暴露理由、偏好或分类边界哪里出了问题。
系统怎样运转
一条内容如何从“待处理”，变成明确行动
开始 / 输入处理判断结果
- 内容源
内容进入收件箱
RSS 条目与来源信息进入待处理队列。
- 系统
补充判断上下文
结合主题、来源、用户目标与历史偏好。
- Agent
给出建议与理由
输出可撤回的动作建议，而不是只生成摘要。
进入学习会话
用递进问题形成可复述的理解，并沉淀关键洞察。
进入延期队列
保留理由与优先级，避免重新从零筛选。
结束本次处理
不再占用注意力，但保留本次判断记录。
反馈闭环
接受与改判回写偏好
系统记录建议是否被采纳、用户改成了什么，并在下一轮调整分诊依据。
业务含义产品价值不在于替用户读完内容，而在于减少重复判断，并让每一次接受或改判都能改善下一次分诊。
亲手做的部分
从判断到可运行的东西。
分诊
结合主题、来源与个人目标，给出动作建议和理由。
学习
用三个逐步收紧的问题，把“读过”转化为可复述的理解。
记忆
区分即时判断、长期偏好与可配置 Prompt，允许系统随使用校正。
留下的证据
- 核心路径已在个人环境中完整跑通
- 提供可复现的容器镜像
- 用改判记录验证建议是否真正节省判断
当前证据来自个人场景，不代表已经完成大规模用户验证；改判率的解释仍需要更长周期的数据。
下一步不是增加更多摘要能力，而是比较不同分诊理由对用户信任和改判行为的影响。