系列·叁。做事件驱动的朋友都知道，新闻管线的难点不在"抓"，而在"抓完之后"：同一条快讯被五个媒体转一遍怎么办？几千条里哪条和你持仓相关？这篇用 news-mcp 跑一条真实管线。
三层架构：Bronze / Silver / Gold
Bronze（采集） Silver（去重） Gold（事件化）
六个源独立抓取 → SimHash 近重复判定 → 事件分类 + 板块 + 情绪
新浪/财联社/华尔街 汉明距离 ≤ 3 判重 规则法（可升级 LLM）
见闻/龙虎榜/热榜/公告 24h 指纹窗口
设计上的两个刻意选择：
- 零第三方依赖：整个服务只用 Python 标准库（urllib + sqlite3），Docker 镜像极小，也永远不用担心依赖冲突
- 与 Go 实现的语义逐字节对齐：SimHash 连"只取 rune 低 8 位"这种 Go 怪癖都照搬了，为的是和主系统（Athena）的指纹一致——跨系统判重时才不比错
真实跑一遍（2026-09-29 盘后）
import sources, core
raw = sources.fetch_sina(num=30) # 新浪滚动
arts = sources.fetch_cls(limit=30) # 财联社快讯
== 新浪采集 == 30 条
== 财联社采集 == 0 条 ← 财联社源这次不可达，后面细说
拿 30 条新浪新闻进 Silver 去重：
== SimHash 去重 ==
{"input": 30, "output": 30, "deduped": 0, "seen_total": 30}
0 条重复——单源抓取时这个结果是健康的（新浪自己的滚动列表已经去重过了）。去重的威力在多源合并时才体现：同一个"央行降息"快讯，新浪、财联社、华尔街见闻各转一遍，标题只差几个标点，SimHash 汉明距离 ≤ 3 就吸收掉。seen_hashes 由调用方传入传出，服务本身无状态，你想用 Redis 做跨进程去重也行。
再进 Gold 事件分类：
== 事件分类 ==
{"input": 30, "events": 12, "dropped_no_type": 18, "llm_used": false}
[MACRO_POLICY] GTCFX:实际利率上行考验黄金韧性 9月29日，黄金回调再次把持有成本推到
板块: - 情绪: +0.00
[INDUSTRY] Anthropic招股书披露宏大AI愿景，成本激增
板块: AI算力,电力 情绪: +0.00
[CORPORATE] 里昂：康师傅控股重申"跑赢大市"目标价13.70港元
板块: - 情绪: +0.50
[CORPORATE] 解禁潮下，谁在卖出GPU四小龙？
板块: - 情绪: +0.67
[INDUSTRY] M4Markets:算力扩张提升稳定电源价值
板块: AI算力,电力 情绪: +0.50
分类是规则法（关键词表 + 判定顺序对齐 Athena 的 Go 实现）：公司/宏观/贸易/地缘/行业/市场六大类，同时抽出 sh60*/sz00* 形态的股票代码、映射板块（"算力"→AI算力、"储能"→光伏），情绪分 = (正面词数 − 负面词数)/(总词数+1)。18 条没有命中任何关键词的被丢弃——这是和 Go 版一致的行为，宁可漏判不可错判。
每个源都会挂：财联社案例
这次 fetch_cls 返回 0 条。逐源失败是常态（接口改版、反爬升级、网络抖动），所以每个源的 fetcher 都做成可注入的：
def fetch_cls(limit=30, fetcher=_http_json):
...
测试时传假 fetcher，生产挂了也不影响其他源。这个"单源失败静默跳过"的策略对采集是对的，但对 Gold 层要小心——如果某天六个源全挂，输出是"今天没有新闻"而不是"采集失败"，这是所有新闻管线共同的坑，监控时要对采集量为零报警，而不是对错误报警。
已知的三个优化点（写给你参考，也是贡献机会）
- 去重是 O(n²)：每篇文章要和全部历史指纹比汉明距离，
seen_hashes只增不减。量不大没关系，量上来要换 LSH 分桶（64 位指纹切 4 段，近重复必同桶，桶内再比对） - 24h 窗口没实现：
SIMHASH_RETENTION_SEC常量定义了，但过期淘汰留给调用方做——用 Redis 的话记得加 TTL - 分类升级路径已留好：
gold_process(..., llm_classifier=...)参数就是给 LLM 分类器留的位，传进去就切换（LLM 优先、失败自动降级规则法），这是下一篇要讲的决策模型天然的位置
采集侧的并行化（多 channel/多 code 同时抓）刚合入不久，30 条新闻的全流程现在秒级完成。
下一篇进因子挖掘：怎么让 AI 帮你挖因子，又不让它把未来函数埋进你的回测里。