二开信源管道跑了半个月：pgvector 语义降噪与防重推送的几个深坑

一位独立开发者基于开源底座二开了一套垂直情报过滤管道，单机部署在 Linux VPS 上，跑顺后每天只推 2~3 条高信噪比卡片。pgvector 语义去重上，余弦相似度阈值 0.85 会误杀同赛道不同技术方案的独立项目、放宽到 0.92 又漏进换标题的通稿，最终改为先做实体与依赖层提取（GitHub Repo 归一化、顶级域名折叠），实体不命中才走 5 轴语义打分。