Python实现企业事件监控：从新闻文本到结构化数据分析

Python数据采集新闻监控

于 2026-08-29 04:13:10 修改

·本内容遵循CC 4.0 BY-SA版权协议

一条企业新闻往往不只是一条消息。最近 OpenAI 花 470 亿美元回购股票、高管火速离场的新闻，在资本市场、公司法务和舆情监测圈里同时引发了关注。回购规模影响员工激励与股权结构，高管变动则可能牵动战略连续性。对开发者和数据分析师来说，真正值得处理的不是这条新闻本身，而是把这类企业事件变成可查询、可统计、可回溯的结构化数据。下面的流程会围绕“企业股权回购 + 高管变动”这个组合场景，搭建一个基于 Python 的事件监控分析流程，覆盖数据采集、去重、事件分类、金额解析、趋势分析和问题排查。读者可以用本地示例数据直接跑通，再用自己的数据源替换。

很多团队遇到这类事件时，第一反应是手动搜索几个关键词，复制几条新闻，然后写一份简报。这种做法在事件少的时候没有明显问题，但一旦需要按月汇总回购规模、按季度观察高管离职频率，或者把负面舆情和财务数据放在一起比对，手工流程就会漏数据、难溯源、无法复现。更麻烦的是，同一事件在不同来源里表述差异很大，金额有的写“470 亿美元”，有的写“47 billion USD”，时间有的写美东时间，有的写北京时间。没有统一的结构化处理，后续分析几乎无法展开。

1. 为什么要把“股权回购 + 高管变动”变成结构化数据

1.1 单个事件是新闻，事件组合才是分析信号

股权回购和高管离职在新闻里经常同时出现，但两者解决的问题完全不同。股权回购通常涉及资本结构、员工激励和股东回报，高管离职则关系到公司治理、战略连续性和组织稳定性。单独看任意一条，都只能得出一个片段；把两者放在一起，才能回答“公司一边大额回购员工和早期投资人股权，一边出现核心高管离场，是否值得关注”这类交叉问题。

因此，数据处理不能停留在“把文章标题和链接存下来”。需要从文章里拆出多个事件主体，并标记事件类型、事件时间、金额、币种、人员、职位和来源链接。这样设计之后，既可以统计某个公司一个月内的事件数量，也可以分析回购金额与高管变动之间的时间关系，还可以在后续接入舆情评分或财务指标，形成更完整的风险分析链路。

1.2 事件模型先设计好，后面分析才不会反复返工

新闻是典型的非结构化文本，而分析需要的是结构化表格。下面是一张最小事件表设计，覆盖企业事件监控最常见字段。

字段名	类型	说明	示例
event_id	TEXT	事件唯一标识	buyback-20250128-001
company_name	TEXT	公司主体	OpenAI
event_type	TEXT	事件类型	回购
event_date	TEXT	事件日期，统一 ISO 格式	2025-01-28
amount_value	REAL	金额数值	470
amount_unit	TEXT	金额单位	亿
amount_currency	TEXT	币种	美元
person_name	TEXT	关联人员	待确认
position	TEXT	人员职位	CEO
source_url	TEXT	来源链接	https://example.com/news/...
source_title	TEXT	原始标题	OpenAI 完成 470 亿美元股权回购
raw_text	TEXT	来源片段或正文摘要	用于回溯和二次解析
created_at	TEXT	入库时间	2025-01-28T22:00:00+08:00

这里要特别说明金额字段的设计。不要把“470 亿美元”直接塞进一个字符串字段，否则后续统计完全没有办法运算。建议拆成 amount_value、amount_unit、amount_currency 三段，例如 470、亿、美元。如果数据源同时包含人民币和美元，还要在多语言环境下进一步统一币种，或至少记录原币种，避免分析时把两个币种直接相加。事件表里保留 raw_text 和 source_url，是为了每条结构化记录都能回溯到原始文本，这个习惯在生产排错时非常重要。

2. 环境准备与整体架构设计

2.1 技术选型：Python + Requests + Pandas + SQLite + ECharts

示例流程使用一套常见但足够清晰的技术栈：Python 负责采集和解析，Requests 请求数据源，BeautifulSoup 和 lxml 处理 XML/HTML，Pandas 做清洗和聚合，SQLite 做本地存储，pyecharts 生成可视化报表。

库	用途	建议版本
Python	解释器和运行环境	3.10 及以上
requests	请求 RSS 或新闻 API	2.31 以上
beautifulsoup4	解析 HTML 和 XML	4.12 以上
lxml	XML 解析引擎	4.9 以上
pandas	数据处理和聚合	2.0 以上
pyecharts	ECharts 图表生成	2.0 以上
pyyaml	读取配置文件	6.0 以上

版本号只是本机验证过的一组示例。落地到具体项目时，要先确认 Python 版本和这些库的兼容性，不要在旧版本 Python 上直接安装最新版 pandas 和 pyecharts。如果只是验证流程，用 pip install -r requirements.txt 即可。

2.2 项目目录与数据流设计

建议按下面目录组织项目：

TEXT

event_monitor/

├── requirements.txt

├── config.yaml

├── data/

│ ├── sample_news.xml

│ └── events.db

├── src/

│ ├── fetcher.py

│ ├── parser.py

│ ├── classifier.py

│ └── analyze.py

└── notebooks/

└── demo.ipynb

数据流按照“采集 -> 原始数据落库 -> 事件抽取 -> 结构化入库 -> 聚合分析 -> 可视化”顺序执行。每个环节都要保留中间产物，尤其是原始数据。不要在抓取之后直接清洗覆盖，否则一旦后面规则调整，可能不得不重新抓取全部数据。

YAML

# config.yaml

news_rss_url: "https://example.com/news.xml"

database_path: "data/events.db"

request_timeout: 10

user_agent: "Mozilla/5.0 (compatible; EventMonitor/1.0)"

配置独立出来，是为了把 URL、超时、数据库路径这类频繁变化的参数与代码分离。生产环境还要把 API Key、数据库账号等敏感信息放到环境变量或密钥管理服务中，不要提交到代码仓库。

3. 数据采集与原始数据落库

3.1 用 RSS 或公开新闻源获得原始数据

为了不依赖外部网络，示例先使用本地示例 XML 跑通流程。实际项目中，可以把 news_rss_url 指向合法授权的新闻源或公司公告源，也可以换成有 API Key 的新闻搜索接口。

PYTHON

# src/fetcher.py

import requests

import xml.etree.ElementTree as ET

from datetime import datetime

def parse_rss_content(content: str) -> list:

root = ET.fromstring(content)

items = []

for item in root.findall(".//item"):

items.append(

{

"title": item.findtext("title", "").strip(),

"link": item.findtext("link", "").strip(),

"pub_date": item.findtext("pubDate", "").strip(),

"description": item.findtext("description", "").strip(),

}

)

return items

def fetch_rss(url: str, timeout: int = 10, user_agent: str = None) -> list:

headers = {}

if user_agent:

headers["User-Agent"] = user_agent

resp = requests.get(url, timeout=timeout, headers=headers)

resp.raise_for_status()

return parse_rss_content(resp.text)

def load_sample_xml(path: str) -> list:

with open(path, "r", encoding="utf-8") as f:

return parse_rss_content(f.read())

这里有两个关键点。第一，resp.raise_for_status() 会在 HTTP 状态码异常时直接抛异常，避免把错误页面当作正常数据解析。第二，RSS 的 item 节点通常包含 title、link、pubDate、description，字段名称比较固定，解析逻辑也简单。生产环境使用新闻 API 时，返回的往往是 JSON，结构差异很大，需要针对每个数据源单独写适配器，本次示例不展开。

下面是示例数据文件，字段结构模仿常见新闻 RSS，内容仅用于演示。

XML

<?xml version="1.0" encoding="UTF-8"?>

<title>示例财经新闻</title>

<item>

<title>OpenAI 完成 470 亿美元股权回购，高管火速离场</title>

<description>OpenAI 以 470 亿美元规模回购员工和早期投资者股权，与此同时多位高管宣布离职。</description>

</item>

</channel>

</rss>

3.2 原始表设计、去重与保存

抓取下来的原文需要先进入原始数据表。这样做的目的是：如果事件抽取规则写错了，不需要重新请求数据源，只要从 raw_news 表重新跑一遍解析即可。原始表要设计唯一约束，避免重复入库。

PYTHON

# src/parser.py

import sqlite3

import hashlib

from datetime import datetime

def init_db(db_path: str) -> sqlite3.Connection:

conn = sqlite3.connect(db_path)

conn.execute(

"""

CREATE TABLE IF NOT EXISTS raw_news (

id INTEGER PRIMARY KEY AUTOINCREMENT,

title TEXT,

link TEXT,

pub_date TEXT,

description TEXT,

content_hash TEXT UNIQUE,

crawled_at TEXT

)

"""

)

conn.execute(

"""

CREATE TABLE IF NOT EXISTS events (

id INTEGER PRIMARY KEY AUTOINCREMENT,

company_name TEXT,

event_type TEXT,

event_date TEXT,

amount_value REAL,

amount_unit TEXT,

amount_currency TEXT,

person_name TEXT,

position TEXT,

source_url TEXT,

source_title TEXT,

raw_text TEXT,

created_at TEXT

)

"""

)

conn.commit()

return conn

def save_raw_news(conn: sqlite3.Connection, item: dict) -> bool:

content_hash = hashlib.sha1(

(item["title"] + item["link"]).encode("utf-8")

).hexdigest()

try:

conn.execute(

"""

INSERT OR IGNORE INTO raw_news

(title, link, pub_date, description, content_hash, crawled_at)

VALUES (?, ?, ?, ?, ?, ?)

""",

(

item["title"],

item["link"],

item["pub_date"],

item["description"],

content_hash,

datetime.now().isoformat(),

)

conn.commit()

return True

except sqlite3.Error as e:

print("save_raw_news error:", e)

return False

content_hash 使用标题加链接做 SHA-1，目的是在 link 不变的情况下避免重复入库。这个方案的优点是简单、稳定；缺点是如果数据源更新了标题但保留了同一链接，可能被认为重复。更严格的去重可以再对正文内容计算 hash，或者在原表上保留 link 唯一索引。去重策略本身没有绝对正确答案，关键是先保存原始数据，再决定按链接去重还是按内容去重。

4. 事件抽取：从一段新闻里拆出多条事件

4.1 一篇文章可能包含多个事件，先切片再分类

把整篇文章直接丢进关键词匹配，最明显的问题是漏事件。例如“OpenAI 完成 470 亿美元股权回购，高管火速离场”，这句话同时包含“回购”和“离职”两类事件。如果只对全文做一次分类，取一个标签，必然丢失另一个事件。

推荐做法是先把文本按中文逗号、句号、分号等句读标记切分成片段，再对每个片段单独分类。

PYTHON

# src/classifier.py

import re

SEGMENT_SPLIT_PATTERN = re.compile(r"[，。；、,.!?]|but|and|while")

def split_into_segments(text: str) -> list:

segments = SEGMENT_SPLIT_PATTERN.split(text)

return [seg.strip() for seg in segments if seg.strip()]

if __name__ == "__main__":

title = "OpenAI 完成 470 亿美元股权回购，高管火速离场"

for seg in split_into_segments(title):

print(seg)

输出：

TEXT

OpenAI 完成 470 亿美元股权回购

高管火速离场

切分之后，第一条记录是回购事件，第二条记录是离职事件。这种拆分逻辑对新闻标题比较有效，但对正文段落可能误切，因为正文里的逗号不一定表示事件边界。生产环境可以先用标题做拆分，正文再按段落和句子做二次处理。

4.2 用关键词规则完成事件类型分类

事件分类可以先从规则开始。规则的好处是可解释、可调试、成本低；缺点是覆盖面有限，需要不断补充关键词。

PYTHON

EVENT_KEYWORDS = {

"回购": ["回购", "buyback", "repurchase"],

"离职": ["离职", "辞任", "辞职", "离场", "卸任", "resign", "quit"],

"任职": ["出任", "任命", "加入", "appoint", "join"],

"减持": ["减持", "卖出", "套现", "sell", "reduce holdings"],

"增持": ["增持", "买入", "buy", "increase holdings"],

}

def classify_event(text: str) -> list:

lowered = text.lower()

matched_types = []

for event_type, keywords in EVENT_KEYWORDS.items():

for kw in keywords:

if kw.lower() in lowered:

matched_types.append(event_type)

break

return matched_types

if __name__ == "__main__":

print(classify_event("高管火速离场"))

print(classify_event("完成 470 亿美元股权回购"))

输出：

TEXT

['离职']

['回购']

注意 classify_event 返回的是列表，而不是单个字符串。这允许一个片段同时命中多个事件类型。例如“高管减持后离职”会同时返回 减持 和 离职。实际使用时，可以根据业务需要决定是保留多个类型，还是设置优先级只保留一个。

4.3 金额、币种、日期与人员解析

金额解析是事件结构化里最容易出错的部分。常见错误包括：把“4 名高管离场”里的 4 当成金额，把“47 billion USD”漏掉，把“470亿”解析成 470 元。为了降低误判，解析时要先检查片段是否包含金额上下文词，比如“美元”“人民币”“回购”“亿”“万”等。

PYTHON

AMOUNT_PATTERNS = [

re.compile(r"(?P<value>\d+(?:\.\d+)?)\s*(?P<unit>亿|万)?\s*(?P<currency>美元|人民币|港元|USD|CNY|HKD)?"),

]

def extract_amount(text: str) -> dict | None:

context_keywords = ["美元", "人民币", "港元", "亿", "万", "市值", "回购", "交易"]

if not any(kw in text for kw in context_keywords):

return None

for pattern in AMOUNT_PATTERNS:

match = pattern.search(text)

if match:

return {

"value": float(match.group("value")),

"unit": match.group("unit") or "元",

"currency": match.group("currency") or "未知",

}

return None

if __name__ == "__main__":

print(extract_amount("OpenAI 完成 470 亿美元股权回购"))

print(extract_amount("高管火速离场"))

输出：

TEXT

{'value': 470.0, 'unit': '亿', 'currency': '美元'}

None

日期解析建议优先使用数据源自带的 pub_date，而不是从标题里猜。因为标题中的日期经常不完整，例如“周二宣布”“今日完成”。示例中直接使用 RSS 的 pubDate，再转换为 ISO 格式。

PYTHON

from datetime import datetime

def parse_pub_date(pub_date: str) -> str:

try:

parsed = datetime.strptime(pub_date, "%a, %d %b %Y %H:%M:%S %Z")

return parsed.date().isoformat()

except (ValueError, TypeError):

return datetime.now().date().isoformat()

人员提取在纯规则方案里只能做占位。完整做法是引入人名词典、职位词典和句法规则，例如“CEO 宣布离职”中的 CEO 就是职位，“张伟辞任 CFO”中的 张伟 是人员。示例中只提供最简单的职位识别：

PYTHON

POSITION_KEYWORDS = ["CEO", "CFO", "CTO", "COO", "董事长", "总经理", "高管"]

def extract_position(text: str) -> str:

for position in POSITION_KEYWORDS:

if position in text:

return position

return "未知"

人员实名提取涉及中英文分词、上下文消歧和大小写规范，建议在数据量上来之后引入大模型或标注数据训练序列标注模型。

4.4 组装事件记录并入库

把前面几个函数组合起来，可以写一个 create_events_from_article，对一篇原始新闻生成多条结构化事件记录。

PYTHON

def create_events_from_article(item: dict) -> list:

title = item["title"]

segments = split_into_segments(title)

events = []

for seg in segments:

event_types = classify_event(seg)

if not event_types:

continue

amount = extract_amount(seg)

position = extract_position(seg)

for event_type in event_types:

events.append(

{

"company_name": "OpenAI",

"event_type": event_type,

"event_date": parse_pub_date(item["pub_date"]),

"amount_value": amount["value"] if amount else None,

"amount_unit": amount["unit"] if amount else None,

"amount_currency": amount["currency"] if amount else None,

"person_name": "待确认",

"position": position,

"source_url": item["link"],

"source_title": title,

"raw_text": seg,

"created_at": datetime.now().isoformat(),

}

)

return events

这里 company_name 在示例中是硬编码的。真实项目需要通过公告主体、新闻正文中的公司名或人工配置来识别公司实体。事件插入 events 表时，同样要防止重复，可以在 company_name + event_type + event_date + source_url 上建立唯一索引，或者保留 source_url + raw_text 的唯一组合。

5. 分析与可视化：从事件流里看出趋势

5.1 用 Pandas 做事件聚合

数据入库后，可以用 Pandas 直接读取 SQLite 表，按月份和事件类型统计数量。

PYTHON

import pandas as pd

import sqlite3

conn = sqlite3.connect("data/events.db")

df = pd.read_sql_query("SELECT * FROM events", conn)

df["event_date"] = pd.to_datetime(df["event_date"])

monthly = (

df.groupby([df["event_date"].dt.to_period("M"), "event_type"])

.size()

.reset_index(name="count")

)

print(monthly)

输出示例：

TEXT

event_date event_type count

0 2025-01 离职 1

1 2025-01 回购 1

如果样本足够多，还可以继续按公司聚合：

PYTHON

amount_summary = (

df[df["event_type"] == "回购"]

.groupby("company_name")["amount_value"]

.sum()

)

print(amount_summary)

这里必须再次强调：金额相加只有在所有记录的 amount_unit 和 amount_currency 都统一后才能做。如果有的记录是 470 亿美元，有的是 50 亿元人民币，直接相加没有业务含义。生产环境要么在入库时统一换算，要么在分析阶段按币种和单位拆开统计。

5.2 用 ECharts 输出可交互报表

pyecharts 可以把 Pandas 聚合后的数据生成 HTML 报表，方便团队直接打开浏览器查看。

PYTHON

from pyecharts.charts import Bar

from pyecharts import options as opts

bar = (

Bar()

.add_xaxis(monthly["event_date"].astype(str).tolist())

.add_yaxis("事件数量", monthly["count"].tolist())

.set_global_opts(

title_opts=opts.TitleOpts(title="企业事件月度趋势"),

xaxis_opts=opts.AxisOpts(name="月份"),

yaxis_opts=opts.AxisOpts(name="事件数量"),

)

bar.render("monthly_trend.html")

运行后，当前目录会生成 monthly_trend.html，浏览器打开可以看到柱状图。示例数据只有两条，图表意义有限，但它验证了从采集到可视化的全链路。实际项目中，建议把事件趋势、回购金额、高管离职时间线放在同一个 Dashboard 里，并标注数据截止时间和数据源链接。

6. 常见问题与排查路径

6.1 RSS 请求失败或返回空结果

问题现象	可能原因	检查方式	处理建议
`ConnectionError`	网络不可达或远端拒绝连接	`resp.status_code`、`resp.text`	检查网络，确认 URL 可访问，重试请求
HTTP 404	RSS 地址过期或路径错误	浏览器打开 RSS 地址	更新 `news_rss_url`
返回 200 但解析结果为空	页面不是 RSS 格式，或者字段不匹配	打印 `resp.text` 前 500 字符	改解析逻辑，或换成 JSON API
请求被限流	抓取频率过高或缺少 User-Agent	查看返回状态码和响应头	增加请求间隔，设置 User-Agent

排查顺序建议从请求结果开始：先确认能够拿到内容，再确认内容格式，最后确认解析逻辑。不要一上来就改 parse_rss_content，那样很容易漏掉数据源本身的问题。

6.2 金额解析错误

问题现象	可能原因	检查方式	处理建议
“470亿美元”解析失败	正则没有覆盖中文“亿+美元”组合	对文本做单元测试	扩展金额正则，覆盖中英文常用写法
把“4名高管”解析成金额 4	没有增加上下文关键词过滤	打印 `extract_amount` 输入输出	在解析金额前检查上下文关键词
币种被识别成“未知”	文本里没有币种词	查看 `amount_currency` 字段	如默认币种明确，可在配置中指定
金额相加明显偏大	单位不统一，直接加总	查看 amount_unit 分布	先统一币种和单位，再做 sum

金额解析不要追求一个正则覆盖所有文本。更稳妥的做法是，先把包含金额上下文的句子抽出来，再用多个正则模板依次匹配，并给每条解析结果加一个 amount_source 字段，记录是哪段文本解析出来的，便于抽样检查。

6.3 日期时区不一致导致聚合错月

问题现象	可能原因	检查方式	处理建议
月度统计比预期少一天	国外新闻时间按 UTC 记录，入库时未转换	比较原始 `pubDate` 和 `event_date`	入库前统一转换为东八区或 UTC
日期早一天或晚一天	字符串里带 GMT/UTC 但未解析时区	检查 `parse_pub_date` 返回值	用 `zoneinfo` 或 `pytz` 做显式转换

示例代码里直接使用日期部分，忽略了时区转换。这在上线时会造成统计偏差。更严谨的做法是：入库时统一保存 UTC 时间，并额外保存本地时间字段；分析报表展示时再转换到目标时区。

PYTHON

from zoneinfo import ZoneInfo

from datetime import datetime, timezone

utc_dt = datetime(2025, 1, 28, 14, 30, 0, tzinfo=timezone.utc)

local_dt = utc_dt.astimezone(ZoneInfo("Asia/Shanghai"))

print(local_dt.isoformat())

6.4 事件分类漏拆或误拆

问题现象	可能原因	检查方式	处理建议
一篇文章只生成一条事件	没有先按标点拆片段	打印 `split_into_segments` 结果	优化分隔符，考虑按句子边界切分
“回购”和“离职”被分到同一类	分类逻辑取单标签而不是多标签	查看 `classify_event` 返回值	返回命中所有关键词的事件类型
把“减持后离职”分成两条	同一片段包含两个动作，规则无法区分主次	人工审核样本	定义事件优先级，或拆成独立记录

分类规则项目做大的时候，建议维护一个规则版本号。每次修改关键词或优先级，都记录版本，并重新跑历史数据生成新结果。这样能避免“规则改完，历史报表口径全部变化”却无法追溯的问题。

7. 生产环境扩展与最佳实践

7.1 从示例到生产：调度、日志、重试和监控

示例脚本适合本地验证，生产环境需要至少补三类能力。

第一，任务调度。用 cron 或 APScheduler 定时增量抓取。增量抓取要记录每个数据源最近一次成功抓取的时间，只请求新数据，避免重复消费。

第二，日志和重试。每次抓取、解析、入库都要写结构化日志，包含数据源、URL、耗时、成功条数和失败原因。网络请求要做指数退避重试，但不要无限重试，超过阈值要发告警。

第三，数据校验。每天晚上对样本数据做一次质量校验，统计字段为空比例、金额解析失败比例、分类异常分布。这比出了事故再查日志要有效。

7.2 存储选型

存储	适用场景	说明
SQLite	本地验证、小规模分析	单机文件，适合示例和原型
PostgreSQL	多团队协作、增量写入、在线查询	支持唯一约束、索引、事务，适合正式业务
ClickHouse	大规模事件日志分析、聚合查询	列式存储，适合分析型查询，但写入模型要单独设计

数据量小时，SQLite 完全够用。数据量增长到每天几十万条，同时需要按公司、时间、事件类型做多维度聚合时，建议迁移到 PostgreSQL 或 ClickHouse。迁移时不要手工导出导入，要写一个可重跑的同步脚本，保证两边数据一致。

7.3 引入大模型进行事件抽取与人工审核

规则方案很快会遇到覆盖率瓶颈。中英文人名、缩写公司名、复杂金额表述，单靠正则维护成本很高。当前很多团队会在规则抽取之后，用大模型做二次抽取和校验，再进入人工审核。

JSON

{

"event_type": "离职",

"company_name": "OpenAI",

"person_name": "John Doe",

"position": "CFO",

"confidence": 0.91,

"extract_model": "gpt-4o-mini",

"review_status": "pending"

}

上面的 JSON 展示了一条带置信度和审核状态的事件记录。大模型抽取结果不应当直接入库，而是先进入待审核队列，由人工确认后转正。这样既可以利用模型处理复杂文本，又不会让幻觉内容污染正式报表。

7.4 可复用的上线检查清单

检查项	具体动作
数据源合规	确认数据源有合法授权，是否需要 API Key
请求策略	设置超时、重试、User-Agent，控制抓取频率
去重策略	原始表和事件表都建立唯一索引
金额规范	统一单位与币种，或保留原币种后单独统计
日期时区	入库前统一时区，展示时再做转换
分类规则版本	每次修改规则都保存版本号，并重跑历史数据
人工审核	抽样人工审核事件分类和金额解析结果
日志告警	抓取失败、解析失败、入库异常都要有日志和告警
数据备份	定期备份数据库和原始数据文件
报表口径	报表上标注数据截止时间和统计口径

这套流程的价值在于，它把一条无法计算的新闻标题，变成了可以累积、可以比较、可以回溯的数据资产。对于金融投研、企业舆情、公司治理监控等场景，规则抽取加人工审核是目前最稳妥的落地方式。学习时最值得做的练习，是先把本地示例完整跑通，然后接入一个自己熟悉的公司新闻源，补上公司名识别、金额换算和时区处理，再逐步加入大模型抽取与人工审核流程。