批量基于风险的检查调度难以捕捉一类关键失效：近期检查合格但随后出现严重违规的食品设施。传统系统在固定的规划周期内使用静态历史数据重新计算风险，导致检查周期之间出现盲区。为了解决此问题，我们提出了连续检查风险（CIR）系统，这是一条事件驱动的调度流水线，能够在新数据到达时动态重新排序检查队列。CIR 将衰减加权的历史得分与实时消费者评论流相结合，评论先经语言模型分类器筛选。核心结构贡献是时间分区规则，严格排除在最近一次检查之前的评论，防止过时信号影响当前风险评估。我们在加州圣克拉拉县2024‑2026年共9,505次例行检查上评估 CIR。仅使用历史得分在30%检查预算下将重大违规的平均检测时间缩短69天（下降20.9%），但未能预警严重的害虫关闭案例（0/8 检出）。加入检查后评论信号后，模型预测出8例中7例害虫关闭，平均提前117天，其中四次恰好在评论发布当天触发。引入评论 corroboration 规则将精确率从0.70提升至0.78，召回率不变。我们还分析了关键实现挑战，记录了数据卫生问题（跨检查边界的陈旧评论泄漏）以及评估局限（设施自行整改未被观察）。本工作提供了首个使用公开数据的事件驱动检查触发案例级评估，并给出可复现的评估基准。
点评：CIR 展示了将实时社交信号与衰减历史模型结合的潜力，为公共卫生检查提供了更敏捷的风险感知手段。