乐于分享
好东西不私藏

新手落地 AI 玩法:无需 AI 基础,自建定制化信息源,每日专属热点日报

新手落地 AI 玩法:无需 AI 基础,自建定制化信息源,每日专属热点日报

如何搭建自己的个性化信息源:从全网热榜到私人日报

这套个性化信息系统,可直接用于AI 行业日报制作、自媒体热点选题挖掘、职场行业情报监控,同时适合零基础朋友用来实操练手 AI 落地项目。

最近,我用一个开源项目搭建了一套自己的个性化信息系统。

它每天会从全网热榜和我主动选择的 RSS 中获取信息,根据我设定的关注方向进行筛选,再由 AI 做进一步判断和整理,最后生成一份私人简报,定时发送到飞书。

这套系统并不复杂,核心流程只有几步:

获取信息 → 去重 → 规则筛选 → AI 判断 → 定时推送

个人本身不是正经程序员。整个过程中,我们主要负责想清楚自己需要什么,再让 AI 编程工具帮我阅读项目、修改配置、补充代码和处理报错。

所以这篇文章不会详细讲每一行代码,而是重点分享三个问题:

信息源应该怎样选择?
怎样把“我关心什么”变成一套可以执行的规则?
没有太多技术经验的人,怎样借助 AI 编程完成这套系统?

一、我搭建的是一套什么系统?

这套系统的基础是开源项目 TrendRadar。

TrendRadar 原本是一套热点聚合工具,可以获取多个平台的热榜和 RSS 内容,并提供 AI 分析、存储、报告生成和消息推送等能力。

它的功能非常完整,但我的需求没有那么复杂。

真正需要的只有几件事:

1从多个平台获取当天的热门信息;
2读取我主动订阅的 RSS;
3按照自己的关注方向筛选内容;
4调用 AI 做进一步判断;
5把最终结果发送到飞书;
6每天定时自动运行。

因此,没有启用原项目的全部功能,而是复用了其中几个已经比较成熟的组件,再在上面增加了一条更适合自己的处理流程。

最后形成的链路大致是:

全网热榜和 RSS标题与链接去重根据个人关注规则进行初步评分AI 从候选内容中做进一步选择整理成简报并推送到飞书

从技术上看,它只是一个自动运行的小工具。

但从使用体验来看,它改变了我每天接触信息的方式。

过去是我不断打开不同平台寻找内容,现在是系统先完成一轮收集和筛选,再让真正值得关注的信息来到我面前。

二、信息从哪里来:热榜与 RSS

搭建个性化信息源,第一步不是调用 AI,而是决定哪些信息有资格进入系统。

信息来源主要分成两类:热榜和 RSS。

它们承担着完全不同的任务。

热榜:感知今天正在发生什么

目前,接入了 11 个平台热榜,包括今日头条、百度、微博、知乎、贴吧、抖音、哔哩哔哩、华尔街见闻、财联社、澎湃新闻和凤凰网。

我没有逐个平台刷这些榜单,而是让系统统一获取内容。

不同平台反映的是不同的信息环境:

综合资讯平台更接近大众注意力;
微博、知乎等平台能够反映讨论和情绪;
抖音、哔哩哔哩更容易体现内容传播趋势;
华尔街见闻和财联社则补充商业、公司和财经信号。

热榜的优势是快。

一件事情刚开始受到关注时,它通常会先出现在某个平台的榜单上。

但热榜的问题也很明显:热门不等于重要,更不等于与自己有关。

所以在我的系统里,热榜只负责回答一个问题:

今天正在发生什么?

至于哪些内容值得进入最终简报,还要经过后面的筛选。

RSS:主动选择长期关注的领域

和热榜相比,RSS 更接近主动订阅。

热榜是平台告诉你大家正在看什么,RSS 则是你自己决定要长期跟踪哪些来源。

在系统中默认配置了多个 RSS,但不必全部启用,根据自己的信息需求选择其中一部分。

例如:

36 氪和钛媒体,主要补充国内科技、商业和公司动态;
人人都是产品经理,更偏产品、运营和业务实践;
Axios 和 Business Insider,提供海外科技和商业视角;
arXiv 则可以帮助我观察人工智能、人机交互和技术社会影响等方向的研究信号。

这里并不存在一份适合所有人的标准订阅名单。

关注投资的人,可以增加财经媒体、公司公告和财报信息。

关注 AI 产品的人,可以加入模型公司的官方博客、产品更新、技术媒体和论文。

关注消费趋势的人,则可以增加品牌、零售、生活方式和社交平台相关来源。

真正需要思考的不是:

哪些网站最值得订阅?

而是:

我现在正在关注什么问题?哪些来源可以持续为这些问题提供有效信息?

信息源也不是越多越好。

来源越多,同一件事情往往会被不同媒体换几个标题反复报道。最后得到的可能不是更全面的信息,而是更多重复内容。

个性化信息系统的第一步,不是不断收藏更多来源,而是主动决定哪些信息值得进入自己的注意力。

三、信息源不等于个性化

只配置几个 RSS,还不能算真正的个性化信息源。

因为 RSS 只能决定信息从哪里来,却不能决定什么值得保留。

假设一个人同时订阅了科技、商业、产品和财经媒体,每天仍然可能收到几百条内容。

如果不做筛选,那就只是把“刷平台信息流”,换成了“刷 RSS 信息流”。

真正的个性化,需要进一步定义自己的判断标准。

例如:

哪些主题是我长期关注的?
哪些关键词代表比较强的信号?
哪些内容只是表面相关?
哪些来源更值得信任?
热榜排名是否需要增加权重?
哪些标题党和营销内容应该过滤?

在我的系统中,我单独建立了一份配置文件,用来描述这些规则。

为了不涉及具体的工作内容,可以把它理解为一份“个人关注规则”。

里面可以设置多个主题,例如:

AI 产品;
商业模式;
公司战略;
产品与增长;
消费趋势;
工作方式;
人机交互;
新技术带来的社会变化。

每个主题下面还可以继续设置强关键词和弱关键词。

例如,“发布新模型”“正式上线”“用户增长”“商业化”等词,可能代表比较明确的事件信号;而“未来”“趋势”“赋能”等词单独出现时,信息价值可能没有那么高。

除了关键词,还可以给不同来源设置权重。

专业媒体、官方信息和长期可信的垂直来源,可以获得更高分;内容农场、营销软文或者重复度较高的来源,则降低优先级。

热榜排名也可以作为辅助信号。

一条内容同时符合多个关注方向,又出现在榜单前列,它进入下一轮筛选的概率自然更高。

这套规则并不需要一次写得非常完美。

我也是在实际收到简报之后,不断观察哪些内容有价值、哪些内容是噪音,再逐渐调整关键词、分类和来源权重。

所以,个性化的核心并不是让 AI 猜测我喜欢什么,而是:

先由我定义什么值得关注,再让系统按照这套标准工作。

这也是它和平台推荐最大的不同。

平台推荐的目标,是让我继续点击和停留。

而我的筛选规则,只服务于我自己正在关注的问题。

四、为什么同时使用规则和 AI?

既然已经有了 AI,为什么不把所有内容直接交给 AI 选择?

因为规则和 AI 各自擅长的事情不同。

规则负责第一次筛选

每天从热榜和 RSS 获取的内容可能很多。

如果把所有内容直接交给 AI,不仅会增加调用成本,结果也可能不够稳定。

因此,系统会先根据这些条件做本地初筛:

标题是否包含关注主题;
来源权重是多少;
热榜排名是否靠前;
是否同时命中多个相关信号;
是否属于明显的低质量内容。

规则的优势是稳定、快速、可解释。

一条内容为什么被保留,通常可以从关键词、来源和得分中找到原因。

AI 负责处理模糊判断

关键词并不能理解所有内容。

同一件事情可能有多种表达方式。有些标题没有出现明确关键词,但正文所代表的变化却非常重要;有些标题看起来高度相关,点进去之后却没有实际信息。

这时候,AI 更适合处理语义层面的判断。

经过规则初筛后,我会把候选内容交给 AI,让它进一步判断:

这条内容是否真的与关注方向有关;
它提供的是新事实,还是旧观点的重复;
多条相似新闻中,哪一条更值得保留;
标题背后是否有实际的信息增量;
如何将内容整理成更适合快速阅读的形式。

规则负责守住边界,AI 负责理解语义。

我没有把“我应该关心什么”完全交给 AI,也没有只依赖僵硬的关键词。

两者结合之后,筛选结果会更稳定,也更接近实际需求。

五、如何让系统自动生成私人日报

完成信息获取和筛选之后,剩下的是让这套流程每天自动运行。

我使用 GitHub Actions 作为定时任务。(相关配置可以完全交给AI)

代码和配置保存在 GitHub 仓库里,到了设定的时间,GitHub Actions 会自动启动程序。

完整流程大致如下:

1获取多个平台的热榜;
2读取已经启用的 RSS;
3过滤时间过久的内容;
4根据标题和链接进行去重;
5使用个人规则为候选信息打分;
6将候选内容交给 AI 做最终选择;
7生成一份 Markdown 简报;
8通过飞书 Webhook 发送消息。

飞书 Webhook 可以理解为一个消息入口。

系统生成简报后,只需要向这个入口发送请求,内容就会出现在指定的飞书群或机器人会话里。

我使用的 AI 模型也不是固定的。

原项目已经封装了模型调用能力,所以只要接口兼容,就可以根据自己的情况替换模型。

在这套系统里,模型并不是最重要的部分。

真正决定简报质量的,仍然是信息来源、筛选规则和提示词。

一个更强的模型,并不能自动替你定义什么值得关注。

六、为什么还要加入 AI HOT?

有了自己的筛选系统之后,我最近又加入了一个新的补充来源:AI HOT 精选。

AI HOT 是“数字生命卡兹克”(推荐关注)整理的一套 AI 信息精选内容。

它本身已经对 AI 圈的信息做了一轮收集和筛选,主要帮助读者快速了解模型、产品、行业、论文和使用方法等方面的新动态。

我没有把它当成普通 RSS,直接混入早上的综合信息流。

因为它和 36 氪、钛媒体、arXiv 这类原始来源的角色不一样。

前面的热榜和 RSS,主要提供原始候选信息;AI HOT 则是AI领域的大佬已经整理过的一份垂直精选。

七、没有编程经验,可以让 AI 帮你配置

搭建这套系统,需要接触 GitHub、Python、API、RSS、Webhook 和 GitHub Actions 等概念。

单独看每一个都不算复杂,但放在一起,对没有编程经验的人来说还是有一定门槛。

我自己的解决方式,是把 AI 编程工具当成一个能够阅读项目和协助修改的技术伙伴。

你可以使用 Claude Code、Codex 或其他能够读取代码仓库的 AI 编程工具。

但不要一开始就对它说:

帮我做一个个性化信息系统。

这个需求太大,也太模糊。

更好的方式是先让 AI 阅读现有项目,再逐步拆解任务。

例如,可以先发送这样的指令:

请先阅读 TrendRadar 项目的结构,不要立即修改代码。我的目标是每天定时读取指定热榜和 RSS,根据我提供的关注主题进行筛选,再将结果推送到飞书。请先告诉我现有项目中哪些模块可以复用,哪些功能不需要启用,并给出一条最短的实现路径。

等 AI 理解项目之后,再逐步完成:

1配置一个 RSS,确认能够成功读取;
2测试热榜抓取;
3增加标题和链接去重;
4添加自己的关键词和分类;
5测试本地评分结果;
6接入 AI 模型;
7测试飞书 Webhook;
8最后再设置定时运行。

每完成一步,就先运行和验证。

不要让 AI 一次修改十几个文件,然后在最后才发现整个流程跑不通。

AI 编程降低了写代码的门槛,但没有替我们取消思考的责任。

我们仍然需要说清楚:

最终想得到什么结果;
哪些功能是必要的;
哪些功能暂时不需要;
每一步怎样判断是否成功。

很多时候,普通人真正缺少的不是编程能力,而是把需求拆解成具体步骤的能力。

八、现在怎样使用这套系统

目前,我每天会接收两次信息推送。

早上 8 点,系统读取我自己配置的热榜和 RSS,经过筛选之后,生成一份综合简报。

这份简报覆盖的范围相对更广,主要帮助我了解当天与自己关注方向相关的商业、科技、产品和社会信息。

下午 2 点,我会再获取一次 AI HOT 精选,单独补充 AI 领域的新动态。

我没有把两次推送合并在一起。

早上的简报偏向个人关注,下午的内容则偏向垂直领域补充。它们分别承担不同的任务。

这样的安排也让我减少了主动刷信息的次数。

我不需要一直打开不同平台,担心错过什么。

到了固定时间,系统会先把候选信息送过来。遇到真正重要的内容,我再进入原文仔细阅读。

当然,这套系统并不会让我知道所有事情,也不可能保证每次筛选都完全准确。

它的意义只是先替我挡住大量重复和无关内容,让有限的注意力留给更值得判断的事情。

本套系统仅完成核心基础能力,后续改造空间充足:重要消息实时提醒、热点脉络梳理、素材一键生成、知识库联动都能实现。

从日常资讯工具,升级为个人专属情报引擎,适配自媒体选题、AI 行业追踪、商业调研等长期需求。

结语

如果你也有一些长期关注的领域,其实完全可以照着这个思路,搭一套属于自己的版本。

至于具体怎么搭——现在有 AI 编程,可能真的没有想象中那么难。

以上,就是最近的一点折腾和分享。

如果你也想搭一套,过程中遇到什么问题,欢迎关注评论,一起交流。