# 我用 161 个新闻源「养」了个 AI 主编，它比我更懂什么叫「大新闻」｜附教程

- 作者：郑廷旭
- 发布时间：2026-08-16 22:47
- 分类：公司
- 原文：https://www.ifanr.com/1675326

![](https://s3.ifanr.com/images/ep/uploads/%E6%88%91%E7%94%A8_161_%E4%B8%AA%E6%96%B0%E9%97%BB%E6%BA%90%E3%80%8C%E5%85%BB%E3%80%8D%E4%BA%86%E4%B8%AA_AI_%E4%B8%BB%E7%BC%96%EF%BC%8C%E5%AE%83%E6%AF%94%E6%88%91%E6%9B%B4%E6%87%82%E4%BB%80%E4%B9%88%E5%8F%AB%E3%80%8C%E5%A4%A7%E6%96%B0%E9%97%BB%E3%80%8D%EF%BD%9C%E9%99%84%E6%95%99%E7%A8%8B/7e9e2eb7-f17e-4ec8-b937-b2b21062e6d0.png)

每天早上醒来，我都会做同一件事：拿起手机，看看昨晚发生了什么。

微信里有几十条未读消息，微博热搜已经换了几轮，新闻 App 推送了一长串「重要消息」，再打开几个科技社区，又会看到各种「刚刚发布」「重大更新」。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/6a042b19-badd-4aff-a6e5-d8f85fadc952.png)

花十几分钟刷完之后，奇怪的感觉反而出现了：

> 我好像知道了很多事情，但又说不出今天真正值得关注的是什么。

一款手机发布了，一个 AI 模型更新了，一家公司又宣布了新计划。每一条看起来都值得点开，但把它们全部看完，留下来的东西却很少。

以前我们担心信息不够，现在更大的问题是，信息太多了，多到根本看不完，就好像被一个不断扩张的信息黑洞吞没，吞掉的不只是时间，还有对「什么值得关注」的判断力。

所以我决定做个实验：用 AI Agent 搭一套属于自己的资讯筛选系统，把「每天看什么」这件事的控制权拿回来。

### 第一步：告别「自动捡漏」，给 AI 接入专业情报网

我最初的想法很简单：在 Agent 里设一个每天早上 8 点的定时任务，让它搜集 5 条科技新闻发给我。这就诞生了我的第一个简讯助理。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/63b80b46-dbfd-4906-96e1-f28b1c7961f3.png)

跑出来的结果确实还行。以前得在各大新闻网站、App 和微博之间来回跳，才能拼凑出科技圈昨晚发生了什么；现在起床做杯咖啡的功夫，一份简讯已经躺在手机里等我。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/824a1d68-d490-4117-a9ee-ff2ab060f218.png)

每天早上 8 点，全网搜寻过去 24 小时科技圈重大新闻，输出为 5 条简讯。

但新鲜感只维持了几天。同一个模型发布会，换三种写法，就能在简讯里占掉三格；昨天已经看过的消息，今天被另一家重新转述，又会顶着「最新」回到我面前。

其实也不能怪 Agent 没有认真干活。全网搜索拿到的本来就是一大袋「散装信息」：官方公告、媒体报道、二次解读、转载和标题党，长得都像一条「新消息」。直接把这堆内容交给 AI，它当然能总结得很快，却很难替你判断哪些是真正值得看的。

要减少这些回声，第一步得从信源下手。这些年，我慢慢攒下了 161 个 RSS 订阅源。但数量多并不代表质量高，想要在这个「信息黑洞」里保持清醒，我们需要一套明确的筛选与管理动作。

#### 动作一：精挑细选，按信度建立阶梯式信源池

在这个信息被反复搬运、AI 生成内容泛滥的时代，获取有效资讯的核心原则就是「溯源」。因为信息在不断的转述与聚合中，往往会丢失最关键的上下文，甚至偏离本意。只有尽可能靠近事实的最初节点，才能看到最真实、准确的全貌。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/63b10c70-887f-4680-8373-a94b1dbe8821.png)

因此，在挑选信源时，我会把注意力留给那些真正产出内容的源头，并根据信息的可信度从高到低进行梳理：

- **一手源（官方通报与财报）**：OpenAI News、Google DeepMind News、Anthropic News 等科技公司的官方博客，确保第一时间获取未被篡改的原始信息；
- **权威媒体（严肃新闻与调查报道）**：彭博社、The Information、Business Insider、WSJ、路透社、财新等，它们拥有强大的采编网络和严谨的交叉验证机制，提供客观的宏观视角；
- **优质二手信源和聚合网站（垂直领域解读）**：The Verge、、Techmeme、TechCrunch、MacRumors 等，擅长将生涩的原始信息转化为高可读性的深度内容；
- **博主与 KOL（爆料与专家观点）**：各个平台上的微博数码大 V、B 站科技 UP 主等。他们更多是作为外围信息的补充，用来获取真实的产品上手体验与独特的个人观点。

如果你不嫌烦的话，还可以订阅爱范儿和 APPSO，它们都是非常好的优质信源～

#### 动作二：分门别类，用树状目录管理信息流

当你的信源像我一样达到上百个时，管理它们并不是一件容易的事。如果全塞进一个列表，自己回去看的时候绝对会晕头转向。因此，我们需要一个统一的工具来承载它们，**就比如我一直在用的 Folo**。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/72871930-fa2d-427f-8d53-cfb241dbea6e.png)

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/92cea197-d22f-42d6-9ab6-d5af186eac4e.png)

它本质上是一个 RSS 阅读器。简单来说，RSS 是一种可以将各个网站的最新内容主动推送到你面前的协议。在这个算法推荐大行其道的时代，这玩意儿听起来确实有些 old-school 了。但在「主动聚合信息」和「掌握信息控制权」这个领域，目前依然没有比它更好的替代品。

借助它，你可以像翻阅一本自己定制的杂志一样，把海量的订阅源按照分类目录整理得井井有条。比如在我的 Folo 里，就清晰地分成了六个核心版块。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/8d474024-5c64-4ee2-a380-87b68df9e11a.png)

从彭博社、Ars Technica、Wired、TechCrunch，到 DIGITIMES、MacRumors，大大小小的媒体和信息源按科技、游戏、文化、AI、汽车分在不同列表里。打开 Folo，就像翻一份自己慢慢订出来的科技杂志。

#### 动作三：开放接口，让 Folo CLI 成为 Agent 的「外脑」

比 All-in-One 和分门别类更重要的是，Folo 对 Agent 非常友好，它提供了 CLI 命令行工具，能把这 161 个订阅源从一个普通的 RSS 阅读器，变成了 Agent 可以直接调用的信息库。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/33146a03-e5c4-48fc-9d7f-03d69d821a2e.png)

配置完成后，Agent 就可以读取 Folo 订阅里的未读内容。它吃到的也不再是全网随机抓取的标题，而是一批已经过我一轮筛选的信源。不仅如此，每条消息的下方还有信源的直达链接，完全杜绝了传统 LLM 捏造链接的问题。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/33d54de9-6d2e-46be-af3c-7772ce2b225b.png)

升级早八新闻推送：

Use Folo

Read <https://api.folo.is/skill.md> and follow the instructions to use Folo.

请读取我 Folo 订阅源中过去 24 小时的未读内容。针对获取的海量信息，执行以下「主编判断」：

- **合并同类项**：识别报道同一事件的多个信源，严禁重复输出。
- **交叉验证**：将不同信源的细节进行比对，汇总成一条细节最全的深度简讯。
- **溯源优先**：如果存在官方公告或一手外媒报道，优先采用其表述，并标注「多源验证」。

### 第二步：合格的助理是被「骂」出来的：教 AI 学会看脸色

当信息池足够优质后，新的问题出现了：行业热点，不等于你的关注点。

有段时间，大模型开源占满了科技版面。第一天推送，我会点开；第二天又看到围绕同一个模型的参数拆解；第三天继续出现，我已经知道它对我当天的生活没有新增影响。反而是那些具体的硬件变动，比如某款新电脑的硬件配置曝光、新手机的发布定档，才是我更关注的。

人会根据当下的兴趣自动划走，Agent 不会。它只知道这个话题还热、订阅源还在写，却不知道我已经看够了。于是我直接在对话框里说：

今天 AI 的消息有点多，我想看更多关于消费电子、硬件产品的新闻，帮我记一下，后续的推送需要符合我的偏好。

Agent 自动在后台生成了一个 `MEMORY.md` 文件，把偏好写进了长期的规则里。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/003b52c6-5b52-41cd-b634-1dca0c4e43b5.png)

而实测下来，它确实记住了我的偏好，在自动化运行过程中会仔细地比对筛选，这一点在模型的思考过程也能看出来。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/1009f236-5d09-497d-bda3-1542f936c173.png)

看一眼交付出来的结果，满屏的 AI 模型果然都消失了，取而代之的是消费电子和硬件相关的新闻。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/d240133a-8a6d-4174-8eda-07b13773f45a.png)

这大概就是我最喜欢 Agent 的地方：它不会凭空懂你，但能记住你不喜欢什么、在意什么。一个好助理，很多时候确实是被你「骂」出来的。

### **第三步：缝合碎片化的信息流，给自己印一份「赛博报纸」**

虽然 Agent 已经能帮我整理、汇总信息，但对话框呈现形式总感觉差点意思：文字都挤在一起，阅读体验并不算太好。

既然 AI 能够写代码，我为什么不让它把散落全网的线索，直接变成一份属于我的「赛博报纸」？

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/12bce41a-163d-4a7b-99cb-7e630971b205.png)

再升级一下： 将最终筛选出的 5 条深度简讯，按照以下格式直接做成一个 HTML 网页：

极简风格 UI，卡片式布局。 💡 标题、📌 核心事实（多源汇总）、🎯 为什么重要。 🔗 链接以按钮形式排布在底部，方便溯源。

让我能一眼看到最干净的资讯视图。

在这个页面里，不再有密密麻麻挤在一起的文本。干净的白色卡片将多源验证的核心事实与点评整齐排布，看到感兴趣的线索，直接点击底部的按钮就能跳转原文。

同一套方法还能拿去追一个长线话题。折叠屏 iPhone 是个很好的例子：爆料、辟谣、再爆料来回循环，单看每一条都像大新闻，连起来却常常只是同一个问题换着说。

我决定让 Agent 挑战更高难度的任务，帮我把折叠屏 iPhone 的线索缝合成一份能够持续追踪的「动态百科」：

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/d26998de-22c7-4f5b-b04e-e6993f7f9f21.png)

请制作一个自包含的单页 HTML 文件，主题是「折叠屏 iPhone 爆料信息追踪」。

请制作并直接交付一个自包含的单页 HTML 文件，主题是「折叠屏 iPhone 爆料信息追踪」。

检索：foldable iPhone、iPhone Fold、Apple foldable iPhone、苹果折叠屏 iPhone。

页面必须包含：

- 顶部：截至今天的 100 字现状判断；
- 树形图：以「折叠屏 iPhone」为根，按发布时间、形态尺寸、屏幕与铰链、配置、价格、待确认分类；
- 时间线：列出关键爆料的首次出现时间、最新变化和当前状态；
- 关键词频率图：按「独立有效来源数」统计，不统计转载篇数；
- 线索卡片：每条包含具体主张、可信度、状态、最早日期、原始来源链接；
- 筛选功能：按分类、可信度和状态筛选；
- 来源区：列出全部使用来源。

规则：

- 优先使用苹果官方、供应链公司公告、分析师原始报告和原创媒体；
- 合并同源转载，不把转载次数当作独立证据；
- 清楚区分「已确认」「多源佐证」「单一传闻」「无法核实」；
- 未证实内容不得写成事实；
- 每项可信度都要能追溯到来源。

交付规则：

- 最终只输出完整 HTML 源码，不要解释、不要 Markdown；
- 使用内嵌 CSS 和 JavaScript，不依赖外部框架、图片或 CDN；
- 深色主题，适配手机与桌面端；
- 图表用原生 SVG 或 CSS 实现。

在这个页面里，过去两年漫天飞舞的爆料被 Agent 像外科手术一样拆解成了清晰的结构化数据。顶部是一段 100 字的现状总结，没有任何铺垫，直接交代了量产进度和核心悬念。紧接着，各种碎片信息被铺在了一张参数树形图上，从屏幕比例、液态金属铰链到最终售价，所有传闻一目了然。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/cf51ae30-0cd0-4d10-a13d-a251806ed302.png)

比参数罗列更有价值的，是它把碎片信息重新缝合的能力。通过时间线和关键词频率图，你能清晰地看到某个传闻是如何演变并达成共识的。

下方的每一张线索卡片，也都严格打上了「已确认」、「多源佐证」或「单一传闻」的标签。遇到像「无折痕」这样备受关注的讨论，你能清楚地看到它背后的独立信源究竟有几个，点击底部的按钮，就能直接溯源到郭明錤或彭博社的原始报告。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/1ae3f3b0-723c-4119-9eea-e876575b8791.png)

这种多维度的交叉整理，帮你省去了在海量网页里拼凑真相的精力，直接把一份逻辑严密的「调查报告」端到了你面前。

看完这张折叠屏 iPhone 追踪页，我反而没那么急着知道它到底什么时候发布了。

倒也不是失去了期待——毕竟传闻梳理得再详尽，也代替不了真机上手的体验。只是，当你清楚地看到哪些线索是供应链的共识、哪些仅仅是赚取流量的噱头时，那种生怕漏掉什么大新闻的焦虑感就自然消失了。

这种焦虑的消散，很大程度上是因为我们隔绝了劣质信息的干扰。2025 年，韦氏词典把「slop」选为年度词。这个原本指「泔水」的词，如今常用来形容由 AI 批量生产、低质量的数字内容。

信息越来越多，包装越来越像样，判断反而变得更费劲。

在这个「数字泔水」泛滥的时代，建立自己的可靠信源，其实就是对抗 AI 垃圾信息最好的方式。这正是我们搭建这套系统的初衷：**AI 可以替我们收集、去重和整理，但不能替我们把判断力外包出去。**

外面的信息还是会像洪水一样往下灌，与其试图在信息洪水里游得更快，不如先给自己建一座小小的堤坝：订下真正信任的来源，保留不同的声音，看到结论时愿意回去看一眼原文。

![](https://s3.ifanr.com/images/ep/uploads/lark2pad_upload/b07d5e82-2aa1-4ed3-8b56-43b55cae6f12.png)

无论是主动筛选信源，还是让 Agent 按照偏好去工作，我们所做的一切，只不过是在信息流的上游替自己架了一道闸。

真正流到你面前的，已经是沉淀过的。哪些值得停下来细读，哪些扫一眼就够了，自然就分得清楚了。

能从信息的噪音里提取出真正有用的东西，这件事本身，就已经足够有意义。