从零做一个每天准点送达的 AI 资讯摘要机器人

前言

信息过载是每个技术人的日常：AI 圈一天冒出几十条新闻，打开十几个网站逐条翻太浪费时间。我的解决思路是：让服务器替我读新闻，每天早上把精选摘要准时送到我手机上。本文分享这个定时资讯摘要机器人的完整实现，全部跑在一台最低配的云服务器上。

一、整体设计

定时任务（cron，每天 09:00）
   │
   ▼
抓取模块：请求多个资讯源（科技媒体、AI 资讯站）
   │
   ▼
去重与筛选：按关键词、标题相似度过滤
   │
   ▼
格式化：整理为「标题 + 一句话摘要 + 原文链接」
   │
   ▼
推送：编码后通过消息渠道送达手机

设计原则只有一条：宁可少推，不要推水。每天固定 8-12 条精选，比几十条全量转发有用得多。

二、关键实现细节

1. 抓取：别死磕一个源

单一来源挂了整个机器人就哑了，所以我同时抓 3-4 个源，任何一个失败不影响整体：

import requests

SOURCES = ["https://source-a.example/rss", "https://source-b.example/rss"]

def fetch_all():
    items = []
    for url in SOURCES:
        try:
            r = requests.get(url, timeout=10)
            items += parse_feed(r.text)
        except Exception as e:
            print(f"source failed: {url}, {e}")  # 记日志但继续
    return items

经验：RSS 比爬网页稳定得多，优先找有 RSS 的站点；请求一定要加 timeout，否则一个卡死的源能拖垮整个任务。

2. 去重：不要只比较标题字符串

同一件事不同媒体的标题措辞差异很大，我用「标题分词 + 关键词集合相似度」来去重：

def similar(t1, t2):
    s1, s2 = set(tokenize(t1)), set(tokenize(t2))
    if not s1 or not s2:
        return 0
    return len(s1 & s2) / len(s1 | s2)  # Jaccard 相似度

相似度超过 0.6 视为同一条新闻，保留来源更权威的那条。另外把最近 3 天的标题存成历史文件，避免隔天重复推送。

3. 定时：cron 的三个坑

• 时区：服务器默认是 UTC，0 1 * * * 其实是北京时间 09:00，先 timedatectl set-timezone Asia/Shanghai 再写 crontab，少走弯路。

• 环境变量：cron 里的 PATH 和你登录 shell 完全不同，脚本里要么用绝对路径，要么在脚本开头自己 export PATH。

• 日志：cron 任务出错是没有提示的，务必重定向输出：0 9 * * * /opt/digest/run.sh >> /var/log/digest.log 2>&1，并且日志文件要配合 logrotate 切割。

4. 推送：中文摘要编码注意

推送内容包含 emoji 和中文，务必用 UTF-8 编码发送，否则会出现乱码；消息体超长要分段，我按 3000 字符切一刀。

三、稳定性进化史

第一版跑了一周就暴露问题：某天源站改版导致解析失败，机器人推送了空内容。后来加了三层防护：

1. 空内容熔断：筛选后条目为 0 时，推送一条「今日抓取异常」而不是静默失败——知道自己坏了，比假装正常重要。

2. 抓取结果落盘：每次运行把原始结果存 JSON，出问题时可回溯是抓取坏了还是推送坏了。

3. 心跳日志：每天运行成功后 append 一行时间戳，ls -la 一眼就能看出哪天没跑。

结语

这个机器人现在每天早上 9 点准时送来 10 条左右的精选资讯，我的信息焦虑基本痊愈了。整套代码不到 200 行，服务器开销可以忽略。最有价值的经验是：自动化脚本的重点不是"能跑"，而是"坏了你能立刻知道"——熔断、日志、心跳，这三样比任何花哨功能都重要。欢迎在评论区交流你的资讯订阅方案