每天早上一份自动到手的资讯简报：多源抓取 + 大模型打分筛选的流水线实践

为什么不用现成的 RSS 阅读器

RSS 阅读器解决的是「聚合」，不解决「筛选」。订阅源一多，未读数永远是三位数，点开之前不知道哪条值得看，最后的结果往往是全部标已读，等于没看。

我真正想要的是一个编辑：每天从几十条候选里挑出三五条最值得看的，附上为什么值得看的一句话，外加全文摘要让我不用点开原文就能判断要不要深读。这个编辑角色，过去只能靠人，现在可以交给大模型——前提是它背后的网关和额度都在我自己手里，调用成本几乎为零（我的自建网关后面挂着几个免费额度账号，每天有四万个免费计算单位，日常只用掉几个百分点）。

流水线长什么样

整条流水线是一个定时脚本，每天早上八点四十左右跑一次，分五步：

第一步，抓取。从导航页已经在用的四个信息源拉最新条目：两个技术社区的热门榜、一个自托管周刊、几个博客的订阅源。每个源只取最新的一批，去重后得到当天的候选池。

第二步，打分。候选条目逐条交给一个 70B 级别的模型，按「对自托管和独立开发者的参考价值」打 0 到 10 分，并给出标题的中文翻译。这一步只看标题和链接，不抓正文，便宜且快。

第三步，深摘要。只有打分达到高分线的条目才进入这一步：抓取原文全文，再让模型写一段结构化摘要——讲了什么、关键结论、对我有什么用。低分条目直接丢弃，不浪费抓取和计算。

第四步，组装。高分条目在前、次一级的简要点名，附原文链接，拼成一封简报。

第五步，双通道推送。同一份简报同时发到聊天工具和我自建的推送服务上，手机上两边都能收到，任何一条通道出问题都不耽误看。

打分校准：这条流水线真正的难点

第一版上线时我很乐观，以为让模型「按价值打分」就够了。跑了几天发现三个问题，每个都得写成硬规则压进提示词里：

第一，分数通胀。模型对大多数条目都给 7 到 8 分，等于没筛。解决办法是给满分设配额：整批候选里 9 分以上的最多两条，逼它把高分留给真正出众的内容。

第二，招聘帖混入。社区热门榜上常年混着招聘和求职帖，标题写得像技术分享，模型容易给中高分。规则很简单：识别出招聘、求职类条目，一律压到 3 分以下。

第三，标题党和情绪帖。热度高不等于价值高，争议话题的帖子互动量大，但对我没有参考价值。校准时给模型明确的价值锚点：有可复现的实践、有数据、有取舍分析的加分；纯观点输出和情绪表达的降分。

校准没有一次到位，我是拿真实跑出来的简报逐天复盘、逐条加规则的。现在的打分分布基本健康：满分罕见，高分段稳定在两三条，正好是早上能认真读完的量。

额度与延迟：只给少数条目做重活

这条流水线有个天然的成本结构：打分是轻活，几十条一起跑也花不了多少；抓全文加写深摘要是重活，单条的计算量是打分的十几倍。所以分级处理不是优化技巧，而是必需品——全量深摘要既烧额度又拖时间，简报拖到九点多才发出来就失去了「早上」的意义。

同理，模型选择也分级：打分和翻译用大模型，因为判断质量直接决定简报质量；如果哪天只是要个标题列表，小模型也够用。我的网关里模型很多，按活分派比全程用最大的更划算。

失败时降级，不断供

定时流水线最怕的是静默失败：某一步报错，整封简报消失，主人还以为今天没有值得看的内容。所以我给这条流水线定了个原则：新版流程失败时，自动降级到旧版的简单流程再跑一遍——旧版只做打分和标题摘要，没有深摘要那一步，简陋但可靠。宁可发一封简陋的简报，也不能一声不吭。

另外，简报任务本身也在我全部自动化任务的巡检范围内：该跑没跑、跑了失败，都会有单独的告警推过来。简报负责筛选信息，巡检负责盯着简报，分工明确。

总结

这条流水线跑下来，我早上刷信息的时间从二十多分钟降到了三分钟，而且是先看摘要再决定深读谁。回头看，技术选型都不复杂：定时脚本、几个订阅源、一个自建网关。真正的功夫在两处：一是打分校准，把「什么对我有价值」翻译成模型能执行的硬规则；二是失败降级，让自动化有韧性而不是有脆性。自建 AI 网关的免费额度平时闲着也是过期，把它花在这种每天都要发生的筛选上，是我目前找到的性价比最高的用法。