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

来源：市场资讯

（来源：爱范儿）

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」。

花十几分钟刷完之后，奇怪的感觉反而出现了：

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。

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。

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。

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：

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。

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。

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。

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。

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」：

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。

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。

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。

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」？

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」：

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：

规则：

交付规则：

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。

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。

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。

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。