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

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： 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。 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： 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 。 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」： 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。 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」