一套个人资讯信息萃取系统，具体怎么搭
浏览我的晨早播报博客：https://www.zhouqiang.com/brief-intro/
先交代一个可能让人意外的事实：这套每天自动给我端上情报简报的系统，没有一行代码是我自己写的，我都是用腾讯的 workbuddy 帮忙，让 AI 编程帮我实现的。
上篇说了它每天给我端上什么。这篇拆开讲，它是怎么搭的——难在哪、翻过什么车、哪一步最值钱。
一、先看全景：系统就三块
先把理论摆出来，其实特别朴素：不管你想做日报、周报还是播客，一套资讯萃取系统就三个模块——
进料：把散落在各个平台的内容定时抓回来；
加工：让 AI 读一遍、挑一遍、改写一遍；
出餐：排版成你能看的页面、能听的音频，准点送到你面前。
跟开餐馆一个结构：采购、后厨、前厅。哪一环出问题了，整桌菜都不对味。
对应到我的系统，实际长这样：每天早上六点，一个定时任务把公众号、社交平台上我关注的博主、还有几个行业媒体的热榜全部抓回来；AI 把这一百多条内容分进四个栏位，逐条打分，合格的改写成摘要；最后渲染成一页早报，再把高分条目单独写成播客稿、合成音频，六点零几分推到我企业微信上。
三大模块全景：进料、加工、出餐
▲ 三大模块全景：进料、加工、出餐
三块里，最容易被低估的是加工。抓内容是体力活，排版是手艺活，”挑什么、扔什么”才是判断活。这块立不住，前面抓得再多、后面排得再漂亮，都是在精致的容器里堆垃圾。
下面按顺序拆。每块讲我用的方法，也讲我翻过的车。
二、三大模块的实现方法
进料：先管住”从哪来”
第一件事，信源是人，不是平台。
我的信源清单不是按”我玩哪些平台”列的，是按”我每天真的在看哪些人”列的：公众号里真会点开的号，社交平台上真会蹲更新的博主，再补几个行业媒体的热榜兜底。拢共几十个号。
这里有个方向问题。问”还有什么好内容可以抓”，清单会越拉越长，最后又回到刷不完的时间线；从”我本来在看什么”倒推，才收得住。
第二件事，把所有格式统一成一种。
每个平台的内容格式都不一样，逐个适配要命。有个开源工具叫 RSSHub，能把很多平台的更新变成同一种叫 RSS 的老格式，抓取就顺了。最难啃的是微信：我试过直接从微信里抓，折腾一番证明此路不通，最后老老实实走的镜像源。
信源清单怎么核对、我在这上面翻过什么车，上篇写过，不重复。只补一条：这份清单是活的，谁不更新了、谁是新发现的，定期过一遍。
加工：规矩比模型重要
内容抓回来，一天一百多条，AI 的活分三步：分类、打分、改写。
打分漏斗：一百多条进来，二十条出餐
▲ 打分漏斗：一百多条进来，二十条出餐
分类简单。我按自己的口味设了四个栏位：AI 动态、人文认知、投资方法、财经动态。AI 动态最多十条，人文常常只有两三条。栏位给多大，看的就是口味。
打分是整套系统的灵魂，也最能看出”规矩比模型重要”。
第一版我让 AI 直接打 0 到 10 分。翻车翻得结结实实：同一条内容重跑一次，分数能差出两三挡，两成到一半的条目，连”进不进日报”这个最简单的判断都会翻转。更要命的是它不敢给低分——一条汽车公司破产重整的新闻，跟 AI 半毛钱关系没有，它给了 5.5 分。
后来我才想明白：让模型在连续的分数上做精细区分，它做不到，就只好中庸，什么都是”还行”。它不是不会打分，是替你打了个平安分。
改成档位制才稳。先让它回答几个必答题：有实质吗？合不合这个栏位？踩没踩红线？答完机械地映射到档位，和稀泥的退路就没了。再配一条：5 分起步，有加分项往上加，有硬伤往下减。
但这些还都是术。真正的核心是那份规矩清单，它是我跟 AI 吵架吵出来的：它选错一条，我讲一条为什么错；改完标准，拿新内容再试，不行再吵。清单上具体写了什么、那条最关键的分界线长什么样，上篇原样公布过，不重复。这份清单后来就长在了打分规则里，AI 每天照着执行。这是整个系统里最值钱的一个文件。
最后还有一道闸门：每个栏位有上限，分数不够就挤不进去。哪栏挤哪栏空，不凑数。有位投资大师的一组语录，每条才 5.5 分，早报里收了，播客因为容量有限没装下——这套打分不认人，名头再大也不加成。
同一天的真实早报：AI 动态满员 7 条，人文与认知只有 1 条——栏位头上的条数是系统自己标的
▲ 同一天的真实早报：AI 动态满员 7 条，人文与认知只有 1 条——栏位头上的条数是系统自己标的
出餐：眼睛和耳朵各一份
早报页没什么玄乎的：四个栏位，每条是 AI 改写的小标题加两三句摘要，带分数和原文链接，顶部嵌一条播客音频。真正花功夫的是播客。
播客：耳朵比眼睛金贵
第一，稿子得单独写，不能拿早报直接念。每条先分配预算：最重要的 200 到 250 字，一般条目 130 到 170 字，5.5 分以下的直接不进音频。**耳朵比眼睛金贵，一句废话都嫌多。**全稿还有口语规矩：句子要短，直接称呼”你”，板块之间的转场写成主持人的话，禁止”下面进入 XX 板块”这种目录腔。
别信 AI 说”写好了”，让机器验收
第二，**别信 AI 自己说”写好了”，让机器来验收。**出过两次事故。一次，AI 把一位博主的内容张冠李戴到别的平台——原始链接明明白白，它就是写错了。还有一次更绝：播客片头是句固定的话，”笔记本”三个字，电子嗓念成了”笔记、本晨早”。这种错 AI 自己查自己查不出来。我最后写了个校验脚本，成稿后机器过七道检查：出处对不对、有没有内部术语、转场违不违规、该播的条目一条没少、字数在不在预算里……七道全过，才允许配音上线。
播客成稿前的七道校验，机器逐项过，全过才允许配音
▲ 播客成稿前的七道校验，机器逐项过，全过才允许配音
最后一块：发布与告警
配音用的是免费的电子嗓，微软的晓晓。也有讲究：默认语速实测只有每分钟 280 字，听着发闷，调快 15% 才回到正常播客的密度。播出来十二分钟左右，通勤正好听完。
发布是全自动的：每天六点定时跑，跑完推到微信，音频传到博客。这里有个容易漏的细节：告警。程序挂了还能修，最怕挂了没人知道。我的判据不看程序退出码，看产物：六点半早报页面没更新、微信没收到推送，就是出事了。以结果论英雄。
三、每个人都能搭一套自己的
现在每天早上六点零几分，微信弹出那条推送，我在开车上班的路上点开音频，十几分钟听完，刚好到公司——第一天跑通的时候，我盯着手机听完了一整期，有点不敢信：这就是那个我跟 workbuddy 边聊边开发边修改、翻了几次车才搓出来的东西。
写到这你会发现，这套系统里没有一样东西算高技术：抓内容用开源工具，打分是让 AI 按清单办事，播客是稿子加免费配音。真正花掉我两个星期的，是把”什么值得看”这个我自己都说不清的判断，一点点讲给 AI 听，写成清单，再用机器校验兜住它每一次自作主张。
这件事每个会用 AI 对话的人都做得到。你不需要会写代码，写代码的活，AI 全包了。你真正要花的，是跟它吵那几十架的时间，把脑子里的口味，变成白纸黑字的规矩。
别贪大。不用一上来就四个栏位加播客，从一个最疼的地方开始：是刷不完的时间线，还是收藏夹里吃灰的文章？就从那里下手，做一个只进一栏、每天十条的小系统。跑顺了，再添耳朵，再开新栏。
工具会一直换，模型会一直便宜。那份清单不会过时——它写的，是你自己每天想看什么。
浏览我的晨早播报博客：https://www.zhouqiang.com/brief-intro/
