1. 为什么你需要一个AI新闻聚合Skill作为一名长期关注AI领域的技术从业者我每天要花费至少1小时在各种技术博客、新闻网站和社交媒体之间切换。直到发现这个基于GitHub的AI Daily Digest项目我的信息获取效率提升了300%。这个Skill本质上是一个智能化的RSS阅读器但它做了三件传统工具做不到的事首先它通过AI实现了内容的质量过滤。大多数RSS阅读器只是简单的时间线排列而这个工具会用大模型从相关性、质量和时效性三个维度给每篇文章打分1-10分自动过滤掉低价值内容。我实测发现经过筛选后的文章有效信息密度比原始订阅源高出5-8倍。其次它重构了阅读体验。传统阅读器给你一堆标题链接而这个工具会为每篇精选文章生成4-6句的结构化摘要包含核心问题、关键论点和结论。更惊艳的是它会自动归纳当天技术圈的2-3个宏观趋势这在跟踪AI领域大方向时特别有用。第三它解决了语言障碍。所有非中文内容会自动翻译标题和摘要但保留原文链接。这个功能让我不会错过重要的英文技术文章又不用在翻译软件间来回切换。上周通过这个功能发现的《LLM推理优化新范式》一文直接解决了我当前项目的性能瓶颈。2. 核心功能与技术实现解析2.1 五层处理流水线这个Skill的工作流程像一条精密的新闻生产线并发抓取层使用Bun运行时的原生fetch并发请求90个RSS源10路并发15秒超时兼容RSS 2.0和Atom格式。我测试发现其成功率保持在98%以上远超普通爬虫。时间过滤层按用户设定的时间窗口默认48小时筛选文章。这里有个细节优化——它会优先保留各来源评分历史高的作者文章这在跟踪Karpathy等大牛动态时特别实用。AI评分层调用Gemini或OpenAI兼容API执行以下任务// 简化版的评分prompt示例 const ratingPrompt 请从以下维度给这篇文章评分(1-10分): - 相关性与AI/编程/安全领域的关联程度 - 质量论证严谨性、数据支持度 - 时效性内容新颖度 同时提取3-5个关键词并归类到[AI/ML,安全,工程,工具/开源,观点/杂谈,其他]摘要生成层为TOP15文章生成包含四个要素的摘要问题背景核心方法关键数据实践建议 这种结构比常见的单句摘要实用得多我经常直接把这些摘要粘贴到工作周报中。趋势归纳层分析所有高分文章的共性生成类似最近三天LLM推理优化方向出现三个新方法...的宏观观察。这部分结果的质量取决于prompt设计项目默认的prompt模板经过多次迭代准确率能达到80%左右。2.2 智能分类系统不同于传统标签系统这个工具采用动态分类策略。AI会根据文章内容将其归入6大类且允许一篇文章属于多个类别。实际使用中这个功能极大提升了浏览效率——当我想找具体的工程实践时直接查看⚙️ 工程分类避免了在混合信息流中大海捞针。分类算法有个隐藏优势会结合文章来源的历史数据进行校正。例如来自krebsonsecurity.com的文章会自动获得 安全分类的初始权重这减少了误分类的概率。我在三个月使用中分类准确率始终保持在90%以上。3. 从安装到实战的完整指南3.1 环境准备避坑要点虽然README写的很简单但实际部署时有几个关键细节Bun运行时选择建议用npx -y bun1.0.4指定版本最新版可能存在兼容性问题。我在M1 Mac和Windows WSL2上都测试通过但Windows原生环境需要额外安装VC运行库。API Key配置# 推荐这样设置环境变量临时生效 export GEMINI_API_KEYyour_key_here # 更安全的做法是使用.env文件 echo GEMINI_API_KEYyour_key_here .env如果使用OpenAI兼容API需要特别注意export OPENAI_API_BASEhttps://api.deepseek.com/v1 # 注意/v1后缀 export OPENAI_MODELdeepseek-chat # 必须与API提供商支持的模型名一致网络问题解决方案遇到ETIMEDOUT错误时在scripts/digest.ts第42行附近添加const controller new AbortController(); setTimeout(() controller.abort(), 15000); // 超时从15秒延长到30秒对于国内用户建议在GitHub Codespaces中运行速度比本地更快3.2 日常使用进阶技巧个性化过滤规则 修改scripts/digest.ts中的filterArticles函数可以添加自定义规则。例如我只想看与LLM相关的文章function filterArticles(articles) { return articles.filter(article article.keywords.some(kw [llm, 大模型, transformer].includes(kw.toLowerCase()) ) || article.score 8 ); }自动发送到Telegram 结合GitHub Actions可以实现日报自动推送。新建.github/workflows/digest.ymlname: Daily Digest on: schedule: - cron: 0 9 * * * # 每天北京时间17点运行 jobs: build: runs-on: ubuntu-latest steps: - uses: actions/checkoutv4 - run: npx -y bun scripts/digest.ts - run: | curl -X POST https://api.telegram.org/bot${{secrets.TG_BOT_TOKEN}}/sendDocument \ -F chat_id${{secrets.TG_CHAT_ID}} \ -F documentdigest.md与Obsidian联动 生成的Markdown文件包含Mermaid图表可以直接粘贴到Obsidian中。更高级的用法是配置自动化npx -y bun scripts/digest.ts --output ~/Obsidian/Inbox/digest-$(date %Y%m%d).md4. 深度定制与二次开发4.1 更换AI模型提供商项目默认使用Gemini但切换到其他模型只需修改几处代码。以改用DeepSeek为例修改API端点约第9行const GEMINI_API_URL https://api.deepseek.com/v1/chat/completions;调整请求体格式约第363行const body { model: process.env.OPENAI_MODEL || deepseek-chat, messages: [{ role: user, content: prompt }], temperature: 0.7 };更新响应处理const data await response.json(); return data.choices[0].message.content;重要提示不同提供商的速率限制差异很大。Gemini免费版每分钟60次请求而DeepSeek企业版可达500次/分钟。如果处理大量文章建议在代码中添加延迟await new Promise(resolve setTimeout(resolve, 1000)); // 每秒1次请求4.2 添加自定义数据源默认的90个源可能不够全面添加新源需要两步在scripts/digest.ts的RSS_FEEDS数组中新增{ url: https://example.com/feed.xml, name: Example Blog, category: engineering, // 预分类提示 weight: 0.8 // 初始评分权重 }调整评分prompt约第120行const ratingPrompt ...特别注意${feed.name}来源的文章通常关注${feed.category}领域...;我新增了3个中文AI博客后发现日报的本地化程度显著提升。但要注意平衡中英文源比例建议维持在3:7左右。4.3 输出格式定制日报的Markdown模板在generateReport函数中定义。可以修改以下部分调整趋势总结长度const trendPrompt 用${lang zh ? 3 : 5}句话总结技术趋势...;添加个人水印report \n 生成于 ${new Date().toLocaleString()} | 由你的名字定制\n;改变可视化样式// 替换默认的Mermaid饼图为更详细的柱状图 report \n\\\mermaid barChart title 文章分类分布 x-axis 分类 y-axis 数量 bar AI/ML : ${stats.categories[ai-ml]} bar 安全 : ${stats.categories[security]} \\\\n;经过三个月的使用和定制这个Skill已经成为我技术信息获取的核心渠道。它最大的价值不在于节省时间而是通过AI的筛选和重组让我接触到原本可能错过的关键信息。上周通过日报发现的一篇冷门博客直接解决了我们团队在模型量化中的精度损失问题。这种意外之喜是传统信息获取方式很难提供的。