我给自己搭了个 AI 日报工厂：每天 5 份简报自动送进微信，跑了两个多月

每天早上 7:16，第一份简报会准时出现在微信里

先说痛点：我平时要跟的信息源大概是这样的——arXiv 每天几十篇新论文、十几个技术博客的 RSS、几个 Newsletter、还有散落在各个群里的链接。以前的做法是「想起来就刷一波」，结果是两极分化：要么一天刷四次手机啥也没记住，要么攒一周没打开，直接放弃。

去年开始我换了思路：信息过载的解法不是更努力地刷，而是让机器替你刷，只把「值得知道」的部分送上门。

于是有了这套跑了两个多月的 AI 日报工厂。现在它每天的节奏是这样的：

全部自动，我只需要在微信里点开看。这篇把整个系统的架构、关键设计和踩过的坑完整拆一遍，最后给出一个 50 行代码的最小复现版。

一、总体架构：四层流水线

整个系统就四层，每一层都可以独立换掉：

• 采集层：arXiv API（按关键词抓每日新论文）+ RSS 解析（技术博客、安全周刊）+ 关键词过滤
• 提炼层：LLM 两段式处理——先逐篇摘要打分，再跨来源做「二次提炼」
• 排版层：Jinja2 组件化模板，JSON 数据进、HTML 出
• 投递层：定时任务推送到微信，失败自动告警

设计原则：每一层只通过 JSON 数据交接，任何一层都可以单独替换。比如想把微信推送换成邮件，只改投递层十行代码。

二、提炼层是灵魂：两段式提示词

这套系统里最值钱的设计不在采集，而在提炼。直接把 30 篇论文丢给 LLM 说「帮我总结」，得到的要么是复读机式的罗列，要么是幻觉链接。我的做法是拆成两段：

第一段：逐篇处理，只做事实压缩

每篇来源单独过一遍 LLM，只让它提取：核心方法、量化结果（必须保留原文数字）、与既有工作的差异。每篇控制在 150 字以内。这一段的关键约束是「不允许出现原文没有的数字和链接」——后面会讲为什么。

第二段：跨来源二次提炼，只输出三件事

把第一段的产出合并后，提示词要求只保留交叉关联与趋势判断，明确禁止原文转述。今天早上刚收到的产出长这样：

1. 生成式检索的索引设计进入「自动进化」阶段——用 LLM 驱动的进化程序搜索替代手工设计，并指出「代理可靠性只在部分组件上可迁移」的边界；
2. 「语义基础设施」工程化三连发——运维、数据库、流程挖掘三个领域同日出现给「语义」配形式化工具的论文，出现代价模型是从 PoC 走向系统工程的标志；
3. 「涌现」声明终于有了可证伪判据——用信息分解给出判定标准，不可分解到单组件的涌现声明均不成立。

这种「今天的三个洞察」格式，是我每天真正会认真读完的部分。前四份是素材，这一份是结论。

三、投递层：微信就是最好的 Dashboard

试过邮件、试过 RSS 阅读器、试过网页，最后发现微信的打开率碾压一切——因为它就在你手机第一屏。实现上用的是自动化助手通道，每份日报渲染成 HTML 卡片推送，一次一条，不打扰。

投递层还有两个容易忽略的细节：

• 失败告警要推到同一个通道——推送挂了的时候，你得在微信里知道推送挂了（自我指涉但很重要）
• 时间错峰——我故意把五份简报从 7:16 拉开到 9:07，半小时一档。一次性轰炸五条的方案我试过，三天就被我自己屏蔽了

四、踩坑清单（都是真金白银换来的）

• LLM 会编造论文链接。早期版本出现过「推荐阅读」里全是 404。解法：所有引用强制携带 arXiv ID，投递前用 ID 反查校验，对不上就丢弃该条
• 提示词会漂移。同一份提示词，隔两周再跑输出风格就变了。解法：把「格式契约」写进系统提示词并冻结，每月人工复核一次
• 采集层反爬。部分站点对裸 UA 直接 412。解法：请求间隔 3 秒起步，同域名间隔 5 秒，上浏览器渲染兜底
• token 成本失控。第一版把全文都塞给 LLM，一天跑下来成本感人。解法：先规则过滤（关键词命中 + 来源白名单）再进 LLM，进入提炼层的量降了 80%
• 推送通道是单点。通道故障时全天简报静默丢失。解法：投递失败落本地存档 + 次日补发标记

五、效果：它改变了我信息摄入的姿势

跑了两个多月，最直观的变化：

• 每天主动刷新闻的时间从 40 分钟降到 10 分钟以内——只读送上门的
• arXiv 覆盖率从「碰运气」变成「每日全量」，因为机器不累
• 二次提炼的「每日三件事」成了我的晨间简报，好几条工作决策的信息输入来自这里

更有意思的是副产品：为了让提炼质量可控，我把「提示词契约、数据交接格式、失败重试」这套东西沉淀成了标准管线——后来做别的内容自动化，直接复用。

六、最小复现版：50 行代码起步

不需要上自动化平台，三件套就够了：cron + LLM API + 企业微信群机器人。

# 核心循环伪代码
sources = fetch_rss(RSS_LIST) + fetch_arxiv(KEYWORDS)
hits    = [s for s in sources if keyword_filter(s)]   # 先过滤再进 LLM
digest  = llm.summarize_each(hits)                    # 第一段：逐篇压缩
insight = llm.cross_analysis(digest)                  # 第二段：二次提炼
html    = render(TEMPLATE, digest, insight)
webhook.send(WECOM_WEBHOOK, html)                     # 企业微信机器人
archive.save(html)                                    # 落档防丢

• 第一步：先跑通「单源 → 摘要 → 推送」，别急着多源
• 第二步：加关键词过滤和白名单，控住成本
• 第三步：再加二次提炼——这一步才是质变

写在最后

这套东西没有用到任何黑科技：采集是十年前的老技术，提炼是标准的 LLM 应用，投递就是 webhook。它真正值得分享的是那个思路转换——把「我要记得去刷」变成「它会来找我」，把「帮我总结」变成「只告诉我今天值得知道什么」。

下一步我打算把「每日三件事」反向变成选题信号：哪条洞察被我自己反复引用，哪条就值得展开成一篇文章。信息流和创作流，会在同一个工厂里接上。

扫码加微信，直接聊 👋

我是 王亚博（Abel Wang），医疗行业 · AI 数字效能方向。
对本文有疑问、想交流技术方案或合作，扫码加我微信，备注来意通过更快。