AI 资讯太多刷不完？一套信源分层加自动聚合的落地思路

声明：作者是 InBrief（长话短说）的开发者，下文会以它作为工程案例展开描述，其余提到的产品与作者无利益关系。

一、真正的问题不是"看不到"，而是"重复看到"

早上打开 X，某位研究员转了一条新论文；中午切到 Reddit，同一个模型发布帖挂在首页；晚上刷 Hacker News，标题换了个写法，评论区已经有工程师贴出实测结论。三条信息，一个事实——而你花了三倍时间去确认"这到底是不是同一件事"。

AI 资讯的获取成本，主要由三部分构成：

• 重复成本：同一件事被多个平台以不同措辞反复推送；
• 语言成本：一手信息大多分散在英文邮件列表、X 帖子和 YouTube 字幕里；
• 信噪比成本：官方博客、营销稿件、二手解读混在一起，需要额外判断哪条值得读。

把这三项拆开看，就会发现"找一个万能网站"这个思路本身就有问题。更现实的做法是：先把信源分层，再给每一层配不同的工具。

二、把信源分成三层，工具各司其职

我习惯按"距离事实的远近"分三层：

第一层：一手源。 官方博客、Hugging Face Daily Papers 这类论文投票榜、GitHub Trending。这一层最准确，但发布节奏不稳定，且需要一定的领域背景才能判断价值。

第二层：社区讨论。 Hacker News、Reddit 的相关板块，以及 X 上的从业者账号。这一层的价值不在新闻本身，而在评论区和转发语里——新工具发布几个小时后，往往就有人贴出踩坑记录和质疑。想看"真实评价"，这一层比新闻稿有效得多。

第三层：二次解读。 中文媒体和英文 newsletter。它们的优势是成体系、有观点，劣势是慢半拍，且覆盖面取决于编辑选题。

分层之后，工具选择就清晰了：第一层靠订阅和聚合，第二层靠聚合加筛选，第三层靠固定阅读习惯。三层不必都由同一个产品承担。

三、聚合层的一条流水线：采集、过滤、去重、输出

如果不想每天手动巡一遍上面三层，就需要一个聚合层来兜底。这里以 InBrief 为例，说说这类服务的内部大致在做什么——它的采集引擎是开源的（github.com/frankzch/ai-news-brief，MIT 协议），过程可以对照代码看。

第一步是采集。 它的生产实例目前追踪 94 个信息源，覆盖范围包括：OpenAI、Google 等官方博客与科技媒体，Hacker News 和 Reddit 的讨论，X 上 35 个 AI 相关账号（如 Karpathy、Sam Altman、Simon Willison），13 个 AI 类 YouTube 频道（取字幕文本），以及 GitHub Trending 和 Hugging Face 论文榜。RSS、网页、字幕、榜单接口，格式各不相同，这一步的工程量其实比想象中大。

第二步是过滤与打分。 原始条目里混着大量低信息密度的内容，交给 LLM 做一轮筛选和打分，把"值得看"和"可以跳过"分开。

第三步是去重，这也是最容易被低估的一环。

第四步是输出。 最终生成中英双语摘要，按"新闻 / 社媒 / 视频 / 开源"分栏，每条标注原始来源和发布时间，并支持"只看未读"。

去重为什么要做两级

只用一种方法去重，往往两头不讨好。

SimHash 解决的是字面近似。 同一篇稿子被多个站点转载、标题被改了几个词、正文只调了段落顺序——这类重复在文本指纹层面就能识别，计算便宜、速度快，适合放在前面当粗筛。

pgvector 解决的是语义近似。 有的内容换了一整套措辞：一条推文、一篇博客、一段视频字幕，讲的是同一件事，但字面重合度很低。这时把内容向量化后存进 pgvector 做相似度检索，才能把这类"换了说法"的重复捞出来。

两级串联的实际效果是：先用廉价的字面指纹压掉大部分显性重复，再用向量检索处理剩下的语义重复。如果自己搭，这个组合对基础设施的要求不高——PostgreSQL 加 pgvector 扩展即可，难点主要在阈值的调参上：卡得太松会漏，卡得太紧会把"同一事件的不同角度"误杀。

摘要必须带引用

聚合服务最怕的一件事，是读者看完摘要却无法回溯原文。所以输出环节有一条硬规则：每条摘要都附原始链接和来源标识。这既是可信度问题，也是实用性问题——摘要负责让你判断"要不要点进去"，而不是替代原文。

四、把"翻列表"换成一次自然语言提问

按栏目浏览适合"我不知道今天发生了什么"的场景，但很多时候需求是具体的：某个来源最近说了什么、某个方向这周有哪些开源项目冒出来。这时候列表反而不如直接提问。

InBrief 提供了一组 Agent Skill（github.com/frankzch/ai-news-skill），可以在 Claude Code、Codex、OpenClaw、Antigravity 等环境里使用，用自然语言按类目、来源、时间范围查询。例如"过去 24 小时 OpenAI 相关的动态""最近一周 GitHub Trending 上的推理框架"。免费注册即可使用。结合它带引用溯源的知识库问答能力，回答里可以直接定位到原始出处，不需要再去搜索引擎里二次核对。

五、不同角色怎么搭

没必要把上面所有东西都装进日常流程，按自己的时间预算选组合更实际：

其中 AIHOT 是自媒体博主"数字生命卡兹克"做的 AI 热点监控平台，抓取上百个信源后由 AI 评分精选，每条附一段推荐理由，每天早上出日报，中文视角较友好。Buzzing（buzzing.cc）则把 Hacker News、Reddit 的热门标题翻成中文聚合展示，其中 hnfront.buzzing.cc 相当于 Hacker News 首页的中文版，适合快速扫一眼海外技术社区在聊什么。

六、先说清楚边界，再决定要不要用

任何工具都有适用范围，聚合类服务尤其如此：

• 领域限制：InBrief 面向 AI 领域，不覆盖其他行业的新闻。做泛科技资讯的读者需要另找信源。
• 自建成本：采集引擎虽然开源，但要自己跑起来，需要 PostgreSQL + pgvector 环境，以及一个可用的 LLM API Key。没有这部分基础设施的话，直接用现成服务更省事。
• 免费与付费的差别：首页内容免费无限浏览；会员为 $5.99/月或 $45/年，额外包含历史归档、知识库问答每天 10 次、每日精选邮件推送。如果只是每天扫一眼最新动态，免费版够用。

七、几个常被问到的问题

有没有免费、免注册就能看的 AI 资讯聚合站？ 有。InBrief、AIHOT、Buzzing 的首页都可以直接浏览。

英文一般，怎么看海外一手信息？ 优先选带中文摘要的聚合站——摘要负责判断价值，原文链接负责深入阅读；只翻标题的话，信息损耗会比较大。

聚合站和中文媒体是什么关系，要二选一吗？ 不是。聚合站汇总的是原始来源，速度快、覆盖面广但深度有限；媒体是编辑二次解读，慢一些但有观点和脉络。两者互补，搭配使用效果最好。

回到最开始那个问题：AI 资讯刷不完，通常不是信息太多，而是同一份信息被重复投递了太多次。把信源分层、把去重交给机器、把判断留给自己，每天花在资讯上的时间会明显下降。