
## 1. 背景：我要解决什么问题

我是做数据开发的，日常工作围着 SQL、ClickHouse、ELT 转。AI 这个行业变化太快，一天不看就落下一截，但我原来的信息获取方式非常低效：

- 早上到公司打开四五个科技站点，一个个扫标题，**平均 40 分钟**；
- 看得快就漏，看得全就慢，两头不讨好；
- 看过就忘，**没有任何沉淀**，上周看到的一条模型发布，这周想引用时死活找不回来。

更麻烦的是：我试过让 WorkBuddy 每天帮我"搜一下今天的 AI 新闻"，但每次都要重新联网、重新筛选、重新排版，**每一轮对话都在消耗积分**。一个月下来，光刷资讯就烧掉一大截额度。

所以我真正想要的是：**让机器每天把原始资讯抓下来、去重、归档成固定格式的文件，我只看最后那一份。** 判断和解读才值得花积分，机械抓取不值得。

---

## 2. 方案设计：把"确定性"和"不确定性"分层

这是整个方案最关键的一个决定，也是**最省积分**的地方：

| 层 | 做什么 | 谁来做 | 为什么 |
|---|---|---|---|
| **采集层** | 抓 RSS、解析、过滤、去重、写 Markdown、维护索引 | Python 脚本（1.26 秒） | 规则确定，跑一次写一次，之后零成本 |
| **解读层** | 挑重点、写评论、结合我的业务给判断 | WorkBuddy Agent | 只有这里需要模型，按需调用 |

一句话：**能用代码写死的逻辑，绝不交给模型去"理解"。** 脚本跑一万次都不花积分，模型跑一次花一次。

最终形态是一个 263 行的 Python 脚本 + 一个每天触发的自动化任务：

```
ai_news_pipeline.py     # 采集 + 去重 + 归档
news/
  ├─ 2026-10-12.md      # 按日期归档
  └─ index.md           # 倒序索引，方便回溯
ai_news_state.json      # 跨天去重状态
```

> ![配图1-分层架构.png](https://developer.qcloudimg.com/http-save/yehe-12815868/de8aabf92cdae0b1d6454d062c7f8045.png)【配图位 1】此处插入截图：WorkBuddy 结果区显示的文件列表

---

## 3. 实操步骤

### 步骤 1：让 WorkBuddy 生成采集脚本

我给的需求是这么写的（**需求一次说清楚，能省掉大量来回对话的积分**）：

> 写一个 Python 脚本：从 IT之家和量子位的 RSS 抓当日资讯，只保留 AI 相关条目，
> 做跨天去重，输出成按日期命名的 Markdown 到 news/ 目录，同时维护一份 index.md 索引。
> 要求：只用标准库，不要第三方依赖；单个源挂了不能影响其他源；支持 --dry-run 和 --date 参数。

结果它直接给出了完整脚本，我这边一次就跑通了。核心结构是这样的：

```python
SOURCES = [
    {"name": "IT之家", "url": "https://www.ithome.com/rss/", "type": "rss"},
    {"name": "量子位", "url": "https://www.qbitai.com/feed", "type": "rss"},
]

def parse_feed(raw, limit):
    """同时兼容 RSS 2.0 与 Atom，返回 [(title, link, date), ...]"""
    root = ET.fromstring(raw)
    nodes = root.findall(".//item") or \
            root.findall(".//{http://www.w3.org/2005/Atom}entry")
    ...
```

### 步骤 2：跑通并验证

```bash
python ai_news_pipeline.py --date 2026-10-12
```

实机输出：

```
== 采集日期：2026-10-12 ==
  [OK ] IT之家     命中 4 条
  [OK ] 量子位      命中 8 条

已写入 news/2026-10-12.md
索引已更新 news/index.md
状态文件 ai_news_state.json（累计去重记录 12 条）
```

**耗时 1.26 秒**，产出 12 条有效资讯。

> ![配图2-执行输出.png](https://developer.qcloudimg.com/http-save/yehe-12815868/9ecbdcd47af8f5057003f39306e02615.png)【配图位 2】此处插入截图：终端执行输出

### 步骤 3：挂上自动化

在 WorkBuddy 里创建定时任务，每天固定时间触发：

- **频率**：每天 9:00（RRULE：`FREQ=DAILY;BYHOUR=9;BYMINUTE=0`）
- **任务指令**：

> 执行 ai_news_pipeline.py 采集昨日 AI 资讯并归档到 news/ 目录，
> 然后从归档结果里挑出 3 条最值得关注的，用一句话说明为什么值得关注。
> 不要重新联网搜索，直接读已生成的归档文件。

最后那句"不要重新联网搜索"很重要——**脚本已经抓完了，Agent 只读本地文件就行，这一步几乎不花积分。**

> 【配图位 3】此处插入截图：自动化任务配置界面

---

## 4. 踩坑 & 解法

这三个坑都是我实机踩出来的，不是理论推演。

### 坑 1：关键词过滤把消费电子新闻当成了 AI 资讯

第一版我把关键词写成一锅粥，`谷歌`、`芯片`、`GPU`、`机器人` 和 `AI`、`大模型` 并列，命中任一就收。结果第一次跑出 15 条，我一核对，**有 3 条根本不是 AI 新闻**：

- 《谷歌推出 Fitbit Edge 手环新品：支持心电图、GPS》← 命中了"谷歌"
- 《5999 元起：一加 16 手机正式发布》← 命中了"芯片"
- 《小鹏今年底实现人形机器人量产》← 命中了"机器人"

**解法：关键词分强弱两级，只有强关键词能决定"收不收"。**

```python
# 强关键词：命中任一即判定为 AI 相关
STRONG_KEYWORDS = ["AI", "人工智能", "大模型", "GPT", "LLM", "AIGC",
                   "智能体", "Agent", "算力", "推理", "OpenAI", "DeepSeek",
                   "智谱", "通义", "文心", "生成式", "多模态", ...]

# 弱关键词：单独命中一律丢弃
WEAK_KEYWORDS = ["芯片", "GPU", "英伟达", "谷歌", "阿里", "机器人", "自动驾驶"]

def is_ai_related(title: str) -> bool:
    up = title.upper()
    return any(k.upper() in up for k in STRONG_KEYWORDS)
```

改完之后：**15 条 → 12 条，误收清零**。

### 坑 2：同一天重跑，把已归档的好文件冲成了空文件

去重逻辑生效后，我为了测试又跑了一次同一天的任务，结果命中 0 条——**然后脚本老老实实地把 `2026-10-12.md` 覆盖成了一份"今日命中 0 条"的空日报**。前一天辛辛苦苦归档的内容就这么没了。

这个坑很隐蔽：自动化任务重试、或者你手动补跑一次，都会触发。

**解法：落盘前加一道保护。**

```python
if total == 0 and os.path.exists(out) and not args.reset_seen:
    print(f"[跳过] 今日 0 条新增，且 {out} 已存在，不做覆盖。")
    print("       如需强制重采，请加 --reset-seen")
    return
```

再加一个 `--reset-seen` 参数，需要强制重采时显式声明。第二次重跑的实机输出：

```
  [OK ] IT之家     命中 0 条
  [OK ] 量子位      命中 0 条
[跳过] 今日 0 条新增，且 news/2026-10-12.md 已存在，不做覆盖。
```

### 坑 3：公司网络下部分源直接 502

我一开始配了 Hacker News 的 RSS，实机跑下来是：

```
FAIL https://news.ycombinator.com/rss  URLError: Tunnel connection failed: 502 Bad Gateway
OK   https://www.ithome.com/rss/       200  209765 bytes
OK   https://www.qbitai.com/feed       200    6237 bytes
```

**解法：单源异常不能拖垮整体。** 每个源的抓取独立 try/except，失败只记录状态，最后在日报末尾出一张统计表，一眼看出哪个源挂了：

```python
for src in SOURCES:
    try:
        ...
    except Exception as e:
        err = f"{type(e).__name__}: {str(e)[:60]}"
    stats.append({"source": src["name"], "kept": got, "error": err})
```

**教训：配源之前先实测一遍连通性，别照抄网上的源列表。** 国内环境下 IT之家、量子位这类源稳定得多。

---

## 5. 效果对比

| 维度 | 改造前 | 改造后 |
|---|---|---|
| 每日耗时 | ~40 分钟 | ~5 分钟 |
| 资讯沉淀 | 看过即忘，无法回溯 | 按日期归档 + 索引，随时可查 |
| 重复阅读 | 同一条新闻常常看两三遍 | 跨天去重，状态文件累计记录 |
| 积分消耗 | 每天一轮联网搜索 + 筛选 + 排版 | 采集 0 积分，仅解读环节调用模型 |
| 稳定性 | 人肉操作，忙起来就断 | 定时任务，断了也能补跑 |

**顺带一个量化对比**：改造前每天让 Agent 做"联网搜索 → 筛选 → 排版"大概要 4～6 轮对话；改造后 Agent 只读本地归档文件，通常 1 轮就够。按每月 22 个工作日算，**每月能省下 60～100 轮对话的积分消耗**。

---

## 6. 可复用片段

### 定时任务的 RRULE 速查

```
每天 9:00        FREQ=DAILY;BYHOUR=9;BYMINUTE=0
工作日 9:00      FREQ=WEEKLY;BYDAY=MO,TU,WE,TH,FR;BYHOUR=9;BYMINUTE=0
每 2 小时        FREQ=HOURLY;INTERVAL=2
每月 1 号 9:00   FREQ=MONTHLY;BYMONTHDAY=1;BYHOUR=9;BYMINUTE=0
```

### 自动化任务的指令模板

> 执行 `{脚本路径}` 采集 `{领域}` 资讯并归档，然后**直接读取已生成的归档文件**，
> 挑出 3 条最值得关注的并说明理由。**不要重新联网搜索。**

### 让 WorkBuddy 写这类脚本时，一定要写进需求里的四句话

1. **只用标准库，不要第三方依赖**（省去装包的麻烦）
2. **单个源失败不能影响整体**
3. **支持 `--dry-run` 和 `--date` 参数**（方便调试和补跑）
4. **落盘前检查是否会覆盖已有文件**

第 4 条是我踩了坑之后才加上的，强烈建议一开始就写进去。

---

## 7. 写在最后

这套东西技术上没什么难的，真正有价值的是那个**分层思路**：确定性的活儿交给脚本，一次写好永久免费；判断性的活儿才交给 Agent。

我后来把这个思路也用在了别的地方——批量转换 ClickHouse 建表语句、翻译存量 SAS 脚本，逻辑都一样：**能写成规则的，就别让模型去猜。** 这既快，又省钱。

如果你也在用 WorkBuddy 做重复性的信息收集，建议先花半小时把采集层脚本化，后面的账会很好看。


我是做数据开发的，日常工作围着 SQL、ClickHouse、ELT 转。AI 这个行业变化太快，一天不看就落下一截，但我原来的信息获取方式非常低效：

用 WorkBuddy 搭了个每日 AI 资讯自动归档 pipeline：刷资讯从 40 分钟压到 5 分钟

数据库

用Python脚本+WorkBuddy自动化，实现AI资讯每日自动采集归档，耗时从40分钟降至5分钟，积分消耗省60-100轮对话。分层设计将采集与解读分离，脚本负责抓取去重，Agent仅读本地文件。实测解决关键词误收、重复覆盖、源故障三大坑，附完整代码与RRULE配置。

代码解释

人工智能

自动驾驶

WorkBuddy 

智能体

Markdown

DeepSeek

Python

Agent

JSON

2026上云采购 | AI焕新·智启新局

workbuddy

4核4G3M云服务器 新用户低至38元/年！

tchousec

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

用 WorkBuddy 搭了个每日 AI 资讯自动归档 pipeline：刷资讯从 40 分钟压到 5 分钟-腾讯云开发者社区-腾讯云

用 WorkBuddy 搭了个每日 AI 资讯自动归档 pipeline：刷资讯从 40 分钟压到 5 分钟

用 WorkBuddy 搭了个每日 AI 资讯自动归档 pipeline：刷资讯从 40 分钟压到 5 分钟

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐