我构建了一个 AI 研究代理来治愈我的‘Doomscrolling’成瘾

Source: Dev.to

问题：AI 新闻是噪音

每天早上我都会面对同样的情况：数十个新的 AI 工具、HuggingFace 上的新模型，以及 X/Twitter 上的无尽炒作。我在“doomscrolling”中浪费了数小时，只是为了找到那 2‑3 条真正对我的工作有价值的更新。我不需要更多的新闻——我需要一个 参谋长 来阅读所有内容，过滤掉垃圾，只呈现信号。因此我自己构建了一个。

解决方案：自主的“新闻编辑”

在本教程中，我将展示如何使用 n8n、OpenAI 和 Tavily 构建一个 个人 AI 新闻代理。它在我睡觉时运行，并将精心策划的晨间简报发送到我的邮箱。

技术栈

• 编排器：n8n（本地或云端）
• 大脑（过滤器）：OpenAI gpt-4o-mini（低成本且快速）
• 研究员：Tavily AI（获取实时上下文）
• 来源：RSS 订阅（例如 TechCrunch、The Verge）

第一步：“信息洪流”（RSS 采集）

工作流从 Schedule Trigger（计划触发器）开始，设置在上午 8:00。它使用 RSS Read Node 拉取最新文章。此时我们拥有所有内容——传闻、次要更新以及噪音。

第二步：“资深编辑”（OpenAI 过滤）

每个标题单独通过 Loop Node 处理。提供给 OpenAI 的系统提示定义了严格的编辑人物角色：

System Prompt:
Analyze this news item:

Title: {{ $json.title }}
Summary: {{ $json.contentSnippet || $json.content }}

YOUR ROLE:
You are a Senior Tech Editor curating a daily briefing. Your goal is to identify useful, relevant news for AI Engineers.

SCORING GUIDELINES (0-10):
- 0‑3: Irrelevant, gossip, or low‑quality clickbait.
- 4‑5: Average news. Minor updates or generic articles.
- 6‑7 (PASSING): Solid, useful news. Good tutorials, interesting tool releases, or standard industry updates.
- 8‑10 (EXCELLENT): Major breakthroughs, acquisitions, critical security alerts, or high‑impact releases (e.g., GPT‑5, new SOTA model).

INSTRUCTIONS:
- Rate strictly but fairly.
- If it is useful to a professional, give it at least a 6.
- Return ONLY a JSON object.

OUTPUT FORMAT:
{
  "score": ,
  "title": ,
  "reason": ""
}

第三步：守门人（If Node）

If Node 充当过滤关卡：

• Score < 7 → 立即丢弃。
• Score ≥ 7 → 进入研究阶段。

该逻辑将阅读列表从约 50 篇文章缩减到前 5 名。

第四步：深度挖掘（Tavily AI）

对于入选的文章，使用 Tavily AI 获取完整上下文。include_answer 参数设为 Advanced，从多个来源生成高质量的综合摘要，而不是仅仅使用原始 RSS 摘要。

第五步：简报（Email）

Aggregate Node 收集所有“获胜者”，并将其格式化为干净的 HTML 邮件，通过 Gmail 发送。

为什么这很重要

通过构建此代理，我每周节省约 5 小时的无意义滚动时间。代理负责枯燥的过滤工作，我只阅读高信号的结果。

后续计划

在我的下一篇文章中，我将分享如何使用 Google NotebookLM 对该代理进行“压力测试”。

---

在评论中告诉我：你现在是如何应对信息过载的？