从零搭建 AI 日报系统：一个每天 08:00 推到你手机上的自动机器人

我一直挺烦刷 AI 新闻的。不是不想看，是好内容散在几十个网站和一二十个社交媒体账号里，每天早上要打开七八个标签页慢慢扫，扫到一半就被别的事打断。我对自己说，能不能有一件东西：每天早上准点推到我微信上，就干一件事——告诉我昨天 AI 圈发生了什么值得看的事。

日报搭建系列四篇：① AI 日报（本文） → ② 华尔街日报 → ③ Crypto 日报 → ④ A 股收盘分析　｜　这四篇共享同一副骨架：多源采集 + LLM 提炼 + JSON 归档 + cron 调度 + Flask 渲染。第一篇讲骨架本身，后面三篇换数据源。

这篇文章就是这件东西的搭建过程。和我之前的踩坑复盘不同，这篇是一份能照着做、能复现的指南。从选择第一个 skill、到整合三条信息源、到把它塞进 cron、到上线后踩的几个坑和修法。不需要服务器、不写一行爬虫代码，所有东西都在 Hermes Agent 里跑。

一、先想清楚：这个系统的数据流

做之前花几分钟把数据流想清楚。搭过自动化的人都知道，架构先画对，后面只是往里面填 skill。

我画下来是这样的：

三条信息源（并行采集）
  ├── 1. RSS 聚合（100+ 英文科技/AI 源）→ 按 7 个分类取 10 条
  ├── 2. AI HOT 公开 API（中文精选，人工标注）→ 按 selected 模式查
  └── 3. 英文→中文翻译（The Verge / Wired / TechCrunch）→ 抓取+翻译

       ↓ 三路并行（三个 delegate_task 子代理）

一条 LLM（deepseek-v4-pro）→ 提炼 / 分类 / 去重 / 压缩

       ↓ 写入 JSON

前端渲染（Flask + Jinja2）→ 用户打开网页就能看

核心设计点就一个：采集和提炼分开。三路采集可以乱、可以有的路没数据（比如周末某源不更新），但提炼那步只用对采集回来的内容做一次处理。这样万一哪天某个采集链路挂了，剩下的两队数据照样能出一份可用的日报。

二、第一条信息源：RSS 聚合

我翻了一下 Hermes skill 列表。Hermes 有个好处是 skill 目录是公开的，不用猜"有没有这个功能"，直接 skillhub search 就能查。

搜 news，第一个命中的就是 ai-news-aggregator——这是一个 RSS 聚合器，背后有 100+ 个英文 AI/科技信息源。它的核心用法只有一条命令：

python3 ~/.hermes/skills/ai-news-aggregator/scripts/rss_aggregator.py \
    --category all --days 1 --limit 10 --json

输出是按分类组织的标题和链接列表。我跑到它脚本目录下看了一眼，分类分得挺细：

所以第一步很简单：把这个 skill 装上（skillhub install ai-news-aggregator），每天用默认参数跑一遍拿前一天的 RSS 聚合结果，作为日报的"主干"。

三、第二条信息源：AI HOT 公开 REST API

RSS 聚合能抓体量，但有个短板——它只是标题和链接。你拿到的是一堆"Google 发布 Gemini 2.0"这种级别的标题，但没有正文摘要，"这条新闻到底什么意思"还得点进原文。

这时候找到了第二个源：aihot skill。AI HOT 是一个中文 AI 资讯聚合站（aihot.virxact.com），核心价值是人工标注+机器辅助筛选。它每天有个"精选条目"，由编辑挑出当天最重要的几条，带中文摘要。而且它是完全公开的 REST API，不需要注册、不需要 token。

核心 API 只有一条：

# 获取过去 24 小时的精选条目（带中文摘要）
curl -s "https://aihot.virxact.com/api/public/items?mode=selected&since=1d"

有几种查询模式：

注意一个小细节：AI HOT 的 /api/public/* 路径做了反黑产爬虫拦截，默认 curl/X.Y 的 User-Agent 会被 403。调用的时候必须跟一个浏览器的 UA：

curl -sH "User-Agent: Mozilla/5.0" "https://aihot.virxact.com/api/public/items?mode=selected&since=24h"

这个源填补了 RSS 聚合的缺口：RSS 给体量和广度，AI HOT 给精选和中文摘要。

四、第三条信息源：英文→中文翻译管线

前两条信息源都是英文为主。但微信上推给用户的日报必须是中文。RSS 的标题可以靠大模型翻译，但比较长的文章摘要、或者比较关键的产品发布细节，靠标题翻译容易丢信息。

所以加了第三条信息源：ai-news-zh。这个 skill 直接从 The Verge、Wired、TechCrunch 等英文网站的 AI 板块抓取最新文章，用大模型翻译成中文摘要。

核心操作方法是一次传入 5 个 URL 做并行抓取（web_extract 支持一次传一个数组）：

web_extract(urls=[
    "https://www.theverge.com/ai-artificial-intelligence",
    "https://www.wired.com/tag/artificial-intelligence/",
    "https://techcrunch.com/category/artificial-intelligence/"
], char_limit=20000)

三条信息源的定位：

三条叠加互不替代、也互不冲突，合在一起差不多就够了。

五、把三条集成：并行 agent + 提炼

接下来是实现层的决策。Hermes 的 delegate_task 可以把三个任务同时派给三个子代理，各跑各的，互不影响。用完把结果收回来再交给主模型做提炼。

cronjob(action='create',
    name='全球AI新闻聚合',
    schedule='0 8 * * *',
    model={'provider':'custom:api.deepseek.com', 'model':'deepseek-v4-pro'},
    skills=['ai-news-aggregator', 'aihot', 'ai-news-zh'],
    prompt='''...三路并行采集→合并去重→分类→生成JSON...''')

子代理并行的核心理由： - 超时隔离：每条路可能因为目标源挂了或周末没更新而超时，一个子代理超时不影响另外两个正常返回 - 源独立：三路来源完全不同（RSS / REST API / 翻译），不存在"一个源坏了影响另一个"的耦合 - 结果合并简单：每个子代理返回的结构是独立的，合并那步只要把三组 JSON 数组拼起来去重即可

提炼那步放在所有子代理都返回之后。用 deepseek-v4-pro 做一次统一处理：去重（同一条新闻被多个源同时覆盖）、分类（大模型 / 产品 / 融资 / 政策 / 研究…）、生成一句话摘要、写进一个标准 JSON。

输出 JSON 的结构：

{
  "date": "2026-07-07",
  "headlines": [
    {"category": "大模型", "title": "...", "body": "...", "source": "..."},
    ...
  ],
  "summary": ["一句话核心洞察1", "一句话核心洞察2", "..."]
}

Flask 那端只管读这个 JSON 渲染成网页。不需要连 AI 接口，也不需要再查数据库。日报一旦生成就是静态数据，打开页面直接展示。

六、部署：cron + 前端渲染 + 失败恢复

调度。 Hermes 的 cronjob 工具一个调用搞定：schedule='0 8 * * *'（北京时间每天早上 08:00），deliver 指向微信，到了 08:00 自动触发三条子代理采集、提炼、写 JSON、推消息。

前端。 日报的 JSON 存在服务器的指定目录。Flask 站点加了两条路由：

@app.route('/ainews/')
@app.route('/ainews/<date_str>')
def ainews(date_str=None):
    # 读 date_str 对应的 _ainews.json，不存在就取最新的
    return render_template('ainews.html', data=json_data)

日期导航、分类标题、摘要卡片这些都是纯前端渲染，不依赖后端 AI 接口。用户打开网页即展示。

失败恢复。 上线后遇到过几次失败，主要是暑假和周末子代理采集回来的数据偏少，提炼那步觉得"内容不够"就返回了空。设计的恢复流程是：

1. cronjob(action='list') → 看到 FAILED 的输出 .md (由 cron 自动写的)
2. web_search 手动采集当天新闻
3. web_extract 选 2~3 篇最相关的做全文深度阅读(→深度深读门槛)
4. Python 手动生成 JSON 写入 daily-analysis.json
5. 页面刷新即生效

这里有一个关键设计决策：手动恢复时写数据文件，不重跑 prompt。数据文件是 Flask 直接读的 JSON 文件，不受 cron 状态影响。意思是即使 cron 管线彻底瘫了，网页还能显示手动填的数据。

七、三个踩过的坑

不翻这部分就不是我写的了。

坑 1：prompt 被审核拦截（HTTP 400 Content Exists Risk）

刚上线时 prompt 里塞了三个 skill（ai-news-aggregator、aihot、ai-news-zh）和一个很长的处理指令，总 token 约 7000。DeepSeek 的内容安全策略对这个量级的 prompt 偶尔会返回 400 Content Exists Risk。

排查结果：skill 的全文会被注入到 prompt 里，每个 skill 大几千 token。解决方法是砍掉不必要的 skill，改用内置的 web_search 和 web_extract 工具。prompt 从 7000 降到约 1500 token，审核拦截概率大幅降低。

# 修复前
skills=['ai-news-aggregator', 'aihot', 'ai-news-zh']  # 注入大量 token

# 修复后，换成内置 web_search + web_extract
prompt='使用内置 web_search 和 web_extract 工具...'
skills=[]

原则：cron 的 prompt 应该自包含，只加载必不可少的 skill。

坑 2：JSON 里 \n 字面量炸了渲染

大模型在生成摘要和内文时，写到 JSON 的字符串里出现了字面量 \\n 而不是真正的换行符。Python json.dumps() 虽然能处理，但 Flask 的 Jinja2 在渲染多行文本时用 \\n 字面量分隔——结果页面里显示了一堆 \n 字符而不是正常段落。

修复分两层： - prompt 层：给大模型一个"用真实换行符、禁止 \\n"的指令 - 工具层：在 utils.py 里加一行 summary.replace('\\n','\n') 做防御兜底

坑 3：周末数据稀疏子代理超时不返回

周六/周日的新闻量显著少于工作日。三条子代理在周末常常因为"搜不到结果"而超时，整个日报管线卡在"等子代理返还结果"的阶段。

原因是 ai-news-aggregator 按天数查 RSS，如果某个分类最近 24 小时没有新内容，它就等超时。

解决方法是 fallback：cron 的 prompt 里加一条指令——任一子代理失败时，不要等它，切换到手动顺序执行。同时，超时门的兜底是用 web_search 直接搜标题，把子代理采不到的东西从搜索结果里补进来。

八、效果：数字说话

从 2026-04-27 上线到写这篇时，系统跑了 68 天，累计处理约 56.7 亿 token（含缓存读取），API 调用超过 22,000 次。

每天早晨起床看微信已经成了固定节目：一条 08:00 准时的消息，里面是昨天 AI 圈的重要动态。不用刷网页、不用翻社交媒体。

对个人来说，这套系统的价值不限于 AI 新闻。选什么源、装什么 skill、数据流怎么串，这套框架换了信息源就是另一个日报——财经、学术论文、行业报告、产品发布，结构是一样的。

花几个周末把早上的例行信息摄入自动化，省下的时间连配文带图够给一台服务器做 16 项优化或者补一个 HexaMind 层了。这个投入产出比，我觉得值。