跟进 AI 领域动态的人都有同款疲惫：一条进展至少有四个版本的现场——官方博客给事实，社交平台有从业者即时解读，Hacker News 评论区藏着反例和复现失败，隔两天 Reddit 出实测、论文榜出相关研究。凑齐全景要在五六个应用间来回切，成本最高的不是打开，是判断哪条值得点开。本文拆一个信息收口方案的实现：370 多个信息源、两级去重、统一评分，输出中英双语摘要。
为什么做收口而不是再做一个来源
中间层的损耗常被低估：二手整理已经压缩过一轮事实、削掉一半语境，再转述一遍只剩标题情绪。收口的定位不同——不替读者读文章、不生产观点，只做三件事：翻一遍、排好序、交给你。
信息源结构三类：官方博客与账号（OpenAI、Google DeepMind、Nvidia、Hugging Face 等）；约 310 个社交平台从业者账号（研究者、工程师、创业者，他们的判断往往比公告更早说清"哪部分是真变化"）；社区与代码侧（Hacker News 连评论区、Reddit 各 AI 板块热帖、论文榜、GitHub Trending、13 个 YouTube 频道）。约两小时一轮刷新。
评论区和论文榜、Trending 放一起有个额外好处：能分辨"大家嘴上在讨论什么"和"大家手上在做什么"。研究侧与工程侧的关注有时同步、有时错开，错开的时候通常藏着机会。
两级去重是入口的生死线
聚合入口最常见的死法是变成第二个噪音源：同一件事被十几个账号转发、三家媒体改写，全列出来等于白做。所以去重必须前置成两道工序：
- 近似去重：SimHash 算内容指纹，配合向量库做语义级相似度，把同一件事的多版本压成一条；
- 模型过滤与打分：LLM 做过滤、评分、摘要，输出中英双语版本，中文读者省掉先翻译再总结这一步。
一个清醒的取舍：打分是统一标准的"当天重要度"，不做个性化推荐。它不猜兴趣，个性化交给读者的眼睛——扫一遍跳过不关心的，比调推荐参数快得多。
十分钟阅读法与验证标准
每天只看十分钟的高效路径：先扫评分靠前的条目，再按类目看官方博客和社区讨论，最后挑一到两条点开原文细读。摘要的作用是筛选，不是替代——涉及引用或关键判断，原帖仍是唯一依据。
这套流程可以用自然语言查询接口加速：按类目、来源、时间范围直接问，比如"过去 24 小时推理框架方向有哪些更新"。定位是快速检索已聚合的内容，不是又一个阅读界面。
落地门槛与适用边界
自建的话需要备 PostgreSQL 加向量扩展和模型 API Key，核心采集引擎开源（MIT 协议）。四条边界要提前认清：
- 只覆盖 AI 领域，综合资讯早报不适用；
- 约 2 小时一轮，不是实时，秒级盯盘场景不够用；
- 摘要与评分是筛选工具不是事实来源，关键判断必须回原文核对；
- 再嵌入（re-embedding）的成本由使用者承担——换嵌入模型意味着全量重建向量，这点在选型时就要算进去。
和 RSS 阅读器、Newsletter、直接刷推不是一回事，也不必是。差异只在：固定入口、固定频率、统一去重评分、双语摘要、引擎开源。如果这些不合口味，把信息源收窄、按固定节奏看这个原则本身，与用什么工具无关——它才是对抗信息过载的根本方法。
验证一个聚合器好不好用的三个指标
拿自己的使用数据检验：一是重复率——同一事件在列表里出现几次；二是召回错失——一周后回看，重要发布有没有漏掉；三是决策转化——从列表点进原文的比例，太低说明排序不准，太高说明摘要没起过滤作用。三个数字每周看一次，比任何产品介绍都诚实。
评论0