拒绝被信息流绑架：我用自托管 AI 过滤 Hacker News 的实战经验
为了彻底解决这个问题，我搭建了一套自托管的 AI 过滤工作流。这套方案的核心逻辑不是简单的“摘要”，而是将 AI 作为一个高标准的“过滤器”，在后台静默运行，把每天耗时 1 小时的手动筛选时间压缩到 10 分钟以内。
这套系统的具体实现分为三个关键环节。首先是数据抓取，直接调用 HN 官方提供的 Firebase API 获取实时 Top Stories 列表，这样可以确保数据的实时性且无需处理复杂的网页爬虫。其次是核心的 AI 过滤层，这是最关键的一步。我发现如果直接要求 AI “总结全文”，结果往往非常空洞。有效的做法是给 AI 设定一个“专业技术分析师”的人设，并明确要求它剔除所有情绪化表达。
在 Prompt 调优过程中，我尝试了多种指令，最终发现最有效的是强制要求 AI 仅提取“核心技术突破、产品逻辑或行业洞察”。例如，当某个帖子在讨论一个新的数据库架构时，AI 会自动忽略掉评论区关于“这个项目又在重启”的吐槽，而直接提取出该架构在并发处理上的具体改进点。
最后是结果的交付。我没有选择复杂的第三方平台，而是将其推送到一个自定义的极简前端页面。每天早晨起床，我看到的不是一个混乱的帖子列表，而是一份经过 AI 精炼的中文简报。这种自托管方案最大的优势在于隐私可控，且摘要的粒度可以根据需求随时调整——如果你觉得摘要太简略，只需在 Prompt 中增加一个参数，要求 AI 必须列出 3 个关键技术细节，它就能立刻从“概括模式”切换到“深度分析模式”。
在实际应用中，这种“信息过滤”的场景其实比单纯的聊天机器人更有说服力。我们团队之前尝试将类似的 AI Agent 工作流引入行业动态监控，效果非常显著。传统的 RSS 订阅只能帮你把信息聚集在一起，但依然需要人类进行二次过滤；而 AI 驱动的流处理则是在信息触达你之前，就已经完成了从“海量数据”到“有效情报”的转化。
如果你也想尝试部署类似的逻辑，建议在编写 Prompt 时参考这个方向：你是一个专业的技术分析师。请阅读以下 Hacker News 帖子内容，剔除所有情绪化表达和无意义的讨论，仅提取核心技术突破、产品逻辑或行业洞察，用精炼的中文列出要点。
通过这种方式，你不再是被动地接收算法推送的信息，而是拥有了一个可以根据个人口味定制的“数字化情报员”。
