<h1>自托管AI过滤Hacker News：每日筛选从60分钟降至10分钟内</h1>

每天翻看Hacker News（HN）的Top Stories，就像在一片信息矿床上手动挑拣矿石。虽然首页内容整体质量不低，但社区讨论的随机性常常让不少热帖被情绪化争执或琐碎吐槽淹没。第三方摘要工具也帮不上忙——多数只会做机械翻译，或者产出没有重点的泛泛之言，离“干货”这个标准差了不止一截。

针对这个痛点，我搭了一套自托管的AI过滤流水线。它没有沿用常见的“摘要”思路，而是让AI扮演高标准“筛子”的角色，在后台默默运行，把原本每天消耗1小时的人工筛选时间压缩到10分钟以内。

数据获取走Firebase API，绕开爬虫维护

整个系统由三个环节组成。第一环是数据抓取，直接调用HN官方提供的Firebase API拉取实时Top Stories列表，这样既保证时效，又免去维护网页爬虫的负担。Firebase API文档指出，该接口用于“获取实时的Hacker News数据”，并提供“简化的API接口”来完成数据获取。

第二环是AI过滤层，也是最关键的部分。实践发现，如果只让AI“总结全文”，结果往往虚浮。更有效的做法是给AI设定“专业技术分析师”的角色，并明确要求它丢掉所有情绪化内容。

Prompt调优后只留核心洞察

在Prompt调优过程中，经过多轮对比，最管用的指令是强制AI只提取“核心技术突破、产品逻辑或行业洞察”。例如，遇到讨论新数据库架构的帖子时，AI会自动忽略评论区里“项目重启”这类无关闲谈，重点保留它在并发处理上的具体改进。

第三环是结果交付。我弃用了第三方平台，把内容推送到自建的极简前端页面。每天早晨打开页面，看到的不是杂乱帖子堆叠，而是一份AI精炼过的中文简报。这套自托管方案的优势在于隐私完全自控，而且摘要的颗粒度能按需变化——要是觉得内容太简略，只需在Prompt里加一条参数，让AI列出3个关键技术细节，就能从“概括模式”切到“深度分析模式”。

AI流处理与RSS聚合的本质差异

相比聊天机器人，这种“信息过滤”场景更有实用价值。我们团队曾把类似的AI Agent工作流用在行业动态监控上，效果明显。传统RSS订阅只能把信息物理聚合在一起，人工二次过滤还是免不了；而AI驱动的流处理在信息送达用户之前，就完成了从“海量数据”到“有效情报”的转化。

如果想部署这套方案，可以试试下面的Prompt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。

这样一来，你不再被动接受算法推送，而是拥有了一位可随时定制的“数字化情报员”。