告别手动刷屏，用 n8n 和 Claude 搭建一套 AI 资讯实时追踪系统
这套系统的核心逻辑其实非常纯粹，就是把 AI 资讯的获取链路从“拉取（Pull）”改为“推送（Push）”。我最近实操了一套基于 n8n 的自动化方案，分享一下具体的落地细节。
首先是解决“源头”问题。大多数 AI 资讯分布在非标准化的网页上，这时候 RSSHub 就成了关键。通过 RSSHub，你可以把 GitHub 的 Trending 页面或者特定的社交媒体账号转化为标准的 RSS 订阅流。在 n8n 中，你需要添加一个 RSS Read 节点，将订阅地址填入。这里有一个关键的性能细节：轮询频率不要设得太高，建议设定为每 15 分钟执行一次。如果设为每分钟一次，很多 RSS 源可能会因为请求过于频繁而暂时封禁你的 IP。
最核心的环节在于如何剔除噪音。如果只是简单的 RSS 转发，你的 Telegram 频道很快就会变成一个垃圾邮件箱。我在这里接入了 LLM 节点，目前使用的是 Claude 3.5 Sonnet。在 Prompt 设定上，我没有让它做简单的翻译，而是给它下达了一个严格的“门禁”指令：要求它判断该内容是否属于“突破性技术进展”或“可直接上手的实用工具”，并将其评分（1-10分）。只有评分在 8 分以上的内容才允许进入下一个节点。
为了在保证质量的同时控制 Token 成本，我建议采用“两级过滤法”。先用一个轻量级模型（如 GPT-4o-mini）进行初步筛选，剔除掉明显的广告和水帖；只有通过初筛的内容，才交给 Claude 3.5 Sonnet 进行精简总结，将其概括成一句话的摘要。这样既能保证通知的质量，又能避免在高频轮询下产生不必要的开销。
最后一步是对接通知通道。我推荐使用 Telegram Bot 或 Slack Webhook，因为它们的 API 极其简单。在 n8n 的 HTTP Request 节点中，直接调用 Telegram 的 sendMessage 接口。发送的 JSON 格式建议包含：火箭表情（标识新工具）、工具名称、AI 总结的简述以及原始链接。例如，当系统监测到 GitHub 上出现一个高星的 AI 框架时，你会立即收到一条类似“🚀 发现新工具: [项目名] - [该项目解决了什么具体痛点]”的推送。
在实际部署过程中，最容易踩的坑是“过滤阈值”设置得太宽松。很多 AI 资讯号喜欢用夸张的标题，如果你的 Prompt 只是让 AI “总结内容”，它可能会被标题党欺骗，导致你依然收到大量无用信息。建议在 Prompt 中加入具体的排除项，比如“忽略所有包含‘震撼’、‘颠覆’且无具体技术细节的推文”。
一旦这套流程跑通，你就相当于拥有了一个 24 小时在线的专属情报员。你不再需要被动地在信息流中寻找机会，而是只需要在手机通知栏看到那个火箭图标时，才花 30 秒时间阅读真正有价值的更新。
