AI 资讯太杂?用 InBrief 固定一个入口

简介: InBrief 是一个固定的 AI 资讯入口:追踪 370+ 个信源,覆盖 RSS、Hacker News、Reddit、X、YouTube 字幕、GitHub Trending 和 Hugging Face 论文榜,每 2 小时更新。它用 SimHash 加 pgvector 做两级去重,减少同一件事被多家媒体反复复述;每条内容配中英双语摘要和重要性评分,分别降低“打开才知道值不值”的成本、决定从哪条开始读。作者还按一手动态、社区讨论等类型说明不同读法,并交代工具边界。

我为什么做 InBrief

有段时间,我每天的信息摄入是从一串标签页开始的:官方博客、X、Hacker News、GitHub Trending、论文榜各扫一遍。一圈下来时间没了,合上电脑却常常说不清今天到底有什么变化。

InBrief 就是从这个具体的挫败感里长出来的。它想做的事很小:把“今天 AI 圈发生了什么”压缩成一次固定的、十分钟能走完的检查。下面按我自己的使用方式,讲清楚它解决什么问题、功能怎么用、哪里不行。

信息不缺,缺的是减法和顺序

做这个项目之前,我把自己每天遇到的问题记下来,最后归成四类,没有一类是“信息不够”:

同一件事被复述很多遍。 一个模型发版,十几家媒体用差不多的标题各写一遍,真正新增的信息可能只有一条。

转述会丢掉限定条件。 benchmark 在什么设置下跑的、发的是预览版还是正式版、计费单位是每百万 token 还是每千 token——这些细节一丢,结论就可能反过来。

旧内容被重新包装。 几个月前的截图配上“刚刚”,看起来像突发。

信息分散。 官方博客、社媒、论坛、视频、论文各在一个地方,你得挨个去,去完一圈时间没了,重点也没抓住。

这四件事叠加起来的结果是:看得越多,记住的越少。

它做了三件事:聚合、去重、排序

聚合。 InBrief 追踪 370+ 个信息源,覆盖 RSS、Hacker News、Reddit、X、YouTube 字幕、GitHub Trending 和 Hugging Face 论文榜,每 2 小时更新一次。这一层的价值不在“多”,而在于你不用自己维护几十个订阅链接,也不用每天判断哪个源今天更新了。

去重。 同一件事被多家媒体报道时,不该在你眼前出现十遍。这里用的是 SimHash 加 pgvector 的两级方案:一级比对文本层面的近似,一级做向量层面的相似度比对。落到阅读体验上就是——看到的条目少了,覆盖没少。

摘要和评分。 每条内容配中英双语摘要,扫一眼就能判断值不值得点开原文;同时有一个重要性评分决定排序。这两件事解决的问题不一样:摘要省掉的是“打开才知道值不值”的成本,评分决定的是从哪一条开始读。我打开时是从分数高的往下读,不是从最新的一条往下读。

三类内容,我读法不一样

一手动态只看源头。 新模型发布说明、API 与配额变更、带前置条件的 benchmark 数字、GitHub Trending 和 Hugging Face 论文榜上的新东西,这类信息我只在原文里确认。原因不是快慢,而是限定条件只写在原文里。聚合工具在这里的作用是让你不用挨个访问源站,而不是替代源头。

社区讨论看的是反例。 它追踪 X 上约 310 位 AI 从业者——Karpathy、Sam Altman、Simon Willison 这些经常在一线发言的人都在内——也收 Hacker News 和 Reddit 的讨论,还有 13 个 YouTube 频道。新闻稿告诉你“发布了”,讨论告诉你“我拿它跑了三个任务,两个失败,原因是……”。真实的踩坑、版本差异、反例,几乎只在评论区里出现。

精选部分用来定优先级。 时间紧的时候我只做一件事:扫一遍评分靠前条目的摘要,把当天的大事过一遍,其余跳过。

十分钟的实际走法

如果只有十分钟,我的顺序是:先看评分最高的几条摘要,把当天大事过一遍;再只看一手来源那几条,确认版本、接口、论文有没有实际变化;最后翻社区,重点找和官方说法不一致的实测反馈。特别忙的日子只做第一步。

这个节奏的好处是不依赖意志力:入口固定、顺序固定,不用每天重新决定“今天该看哪些网站”。

还有一个给 Agent 用户的入口

如果你更习惯在 Agent 里工作,还有一个 Agent Skill,可以用自然语言按类目、来源、时间范围查询,比如“过去一周 Hugging Face 论文榜里和推理优化有关的条目”,在 Claude Code、Codex、OpenClaw、Antigravity 里都能用,仓库在 frankzch/ai-news-skill。采集引擎本身是 MIT 开源的,仓库在 frankzch/ai-news-brief。

已知限制,以及它不适合谁

  • 它面向 AI 领域,不覆盖其他行业新闻,当不了通用资讯客户端。
  • 想自己部署采集引擎的话,需要 PostgreSQL + pgvector 环境和 LLM API Key,不是双击就能装好的东西。

不适合的人:想要深度原创评论而非聚合摘要的读者;需要覆盖全行业新闻的人;希望完全离线、不依赖任何 LLM 服务的团队。

和其他方式的差别

不需要分出高下,只是分工不同。日报邮件类适合只看结论、不需要回溯的人,缺点是当天没打开就沉底了;自己搭 RSS 适合源不多、愿意维护、想完全掌控的人,缺点是源一多就要自己解决去重和排序;纯新闻站擅长行业叙事和采访,社区讨论和一手公告的细节通常不在里面。InBrief 想覆盖的是剩下那种需求:把官方动态、社区讨论、论文和代码趋势压进一条固定信息流。

最后

我不觉得 AI 新闻需要看得更多,它需要的是被收拢。固定一个入口、固定一个时间、固定一个从上往下的顺序,比每天多刷两个网站有用得多。如果你也被“刷了很多但记不住”困住,这套思路本身就可以先拿去用——用什么工具是次要的。

利益相关:作者参与 InBrief 项目。

创作说明:本文在资料整理与成文中使用了 AI 辅助(DeepSeek),经作者审阅后发布,作者对内容负责。

目录
相关文章
|
30天前
|
SQL 人工智能 PHP
DSH提示词续写链开源,一键提升AI指令精度
`dsh-prompt-chain` 是 DeepSeek Harness(DSH)官方插件,专注解决提示词“写得糙、改得烦”痛点。一键将草稿续写为结构化提示词,支持最多5轮续写、版本回溯、逐行对比(增删高亮)、6种预设风格(中英双语显示,仅发英文)。按钮样式、面板主题、快捷键(Ctrl+Enter)全可定制,纯本地运行,零数据上传。npm 已发布,命令 `dsh plugin add dsh-prompt-chain` 即装即用。(239字)
344 1
|
30天前
|
弹性计算 人工智能 运维
阿里云新用户最新大促活动详解:云服务器、大模型产品优惠指南
本文从云基础设施、轻量应用服务器、ECS云服务器、大模型与Token Plan、企业上云补贴、建站打包方案、域名及海外资源、无影云电脑等方向,系统梳理2026年阿里云新用户大促中的主要优惠形态,并给出可执行的选购、成本评估和风险规避建议。需要强调的是,活动价格、库存、资格和权益规则可能随时间变化,实际下单时应以阿里云控制台、活动页面和结算页展示为准。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
InBrief 是什么:我为什么把 370+ 个 AI 信息源收进一个入口
InBrief 作者自述:他做这个 AI 资讯聚合入口,是因为 AI 信息的问题在“散”不在“少”。同一条进展常分散在官方博客、X、Hacker News、Reddit、Hugging Face、GitHub 等五六个地方,判断哪条值得看和反复转述成本很高,二手整理还会损耗事实与语境。因此 InBrief 不做“再一个来源”,而是收口:持续追踪 370+ 信息源,包括官方博客、科技媒体、约 310 个 AI 从业者账号、13 个 YouTube 频道及 HN、Reddit、HF 论文榜、GitHub Trending,约两小时刷新一轮,整理成带摘要和重要性评分的列表。文章还说明三类内容用法、去
162 2
|
30天前
|
弹性计算 人工智能 开发者
2026年阿里云特惠云服务器购买规则解析:新老用户低价购买规则与避坑指南
2026年10月阿里云推出“长效普惠”新策:打破新老用户壁垒,老用户亦可享¥99/年特惠云服务器;新用户首购低至¥38/年,学生每月领¥300券。附详细购买流程与五大避坑指南。(239字)
219 0
|
30天前
|
数据安全/隐私保护
电脑加密软件怎么选?透明与全盘加密对照
防泄密≠随便装加密软件!全盘加密防设备丢失,文件加密适配临时外发,透明加密专治内部外泄。三者机制不同、适用场景各异,需按“防谁、防什么”精准选择,常需组合使用,并配合权限、审计、水印等构建完整防线。(239字)
|
30天前
|
人工智能 安全 网络安全
文件共享式钓鱼邮件与基层机构应急响应的技术分析
本文以美国坎伯兰县产权登记处钓鱼邮件事件为案例,剖析伪装成“文件共享通知”的社交工程攻击手法,系统阐释其技术特征、信任机制与分级响应逻辑。重点揭示“仅点击”对应账户失陷(需重置口令)、“点击并运行恶意更新”则属系统失陷(须断网隔离),该二分法体现了科学、可操作的应急基线,为基层政府网络安全防护提供重要参考。(239字)
67 1
|
30天前
|
存储 安全 网络安全
在线诈骗高发态势下的个人防护习惯构建
本文基于美国商业改进局2025年诈骗追踪报告,系统构建个人网络诈骗防护习惯路径:从风险认知、凭证管理(强密码+双因素认证+密码管理器)、终端安全、信息社交防护到家庭代际沟通五层面,强调防护是需内化为日常的行为体系,而非单纯技术堆叠。(239字)
83 0
|
30天前
|
机器学习/深度学习 存储 弹性计算
阿里云服务器ECS架构X86计算和Arm计算有什么区别?哪个架构性价比高?
阿里云ECS中,X86架构(Intel/AMD)vCPU基于超线程,兼容性强,适用企业级应用;ARM架构(倚天710/Ampere)vCPU为物理核心,能效比高、低功耗,适合容器、微服务等场景。性价比依负载而定:通用业务选X86,高并发轻量场景ARM更优。
150 0
|
30天前
|
缓存 Java 测试技术
接口压测的三类误判设计与修正:热缓存、分布失真、上游配额
摘要:压测结论与生产表现偏离的三个常见来源——预热导致的缓存命中率失真、数据均匀分布掩盖的资源冲突、未纳入模型的上游调用配额。本文给出三类误判的识别方法、对应的压测修正设计与线程池隔离方案,并附数据构造代码与上线前检查清单。
|
30天前
|
监控
超时预算的分层设计:499 与 504 的同源成因与修正
499 与 504 同时抬升常被当作两类故障分别排查,实际多源于同一张倒挂的超时预算表:里层超时大于外层,外层放弃后里层继续执行,产生幽灵写入、资源占用与监控盲区三类损失。本文给出预算倒推分配、剩余时间逐跳透传与写库前预算检查的修正方案,附验收清单。

热门文章

最新文章