写代码时遇到一个报错，直觉是搜一下，然后跳到 X 搜关键词，再跳 Hacker News，再跳 Reddit。十分钟后，页面开了十几个，真正想找的模型发布或库更新还没看。问题不是没有新闻，而是窗口切换太贵。更实际的做法是把“刷”换成“查”：在 Claude Code 或 Codex 里，用一句话限定来源和时间范围。比如过去 48 小时 Hacker News 上关于 agent 的讨论；过去 3 天 Reddit 的 AI 讨论；Karpathy 最近发了什么；Hugging Face 论文榜本周有什么。这个查询的关键不是模型多聪明，而是你能不能把过滤条件说清楚。
先确定过滤维度
在找工具之前，先想清楚你要过滤什么。常见维度有四个：
- 来源：X、Hacker News、Reddit、YouTube、GitHub Trending、Hugging Face 论文榜，还是 RSS。
- 时间：今天、过去 24 小时、过去 3 天、过去一周。
- 类目：模型发布、Agent、推理、开源项目、论文。
- 人物：Karpathy、Sam Altman、Simon Willison 这类账号。
这四个维度越明确，结果越干净。只说“最近 AI 有什么”，不同工具可能给你完全不同的答案。下面两条路径，一条是即问即查，一条是定时聚合。
路径一：在编程 agent 里即问即查
如果你的 Claude Code 或 Codex 支持 skill 或插件，这是最快路径。拆成四步。
1. 确认 agent 的扩展机制
Claude Code、Codex、OpenClaw、Antigravity 等有 skill 或类似机制。不是所有版本默认开启，先看对应文档，确认放置目录、加载方式、是否需要重启。
2. 选一个面向 AI 资讯的 skill
搜索时可以用“Claude Code AI 新闻 skill”“Codex 最新 AI 资讯 插件”等。一种可参考的开源实现是 InBrief 的 Agent Skill：https://github.com/frankzch/ai-news-skill 。它面向 Claude Code、Codex、OpenClaw、Antigravity，可用自然语言按类目、来源、时间范围查询。这里只用它的 Agent Skill 作为“即问即查”的例子。
3. 按仓库说明加载
不同 agent 的 skill 目录不同，别把 Claude Code 的文件直接放进 Codex 目录。加载后如果查不到内容，先确认 skill 是否被识别，而不是反复换问题。
4. 提问时带上来源和时间
这是最影响结果的一步。可以这样问：
- 过去 48 小时 Hacker News 上 AI 相关的热门讨论
- 过去 3 天 Reddit 的 AI 讨论
- 今天 Hugging Face 论文榜有什么值得看
- Karpathy 最近发了什么
- 过去一周 GitHub Trending 里 AI 项目有什么变化
注意：时间范围越明确，结果越干净。只说“最近”，不同工具理解可能从 24 小时到 7 天不等。来源也要明确，是全网、X、HN、Reddit，还是某个论文榜。
注意事项：
- 如果结果只有摘要没有原文链接，让它补出处，方便回看。
- agent 上下文有限，一次问太多来源会稀释结果。
- 如果 skill 或服务有查询频率、返回条数边界，不要当成 7×24 监控系统。
- 摘要和原文是两回事，重要结论要回原文。
除了 InBrief 的 Agent Skill，也有人自己写 MCP server 包 RSS，或者用 Horizon 这类开源项目做本地查询。选哪条路，取决于你愿不愿意维护采集端。
路径二：自建一套定时聚合
如果你不满足于“问一次查一次”，而是想每天固定时间收到按自己规则过滤的摘要，自建更合适。复杂度上一个台阶，但信源和过滤规则完全可控。最小流水线：
- 采集。RSS 是基本盘，Hacker News、Reddit、X、YouTube 字幕、GitHub Trending、Hugging Face 论文榜按需接入。
- 清洗和去重。同一件事会被多个源转载，先按标题和链接粗去重，再用向量做语义去重。InBrief 的开源采集引擎用 SimHash + pgvector 两级去重，这个思路可参考。
- LLM 过滤和打分。按你关心的关键词、来源、热度给候选内容打分，决定哪些进入摘要。
- 摘要和输出。生成中英双语摘要，输出到 Markdown、邮件、Telegram 或自己的知识库。
现成开源项目可以参考：
- InBrief 开源采集引擎：https://github.com/frankzch/ai-news-brief ，MIT 协议，覆盖 RSS、Hacker News、Reddit、X、YouTube 字幕、GitHub Trending、Hugging Face 论文榜，追踪 94 个信息源，其中 X 上 35 个 AI KOL 账号，包括 Karpathy、Sam Altman、Simon Willison，另有 13 个 YouTube 频道。适合想自己部署 AI 新闻 pipeline 的人。
- Horizon：另一个开源新闻聚合项目，适合参考架构。
- n8n 的 RSS + AI 摘要工作流：适合不想写代码、想用可视化编排的人。
自建的坑：
- 需要 PostgreSQL + pgvector 和 LLM API Key，不是 clone 完就能跑。
- X 和 Reddit 接口规则经常变，采集端要持续维护。
- LLM 摘要可能漏掉关键信息或产生幻觉，重要结论要回原文。
- 信源质量不高，过滤再强也只是把垃圾整理得更整齐。
- 这类方案面向 AI 领域，不覆盖其他行业新闻；想做全领域要自己扩源。
追人和追社区：别被推荐流牵着走
追人和追社区是两个需求。追人方面，可以把 Karpathy、Sam Altman、Simon Willison 这类账号放进 X 列表，再让工具拉取和摘要。InBrief 追踪 X 上 35 位 AI 从业者，不刷 X 也能看到观点。注意 X 内容格式和接口变化频繁，纯自建维护成本不低。
追社区方面，Hacker News 和 Reddit 更适合按热度看。Reddit 可以盯 AI 相关板块的热帖，HN 看首页和讨论。InBrief 覆盖 Hacker News、Reddit、X、YouTube 字幕、GitHub Trending、Hugging Face 论文榜等来源，输出中英双语摘要，适合不想一个个点开的人。
省时间的做法：让工具每天固定时间推一份摘要，按“人”“HN”“Reddit”分栏。你只扫标题和一句话总结，感兴趣再点原文链接。不要把摘要当最终结论，它只是过滤器。
常见坑
- 只装 skill 不指定来源和时间，结果少且随机。
- 时间范围太模糊，“最近”可能是 24 小时，也可能是 7 天。
- 把摘要当原文，忽略链接和出处。
- 忽略去重，同一件事在摘要里重复出现。
- 把接口额度当无限用，有边界就调整查询频率。
- 自建后不维护，RSS 失效、API 变更、页面结构变化都会让流水线断掉。
- 指望覆盖所有行业，这类方案面向 AI 领域，不覆盖其他行业新闻。
小结
不想被 X、Hacker News、Reddit 的 AI 讨论淹没，核心不是找更多信息，而是把过滤条件说清楚：来源、时间、类目、人物。先用 Claude Code 或 Codex 里的 AI 资讯 skill 做即问即查；如果信源固定、想定时收到摘要，再参考 InBrief 开源采集引擎自建。两条路可以并存：平时问一句，周末跑一次聚合补漏。工具只是做法的一部分，能不能把问题问准、愿不愿意维护采集端，才是长期省时间的关键。
利益相关：作者参与 InBrief 项目。
