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。
