技术 | 做一个自己的情报收集系统（基于 Horizon 与 LLM ） - 猫猫小站

####灵感来源：最近突然想起来美国总统奥巴马整的大活——棱镜计划
奥巴马当总统的时候每天早晨都会有“总统简报”可以看
我就在想，我这样的猫猫能不能也有美国总统一般的待遇呢？
搜索了下GitHub上的项目发现————还真行！
本次就用到：[Horizon](https://github.com/Thysrael/Horizon)
很好的一个项目，值得给个Star，本次用的是` GitHub Pages `和` openrouter.ai `的免费API，可以说白嫖党狂喜了

>  **快速传送门**  
> 展示页地址：[猫猫的情报室](https://linmingsi.github.io/Horizon/)

**这个系统现在每天定时在固定时刻，由 AI 帮我全面检索我感兴趣的全球信息源，剔除营销废话，生成一份精炼、客观、有深度的中文简报。重点是还能我自己管理信息源**。

## 一、 系统技术选型与架构设计

在设计这套系统时，我设定了几个硬性指标：
1. **完全自动化**：无需本地电脑常开，全交由云端定时运行。
2. **零运行成本**：利用 GitHub 免费生态（Actions + Pages）与大模型免费 API。
3. **多语种与高度可定制**：不仅能抓中文和英文，还能直接抓希伯来语和阿拉伯语的本土第一手新闻。

最终选定的系统架构如下：

* **核心框架**: 开源项目 `Thysrael/Horizon`（基于 Python 的智能信息聚合引擎）
* **自动化调度**: GitHub Actions（每日定时触发采编与渲染）
* **前端展示**: GitHub Pages（静态网页托管，可随时在手机/电脑浏览器查看）
* **AI 总结引擎**: OpenRouter 节点的 `qwen/qwen-2.5-72b-instruct:free`（通义千问 72B 开源免费大模型，中文与多语言能力极强，最重要的还是限速没openai的模型那么厉害啦）

---

## 二、 信息源的挑选：全球化与本地化结合

一个好的简报系统，核心在于**信息源的质量**。我按照关注的领域，配置了三个类型的全球范围高质量信息源：

1. **科技与 AI 大模型厂商**：
   * 官方博客：OpenAI、Anthropic (Claude)、Google DeepMind、Meta AI（配置 `trafilatura` 正文抽取引擎，剔除网页杂质）。
   * 开发者社区：Hacker News、GitHub Releases（监控 vLLM 等重磅开源项目）。
2. **全球财经与国际时政**：
   * 权威外媒：华尔街日报 (WSJ)、CNBC、BBC、CNN、ABC News。
3. **中东/以阿局势本土第一手视角**：
   * 希伯来语媒体：以色列 Ynet 主站、Walla 新闻、《国土报》(Haaretz)、《晚报》(Maariv)。
   * 阿拉伯语媒体：半岛电视台 (Al Jazeera)、阿里比亚电视台 (Al Arabiya)、天空新闻阿拉伯台、《中东报》。
4. **国内要闻与泛科技博客**：
   * 新浪新闻国内/国际焦点、财联社 24 小时电报、少数派、酷安精选、虫部落。

---

## 三、 GitHub Actions 流水线与优化

信息源配置好后，我将其托管在 GitHub 上，并配置了自动化工作流。在这个过程中，有两个关键的调优节点：

### 1. 从“一天一次”到“早报 + 晚报”

最初我设定每天早晨运行一次，但发现时效性不够。于是我将 Cron 表达式修改为每天运行两次（北京时间 **早晨 08:00** 与 **晚上 20:00**）：
    # 00:00 UTC = 北京时间 08:00; 12:00 UTC = 北京时间 20:00
    - cron: '0 0,12 * * *'

###2. 解决晚报覆盖早报的问题
Horizon 默认是以当天日期（如 2026-08-09-summary-zh.md）命名的。一天运行两次时，晚上的运行会将早上的同名 Markdown 网页文件覆盖掉。

为了解决这个问题，我做了两项改造：
1. **调整抓取时间窗口：**
* 将` data/config.github.json ` 中的 "time_window_hours" 从 24 缩短为 12，让早报只抓昨天夜间 12 小时，晚报只抓家庭白天 12 小时。
2. **Actions 自动识别早晚报：**
* 在 .github/workflows/Daily-summary.yml 中添加了 bash 判断脚本，自动给生成的文件追加 -morning 和 -evening 后缀：

```yaml
- name: Distinguish Morning and Evening Summaries
  run: |
    HOUR=$(TZ="Asia/Shanghai" date +%H)
    if [ "$HOUR" -lt "12" ]; then
      TAG="morning"
    else
      TAG="evening"
    fi
    DATE_STR=$(date +%Y-%m-%d)
    if [ -f "docs/_posts/${DATE_STR}-summary-zh.md" ]; then
      mv "docs/_posts/${DATE_STR}-summary-zh.md" "docs/_posts/${DATE_STR}-${TAG}-summary-zh.md"
    fi
```
#####这样，GitHub Pages 首页上就会同时并存 2026-08-09 早报 与 2026-08-09 晚报，再也不会发生覆盖了！
---
##四、 不要再给我烂新闻啦 ：“讨厌新闻训练集”
在运行过程中，我遇到了一个很实际的问题：有些新闻标题看起来很博人眼球，但点进去发现不是我喜欢的类型。
* 如果直接用关键词拦截，很容易“误杀”掉未来写得好的同类话题文章。为了实现精准调教，我利用大模型的` Few-Shot In-Context Learning（少样本上下文学习） `能力，在 profiles/ 的打分规则文件里设计了一个` “讨厌新闻训练集（Disliked Examples）”`
只要我在简报里看到了不满意的新闻，我就会把标题、链接和一句简短的吐槽加到 YAML 文件末尾：
```yaml
  - name: disliked_examples:
  - title: "某某大模型迎来史诗级升级，性能碾压 GPT-4"
    link: "https://example.com/item/123"
    reason: "挂羊头卖狗肉。标题看起来很重磅，但点进去全是公关通稿，没有给出任何具体基准测试数据。"

- title: "专家预测：美联储今年可能随时调整政策"
    link: "https://example.com/item/456"
    reason: "标题党。被标题吸引点进去，发现正文全是在重复旧新闻，没有任何新的分析。"
	```
大模型在评估新文章时，会自动读取这个负面样例库，学习“什么样的文章属于标题党/挂羊头卖狗肉”。当它遇到同样内容空洞的新闻时，就会直接打出 0~2 分的低分进行拦截，既提高了简报的质量，又绝对不会误杀真正的干货好文！（我怎么这么聪明）
## 五、 踩坑总结与运维调优
在搭建过程中，我也记录了几处值得注意的避坑经验：
* API 请求 Rate Limit (429 限流报错)：
` OpenRouter `的免费 API 节点每分钟限制 20 次请求。如果配置高并发，会触发 RateLimitError。解决办法是将 analysis_concurrency 设为 1，并将 throttle_sec 设为 3 秒，平稳单线程请求。
* 公共 RSS 节点的 403 防火墙：
` rsshub.app `公共节点经常被 Cloudflare 拦截 GitHub Actions 的 IP。将国内平台的 RSSHub 路由替换为稳定的第三方镜像节点（如 rssforever.com）就可以解决了
* 语言生成优化：
在` config.github.json `中将 "languages" 设置为 ["zh"]。虽然系统抓取的是希伯来语、阿拉伯语和英文原文，但 AI 最终只输出单一的精炼中文简报，大幅节省了 70% 以上的 Token 消耗和生成时间。
##结语
现在，这套系统已经可以稳定地全自动运转了。我现在每天的信息获取就是靠这个系统。
如果你也想打造一份属于自己的“总统级”每日简报，不妨也动起来试试看吧喵！