本文速覽 · 摘要 · 定義 · FAQ
TL;DR
- 大多數「資訊獲取系統」只是再造一條資訊流：把 Hacker News、GitHub、論壇、Reddit 的內容抓回來按熱度排好推給你。看著勤奮，實則是在手機裡多養了一個自動化的時間黑洞。
- 換一個隱喻會換一套命運：不做資訊流，做報箱。抓取器當沉默的郵差只管投遞，AI 當有證據的讀報人只講變化，人只在需要時打開報箱——從爭奪注意力，轉向供給判斷。
- 這套系統真正的分水嶺不在「能抓多少源」，而在故障時是否誠實：失敗絕不能返回一個整齊的「0 條新聞」。沒有新聞，和沒拿到新聞，是兩回事。
- 可遷移的骨架只有四層：來源負責發生，抓取負責保存，AI 負責解釋，人負責判斷。好的 AI 系統不該把世界壓成一個漂亮答案，而該讓人保有回到事實、重新提問、改變判斷的能力。
Definition
私人情報報箱（personal intelligence inbox），指把自動抓取、按日封存、AI 解讀和人工判斷分成四層的個人資訊系統。它不追求即時推送與資訊總量，而追求可回放：每一條結論都能回到原始來源，每一次抓取失敗都作為狀態被保存，而不是在介面上被抹平成「今天沒有新聞」。與「資訊流」相對——資訊流是發散（越看越多），報箱是收斂（只在需要時，找到變化）。
FAQ
資訊流和報箱，差別只是互動方式嗎？
不是。它決定了一套系統究竟在爭奪你的注意力，還是在保存你的注意力。資訊流按到達時間即時打斷你，逼你即時反應；報箱按日沉澱、等你來讀，把「何時消費資訊」的主動權交還給人。同樣的來源，一個把你捲進洪流，一個替你守住判斷。
為什麼強調「抓取失敗不能返回 0 條」？
因為「沒有新聞」和「沒拿到新聞」會導向完全相反的行動。前者說明世界安靜，可以放心；後者說明系統瞎了，必須重抓。若兩者都渲染成整齊的 0，你會把一次網路故障誤讀成天下太平。成熟系統的價值，往往不體現在一切正常時，而體現在它出錯時是否誠實。
為什麼不乾脆讓 AI 全自動讀完、篩好、下結論？
技術上當然可以，但「可以」不是「應該」。個人資訊系統最容易犯的錯，就是把人最後的判斷權也外包出去——你會得到一個每天替你判斷一百件事的勤奮助手，卻發現自己並沒有長出更穩的認知框架，只是換了個更高效的刷屏入口。刻意保留「要你來讀、要回到原文、要由人追問」這三分摩擦，是為了讓資訊為人所用，而不是讓人活在資訊裡。
References and Further Reading
- 公開來源與開放 API：Hacker News、GitHub Trending/Releases、技術論壇 RSS、SEC EDGAR 一手披露、鏈上資料介面。
- 系統設計概念：冪等抓取與去重、來源健康度與優雅降級、一手/二手證據分級、按主題聚合而非按來源羅列。
- 本站同類主題：命令列裡的 AI 長期記憶架構、7×24 自動化監控、RAG 檢索與可審計系統設計。
01 · 先釐清病灶：不是新聞太少，是解釋太貴
大多數人做「資訊獲取系統」，第一反應都是再造一條資訊流：接上 Hacker News、GitHub、X、Reddit、論壇、RSS，把內容抓回來，按熱度排好，再推給你。看起來很勤奮，實際上只是在手機裡再養了一個更自動化的時間黑洞。
我們要講的這套系統，從一開始想做的就不是這個。
它更像一座報箱。每天早晨，程式安靜地把技術世界投遞進來；真正需要閱讀時，人再去打開報箱，由 AI 充當讀報人，把值得注意的變化、它們背後的脈絡、以及與你有什麼關係講清楚。抓取器不負責觀點，讀報人不假裝全知，使用者也不必在每一條資訊抵達時立刻回應。
資訊流是發散：越看越多。報箱是收斂：只在需要時，找到變化。
技術世界每天都在發生事情：新模型發布、開源專案爆發、協議爭論、軟體漏洞、資本市場雜訊，一個看似不起眼的 commit，可能幾個月後才顯露出價值。問題從來不是沒有內容，而是內容抵達人的速度，遠遠快於人理解內容的速度。於是絕大多數人的解決方式變成了刷新：刷新 HN，刷新 Trending，刷新群聊，刷新收藏夾。資訊越來越多，真正的判斷卻被擠到最後——先點開、先收藏、先轉發、先說一句「看看」，然後再也沒有然後。
這套系統採用了一個很樸素的分工：
| 層 | 它負責什麼 | 它刻意不負責什麼 |
|---|---|---|
| 抓取層 | 從公開來源取回新條目 | 解釋、推薦、下結論 |
| 報箱層 | 按日期保存原始結果 | 偽裝成已經讀懂 |
| 讀報層 | 按主題篩選、合併、深挖 | 把所有條目複述一遍 |
| 人 | 決定什麼值得繼續追蹤 | 被系統強迫即時反應 |
這四層看起來像工程上的拆分，其實是一種注意力倫理。機器擅長準時、重複、沒有情緒地跑一百個連結；人擅長把一個變化放進自己的專案、興趣和長期判斷裡。把兩件事混在一起，結果通常是機器假裝有洞見，人被迫像機器一樣不停刷新。
02 · 可回放的管道：讓每一層都能被獨立追問
這套系統的目錄裡沒有複雜的資料庫，也沒有一群必須常駐運行的 Agent。核心只有幾個檔案：一個抓取指令碼、一個去重狀態、按日期保存的報箱，以及一條「上次讀到哪裡」的游標。
公開來源
HN · GitHub · 官方部落格 · BTC/ETH 論壇 · Reddit · SEC · 產業 RSS
│
▼
抓取指令碼 —— 拉取、輕度清洗、標記來源健康
│
▼
inbox/2026-08-14.md —— 當天的原始報箱
│
▼
讀報人（AI ＋ 人的提問）—— 按主題合併、驗證原文、解釋影響
│
▼
判斷 / 追蹤清單 / 下一次提問這裡最重要的設計不是「能抓多少源」，而是每一層都可以獨立檢查。
抓取失敗了，可以看日誌；日報異常了，可以打開當天的 Markdown；AI 的判斷不可信，可以回到原文連結；幾天沒讀，也不會被悄悄吞掉，因為游標記錄了上次讀到哪天，下一次會自動進入多日補讀模式。
這叫可回放。它和很多 AI 產品「給你一個結果，但不知道它怎麼來的」正相反。
03 · 郵差的本分：去重、留身分、留原文
抓取層每天要面對的源五花八門：HN 有積分和評論數，適合判斷討論熱度；GitHub Trending 有當天新增 star，適合判斷開源專案的爆發速度；官方部落格與協議論壇更適合判斷「有沒有新的官方動作」；Reddit 是社群溫度計，卻很容易被限流、被玩梗淹沒；SpaceX 這類主題則同時混著產業新聞、市場評論和 SEC 文件，事實密度天差地別。
所以這套系統不做「大模型總結一切」。它先做三件很小、但很必要的事。
第一，去重。一篇貼文今天 200 分、明天 230 分，不值得每天重複佔據版面；只有熱度出現明顯躍升時，才標為「持續發酵」或「復燃」。系統不試圖記住所有內容，而是要記住相較上次，什麼變了。
第二，保留來源身分。一篇 SEC 8-K、一篇公司部落格、一條媒體報導、一條分析師評級，不能放在同一條證據鏈上。它們都可以存在，但必須讓讀者知道：這是公司的一手披露，還是媒體的二手轉述，還是市場參與者的觀點。
第三，保留原文連結。日報裡的 AI 解釋只是入口，不能成為終點。讀者一旦對某條感興趣，應該能回到原始討論、專案倉庫、論壇原帖或監管文件，而不是只能相信一段無出處的摘要。
這三件事說起來像常識，很多「AI 新聞助手」卻恰恰跳過了：它們把一手材料、二手報導、情緒化評論攪成一鍋看起來很流暢的文字。讀起來很爽，事後無法追責。
04 · 假平靜之罪：失敗不得偽裝成安靜
一個成熟系統的價值，往往不體現在一切正常的時候，而體現在它出錯時會不會誠實。
這套系統曾遇到過一次很典型的情況：晨間網路發生 DNS 故障，HN、GitHub、Crypto 等多個來源都沒抓到。舊邏輯裡，抓取失敗和「今天確實沒有新內容」都返回空列表，於是日報上出現了整齊的零：HN 0，GitHub 0，Crypto 0。
這是一種危險的假平靜。
沒有新聞，和沒有拿到新聞，不是一回事。
改造後的系統給每個來源增加了三態健康標記：
| 狀態 | 含義 | 日報應該怎麼說 |
|---|---|---|
ok | 抓取與解析成功，可能恰好沒有新條目 | 「無新內容」 |
partial | 一部分端點成功，一部分失敗 | 「部分成功」，並列出缺失來源 |
failed | 來源本輪未能取得有效內容 | 「抓取失敗」，絕不寫成 0 條新聞 |
當多個核心來源同時失敗，日報會直接標記為「抓取不完整」，指令碼以非零狀態結束；讀報人看到這個標記，就不推進閱讀游標，不把空白解釋成世界安靜了。等網路恢復後重抓，報箱才算真正抵達。
這就是系統設計裡一個很樸素的原則：不確定性要作為資料保存，而不是在介面上被抹平。
05 · 證據分級：給一手披露單開一條通道
以某家公司的資本市場情報為例，新聞裡可能同時出現「分析師上調評級」「股價回到某個價位」「發射密集」「一份 8-K 文件」。這些標題擠在一起，很像同一個熱點，實際上不是同一種東西。
發射數量是營運事實；分析師評級是觀點；股價波動是市場結果；10-Q、10-K、8-K 和 13D/13G 則是監管披露。它們的含金量、時效性和可驗證性都不同。
因此系統對這類來源做了一個很克制的處理：
- 10-Q、10-K 作為財報類高訊號；
- 8-K 根據正文粗分為業績、融資債務或其他重大事項；
- 13D/13G 作為大股東變化，不把普通持倉文件渲染成經營大利好；
- Form 3/4/5 預設降噪歸檔；
- 文件不僅要出現在索引裡，還要能取回正文、匹配到發行人主體，才進入日報。
最後這一步尤其重要。一個資料源返回了「有一份 10-Q」，不等於系統已經讀到了這份 10-Q。連結失效、索引延遲、權限拒絕、公司主體不匹配，都可能讓一條看似權威的消息變成錯誤訊號。寧可日報說「正文暫不可核驗」，也不要編造出一份不存在的財報結論。
這也是 AI 時代最該被重新強調的常識：可信不是因為語氣篤定，而是因為證據鏈能被回查。
06 · 讀報之道：按主題講變化，而非按來源念菜單
原始報箱仍然按來源保存，因為機器需要清楚自己的輸入來自哪裡；但最後交到人手上的讀報，不應該再按 HN、Reddit、GitHub 排成一排，像念採購清單。
人真正關心的是主題：
- AI 模型與 Agent 工具發生了什麼；
- 某個開源生態是否出現了新方向；
- 協議層的討論有沒有影響長期判斷；
- 一家公司的營運、融資與市場敘事是否正在背離；
- 哪些看似熱鬧的消息，其實只是重複轉述。
因此，最終輸出會按主題組織，並為重點主題生成很短的「訊號卡」：新事實是什麼、哪些是二手雜訊、下一步該驗證什麼。它不替人做投資決策，也不替人決定立場；它只讓下一次提問變得更準確。
比如一張「資本市場雷達」不需要每天把所有股價評論重複一遍。它只需要說：今天有幾條一手披露、幾條營運事實、幾條市場觀點；下一個驗證點是下一份 10-Q、某份重大 8-K，還是某個實際的商業節點。這樣，人不會被熱點牽著跑，而是能把熱點放進自己的驗證框架裡。
07 · 留三分摩擦：為什麼它不追求全自動
看到這裡，可能有人會問：為什麼不讓 AI 自動讀完、自動篩選、自動推送、自動下結論？技術上當然可以。
但「可以」不是「應該」。
一套個人資訊系統最容易犯的錯誤，就是把人最後的判斷權也外包出去。你會得到一個看起來很勤奮的助手：它每天告訴你十件事、二十件事、一百件事，甚至替你判斷哪些重要。可一段時間後你會發現，自己並沒有形成更穩定的認知框架，只是換了一個更高效率的刷屏入口。
所以這套系統刻意保留三個摩擦：
- 要等你來讀，而不是不斷打斷你；
- 要回到原文，而不是只消費摘要；
- 要由人發出追問，而不是由模型替人把世界講完。
它的目標不是替你活在資訊裡，而是讓資訊在需要時為你所用。
08 · 舉一反三：這套骨架能長在哪
它並不只適合技術新聞。它其實是一種可以遷移的「私人情報台」模式。
| 場景 | 抓取層可以接什麼 | 讀報層應該問什麼 |
|---|---|---|
| 開源團隊 | issue、release、依賴漏洞、PR | 哪些變化會影響路線圖？ |
| 投資研究 | 公司披露、產業資料、電話會、監管文件 | 新事實是否改變了原先的論點？ |
| 內容團隊 | RSS、競品更新、讀者回饋、搜尋趨勢 | 哪個主題值得寫，而不是哪個詞最熱？ |
| 家庭與個人 | 日曆、健康資料、帳單、備忘錄 | 哪些變化需要立刻行動？ |
底層結構沒有變：來源負責發生，抓取負責保存，AI 負責解釋，人負責判斷。
真正好的 AI 系統，不應該把世界壓縮成一個漂亮的答案；它應該讓人保有回到事實、重新提問、改變判斷的能力。
09 · 尾聲：一個替你守著報箱的夥伴
把這套系統剝到底，它其實很小——只是一堆 Markdown、幾個 RSS、一批公開 API，加上一個願意提問的人。但它指向的，也許是一種更值得期待的 AI 關係：不是一個永遠在說話的助手，而是一個替你守著報箱、把世界的變化留到你準備好時再打開的夥伴。
也許，AI 最有價值的地方，不是幫我們看得更多。
而是幫我們少看一點，卻看得更準。