爱范儿 8 月 16 日发布了一篇实操教程：作者用自己长期积累的 161 个 RSS 订阅源，搭配 AI Agent 搭出一套「AI 主编」系统。每天早晨 8 点，系统读取过去 24 小时的订阅内容，由 AI 按主编标准合并同类报道、交叉验证细节、优先溯源，最后输出一份简讯，把「每天看什么」的判断权从推荐算法手里拿回来。
作者在文中复盘了最初的失败版本：只给 Agent 设一个「全网搜索、每天输出 5 条科技新闻」的定时任务，结果同一场发布会换三种写法就能占掉三条简讯，旧闻被转载后也会顶着「最新」再次出现。原因是直接喂给 AI 的是未经筛选的「散装信息」——官方公告、媒体报道、二次解读和标题党，在模型眼里都像一条新消息。
解决办法被拆成三步：
- 按可信度建立阶梯式信源池。一手官方博客（OpenAI News、Google DeepMind News、Anthropic News 等）优先级最高，其次是彭博社、路透社、财新等权威媒体，The Verge、Techmeme、TechCrunch 等聚合与解读网站居中，博主与 KOL 只作外围补充；
- 用开源 RSS 阅读器 Folo 把上百个信源按科技、AI、游戏、汽车等目录分门别类管理；
- 借助 Folo 的 CLI 接口，让 Agent 直接读取订阅中的未读内容，每条消息自带信源直达链接，作者称这可以避免大模型编造链接。
教程附带的「主编判断」提示词包含三条规则：合并报道同一事件的多个信源、严禁重复输出；比对不同信源的细节、汇总成一条完整简讯；存在官方公告或一手报道时优先采用，并标注「多源验证」。作者表示，这套系统的筛选结果「比我更懂什么叫大新闻」。