Auto-News：用 LLM 重塑个人信息消费方式

项目作者头像

图1：项目作者 Yuzhang Hu 的 GitHub 头像

开篇：当信息焦虑成为时代病

你有没有这种感觉——打开 Twitter，刷了半小时，好像看了很多，又好像什么都没记住？朋友圈、RSS 订阅、YouTube、Reddit……信息来源越来越多，但真正沉淀下来的知识却越来越少。

这就是 AI 时代的信息过载困境。来自纽约大学的神经科学家 Maryanne Wolf 提出了一个概念——"Cognitive Cannon"（认知大炮）：现代人每天接收的信息量已经远超大脑的处理极限，长期下去会导致浅层阅读习惯的固化，甚至损害深度思考能力。

面对这个问题，一位独立开发者 Yuzhang Hu（GitHub @hyzwowtools）动手造了一个轮子——Auto-News。这是一套用 LLM 驱动的个人新闻聚合系统，核心理念是：「让 AI 帮你过滤噪音，只留下值得阅读的内容」。

项目 Star 数 885，在 GitHub 上获得了不错的社区认可，并在 2024-2025 年间持续活跃更新，配套推出了 iOS/Android 应用和 Web 版本 dotsfy.com。

项目起源：一个人对抗信息洪流的故事

Auto-News 最早是 Yuzhang Hu 为解决自身信息焦虑而开发的个人工具。他在博客中写道：「我希望每天用 5 分钟，就能掌握 AI 领域的重要趋势，而不是花 2 小时刷 Twitter 却一无所获。」

这个需求非常具体：

Super busy：时间极其有限，需要在几分钟内掌握核心信息
Super individual：在 GenAI 时代，一个人要处理大量信息，没有团队支持
Super executor：说得少、做得多，用自动化工具替代重复劳动

为了实现这个目标，Auto-News 构建了一个完整的数据管道：

多源采集：RSS 源、Twitter/X、Reddit 帖子、YouTube 视频、ArXiv 论文、Web 文章
LLM 处理：用 ChatGPT/Gemini/Ollama 生成摘要、去噪过滤、生成 TODO
输出展示：存入 Notion 数据库，以 RSS 阅读器风格呈现，配合 Weekly Top-k 回顾

核心技术架构

调度层：Apache Airflow

Auto-News 的调度核心基于 Apache Airflow。DAG 目录下定义了 6 个定时任务：

DAG 文件	功能
`news_pulling.py`	定时从各数据源拉取新闻
`journal_daily.py`	每日日志整理
`collect_weekly.py`	生成 Weekly Top-k 摘要
`todo.py`	生成 TODO 待办列表
`sync_dist.py`	同步分发内容到各平台
`upgrade.py`	系统版本升级

docker-compose.yaml 基于 Apache Airflow 官方镜像（2.8.4-python3.11），配置了 CeleryExecutor 模式，后端使用 Redis + PostgreSQL，这是一个生产级的任务队列架构。

LLM 层：LangChain 多后端适配

LLM 处理是 Auto-News 的灵魂。项目采用 LangChain 0.3.1 作为 LLM 编排框架，支持三大后端：

from langchain.chat_models import ChatOpenAI       # OpenAI GPT
from langchain_google_genai import ChatGoogleGenerativeAI  # Google Gemini
from langchain_community.chat_models import ChatOllama     # 本地 Ollama

LangChain 的 LLMChain 和 load_summarize_chain 负责摘要生成和内容理解，配合 RecursiveCharacterTextSplitter 做长文本分块处理（max_chars=4000）。

针对 YouTube 视频，项目使用了 YoutubeLoader 自动获取字幕——如果视频没有字幕，则调用 OpenAI Whisper 做语音转文字（openai-whisper 依赖）。这一步极为关键，因为许多优质的 AI 领域 YouTube 内容并未提供文字 transcript。

嵌入层：多模型向量数据库

Auto-News 支持多种嵌入模型和多向量存储后端：

OpenAI Embeddings（embedding_openai.py）：调用 OpenAI 的 text-embedding-ada-002 等模型
HuggingFace Embeddings（embedding_hf.py）：本地部署 Sentence Transformers
Ollama 本地嵌入（embedding_ollama.py）：支持完全离线运行

向量存储层支持三套方案：

ChromaDB（chromadb>=0.4）：轻量级向量数据库，适合个人部署
Milvus（pymilvus>=2.4）：生产级分布式向量搜索
Pinecone（pinecone-client）：云端向量服务
LlamaIndex（llama-index>=0.9）：同时作为检索和索引框架

每个嵌入任务的缓存键由 model_name + start_date 生成，确保不同时间段的嵌入任务相互隔离。

功能深度解析

1. 多源内容采集

Auto-News 采集的数据源类型极为丰富（src/ops_*.py）：

模块	数据源	技术实现
`ops_rss.py`	RSS 订阅源	`feedparser` 库
`ops_twitter.py`	Twitter/X	`tweepy` + Twitter API
`ops_reddit.py`	Reddit 帖子	Reddit API
`ops_youtube.py`	YouTube 视频	`yt-dlp` + `youtube-transcript-api`
`ops_article.py`	Web 文章	`BeautifulSoup`（`bs4`）+ `WebBaseLoader`
`ops_arxiv.py`	ArXiv 论文	`arxiv` 库 + ArXiv API
`ops_journal.py`	个人日记/笔记	Notion 笔记库

2. 智能去噪过滤

项目自称能「过滤掉 80% 以上的噪音内容」。其原理是：

向量相似度匹配：将新内容与用户历史偏好向量对比，过滤语义重复的内容
LLM 评分排序：用 LLM 对内容进行质量打分，只保留高分内容进入 Notion
时间衰减加权：新内容权重更高，避免信息过时

这个过滤机制在 ops_stats.py 和 llm_prompts.py 中实现，使用 LangChain 的 Chain-of-Thought 提示词，引导 LLM 进行结构化评分。

3. Weekly Top-k 回顾

每周自动生成一次 Top-k 内容回顾（collect_weekly.py），将本周最重要的 k 条内容打包，以 Newsletter 风格推送给用户。这是当前很多 AI 资讯产品（如 TLDR、Rapid Weekly）都在做的事情，Auto-News 在个人层面实现了自动化。

4. 多智能体深度探索（实验性）

项目引入了基于 AutoGen（微软多智能体框架）的 Deepdive 实验性功能：当用户对一个话题感兴趣时，系统会自动启动多个 web search agent，从不同角度深度挖掘该话题，生成一份结构化研究报告。这是一个典型的 Multi-Agent RAG 场景。

5. 全栈存储层

Auto-News 的数据层是一个复杂的多存储架构：

MySQL 8.2+（mysql-connector-python）：结构化元数据存储（订阅源配置、用户评分等）
Redis：缓存层（内容去重、LLM 评分缓存 ttl=2周、嵌入缓存 ttl=4周）
MinIO/S3（minio）：对象存储，保存原始内容
Notion：用户展示层，所有内容最终通过 Notion API 呈现给用户
ScyllaDB（scylla-driver）：高性能 NoSQL，可选替代方案

这种「数据库联邦」式架构，对于一个个人项目来说复杂度相当高，体现了作者在分布式系统方面有实战经验。

部署体验：开发者友好程度评估

Docker 一键部署

项目提供了两种主要部署路径：

路径一：Docker Compose（推荐新手）

git clone https://github.com/finaldie/auto-news.git
cd auto-news/docker
cp .env.template .env
# 编辑 .env 填入 Notion Token、OpenAI API Key 等
docker-compose up -d

docker-compose.yaml 配置了完整的 Airflow + Redis + PostgreSQL 环境，一条命令即可启动核心服务。

路径二：Helm / Kubernetes（面向生产）

项目还提供了 Helm Chart（helm/ 目录）和 ArgoCD 配置（argocd/ 目录），支持 GitOps 风格的 K8s 部署。这说明作者考虑了将服务规模化的可能性。

硬件门槛：中等偏高

README 中明确标注的硬件需求：

CPU：最低 2 核，推荐 8 核
内存：最低 6GB，推荐 16GB
磁盘：最低 20GB，推荐 100GB

这个配置要求比大多数 AI 工具都高，主要因为 Airflow 本身就是一个重量级调度框架，加上 MySQL、Redis 等中间件，本地运行确实需要一定资源。如果用 Ollama 本地模型而非 OpenAI API，还需要额外 GPU 资源。

依赖复杂度：需要一定动手能力

项目依赖超过 35 个 Python 包（pyproject.toml），涵盖 LLM、向量库、音视频处理、云存储等多个领域。安装过程通过 Dockerfile 的 pip install -r requirements.txt 自动完成，但配置环境变量（.env）这一步无法自动化，需要用户手动填写 Notion Token、各 LLM API Key 等敏感信息。

对于没有 Notion 账号和 LLM API 使用经验的用户来说，初始配置有一定门槛。

完全托管版（最快方案）

作者提供了配套的托管服务 dotsfy.com，支持 Web 和 iOS/Android 应用，完全免费使用（美国/加拿大可用）。这是上手最快的方案，适合不想折腾部署的用户。

代码质量评估

维度	评分	说明
架构设计	5/5	清晰的 Operator 模式、多存储联邦、模块化分层
代码规范	4/5	`.flake8` 配置规范，但部分 patch 文件说明代码演进过程
文档质量	5/5	README + Wiki + 视频 + 博客，文档体系完整
测试覆盖	3/5	未发现测试目录，依赖人工验收
部署友好度	4/5	Docker/Helm/ArgoCD 多路径，但配置复杂度高

总体评分：85/100

核心架构设计非常成熟，Operator 模式实现了良好的关注点分离，每个数据源（RSS、Twitter、YouTube 等）都有独立的 Operator 类。但测试覆盖不足是一个明显短板，生产部署建议配合 CI/CD 流程进行自动化测试。

局限与挑战

1. 隐私风险：内容全上云

所有采集内容都会发送到 OpenAI/Google 的服务器进行处理。如果你的信息源包含公司内部数据、机密内容或个人隐私，使用 Auto-News 前需要三思。项目中虽然支持 Ollama 本地模型，但默认配置仍然依赖云端 LLM API。

2. 成本：LLM API 调用的隐形成本

每个内容摘要需要调用 LLM API。项目没有提供用量统计和成本控制机制。在高频采集场景下，OpenAI 的 GPT-4o Mini 或 Gemini Flash 的成本累积也不可忽视。建议用户在 .env 中设置 API 限流，或切换到 Ollama 完全本地化。

3. API 依赖脆弱性

Twitter/X API 在 2023-2024 年经历了多次重大变更（收费、限流），类似地，YouTube、Reddit 等平台的 API 政策也可能随时变化。Auto-News 依赖外部平台 API，一旦这些 API 不可用或大幅涨价，系统可能需要紧急适配。

4. 托管版地区限制

dotsfy.com 的 iOS/Android 应用仅对美国和加拿大用户开放，国际用户只能选择自托管或 Web Beta 版。

行业意义与未来趋势

Auto-News 代表了一个正在兴起的产品类别——LLM-Native 信息消费工具。

这类工具的共同特征是：不再让用户主动搜索信息，而是由 AI 代劳，通过订阅源管理 + 智能过滤 + LLM 摘要，让用户在固定时间内获取最大信息价值。

总结

一句话评价：Auto-News 是一款面向 AI 时代信息过载问题的个人新闻聚合系统，通过 LangChain 驱动的 LLM 摘要、Notion 展示层和多源数据采集，实现了「5 分钟掌握一天 AI 资讯」的目标。

适合人群：

有一定技术背景，希望自托管数据、不依赖 SaaS 的开发者
信息消费量大（每日 2 小时以上），想提升信息获取效率的高级用户
对 AI 工具链有学习需求，想研究 LLM + RAG 实际落地的工程师

不适合：

完全不想配置任何东西的纯小白（建议直接用 dotsfy.com 托管版）
对数据隐私零容忍（LLM API 调用必须走云端）

项目在架构设计和工程实现上都展现了较高水准，是一个值得深入研究的 AI 应用范例。

Auto-News：用 LLM 重塑个人信息消费方式

项目作者头像

图1：项目作者 Yuzhang Hu 的 GitHub 头像

开篇：当信息焦虑成为时代病

项目 Star 数 885，在 GitHub 上获得了不错的社区认可，并在 2024-2025 年间持续活跃更新，配套推出了 iOS/Android 应用和 Web 版本 dotsfy.com。

项目起源：一个人对抗信息洪流的故事

这个需求非常具体：

Super busy：时间极其有限，需要在几分钟内掌握核心信息
Super individual：在 GenAI 时代，一个人要处理大量信息，没有团队支持
Super executor：说得少、做得多，用自动化工具替代重复劳动

为了实现这个目标，Auto-News 构建了一个完整的数据管道：

多源采集：RSS 源、Twitter/X、Reddit 帖子、YouTube 视频、ArXiv 论文、Web 文章
LLM 处理：用 ChatGPT/Gemini/Ollama 生成摘要、去噪过滤、生成 TODO
输出展示：存入 Notion 数据库，以 RSS 阅读器风格呈现，配合 Weekly Top-k 回顾

核心技术架构

调度层：Apache Airflow

Auto-News 的调度核心基于 Apache Airflow。DAG 目录下定义了 6 个定时任务：

DAG 文件	功能
`news_pulling.py`	定时从各数据源拉取新闻
`journal_daily.py`	每日日志整理
`collect_weekly.py`	生成 Weekly Top-k 摘要
`todo.py`	生成 TODO 待办列表
`sync_dist.py`	同步分发内容到各平台
`upgrade.py`	系统版本升级

docker-compose.yaml 基于 Apache Airflow 官方镜像（2.8.4-python3.11），配置了 CeleryExecutor 模式，后端使用 Redis + PostgreSQL，这是一个生产级的任务队列架构。

LLM 层：LangChain 多后端适配

LLM 处理是 Auto-News 的灵魂。项目采用 LangChain 0.3.1 作为 LLM 编排框架，支持三大后端：

from langchain.chat_models import ChatOpenAI       # OpenAI GPT
from langchain_google_genai import ChatGoogleGenerativeAI  # Google Gemini
from langchain_community.chat_models import ChatOllama     # 本地 Ollama

LangChain 的 LLMChain 和 load_summarize_chain 负责摘要生成和内容理解，配合 RecursiveCharacterTextSplitter 做长文本分块处理（max_chars=4000）。

嵌入层：多模型向量数据库

Auto-News 支持多种嵌入模型和多向量存储后端：

OpenAI Embeddings（embedding_openai.py）：调用 OpenAI 的 text-embedding-ada-002 等模型
HuggingFace Embeddings（embedding_hf.py）：本地部署 Sentence Transformers
Ollama 本地嵌入（embedding_ollama.py）：支持完全离线运行

向量存储层支持三套方案：

ChromaDB（chromadb>=0.4）：轻量级向量数据库，适合个人部署
Milvus（pymilvus>=2.4）：生产级分布式向量搜索
Pinecone（pinecone-client）：云端向量服务
LlamaIndex（llama-index>=0.9）：同时作为检索和索引框架

每个嵌入任务的缓存键由 model_name + start_date 生成，确保不同时间段的嵌入任务相互隔离。

功能深度解析

1. 多源内容采集

Auto-News 采集的数据源类型极为丰富（src/ops_*.py）：

模块	数据源	技术实现
`ops_rss.py`	RSS 订阅源	`feedparser` 库
`ops_twitter.py`	Twitter/X	`tweepy` + Twitter API
`ops_reddit.py`	Reddit 帖子	Reddit API
`ops_youtube.py`	YouTube 视频	`yt-dlp` + `youtube-transcript-api`
`ops_article.py`	Web 文章	`BeautifulSoup`（`bs4`）+ `WebBaseLoader`
`ops_arxiv.py`	ArXiv 论文	`arxiv` 库 + ArXiv API
`ops_journal.py`	个人日记/笔记	Notion 笔记库

2. 智能去噪过滤

项目自称能「过滤掉 80% 以上的噪音内容」。其原理是：

向量相似度匹配：将新内容与用户历史偏好向量对比，过滤语义重复的内容
LLM 评分排序：用 LLM 对内容进行质量打分，只保留高分内容进入 Notion
时间衰减加权：新内容权重更高，避免信息过时

这个过滤机制在 ops_stats.py 和 llm_prompts.py 中实现，使用 LangChain 的 Chain-of-Thought 提示词，引导 LLM 进行结构化评分。

3. Weekly Top-k 回顾

4. 多智能体深度探索（实验性）

5. 全栈存储层

Auto-News 的数据层是一个复杂的多存储架构：

MySQL 8.2+（mysql-connector-python）：结构化元数据存储（订阅源配置、用户评分等）
Redis：缓存层（内容去重、LLM 评分缓存 ttl=2周、嵌入缓存 ttl=4周）
MinIO/S3（minio）：对象存储，保存原始内容
Notion：用户展示层，所有内容最终通过 Notion API 呈现给用户
ScyllaDB（scylla-driver）：高性能 NoSQL，可选替代方案

这种「数据库联邦」式架构，对于一个个人项目来说复杂度相当高，体现了作者在分布式系统方面有实战经验。

部署体验：开发者友好程度评估

Docker 一键部署

项目提供了两种主要部署路径：

路径一：Docker Compose（推荐新手）

git clone https://github.com/finaldie/auto-news.git
cd auto-news/docker
cp .env.template .env
# 编辑 .env 填入 Notion Token、OpenAI API Key 等
docker-compose up -d

docker-compose.yaml 配置了完整的 Airflow + Redis + PostgreSQL 环境，一条命令即可启动核心服务。

路径二：Helm / Kubernetes（面向生产）

项目还提供了 Helm Chart（helm/ 目录）和 ArgoCD 配置（argocd/ 目录），支持 GitOps 风格的 K8s 部署。这说明作者考虑了将服务规模化的可能性。

硬件门槛：中等偏高

README 中明确标注的硬件需求：

CPU：最低 2 核，推荐 8 核
内存：最低 6GB，推荐 16GB
磁盘：最低 20GB，推荐 100GB

依赖复杂度：需要一定动手能力

对于没有 Notion 账号和 LLM API 使用经验的用户来说，初始配置有一定门槛。

完全托管版（最快方案）

代码质量评估

维度	评分	说明
架构设计	5/5	清晰的 Operator 模式、多存储联邦、模块化分层
代码规范	4/5	`.flake8` 配置规范，但部分 patch 文件说明代码演进过程
文档质量	5/5	README + Wiki + 视频 + 博客，文档体系完整
测试覆盖	3/5	未发现测试目录，依赖人工验收
部署友好度	4/5	Docker/Helm/ArgoCD 多路径，但配置复杂度高

总体评分：85/100

局限与挑战

1. 隐私风险：内容全上云

2. 成本：LLM API 调用的隐形成本

3. API 依赖脆弱性

4. 托管版地区限制

dotsfy.com 的 iOS/Android 应用仅对美国和加拿大用户开放，国际用户只能选择自托管或 Web Beta 版。

行业意义与未来趋势

Auto-News 代表了一个正在兴起的产品类别——LLM-Native 信息消费工具。

这类工具的共同特征是：不再让用户主动搜索信息，而是由 AI 代劳，通过订阅源管理 + 智能过滤 + LLM 摘要，让用户在固定时间内获取最大信息价值。

总结

适合人群：

有一定技术背景，希望自托管数据、不依赖 SaaS 的开发者
信息消费量大（每日 2 小时以上），想提升信息获取效率的高级用户
对 AI 工具链有学习需求，想研究 LLM + RAG 实际落地的工程师

不适合：

完全不想配置任何东西的纯小白（建议直接用 dotsfy.com 托管版）
对数据隐私零容忍（LLM API 调用必须走云端）

项目在架构设计和工程实现上都展现了较高水准，是一个值得深入研究的 AI 应用范例。

社区活跃度

Auto-News：用 LLM 重塑个人信息消费方式

开篇：当信息焦虑成为时代病

项目起源：一个人对抗信息洪流的故事

核心技术架构

调度层：Apache Airflow

LLM 层：LangChain 多后端适配

嵌入层：多模型向量数据库

功能深度解析

1. 多源内容采集

2. 智能去噪过滤

3. Weekly Top-k 回顾

4. 多智能体深度探索（实验性）

5. 全栈存储层

部署体验：开发者友好程度评估

Docker 一键部署

硬件门槛：中等偏高

依赖复杂度：需要一定动手能力

完全托管版（最快方案）

代码质量评估

局限与挑战

1. 隐私风险：内容全上云

2. 成本：LLM API 调用的隐形成本

3. API 依赖脆弱性

4. 托管版地区限制

行业意义与未来趋势

总结

社区活跃度

Auto-News：用 LLM 重塑个人信息消费方式

开篇：当信息焦虑成为时代病

项目起源：一个人对抗信息洪流的故事

核心技术架构

调度层：Apache Airflow

LLM 层：LangChain 多后端适配

嵌入层：多模型向量数据库

功能深度解析

1. 多源内容采集

2. 智能去噪过滤

3. Weekly Top-k 回顾

4. 多智能体深度探索（实验性）

5. 全栈存储层

部署体验：开发者友好程度评估

Docker 一键部署

硬件门槛：中等偏高

依赖复杂度：需要一定动手能力

完全托管版（最快方案）

代码质量评估

局限与挑战

1. 隐私风险：内容全上云

2. 成本：LLM API 调用的隐形成本

3. API 依赖脆弱性

4. 托管版地区限制

行业意义与未来趋势

总结