让AI替你刷资讯：cgft-llm猎空——LLM+微信自动化资讯机器人完整实现指南

让AI替你刷资讯：cgft-llm猎空——LLM+微信自动化资讯机器人完整实现指南

【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型（LLM）开发的开源资源。它提供代码、文档和视频教程，帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm

cgft-llm 是「动手做大模型系列」开源仓库，其中的"猎空"项目是一个 LLM+微信自动化资讯机器人：它自动抓取网页资讯、用大模型提炼摘要，再通过微信机器人定时推送到你的微信。本文带你完整拆解这套 AI 刷资讯方案的核心原理、关键实现路径与快速上手方法，新手也能照着搭出属于自己的资讯机器人 🤖。

为什么需要一个微信资讯机器人？

每天花 1 小时刷科技动态、热门开源项目、行业资讯，信息还是抓不住重点？"猎空"解决的正是这个问题：

• 📡自动抓取：定时打开目标网页（如 GitHub Trending、新闻站），提取结构化内容
• ✂️AI 提炼：大模型把长文压缩成"3 句话看懂今天"的简报
• 💬微信直达：通过 RPA 自动化把结果发到微信群/个人微信，无需打开任何后台

核心思路：RPA（机器人流程自动化）解决"手"，LLM 解决"脑"，定时任务解决"心跳"。

cgft-llm 仓库把这三块的关键技术全部做成了可运行的实战代码，猎空正是这些技术的集大成者。

猎空资讯机器人的 4 个核心积木

相关文档索引：

• RPA 结合 LLM 自动化：rpa-automation-with-llm-agent.md
• Dify 实现 Agent 与 Workflow：dify-agent-llm-workflow.md
• 工具调用实战：readme.md

第一步：让机器人会"刷网页"——浏览器自动化

资讯从哪来？猎空的做法是用 Playwright 驱动无头浏览器访问目标页面，解析出仓库名、描述、星标数等字段，导出成 CSV 数据源。

仓库里的 github_trending_scraper.py 就是抓取模块的完整参考实现，亮点：

• 随机 User-Agent + 指数退避重试，避免被封
• 边抓取边截图留证，方便调试选择器
• 结果落盘为 CSV，如 github_trending_20250316.csv，供后续 LLM 消费

抓取到的每个热点仓库都能生成独立截图，例如这条热门项目的抓取结果：

第二步：让大模型当"主编"——Workflow 与 Function Calling

抓回一堆原始数据后，需要 LLM 扮演主编：筛选 → 摘要 → 排版。cgft-llm 提供两条路线：

1. LLM Workflow（推荐）：用 Dify 等低代码平台编排"输入 CSV → 大模型总结 → 输出简报"的单轮流程，猎空项目正是这种"给定输入直接得到输出"的 Workflow 形态，详见 dify-agent-llm-workflow.md。
2. Function Calling：让模型自己决定"该调什么工具"。仓库的 basic_tool.py 演示了最小可运行的工具调用闭环，app.py 则更进一步，实现了"AI 自动发邮件"——把流程里的邮件换成微信推送，就是一个资讯机器人。

Function Calling 的执行流程（模型识别意图 → 调用工具 → 回填结果）：

第三步：把简报送到微信——RPA 自动化

最后一"公里"用 RPA 完成。rpa-automation-with-llm-agent.md 中给出了以影刀 RPA 为例的落地方式：

• 配置定时触发器（如每天早 8 点）
• 定时调用 LLM Workflow 应用，拿到当日简报
• 在微信客户端执行"打开会话 → 粘贴 → 发送"的桌面自动化动作

这套"RPA + LLM Agent"的组合，本质上让 AI 直接操作系统、完成端到端任务，也正是猎空每日准点推送的原理。

快速上手：获取代码并跑起来 🚀

git clone https://gitcode.com/echonoshy/cgft-llm

建议的学习路径（对应仓库目录）：

1. 先看 tool-calls/readme.md：跑通浏览器抓取，理解数据怎么来
2. 再看 function-calling/README.md：配置好模型 API，跑通"AI 自动发邮件"，理解动作怎么做
3. 最后读 rpa-automation-with-llm-agent.md：接入微信，完成最后一公里

每步都有配套视频教程（仓库首页有完整清单），遇到问题按"环境 + 日志 + 截图"三步反馈，更容易被定位。

延伸玩法：从资讯机器人到你的 AI 数字同事

猎空只是个起点。同一套"抓取 → 总结 → 推送"架构，换个数据源就能变成：

• 📰 行业日报机器人：抓取新闻站，投喂到 RAG 知识库后再总结（可参考 llama-index/README.md）
• 💹 行情/论文监控：替换 scraper 的 URL 与解析规则即可
• 🎙️ 语音播报：摘要交给 TTS，再进一步做成 AI 播客

cgft-llm 的初衷就是"动手做大模型"——把 LLM 的想象空间变成每天真实运行的小机器人，让 AI 替你刷资讯、替你盯信息：

小结

• 猎空 =Playwright 抓数据+LLM Workflow 做编辑+RPA 发微信+定时触发
• cgft-llm 仓库把每一环都拆成了带视频讲解的实战章节，新手可按上文 3 步路径复现
• 掌握这套组合拳后，你可以把它迁移到任何"信息采集 + 自动化触达"的场景

【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型（LLM）开发的开源资源。它提供代码、文档和视频教程，帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm