先说清楚这篇是写给谁的。如果你在做 AI 相关的研发、产品或投资，想用很少的时间知道"从昨天到今天发生了什么"，这篇会有用；如果你要找的是其他行业的新闻，InBrief 不覆盖，这一点我放在最前面讲。
我为什么做 InBrief
我自己每天的固定动作是：打开几个官方博客，翻一遍 X，扫 Hacker News，再看两个 Reddit 板块。做久了发现，真正花时间的不是读，而是决定读什么——打开信源、扫标题、猜内容，最后才判断值不值得点开。RSS 阅读器能把订阅集中起来，但订阅列表和过滤规则要自己维护，源一多，噪声也跟着涨。
所以 InBrief 的定位不是"又一个资讯站"，而是一层采集和筛选：从一手来源和社区持续采集 AI 内容，用 LLM 过滤、打分、去重，输出中英双语摘要。核心采集引擎开源，MIT 协议，见 https://github.com/frankzch/ai-news-brief；另外还有一个 Agent Skill，见 https://github.com/frankzch/ai-news-skill。下面按我自己每天用的顺序讲。
我的十分钟分成三段
不是一次刷到底。十分钟里我按这个顺序走：先看大厂官方动态，确认一手发布；再扫一遍经过筛选和评分的聚合流；最后花两三分钟看社区在讨论什么。三块对应 InBrief 的三类内容，顺序可以调，但分开看比混在一起扫要省力——因为每一段要回答的问题不一样：有没有新东西发布、哪些值得点开、从业者在争什么。
第一段：大厂一手动态，先看原话
InBrief 直接追踪 OpenAI、Google DeepMind、Google Research、Microsoft AI、Nvidia、Apple 机器学习、Hugging Face 等官方博客，也收录 TechCrunch AI、The Verge 这类科技媒体。
把官方博客放在一起看，意义在于减少中间环节。一条发布从官网出来，到被转述、摘编、再解读，中间可能出现延迟、裁剪，以及追溯不到出处的问题。直接从一手来源读，会稳一些。这一段我通常花三分钟左右，扫标题和摘要，值得细读的点进去看原文。InBrief 不声称比谁快，也不替代读原文；每条内容保留来源，可以点回原文——这一点对我比"快"更重要。
第二段：被筛过的聚合流，用来判断值不值得点开
第二块是 AI 资讯聚合。采集面覆盖 RSS、Hacker News、Reddit、X、YouTube 字幕、GitHub Trending、Hugging Face 论文榜，合计追踪 94 个 AI 信息源。内容先经过 LLM 过滤、打分和去重，再输出中英双语摘要。
它解决的问题是"先判断值不值得看"的成本。以前打开一个信息流，要先扫标题、猜内容、决定点不点；现在每条先给摘要和重要性评分，重要的再点开。去重这一层用的是 SimHash 加 pgvector 两级，效果是同一件事被几个源同时提到时，列表里不会反复出现。比如某个模型开源，Hacker News、Reddit 和 X 上同时有讨论，最后留下的通常是被合并过的条目，而不是三条标题不同、内容重复的卡片。摘要做成中英双语，对中文阅读更快的人省力。
第三段：社媒讨论，看从业者在争什么
第三块是社媒 AI 讨论。InBrief 追踪 X 上 35 位 AI 从业者，比如 Karpathy、Sam Altman、Simon Willison，也覆盖 13 个 YouTube 频道，以及 Hacker News 和 Reddit 上的 AI 讨论。
官方博客回答"发布了什么"，社区回答"这东西有什么问题"。我的习惯是一手动态看完再来这边扫一遍，判断某件事在从业者里有没有争议、有没有人踩过坑。它不替代读原帖，只是把值得看的先筛出来并给出摘要，省掉在几个 App 之间来回切换的时间。
用自然语言查，比翻列表更直接
除了按时间流看，Agent Skill 支持用自然语言按类目、来源、时间范围查询。比如问"过去 24 小时 X 上关于 agent 的讨论"，或者"这一周 Hacker News 上关于推理模型的内容"。它在 Claude Code、Codex、OpenClaw、Antigravity 里都能用，仓库见上面第二个链接。对不想在多个列表之间翻的人来说，这种问法比手动筛更直接。
开源、自建，以及几个明确的限制
核心采集引擎是开源的（MIT），可以自己部署。但代价要说清楚：自建需要 PostgreSQL + pgvector 和 LLM API Key，不是拉下来就能跑；Agent Skill 也需要你本来就有对应的运行环境。如果你不想做任何配置，这块可以直接跳过。
另一个限制是范围：InBrief 只做 AI 领域，不覆盖其他行业新闻。还有一点，它给的是摘要和评分，判断的准确度取决于摘要质量，最终读原文这一步省不掉。
和其他做法的区别，以及不适合的人
简短说几句别的做法。Newsletter 有编辑判断，读起来省心，但覆盖范围和更新频率有限；RSS 阅读器很灵活，代价是订阅列表和过滤规则要自己管；X 列表实时，但噪声大；手动刷 Hacker News 和 Reddit 比较分散，容易漏。InBrief 的取舍是：把官方来源、科技媒体和社区讨论收进同一个入口，用 LLM 过滤、打分、去重，再输出摘要。
不适合的人也明确：要看非 AI 行业新闻的，这里没有；想完全自己掌控采集和部署的，引擎开源但需要自己搭环境；不想做任何配置的，Agent Skill 同样依赖你已有的环境。它更适合愿意每天拿出十分钟、想减少信息噪声的 AI 从业者，而不是想用一个入口看完所有行业新闻的人。
利益相关：作者参与 InBrief 项目。
