当你的思想变成了 RSS 筛选器：用 LLM 让 RSS 为你“工作”

Idea

1. 每天写笔记，记录自己关注的知识和信息。我用 Roam 的 Daily Note 功能，手动将重要信息写下来。计算机还无法自动提取人类的思维，只能依赖笔记。
2. 笔记是大脑的外存，但会随时间衰减。但近期（例如 30 天）的笔记代表了我当前的关注点和知识信息过滤器。
3. 我们无法表达出来自己所关注的相关信息，无论是标签还是知识图谱，都会衰减很多。不如直接让 llm 来理解，并把理解的作为过滤器，帮我筛选每日的新闻
4. 各种工具（搜索引擎、AI 问答）的推荐不够个性化，尤其是专业领域。RSS 源是否可信、是否符合我现阶段的认知需要，这样的信息源，需要手工维护。即时把噪音多的信息源抛弃，即时添加可信的信息源。
5. 我只是用了RSS这种熟悉的形式来维护信息源，通过 Werss 把订阅的公众号转化为 rss，利用 RSSHub 转换其他信息源（新闻、博客、论坛等）为 RSS。
6. Follow 是个不错的 RSS 阅读器，但面对海量信息依然是无法承受的认知负荷。即使有 AI 辅助，阅读还是个负担。
7. 用 LLM 洞察我关注的内容，并过滤 RSS 中的相关信息，能减少信息量，轻松每日阅读。
8. 如果能以邮件推送的形式，每天早上收到筛选后的信息，效果会更好。
9. 企业也能用这种方法订阅业务相关信息，进行个性化筛选。

实现方法

1. 写脚本每日凌晨从 roam research 后台获得近 30 天的笔记，输出为文本。方法如上文

2. 使用coze 每天早上 9 点执行 一下工作流

步骤如图

2.1. 加密获取近期笔记，喂给 llm, prompt 如下(仍需不断尝试和优化）：

你现在是专业的prompt工程师，且注重安全隐私
以下是我每日的日志， 按日期倒排序，也就是说越远的日志我遗忘得越快：
{{input}}

你现在是个信息过滤器，面对大量的rss 订阅信息，需要过滤出我想要的信息。 但我没法告诉你我关注什么，你只能从我最近的笔记中洞察出来。请洞察出我最关注的领域、概念、事件，生成格式化的prompt输出，要求按我最关注的排序，严格按照指定, 格式示例如下：
示例:
我正在寻找与以下主题相关的文章和内容：
1 我最关注的领域1,概念,关键词
2 我其次关注领域2,概念,关键词
3 我关注领域3,概念,关键词

2.2. 获得了一段个性化的 prompt，让coze 抓取当天的 rss，并合并在一起

2.3. 让 llm 过滤 rss，并输出为邮件

你现在是我的 RSS 助理，根据我关注的提示，过滤 RSS 中的信息
{{insightprompt}}
你现在阅读的是 RSS 数据{{rssbody}}
请筛选出我感兴趣的内容，并翻译为中文。

请用以下结构描述：
每行格式为：{{rssbody[0].title}} {{rssbody[0].link}} ({{rssbody[0].published}})
以我关注的领域分组
以{{rssbody[0].author}} 二次分组

结果生成为email 中正文的内容

2.4. 给邮件生成个标题，发送邮件给自己。使用快一点的模型就行 doubao pro 可以，前面两个 llm 调用，使用效果最好的模型。推荐 deepseek r1、qwen max、gpt 4o

3. 看到的结果是这样

结果还可以持续优化

思考与实践

1. 写笔记的目的，不是盲目记录，而是让工具（计算机、AI）理解我当前的思考。通过每天的回顾，把我脑海中觉得重要、有趣、或有创意的内容，认真传达给工具。
2. 目前没有足够成熟的算法可以将思维直接转化为信息过滤器，但大语言模型（LLM）具备这样的潜力，我们应该学会利用它的能力。
3. 信息源的可信度、即时性和深度总在变化。我们浏览信息时，实际上是在用当前的思维去做过滤。LLM 也能做到类似的事，但前提是我们需要先给它限定范围。传统的 RSS 订阅和个人对信息源的评估，是我们能用工具定期维护的任务。

工具的有效性反过来可以强化我们的行为：

1. 让我们更加认真地把每日的思考传递给工具。
2. 和 AI 一起共同维护一个有限但可信的信息源，减少噪音。

期待更好的效果出现。感谢 Cursor、各种 LLM、Coze，各种云服务、还有所有朋友们，让这些想法能够在几天内从构想到实现，真的是一种令人兴奋的进步。