AI-news

AI-news 是一个每日自动化脚本项目：它会抓取最新 AI 热点新闻，调用 AI 模型生成中文 Markdown 简报，然后发送到你的个人邮箱，并把每日报告保存到 GitHub 仓库。

这个项目面向 AI 训练师初学者。你不需要先成为程序员，也可以通过它理解新闻抓取、提示词、模型总结、邮件发送和自动化任务这些基础流程。

每天会发生什么

北京时间每天 19:00，GitHub Actions 会自动运行：

1. 抓取 AI 新闻候选。
2. 去重、筛选最近 24-48 小时的重要内容。
3. 如果新闻太少，扩展到最近 72 小时。
4. 调用你配置的 AI 模型生成 Markdown 简报。
5. 把简报转成 HTML 邮件发给你。
6. 保存 reports/YYYY-MM-DD.md。
7. 自动提交报告到仓库。

简报内容

每封邮件包含：

• 今日速览
• 8-10 条重点新闻
• 每条新闻的“发生了什么”“为什么重要”“初学者学习提示”
• 今日概念补充
• AI 训练师学习向代码示例
• 原始链接列表

需要配置的 GitHub Secrets

进入 GitHub 仓库：

Settings -> Secrets and variables -> Actions -> New repository secret

添加这些值：

Secret	是否必填	说明
ZHIPU_API_KEY	推荐必填	智谱 API Key，GitHub Actions 会优先使用它
AI_API_KEY	兼容备用	没有 ZHIPU_API_KEY 时才使用这个通用模型 Key
AI_BASE_URL	本地运行可填	AI 接口地址；GitHub Actions 默认使用智谱
AI_MODEL	本地运行可填	模型名称；GitHub Actions 默认使用 glm-4.7-flash
AI_API_STYLE	本地运行可填	智谱使用 chat_completions
MAIL_HOST	建议填写	网易邮箱填 smtp.163.com
MAIL_PORT	建议填写	网易邮箱 SSL 端口填 465
MAIL_USERNAME	必填	发件网易邮箱
MAIL_PASSWORD	必填	网易邮箱 SMTP 授权码，不是登录密码
MAIL_FROM	必填	发件邮箱
MAIL_TO	必填	收件邮箱，可以和发件邮箱相同
NEWS_API_PROVIDER	可选	例如 newsapi
NEWS_API_KEY	可选	新闻搜索 API Key

不要把 API Key、邮箱授权码写进代码，也不要提交到仓库。只放在 GitHub Secrets 或本地 .env 文件里。

AI_BASE_URL 是什么

AI_BASE_URL 是程序调用模型的接口地址，不是浏览器里的后台页面。

GitHub Actions 现在默认使用智谱免费模型：

AI_BASE_URL=https://open.bigmodel.cn/api/paas/v4
AI_MODEL=glm-4.7-flash
AI_API_STYLE=chat_completions

其他兼容接口例子：

https://api.openai.com/v1
https://api.deepseek.com/v1
https://api.aicodemirror.com/api/codex/backend-api/codex

如果你使用 AICodeMirror，并且它给你的 Codex 接口是：

https://api.aicodemirror.com/api/codex/backend-api/codex

可以先把它填到 AI_BASE_URL，并把 AI_API_STYLE 设置为：

responses

网易邮箱授权码

网易邮箱发信通常不能直接使用登录密码。你需要在网易邮箱设置里开启 SMTP，并生成“授权码”。

把授权码填入：

MAIL_PASSWORD

如果邮件发送失败，优先检查：

• MAIL_HOST 是否是 smtp.163.com
• MAIL_PORT 是否是 465
• MAIL_PASSWORD 是否是 SMTP 授权码
• MAIL_TO 是否填写正确

手动运行 GitHub Actions

你可以不等到每天 19:00，手动测试一次：

1. 打开 GitHub 仓库页面。
2. 点击 Actions。
3. 选择 Daily AI News。
4. 点击 Run workflow。
5. 等待运行完成，查看日志、邮箱和 reports/ 目录。

本地测试

安装依赖：

python -m pip install -e ".[dev]"

运行测试：

pytest -v

只生成 Markdown，不发送邮件：

$env:DRY_RUN="true"
python -m ai_news.main --dry-run

如果 Windows 上 python 不可用，可以尝试：

py -3.11 -m pytest -v

项目结构

src/ai_news/config.py        读取配置
src/ai_news/news_sources.py  抓取、去重、筛选新闻
src/ai_news/summarizer.py    调用 AI 模型生成 Markdown
src/ai_news/email_sender.py  转换 HTML 并发送邮件
src/ai_news/report_store.py  保存 reports/YYYY-MM-DD.md
src/ai_news/main.py          串起完整流程
.github/workflows/           GitHub Actions 定时任务
reports/                     每日 Markdown 简报

如何修改

• 修改收件人：改 GitHub Secret MAIL_TO
• 修改发送时间：改 .github/workflows/daily-ai-news.yml 里的 cron
• 修改模型：改 AI_MODEL
• 修改模型接口：改 AI_BASE_URL
• 添加新闻源：编辑 src/ai_news/news_sources.py 里的 DEFAULT_RSS_FEEDS
• 启用新闻搜索 API：设置 NEWS_API_PROVIDER=newsapi 和 NEWS_API_KEY

给 AI 训练师初学者的学习建议

每天阅读报告时，可以重点看三件事：

1. 这条新闻改变了什么？
2. 它和提示词、数据标注、模型评估或安全有什么关系？
3. 如果我是 AI 训练师，我能从中学到哪个可操作的方法？

你也可以把“代码示例”当成小练习。例如看到数据标注相关新闻时，可以关注类似结构：

sample = {
    "input": "用户问题",
    "expected_behavior": "模型应该如何回答",
    "risk_label": "低风险/中风险/高风险",
    "review_note": "人工标注员的判断依据",
}

这个项目的重点不是只看新闻，而是每天建立一点 AI 训练师需要的判断框架。