新闻详情

新闻详情

首页 / 资讯中心 / 详情

WorkBuddy+DeepSeek:打造每日10:30自动推送的AI行业日报

发布时间:2026/11/16 7:42:37来源:尧图网络
WorkBuddy+DeepSeek:打造每日10:30自动推送的AI行业日报
1. 为什么我要给 WorkBuddy 设一个“十点半闹钟”每天早上到工位泡好茶、打开电脑第一件事不是看邮件而是刷一遍昨天夜里到今早的行业动态。这个习惯我保持了快两年但说实话效率极低——公众号、技术社区、几个垂类资讯站来回切半小时就没了真正有价值的信息可能就三五条。后来我干脆想能不能让 AI 替我把这件事干了每天早上十点半一份整理好的日报直接推到我微信上。这个想法落地之后核心工具就是WorkBuddy。简单说它是一个可以挂载各种技能Skill、按规则自动执行任务的 AI 工作台。你可以把它理解成一个“会自己干活的助手”你告诉它每天几点做什么、做完之后把结果发到哪里它就照做。配合DeepSeek这类大模型做内容理解和摘要再通过微信的推送通道把结果送到手机上整条链路就通了。这套东西适合谁我觉得有三类人特别值得参考。第一类是像我这样每天需要跟踪行业信息、但又不想被信息流淹没的从业者第二类是做自动化测试、运维、数据采集的工程师你们会发现 WorkBuddy 的定时任务和 Skill 机制能省掉大量胶水代码第三类是对 AI 自动化感兴趣、想找个真实场景练手的朋友这个项目难度适中涉及定时调度、API 调用、消息推送几个典型环节拿来入门刚刚好。下面我把整个搭建过程拆开讲包括我踩过的坑、参数怎么定、为什么这么选尽量让你看完就能照着复现。2. 整体方案设计与核心思路拆解2.1 为什么选 WorkBuddy 而不是自己写脚本一开始我确实想过自己写个 Python 脚本用schedule库定时跑抓取内容后调 DeepSeek API 做摘要再用微信的某个接口推给自己。但真动手的时候发现几个问题一是抓取源经常变每个源的解析规则都要单独维护二是推送通道不稳定微信对主动推送的限制越来越多三是脚本跑在本地电脑一关就断了。WorkBuddy 吸引我的地方在于它把这些脏活累活都封装好了。它的Skill 机制允许你把“抓取某个源”“调用某个模型”“推送到某个渠道”拆成独立模块然后在工作台里用规则串起来。更重要的是它支持定时触发我只需要设定“每天 10:30 执行”剩下的它自己跑。这就把“写脚本 维护脚本 保证脚本一直运行”三件事压缩成了一件事。提示WorkBuddy 有国内版和国际版功能上略有差异。国内版在微信生态的对接上更顺国际版在模型选择上更灵活。我这边因为主要推送目标是微信所以用的是国内版。2.2 整条链路的数据流向在动手之前先把数据流向画清楚后面每一步才知道自己在干什么。我的链路是这样的触发层WorkBuddy 的定时器每天 10:30 触发任务。采集层调用预设的几个信息源 Skill抓取过去 24 小时的内容。处理层把抓到的原始内容喂给 DeepSeek让它做去重、分类、摘要。组装层把 DeepSeek 返回的结构化结果拼成一份适合手机阅读的日报。推送层通过微信推送通道把日报发到我的微信对话里。这五层里处理层是核心也是最容易出问题的地方。因为 DeepSeek 的输出质量直接决定了日报能不能看。后面我会专门讲怎么调 prompt、怎么控制输出格式。2.3 关键选型背后的考量为什么用 DeepSeek 而不是别的模型我对比过几个模型在这个场景下的表现。日报摘要这个任务核心要求是“信息压缩比高、不丢关键点、语言简洁”。DeepSeek 在这几点上表现很稳尤其是它对中文技术内容的理
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉