从零搭建个人AI信息简报系统：RSSHub + OpenClaw + DeepSeek 实战

每天被海量信息淹没？时政、医药、投资、AI……想高效获取真正有用的内容，却总在刷公众号、翻网页中浪费一小时？本文记录了我从“信息焦虑”到“自动化简报”的完整折腾过程，包含三种技术方案对比、完整部署命令以及避坑指南。无论你是想快速实现，还是了解背后的技术选型，都能找到答案。

目录

1. 背景
2. 方案选型
3. 环境准备
4. 部署RSSHub
5. 攻克微信公众号
6. 验证RSS源的有效性
7. 接入OpenClaw + DeepSeek
8. 成本与效果
9. 持续优化与维护
10. 总结与展望
11. 关键卡点与避坑指南
12. 工程化实践与经验总结

一、背景：为什么我需要一个自动化简报？

作为一个关注国内外时政、医药健康、投资、人工智能四个领域的开发者，我每天面临两个痛点：

1. 信息源分散：公众号、官网、RSS、社群……切来切去，注意力被撕碎。
2. 阅读效率低：很多文章看完标题就够，却忍不住点进去浪费时间。

我的理想状态是：每天早上收到一份简报，每条新闻配有AI生成的一句话摘要，10分钟读完，重要内容再深度阅读。

于是，我决定动手搭建一套自动化信息简报系统，并设定了以下核心要求：

• 覆盖四大领域：国内外时政与社会民生、医药健康、投资财经、人工智能
• 由 AI 生成结构化摘要，10 分钟内完成精读
• 输出 Markdown 格式，支持飞书推送与 Obsidian 长期归档
• 成本低（使用DeepSeek API，月成本<2元）

二、方案选型：三种技术路径对比

在动手之前，我对比了三种主流方案：

最终选型

考虑到我的需求是固定格式的每日新闻推送，且我愿意接受少量调试成本，同时希望展示前沿技术能力，我决定采用 OpenClaw + DeepSeek 作为唯一方案。该方案使用DeepSeek API（约￥1/百万Token），每日推送成本<0.01元。

三、环境准备：WSL2 + Docker（纯命令行，避雷桌面端）

⚠️ 重要避坑：千万不要安装 Docker Desktop 的 Windows 图形界面版本！它会占用大量内存（2-4GB），导致电脑卡顿，且在 WSL2 中经常出现网络冲突。正确做法是直接在 WSL2 内部安装 Docker Engine（命令行版），轻量、稳定、无图形界面。

在 WSL2（Ubuntu 22.04）中安装 Docker Engine：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 更新软件源
sudo apt update
sudo apt install -y ca-certificates curl

# 安装 Docker 官方 GPG 密钥
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# 添加 Docker 仓库
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 安装 Docker Engine
sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

# 将当前用户加入 docker 组，避免每次 sudo
sudo usermod -aG docker $USER
newgrp docker

验证安装：

1
2

docker --version
docker compose version

配置国内镜像加速（解决拉取慢）：

1
2
3
4
5
6
7

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://docker.xuanyuan.me", "https://docker.1ms.run"]
}
EOF
sudo systemctl restart docker

备注：目前国内镜像源容易down，可选择走代理。
至此，无需任何图形界面，所有操作在 WSL 终端中完成，资源占用极低（Docker 守护进程仅占约 100MB 内存）。

四、部署RSSHub：本地万能RSS工厂

RSSHub能把几乎所有网站（微博、B站、公众号、知乎等）转为标准RSS源。

4.1 拉取并运行容器

1
2
3

docker pull diygod/rsshub:latest
docker run -d --name rsshub -p 1200:1200 diygod/rsshub
docker update --restart=always rsshub   # 开机自启

4.2 验证

浏览器打开 http://localhost:1200，看到欢迎页即成功。

4.3 使用示例

• 订阅“36氪”：http://rsshub:1200/36kr/news/latest

五、攻克微信公众号：WeWe-RSS及其他工具

大部分公众号不提供RSS，这里提供三种解决方案。

5.1 方案一：WeWe-RSS（自托管，最稳定）

WeWe-RSS基于微信读书接口，是目前最稳定的公众号RSS化方案。

部署命令：

1
2
3
4
5

docker run -d \
  --name wewe-rss \
  -p 4000:4000 \
  -e AUTH_CODE=your_password \
  cooderl/wewe-rss:latest

配置步骤：

1. 浏览器打开 http://localhost:4000，输入授权码（即 your_password）
2. 使用微信读书App扫码登录（注意：不是普通微信）
3. 在后台搜索公众号名称（如“新华社”、“中国药闻”），点击订阅
4. 系统会自动生成RSS地址，复制到你的RSS阅读器即可

⚠️ 注意：合理控制更新频率（每小时不超过1次），不要大量订阅。

5.2 方案二：浏览器插件 RSSHub Radar（一键生成）

这是官方配套工具，自动识别页面RSS路由。

• 安装：Chrome/Edge扩展商店搜 RSSHub Radar
• 使用：打开目标页面（如公众号文章页）→ 点击插件图标 → 自动显示可用RSS路由 → 复制链接
• 设置：插件里将默认实例改为稳定国内镜像，例如 https://rsshub.rssforever.com

5.3 方案三：在线生成工具（无需部署，通用网页生成，可视化点选）

• PolitePol：https://politepol.com
• FetchRSS：https://fetchrss.com
• 用法：粘贴网页 URL → 鼠标点选标题 / 内容 → 生成 RSS。
• 适合：RSSHub 没适配、或不想拼路由的小众网站。

六、验证RSS源的有效性

获取RSS地址后，必须确认其可用。提供三种验证方式：

方式一：在线验证器（推荐）

• https://validator.w3.org/feed/
• https://www.feedvalidator.org/

方式二：直接浏览器打开

• 将RSS地址粘贴到浏览器地址栏，回车
• 正常显示XML代码（包含<rss>、<channel>、<item>标签）→ 有效
• 显示404或空白页 → 无效

方式三：Python脚本测试（适合批量验证）

1
2
3
4
5
6
7
8
9
10
11
12

import feedparser

def test_rss(url):
    feed = feedparser.parse(url)
    if feed.bozo:
        print(f"❌ 无效: {feed.bozo_exception}")
    else:
        print(f"✅ 有效，共 {len(feed.entries)} 条")
        for entry in feed.entries[:2]:
            print(f"  - {entry.title}")

test_rss("https://www.qbitai.com/feed")

七、接入OpenClaw + DeepSeek：让AI生成每日简报

OpenClaw是一个开源的AI Agent框架，支持自然语言定义任务、定时执行、工具调用。

7.1 整体架构图

以下是最终实现的系统架构，清晰展示了数据流、两种工作模式以及飞书双向交互。

![[/images/docs/项目架构.png]]

详细说明：模式A使用 FreshRSS 聚合源（可开启白名单筛选），模式B直接抓取独立 URL 列表。成功时调用 DeepSeek 生成日报并推送；失败时自动 fallback 到 agent-search 联网搜索。

7.2 配置DeepSeek API

1. 注册 DeepSeek 获取API Key
2. 在OpenClaw配置文件中添加：

1
2
3
4

llm:
  provider: deepseek
  model: deepseek-chat
  api_key: sk-xxxxxx

7.3 编写自定义技能（rss-summary）

技能的核心脚本 fetch_and_push.py 实现了：

• 支持两种模式（统一聚合/直接抓取）
• 动态字符限制（总输入≤4000字符）
• 网络请求超时（30-60秒）与重试机制
• DeepSeek API调用失败时降级为原始列表
• 飞书单聊推送（自动拆分超长消息）
• Obsidian 归档（Markdown文件）

查看技能是否启用

1

openclaw skills list | grep rss-summary

7.4 设置定时执行

1
2
3
4
5
6
7

openclaw cron add \
  --name "定时RSS汇总" \
  --cron "30 7 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "运行技能 rss-summary" \
  --no-deliver

完整参数说明：

• --name "定时RSS汇总"：任务名（必填）
• --cron "30 7 * * *"：每天 07:30 执行（必填）
• --tz "Asia/Shanghai"：时区（强烈建议）
• --session isolated：独立会话（推荐）
• --message "运行技能 rss-summary"：指令内容
• --no-deliver：静默执行，不额外推送

7.5 测试方式

通过手动执行脚本和 OpenClaw 技能调用进行功能验证。

检查飞书是否收到日报，Obsidian目录下是否生成 Daily News/YYYY-MM-DD.md。

八、成本与效果

• DeepSeek API：每日推送约消耗5000 token，月成本 < 0.2元。
• Docker容器：占用内存约200MB，对开发机几乎无影响。
• 阅读效率提升：日均信息阅读时间从 60min 降至 10min 内

九、持续优化与维护

• 每周检查 RSS 源有效性
• 根据推送质量调整 Prompt 与源列表
• DeepSeek 后台设置消费上限
• 定期查看 OpenClaw 运行日志
• Obsidian 知识库定期整理

十、总结与展望

通过这套系统，我实现了：

1. 信息聚合：统一入口，不再碎片化浏览
2. AI摘要：快速筛选价值内容
3. 低成本自动化：每月不到0.2元，全自动运行

未来展望：从本地部署到在线云服务

目前系统完全运行在我的本地 WSL2 环境中，虽然稳定，但存在两个限制：

• 需要电脑开机且 OpenClaw 网关运行才能定时推送
• 无法提供给他人使用

下一步计划将系统迁移到云服务器（如阿里云 ECS、腾讯云轻量应用服务器），实现：

• 7×24 小时无人值守运行
• 通过公网域名或 API 网关对外提供服务
• 支持多用户订阅（每个用户可配置自己的 RSS 源和推送渠道）

未来改进方向：代码健壮性与扩展性

当前脚本为了控制 token 消耗和响应时间，采用了动态字符限制（MAX_CHARS=4000），这在个人使用场景下足够。但若订阅源数量激增（例如超过 50 个），或单篇文章摘要过长，可能面临以下问题：

• 输入截断导致重要信息丢失
• DeepSeek 上下文窗口（通常 32K-64K）未被充分利用
• 降级策略过于粗糙，可能影响用户体验

未来可以从以下几方面优化：

1. 自适应截断策略：根据文章数量和重要性动态调整每篇摘要长度，而非固定 200 字。
2. 分批处理：将文章分组，分别调用 DeepSeek 生成子日报，再合并为最终日报。
3. 缓存机制：对相同 URL 的文章摘要进行缓存，避免重复调用 API。
4. 更精细的错误处理：区分网络超时、API 限流、认证失败等不同异常，采取不同重试策略。
5. 支持流式输出：对于超长日报，可以先返回部分内容，再异步补充，提升用户体验。

这些改进将进一步提升系统的健壮性，为后续商业化 SaaS 服务打下基础。

更进一步，可以将这套能力封装成一个SaaS 产品，用户只需：

• 登录网页配置关注的 RSS 源
• 绑定飞书或企业微信
• 每天定时收到 AI 生成的个性化日报

这不仅是个人效率工具，也是一个完整的 AI 应用案例，具备商业化潜力。

十一、关键卡点与避坑指南

在搭建过程中，我遇到了几个最具代表性的问题，逐一攻克后系统才稳定运行。

卡点一：手动执行脚本完美运行，但 OpenClaw 调用时卡死或失败

• 现象：在终端执行 python fetch_and_push.py 能正常生成日报并发送飞书；但通过 OpenClaw 对话或飞书消息触发时，脚本无响应，最终 fallback 到联网搜索。
• 根本原因：OpenClaw 调用技能时，工作目录、环境变量、网络超时、输出缓冲等与手动终端完全不同。
• 解决方案：
  1. 脚本开头强制切换工作目录并加载 .env。
  2. 所有网络请求增加超时（requests.get(url, timeout=30)）。
  3. 每个 print 加上 flush=True。
  4. 创建包装脚本 run.sh，在 SKILL.md 中调用它。

卡点二：FreshRSS 聚合源的筛选逻辑完全失效

• 现象：设置了白名单关键词，但脚本跳过所有文章。
• 原因：FreshRSS 输出的 RSS 条目中，<source> 字段为空。
• 解决方案：放弃依赖 source 字段，改用文章链接的域名进行匹配。

卡点三：飞书机器人无响应，日志显示 ECONNREFUSED 127.0.0.1:7897

• 根本原因：WSL 环境中遗留了 HTTP_PROXY 代理环境变量，但代理服务未运行。
• 解决方案：清除所有代理环境变量，编辑 ~/.bashrc 删除相关行，重启 WSL。

教训：代理环境变量是最大的“隐形杀手”，设置后务必确保代理服务运行，或在不使用时彻底清除。

十二、工程化实践与经验总结

工程化实践

1. 双模式设计：统一聚合模式（适合大量源） + 直接抓取模式（简单可靠）。
2. 环境隔离：Python 虚拟环境 + Docker 容器 + systemd 用户服务。
3. 错误处理与降级：网络请求超时重试；DeepSeek 失败时降级为原始列表；飞书消息超长自动分批。
4. 测试体系：独立功能测试（环境、模式、日报生成、Obsidian 写入）+ pytest 集成测试。
5. 可观测性：脚本内大量 print(..., flush=True)；OpenClaw 日志；临时调试文件。
6. 配置管理：所有敏感信息存放在 .env；模式开关通过环境变量控制，无需改代码。

经验教训

1. 永远假设自动化环境与手动环境不同：工作目录、环境变量、PATH、代理、超时、输出缓冲——逐一显式控制。
2. 为所有网络请求设置超时：看似简单的 RSS 抓取也可能永久挂起。
3. 不要在技能中依赖 cd 或复合 shell 命令：使用包装脚本或绝对路径。
4. 大模型调用必须考虑降级：保证核心功能可用。
5. 飞书长连接配置务必检查：常见错误是选错“回调 URL”而非“长连接”。
6. Obsidian 路径必须用 WSL 格式：不能直接用 D:\。
7. 代理环境变量是最大元凶：设置后务必确保服务运行。
8. 测试脚本要独立，不依赖主脚本：避免因主脚本错误导致无法测试。
9. 技能分享需包含 SKILL.md + 脚本 + .env.example + 依赖清单。

最终成果

• 一个完全可用的 OpenClaw 技能 rss-summary，支持两种模式、智能筛选、AI 日报生成、飞书推送、Obsidian 归档。
• 完整的技能定义文件（SKILL.md）、主脚本（fetch_and_push.py）、包装脚本（run.sh）、环境变量模板（.env.example）、依赖清单（requirements.txt）。
• 详细的项目文档（README.md）和 MIT 许可证。
• 深刻的工程经验：环境一致性、超时处理、降级策略、API 集成、日志调试。

个人成长

• 从“不会写代码”到独立完成一个可工程化的 AI 应用。
• 掌握了大模型 API 调用、飞书机器人开发、Docker 基本操作、Python 调试技巧。
• 培养了“问题拆解 → 假设 → 验证 → 迭代”的工程思维。

附：GitHub 仓库：Ashley-Linn/rss-summary-openclaw

本文基于真实技术实践，所有命令已在 Windows 11 + WSL2 + Ubuntu 22.04 环境中验证通过。