我是怎么被AI FOMO折磨，然后用ai-fomo-skills自救的

先说说我的痛

不瞒你们说，我之前每天的状态就是：早上打开电脑，ArXiv上刷出200篇新论文，Twitter上又有人发了个炸裂的demo，GitHub Trending前三全是新的LLM框架。我收藏夹里躺着上千篇"稍后再读"的文章，但说实话，一篇都没读过。

这就是所谓的AI FOMO——Fear Of Missing Out。你明明知道不可能全部看完，但就是控制不住自己，总怕错过什么关键的东西。

后来我在GitHub上翻到了一个叫 vincelele/ai-fomo-skills 的项目，说实话第一眼看名字我还以为是什么割韭菜的课程，结果点进去一看，作者提出了一个挺有意思的概念叫个人超级对齐。

这个概念说白了就是：外面的信息洪水滔天，你得有一套机制，让这些信息跟你自己的学习目标和认知框架对齐。不是什么都要看，而是只看跟你相关的、真正有价值的东西。

我对这个项目的理解

ai-fomo-skills 不是一个简单的收藏夹或者RSS阅读器。它更像是一个信息处理管道，把原始的、乱七八糟的信息喂进去，出来的是三样东西：

知识：沉淀下来的原理、教程、最佳实践
信号：过滤掉噪音之后，真正值得关注的新趋势和突破
摘要：长篇论文和文档的精华提炼

我第一次跑通这个流程的时候，那种感觉就像——以前你每天要在垃圾堆里翻宝贝，现在有人帮你把宝贝挑出来放你桌上了。

踩坑实录：我自己搭了一个信息处理技能

接下来我手把手带你们搞一个实际能用的东西。我设计了一个叫 daily_ai_signal 的技能，目标是每天自动从RSS源里筛选出跟大模型相关的重大新闻，生成一份简报。

第一步：环境搭建

bash

# 建项目目录
mkdir ai-fomo-skills-practice
cd ai-fomo-skills-practice
 
# 虚拟环境（这步千万别跳过，我之前偷懒直接装全局，结果依赖冲突搞得头大）
python -m venv venv
source venv/bin/activate
 
# 装依赖
pip install feedparser openai python-dotenv

第二步：配置API密钥

env

1	`# .env 文件`
2	`OPENAI_API_KEY="sk-你的密钥写在这里"`

千万别把API Key硬编码到代码里然后推到GitHub上。我一个朋友就是这么干的，第二天醒来发现账单多了200刀。用 .env 文件，然后在 .gitignore 里加上它。

第三步：核心脚本

这是整个技能的核心代码，我加了不少注释方便你们理解：

python

# daily_signal_skill.py
import os
import feedparser
from openai import OpenAI
from dotenv import load_dotenv
import json
 
load_dotenv()
 
client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))
 
def fetch_rss_entries(rss_url):
    """从RSS源抓取最新条目"""
    print(f"正在从 {rss_url} 抓取信息...")
    feed = feedparser.parse(rss_url)
    return feed.entries
 
def analyze_and_filter_with_ai(entries):
    """用LLM做智能筛选和摘要"""
    if not entries:
        return "没有找到新的信息。"
 
    # 只处理前10条，控制token成本
    # 我一开始没加这个限制，一次喂了50条进去，API费用直接起飞
    titles_and_summaries = [
        f"标题: {entry.get('title', '无标题')}\n摘要: {entry.get('summary', '无摘要')}"
        for entry in entries[:10]
    ]
 
    input_text = "\n\n---\n\n".join(titles_and_summaries)
 
    prompt = f"""
    你是一位资深的AI行业分析师。请分析以下来自AI领域的最新资讯条目。
    你的任务是：
    1. 识别出与大语言模型（LLM）、基础模型或多模态模型相关的重大进展或重要发布。
    2. 过滤掉公关稿、非核心更新或微小版本迭代。
    3. 为筛选出的每一条重要资讯，生成一句话的精炼摘要。
    4. 如果没有发现重要信号，请直接回复"今日无重大AI信号"。
 
    请以 JSON 列表的格式输出，每个元素是一个字典，包含 'title' 和 'ai_summary' 两个键。
 
    原始资讯如下：
    {input_text}
    """
 
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",  # gpt-4o-mini 性价比也不错，看你自己选
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": "你是一个专业的AI信息过滤和总结助手，擅长从文本中提取关键信息，并以严格的JSON格式输出。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.2  # 低温度，输出更稳定
    )
 
    try:
        result = json.loads(response.choices[0].message.content)
        if isinstance(result, dict):
            for v in result.values():
                if isinstance(v, list):
                    return v
        return result
    except json.JSONDecodeError:
        print("AI返回的JSON解析失败了，可能是prompt需要调整。")
        return []
 
def main():
    # Hugging Face Blog 的 RSS，质量很高
    rss_url = "https://huggingface.co/blog/feed.xml"
 
    entries = fetch_rss_entries(rss_url)
    print(f"拿到 {len(entries)} 条内容，开始智能过滤...")
 
    important_signals = analyze_and_filter_with_ai(entries)
 
    if isinstance(important_signals, list) and important_signals:
        print("\n=== 今日重大 AI 信号 ===")
        for signal in important_signals:
            print(f"- {signal.get('title', '未知标题')}")
            print(f"  摘要: {signal.get('ai_summary', '无')}")
    else:
        print("\n=== 今天风平浪静，没有重大信号 ===")
 
if __name__ == "__main__":
    main()

第四步：跑起来并自动化

bash

1	`python daily_signal_skill.py`

跑通之后，我建议你用 cron job 或者 GitHub Actions 让它每天自动执行，然后把结果推到你的笔记系统里。我个人是推到 Obsidian 的一个专门的 daily notes 文件夹，每天早上打开就能看。

我试过的几种方案对比

在搞这个之前，我还试过别的方式，给你们做个参考：

方案一：自建脚本（就是上面这个）

优点：完全可控，想怎么改就怎么改，成本就是API调用费
缺点：得自己维护，代码出bug了得自己修
适合：喜欢折腾的开发者

方案二：现成平台（比如一些付费的AI摘要服务）

优点：开箱即用，不用写代码
缺点：功能固定，你的数据在别人服务器上，而且订阅费不便宜
适合：不想写代码的研究者

方案三：基于ai-fomo-skills生态

优点：有社区沉淀的现成技能可以复用，标准化程度高
缺点：项目还在早期，文档和示例可能不够完善
适合：想快速上手同时参与社区共建的人

我个人最终选了方案一+方案三结合的路线。用 ai-fomo-skills 的理念做架构，然后根据自己的需求写具体技能。

几个真诚的建议

从小处着手：别一上来就想搞个大而全的系统。先从一个你最头疼的信息源开始，写一个过滤脚本跑通流程。
注意数据安全：把内容发给云端LLM的时候，敏感信息记得脱敏。后面可以考虑接本地模型比如Llama 3，彻底解决隐私问题。
融入工作流：工具再好，如果不在你的日常工作流里，很快就会被遗忘。一定要把它嵌入到你每天的习惯中。

说实话，自从搞了这套东西之后，我的AI焦虑缓解了不少。不是因为我不再关注新动态了，而是我知道——重要的东西不会被漏掉，它会自动出现在我的笔记里。这种安全感，比刷100条Twitter有用多了。

1	`# 建项目目录`
2	`mkdir ai-fomo-skills-practice`
3	`cd ai-fomo-skills-practice`
4
5	`# 虚拟环境（这步千万别跳过，我之前偷懒直接装全局，结果依赖冲突搞得头大）`
6	`python -m venv venv`
7	`source venv/bin/activate`
8
9	`# 装依赖`
10	`pip install feedparser openai python-dotenv`

1	`# daily_signal_skill.py`
2	`import os`
3	`import feedparser`
4	`from openai import OpenAI`
5	`from dotenv import load_dotenv`
6	`import json`
7
8	`load_dotenv()`
9
10	`client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))`
11
12	`def fetch_rss_entries(rss_url):`
13	`"""从RSS源抓取最新条目"""`
14	`print(f"正在从 {rss_url} 抓取信息...")`
15	`feed = feedparser.parse(rss_url)`
16	`return feed.entries`
17
18	`def analyze_and_filter_with_ai(entries):`
19	`"""用LLM做智能筛选和摘要"""`
20	`if not entries:`
21	`return "没有找到新的信息。"`
22
23	`# 只处理前10条，控制token成本`
24	`# 我一开始没加这个限制，一次喂了50条进去，API费用直接起飞`
25	`titles_and_summaries = [`
26	`f"标题: {entry.get('title', '无标题')}\n摘要: {entry.get('summary', '无摘要')}"`
27	`for entry in entries[:10]`
28	`]`
29
30	`input_text = "\n\n---\n\n".join(titles_and_summaries)`
31
32	`prompt = f"""`
33	`你是一位资深的AI行业分析师。请分析以下来自AI领域的最新资讯条目。`
34	`你的任务是：`
35	`1. 识别出与大语言模型（LLM）、基础模型或多模态模型相关的重大进展或重要发布。`
36	`2. 过滤掉公关稿、非核心更新或微小版本迭代。`
37	`3. 为筛选出的每一条重要资讯，生成一句话的精炼摘要。`
38	`4. 如果没有发现重要信号，请直接回复"今日无重大AI信号"。`
39
40	`请以 JSON 列表的格式输出，每个元素是一个字典，包含 'title' 和 'ai_summary' 两个键。`
41
42	`原始资讯如下：`
43	`{input_text}`
44	`"""`
45
46	`response = client.chat.completions.create(`
47	`model="gpt-3.5-turbo", # gpt-4o-mini 性价比也不错，看你自己选`
48	`response_format={"type": "json_object"},`
49	`messages=[`
50	`{"role": "system", "content": "你是一个专业的AI信息过滤和总结助手，擅长从文本中提取关键信息，并以严格的JSON格式输出。"},`
51	`{"role": "user", "content": prompt}`
52	`],`
53	`temperature=0.2 # 低温度，输出更稳定`
54	`)`
55
56	`try:`
57	`result = json.loads(response.choices[0].message.content)`
58	`if isinstance(result, dict):`
59	`for v in result.values():`
60	`if isinstance(v, list):`
61	`return v`
62	`return result`
63	`except json.JSONDecodeError:`
64	`print("AI返回的JSON解析失败了，可能是prompt需要调整。")`
65	`return []`
66
67	`def main():`
68	`# Hugging Face Blog 的 RSS，质量很高`
69	`rss_url = "https://huggingface.co/blog/feed.xml"`
70
71	`entries = fetch_rss_entries(rss_url)`
72	`print(f"拿到 {len(entries)} 条内容，开始智能过滤...")`
73
74	`important_signals = analyze_and_filter_with_ai(entries)`
75
76	`if isinstance(important_signals, list) and important_signals:`
77	`print("\n=== 今日重大 AI 信号 ===")`
78	`for signal in important_signals:`
79	`print(f"- {signal.get('title', '未知标题')}")`
80	`print(f" 摘要: {signal.get('ai_summary', '无')}")`
81	`else:`
82	`print("\n=== 今天风平浪静，没有重大信号 ===")`
83
84	`if __name__ == "__main__":`
85	`main()`