打造AI新闻追踪应用

从零到一：做一个面向 AI 新闻与论文的追踪与音频生成应用

学AI, 动手创造才是最好的学习方式

经常有人问我：“想学 AI，究竟从哪里开始最好？”

我的答案一直都是：动手去做一个真实的项目。

为什么创造是最好的学习方式？因为创造能帮助你实现真正的理解。通过实践，你会面对真实世界的挑战，而不只是停留在理论上。每当你解决一个具体的问题，就会促使你主动学习相关知识，而这种主动学习远比被动接受知识要深刻得多。与此同时，创造也能增强你的解决问题能力、提高你的自信，并帮助你建立独特的作品。这些都是传统的被动学习无法给予的。

时代变了，动手门槛也在变低

在这个时代，学习 AI 不再意味着你必须“死磕理论，刷完无数教程”才能开始动手。现在工具与生态越来越成熟，动手创造的门槛极大降低。只要你愿意尝试，人人都能快速搭建自己的 AI 项目，并从中收获最宝贵的经验。这比一味刷内容、学概念更能加深你对 AI 的理解。

我的背景：专注模型研发，却缺乏前后端经验

在开始做这个 Web 应用之前，我的主要背景是用 PyTorch 做模型训练和开发，对于当下火热的大模型比较熟悉。但在前后端开发上，我几乎是个小白。唯一的经验只是用 GitHub 的 Pages 搭建了一个个人主页，算是仅有的一点点前后端知识。

然而，当我意识到自己急需一个能够自动追踪与汇总 AI 新闻和论文的工具时，我觉得哪怕在前后端开发上经验不足，也应该试着自己动手做。“Create >> Consume”，动手创造，才是解决问题和学习新技能的最佳途径。

项目灵感：为什么要做一款追踪 AI 新闻与论文的应用

做科研或者从事 AI 行业的朋友，大概率都碰到过类似的痛点：每天都有大量论文、新闻涌现，想要第一时间获取行业动态，需要花费大量精力去不同的社交媒体、社区平台寻找推荐，既琐碎又容易遗漏。

• 我平时会去 X 搜索最新动态，也会看 B 站或 YouTube 上的博主点评论文，有时还关注一些微信公众号，或是逛逛 Hacker News、Reddit 等网站。

• 可是这些渠道往往有延迟、有局限，而且信息太分散，没有统一的聚合方式。

在调研了一圈后，我没有找到一个能同时聚合新闻和研究论文，还能实时抓取、自动更新的解决方案。于是，我决定自己动手做一个这样的工具——EZ.AI Listen Daily，一站式获取 AI 领域的最新动态，还能将它们读出来，方便我在走路、开车等碎片时间里收听。

需求与功能：我想要怎样的应用

在跟 GPT-4o 做了多轮对话后，我的需求大致如下：

1. 自动爬取我感兴趣的 AI 新闻源、论文信息，并且尽量做到实时或准实时更新。

2. 对抓取到的内容进行摘要，让我能够快速了解主要信息，不用我每篇都从头读到尾。

3. 将文本转为音频，方便在开车、走路等不便阅读的场景里听新闻，充分利用碎片化时间。

4. 保留原文链接，如果某篇新闻或论文特别重要，我还可以回到原文做更深入的阅读。

技术栈：从 Python 到 Next.js 的曲折之路

初步思路：Python + Vercel？

起初，我更熟悉 Python，于是就问 GPT-4o 如何用 Python 来实现。GPT-4o 给了一个思路：

• 用 Python 写爬虫，抓取内容并总结。

• 把应用部署到 Vercel 上，让前端可以访问。

结果后来我发现：Vercel 对于 Python 后端的支持并没有那么友好，部署起来比较麻烦。GPT-4o 其实一开始就建议我直接用 Next.js 写前后端并部署，这样会更顺畅。但我起初因为 Python 经验更足，没完全听从 GPT-4o 的建议，试了好几次后才回头是岸。

最终决定：Next.js + 爬虫 + TTS

最后敲定的整体架构如下：

• 前端：Next.js（部署在 Vercel 上），负责页面展示与交互。

• 爬虫：后端部分用 Node.js 去抓取新闻源数据，可以结合第三方的 API 或者自己写爬虫逻辑。

• 内容摘要：调用 DeepSeek 的 API，对每条新闻/论文做关键点提炼。这里 GPT-4o 还帮我设计了DeepSeek的 Prompt。

• TTS（语音合成）：调用 Minimax 的 API，把处理后的文本转换成 MP3，上传到云存储中供页面播放。

• 数据存储：

  • 文字与摘要放在数据库中（Supabase），便于随时查询和二次处理。

  • 生成的 MP3 则放在Vercel 提供的 Blob 存储里，前端页面可以直接加载和播放。

如何用 GPT-4o 和 Cursor 高效协作

GPT-4o：我的“产品经理”和“技术顾问”

• 需求与架构讨论：从产品形态到技术栈选型，再到具体功能的实现思路，我都习惯先问 GPT-4o。如果它的回答符合直觉，就会继续深挖；如果有疑问，就带着问题和它多轮交互。

• 遇到不会的问题就问：不管是如何买域名、配置数据库、还是写 SQL 语句，我通通都问 GPT-4o。简直就是一个 24 小时在线的全栈工程师。

• Prompt 生成：我还会让 GPT-4o 根据需求，帮我写一个详细的Prompt，然后复制到 Cursor 中。

Cursor：我的“自动码农”和“调试伙伴”

• 让 Cursor 直接写或修改代码：我会把 GPT-4o 生成的Prompt 发给 Cursor，再让它自动开发。我主要使用cursor里面的 Claude 3.7 模型，写代码很快，但有时也会出现断连或配额限制的问题。

• 反复迭代 vs. 回退到初始状态：当 Cursor 写出的程序出现 bug，如果让它迭代修改两三轮还没解决，就要果断回退到初始版本，不然容易越修越乱。这是我宝贵的经验：与其在同一个脏乱的代码里无限修，不如重新来一遍，避免引入更多不稳定因素。

• 必须保留对整体逻辑的掌控：Cursor 善于局部优化，但大局观有限。若完全甩手不管，代码可能会被它改得乱七八糟。最好在每次让它实现新功能或修 bug 之前，先让它解释整体思路，我自己也要做到心中有数。

• 勤做文档：每当 Cursor 修完一个 bug 或完成一个 feature，我都会让它生成更新日志或在 README 里补充说明。这样后续每次开发新任务时候, 我会让cursor再次读取README内容。

遇到的坑：定时任务与 Edge Function 的限制

本项目的核心需要定时抓取新闻、调用 DeepSeq 摘要、再生成语音。这一整套流程超过了 Vercel Edge Function 默认只能跑几秒钟的限制。GPT-4o 给的建议是：

• 如果想在 Vercel 上做定时任务，要么自己搭建后端服务器，要么将爬虫与生成流程放在其他云服务上执行，比如Render。

• 因为我这个需求一小时才跑一次，并不需要实时，于是我干脆借用自己 MacBook Pro 上的 cron job（或 macOS 的 launchd）来处理定时任务。简单粗暴，但可行！这个建议也来自GPT-4o

用cursor做项目，仍有诸多局限

• 上下文管理：像 cursor里面的Claude 3.7 等模型，如果多轮会话后太多代码或上下文，就容易忘东忘西或答非所问。需要我们精心分段、反复让它阅读关键文件或文档，才能持续获得较好的结果。

• 整体规划能力有限：cursor在解决局部问题或小功能时很快，但要它一次性对一个复杂系统做架构设计，就可能顾此失彼。我需要当总控，让它分步骤实现功能，并不断验证、调试。

为什么说创造最能加速学习

• 通过项目学到前后端知识：哪怕一开始几乎没有 Next.js 或 Node.js 的经验，但在 GPT-4o、Cursor 的帮助下，我快速掌握了基本的 Web 架构思路。

• 认识到AI的优势与不足：只有在实战中踩坑，才会真正理解AI可以在哪些点上帮到你，在哪些地方还需要你亲自把关。

• 输出能带来更多机会：写出一个实用小项目，不仅能满足自己需求，还可能为更多同行或 AI 爱好者解决类似痛点，顺便还能成为你在简历或社区分享中的亮点。

几点建议

1. 找一个真实痛点先做起来

无论是自己生活、学习还是工作中的需求，只要你觉得“要是有个工具就好了”，就可以动手去做。在实现痛点需求的过程中，你所学到的东西会远远超过仅仅看教程或刷理论。

1. 不懂就问大模型，多轮对话更高效

ChatGPT、Gemini等非常擅长提供技术路线、示例代码、方案对比和调试思路。别怕麻烦，多和它聊天，记得提问要具体、明确，你会惊讶于它能帮你节省多少时间。

1. 保持一定的技术掌控力，别完全依赖工具

无论是 Cursor 还是其他自动化编程工具，都无法替代你的全局思考。如果让它们自由发挥，最后可能修出一团乱麻。要先让它们解释思路，再审核是否可行。

1. 重视文档与版本管理

尤其是当你频繁和自动编码工具交互时，每次迭代都记得做好记录或写进 README，避免后续自己也找不到修改的来龙去脉。

1. 动手项目能让你弯道超车

对于想转行或想快速积累经验的朋友来说，自己做出一个可运行、能解决实际问题的项目，是最好的作品集。比起死记硬背理论，这种实战证明往往更能赢得面试官或团队的青睐。

总结：Create >> Consume

这一路做下来，我深刻体会到动手实践的重要性。Create >> Consume 并不是一句口号，而是让你在亲手创造的过程中摸清技术细节、学会大模型的最佳使用方式，并收获无可替代的成就感。

别只刷内容，动手造点有趣的东西吧！

当你真正着手做一个项目，你会发现所有看似高大上的技术都变得亲近而具体。遇到的每一个小难题，都能促使你去学习和思考。当项目跑起来，哪怕只为你个人解决了一个小痛点，都是一次宝贵的成长历程。

希望我的经历能给你一些启发。如果你也想追踪 AI 领域的动态、或者手痒想做点新东西，不妨趁这个机会迈出第一步，做出属于自己的创造。未来之路，永远属于动手尝试的人！

后记：我的 Cursor 使用小贴士

• 不要期望一次性迭代就能完美：Cursor 在两三次修改后依然不能解决 bug，就要果断回退到上一个可用版本，重新来过，免得越修越乱。

• 要让 Cursor 先阐述思路：在实现或 debug 前，先让它解释框架和逻辑，并把这份思路贴给 GPT-4o 或自己审阅，避免黑箱操作。

• 做好文档和版本管理：修 bug 或加新功能后，让 Cursor 生成 README 或更新日志，后续再改不会忘。

• 控制上下文，分块给信息：当项目变大，Cursor 或 GPT-4o 记不住所有内容，就要把相关代码和文档先贴给它，并告诉它这是最关键的部分，分批次进行。

AI 的学习不只是算法和理论，也包括在实际项目中如何与工具、模型协作。希望你的实践之路，也能因为一次次的动手创造而更加精彩！