背景
最近越来越不爱看国内的IT新闻了。
各种不便说出名字的平台上的文章，要么是机翻的外文稿件（还经常翻译得很蹩脚），要么就是各种自媒体带着强烈主观色彩的“解读”。时效性差就算了，质量也堪忧。公众号也充斥着诸如《还在xxxxx？xxxxx这样用就对了》的标题党，每次看到真的想翻白眼。
但我喜欢看秋芝姐姐讲AI 
既然如此，不如直接跳出这个圈子，用全球视野看看科技领域到底在发生什么。
行动
我想开发一个Tavily每日自动抓取 + AI过滤/打标签/提炼关键点/打分，最终以网页方式呈现的科技简报出来。
于是我写了一版需求文档，挥着鞭子让Gemini帮我优化了一版，让Claude照着文档生成了一份实施清单，然后分步骤实施 → 纠错 → 继续实施。这应该就是所谓的上下文工程吧？
整个思路其实挺简单的：
- 由定时任务每日固定时刻触发后台程序 调用 Tavily API 搜索最新的英文科技资讯（覆盖 AI、软件开发、开源、云计算、网络安全等核心领域，域名限定范围锁定权威信息源）
- 依据URL去重、再做OpenAI 向量化去重（避免重复或高度近似的内容入库）
- Gemini 做智能提炼（生成中文摘要、关键要点、标签、影响面评估、重要性和时效性评分）
成果
https://geek.keyi.ma
项目整体部署在 Deno Deploy 上，数据存 Supabase，4个免费的Tavily API Key轮询，embedding模型调用富可敌国YourAPI.cn家的（两天消耗不到一分钱），Gemini免费。总体近乎0成本。
前端就是个用于勾选资讯进行复制分享的：简单的 Vue 页面（单文件HTML + CSS），也通过Deno的接口返出来。
试用了2天，感觉这套自动化流程确实能帮我快速了解最近的科技要闻和趋势，不用再被国内媒体的“二手信息”绑架了。
作品目前还在打磨中，稍后可能会考虑开源。
因为服务刚刚上线，铺底了几百条资讯，里面可能包含一些“旧闻”（例如上星期的GPT-5）。但由于入库环节有2道去重工艺，所以未来增量抓取到的信息，旧闻概率应该会大大降低。
p.s. 之前也分享过用 Gemini + Tavily 做资讯简报的经验，这次算是把整个流程自动化了。
最后附一些截图
需求文档：
实施清单：
这好像叫做 Spec-driven Vibe-coding（规范驱动的氛围编程）：
AI提炼部分的核心提示词：
。
