40+ AI 信源（国内公众号 + 海外博客/Newsletter，持续新增），日报 / 周报 / 月报自动生成，每日 8:30 左右更新。 评分、分类、开箱即用——人看摘要，Agent 吃 JSON，不用自己建爬虫。
自己每天要看 40+ 信源，手动刷太慢，就搭了个管道自动抓、评分、结构化。既然已经在跑了，顺手公开，边际成本为零。
"我自己用 xx 爬虫搭一个不就行了？" ——当然可以。但筛选 40+ 信源、维护挂掉的 RSS、对每篇文章跑结构化分析、然后每个工作日坚持更新几个月——大多数人第三天就不想干了。
信源持续新增中，欢迎通过 issue 推荐。
读者 — 不用刷 40+ 信源，看一份日报就够。每篇文章都有一句话摘要和"为什么重要"，几秒钟就能判断值不值得点进去。打开 digest/ 直接看，RSS 订阅 feeds/rss.xml，每周趋势看 feeds/weekly/。
Agent 开发者 — 不用自己建抓取管道，直接给 Agent 喂每日知识更新。每篇文章预提取了关键要点（highlights）、结构化推理（core_point：论点 → 论据 → 启示）、实践意义（why_matters）。用 verdict 决定 Agent 先处理什么，用 category 按领域积累知识。拿 lists/daily-picks.json 看今天的精选，或者 api/{date}.json 取完整数据。
模型训练 — 一个带标注的内容质量数据集。每篇文章有多维度评分、verdict 标签、结构化分析字段，可以用来训练评分模型、摘要生成、内容分类。下载 datasets/scored-articles.jsonl，也有 CSV 版本 可直接用 Excel 打开。
# 今天的精选，按 verdict 分组
curl -s https://raw.githubusercontent.com/makinotes/ai-daily-feed/master/lists/daily-picks.json | jq '.must_read'
# 某天的完整数据（替换为任意可用日期）
curl -s https://raw.githubusercontent.com/makinotes/ai-daily-feed/master/api/$(date +%Y-%m-%d).json
# 按分类看最近 30 天
curl -s https://raw.githubusercontent.com/makinotes/ai-daily-feed/master/indexes/by-category.json | jq '.categories["AI/Tech"][:3]'
# 这周在聊什么
curl -s https://raw.githubusercontent.com/makinotes/ai-daily-feed/master/indexes/trending.json给 LLM 看：llms.txt 快速了解，llms-full.txt 完整指南。
| 指标 | 数值 |
|---|---|
| 信源 | 40+（英文 tech blog + 微信公众号 AI 账号） |
| 每日文章 | 过滤后约 25-40 篇 |
| 累计数据集 | 427+ 篇带标注文章 |
| 历史 | 2026-01-26 起，工作日更新 |
| 缺失 | 部分日期可能缺失（节假日、维护） |
| 路径 | 受众 | 内容 |
|---|---|---|
api/{date}.json |
Agent | 完整文章数据，含所有分析字段 |
digest/{YYYY-MM}/{date}.md |
人 | 可读日报，按 verdict 分组 |
lists/daily-picks.json |
通用 | 今日精选 |
datasets/scored-articles.jsonl |
模型 | 累积数据集（JSONL + CSV） |
feeds/rss.xml |
人 | RSS 订阅，滚动 50 条 |
feeds/weekly/{year}-W{week}.md |
人 | 周报 + 趋势分析 |
indexes/by-category.json |
Agent | 30 天分类索引 |
indexes/trending.json |
Agent | 7 天热词 |
| Verdict | 意思 |
|---|---|
| must_read | 质量高，有新东西 |
| worth_reading | 有深度、新意或可操作性 |
| neutral | 还行，没啥特别 |
| overhyped | 看着重要其实没料 |
{
"title": "文章标题",
"link": "https://...",
"source": "来源名",
"source_channel": "overseas | wechat-ai",
"category": "AI/Tech | Builder 实践 | AI 使用",
"pub_date": "2026-02-27",
"summary": "一句话摘要",
"core_point": "论点 → 论据 → 启示",
"highlights": ["关键要点 1", "关键要点 2"],
"why_matters": "跟你有什么关系、怎么用",
"score": 85,
"level": "精读 | 收藏 | 速览",
"verdict": "must_read"
}40+ 信源 → 每日抓取 → 去重 → 多维度评分 → Verdict 判定 → 发布
评分算法七维度（新颖度、深度、可行动性、可信度、逻辑、时效性、信噪比），信源精选高信噪比的。同一管道出三种格式：JSON、Markdown、JSONL。
想搭自己的？底层框架已开源：briefing — 插入 RSS 源、配好 LLM API key，跑一条命令就能生成你自己的每日简报。
推荐信源 — 提 issue，写上来源名、URL、语言、为什么好。
反馈质量 — 评分不对或分类错误？提 issue，注明日期和标题。
基于数据构建 — JSON 可编程消费，做了什么有意思的东西可以告诉我们。
文章元数据和 AI 分析内容遵循 CC BY-NC 4.0。非商业用途，仅限个人使用。 原始内容版权归原作者。如果您是内容所有者并希望移除相关文章，请提 issue。
马奇诺的个人 AI 基础设施项目。
