Поток новостей об AI и проблема «сигнала»
Бешеный темп релизов в сфере AI — новые модели, репозитории на GitHub, научные статьи и обновления продуктов — перегружает даже самых преданных разработчиков. Каждую неделю происходит множество прорывов, из-за чего практически невозможно успевать за тем, что действительно важно, не утонув в информационном шуме.
Сырые ленты и общие дайджесты только усугубляют проблему. Они сообщают обо всем новом, создавая либо когнитивную перегрузку, либо «слепые зоны». Таким агрегаторам не хватает критически важного контекста для фильтрации под конкретный стек технологий, текущие проекты или контент-стратегию, из-за чего разработчикам приходится просеивать горы нерелевантных данных.
Cole Medin, преподаватель AI и специалист по агентным рабочим процессам, решил эту проблему напрямую. Более шести месяцев он совершенствовал AI content engine, который отслеживает сотни источников — от Reddit и YouTube до Hacker News и списков изменений на GitHub — и фильтрует их.
Суть этой системы — короткий ежедневный дайджест, тщательно сформированный с учетом приоритетов пользователя. Она не пытается пересказать весь AI-интернет; вместо этого она использует «сигнальный движок» для выявления и предоставления только высокоценных обновлений, актуальных для ваших рабочих процессов, экономя несколько часов ручной фильтрации в неделю.
Создайте фильтр, который знает вашу работу
Cole Medin, преподаватель AI и специалист по агентным рабочим процессам, осознал эту «проблему сигнала» и создал решение: AI Content Engine. Вместо того чтобы предлагать статический open-source репозиторий, Medin предоставляет уникальный skill workflow под названием build-signal-engine. Этот навык не просто дает вам готовую систему; он направляет coding agent на создание решения, адаптированного под ваши нужды.
Когда вы запускаете build-signal-engine, coding agent начинает вас «допрашивать». Он спрашивает о вашем конкретном стеке технологий, текущих рабочих процессах программирования, исследовательских интересах и контент-стратегии. Этот детальный процесс интервью определяет четкие правила положительной и отрицательной фильтрации — за чем следить и, что особенно важно, что исключить.
Эти первоначальные вложения времени оправданы. Вы тратите примерно 10-15 минут на ответы на целенаправленные вопросы, позволяя агенту с нуля выстроить и протестировать конвейер сбора данных. Затем система отслеживает сотни источников — Reddit, YouTube, RSS-ленты, Hacker News, репозитории GitHub и списки изменений — и доставляет лаконичный ежедневный дайджест.
Движок Medin, работающий уже более шести месяцев, сокращает часы ручной сортировки каждую неделю. Это мощный пример того, как инвестиции в настраиваемый, контекстно-зависимый фильтр могут превратить ошеломляющий поток новостей об AI в полезный и высокоинформативный поток.
Отсекайте шум до того, как его увидят модели
После того как coding agent определит ваш пользовательский фильтр, следующим шагом станет безжалостное удаление шума до обращения к дорогостоящим моделям. Processing order обеспечивает эффективность: сбор всех источников в центральное хранилище, дедупликация ранее просмотренных элементов, а затем применение детерминированных правил для удаления устаревших или низкоценных публикаций. Только после этого в дело вступают модели.
Эта двухэтапная сортировка начинается с быстрого первичного прохода. Система на базе агентов, такая как Jev, принимает быстрые, очевидные решения, отбрасывая явный «мусор» или помечая важные материалы. Элементы, попадающие в «серую зону», затем передаются более мощной языковой модели, такой как Claude Haiku, для проверки на релевантность и подготовки дайджеста.
Этот многоуровневый подход обеспечивает значительную экономию средств. Например, обработка 864 публикаций обошлась Cole Medin всего в $0.03 за первоначальные вызовы Jev и $0.42 за последующие взаимодействия с Claude Haiku. Удаление ненужного текста перед любым вызовом модели имеет решающее значение для такой экономии.
Расходы всегда будут варьироваться в зависимости от объема и длины входных данных, но принцип остается прежним: максимизируйте детерминированную фильтрацию, чтобы минимизировать использование токенов. Эта система, являющаяся частью более широкой настройки «второго мозга» Medin, демонстрирует, как сделать потребление новостей с помощью ИИ устойчивым. Дополнительную информацию можно найти на GitHub - coleam00/second-brain-starter.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Сделайте ежедневную сводку полезной
Настраиваемый список источников составляет основу вашей персонализированной сводки, собирая данные из различных мест. Маршруты получения данных могут включать API, инструменты командной строки, интеграции MCP или такие сервисы, как Apify. Вы можете агрегировать:
- RSS-ленты
- YouTube-каналы
- Обсуждения на Hacker News
- Репозитории GitHub
- Ленты научных публикаций
- Списки изменений продуктов (changelogs)
Даже тонко настроенный персональный движок требует постоянного ухода. Будьте готовы уделять время настройке, обслуживанию источников и регулярным проверкам на предмет пропущенных историй или ложных срабатываний. Поддерживайте понятность конвейера; это упрощает диагностику ограничений скорости или нарушенных интеграций.
Для начала выберите несколько ключевых источников, актуальных для вашей работы. Четко задокументируйте, что считается «полезной» информацией, а что — шумом. Затем создайте небольшую версию этой системы в новом проекте, используя навык build-signal-engine. Уточняйте свои правила на основе фактических результатов сводки, итерируя до тех пор, пока сигнал не станет четким.
Часто задаваемые вопросы
Что такое ИИ-движок сигналов?
Он собирает обновления из выбранных источников, фильтрует их в соответствии с вашими интересами и предоставляет краткую сводку материалов, заслуживающих вашего внимания.
Как навык Cole Medin помогает построить систему?
Навык опрашивает вас об источниках, приоритетах и правилах фильтрации, а затем направляет агента по программированию в процессе создания и тестирования кастомизированного конвейера.
Как движок снижает затраты на обработку ИИ?
Он удаляет дубликаты и применяет простые программные правила перед использованием моделей, поэтому меньше более коротких элементов доходит до этапов более дорогостоящих рассуждений.
Могу ли я использовать источники помимо RSS-лент?
Да. Рабочий процесс может подключаться к таким источникам, как Reddit, YouTube, Hacker News, GitHub и списки изменений через API, инструменты или сервисы парсинга.