AI驱动的公众号信息流智能管理系统

深度关注行业动态的过程中，起初订阅了20-30个垂直领域公众号。但受限于人工筛选能力（每天需投入2.5-3小时），无法扩大信息源覆盖面，经常错过细分赛道的关键动态。公众号为维持更新频率普遍存在"内容稀释"问题——每日产生80-200篇更新（平均约140篇），但真正有价值的内容不足10%。

核心矛盾：想要构建更宽的信息护城河，但人的时间和精力是有限的。

为突破这一瓶颈，独立设计并开发了基于AI工作流的全自动信息筛选与推送系统。上线后，订阅数从30个扩展至120+个（4倍增长），而每日信息处理时间反而从3小时压缩至15分钟以内。

产品设计与需求定义

通过为期2周的自我行为分析，记录并拆解信息筛选的决策逻辑，梳理出"相关性判断 → 内容分类 → 深度提炼 → 结构化存储"的核心流程。

产品目标：将日均140篇长文筛选压缩至不超过10条精炼洞察（压缩比93%+），同时保证信息召回率不低于90%。

模块化架构：自动抓取层 → AI处理层 → 数据管理层 → 消息推送层，确保系统可扩展性和稳定性。

技术实现

爬虫引擎

Fork开源项目werss，针对业务需求进行二次开发：

• 新增"历史文章批量导出"功能，支持一键回溯公众号全量内容（用于冷启动时的知识库构建）
• 修复Webhook模式下的并发稳定性bug，确保高峰期（200篇/日）下的抓取成功率达99%+
• 配置定时任务：每日早上10:00自动触发抓取流程，实时获取120个公众号的最新内容

AI工作流设计（核心创新点）

基于Coze平台构建三层AI处理流水线：

第一层 - 智能过滤（相关性判断）

设计高精度Prompt，输入文章标题、摘要及正文前300字，判断内容是否与预设领域相关。通过10轮迭代优化，将过滤准确率提升至88%，有效剔除约75%的无关内容。

第二层 - 自动分类（结构化标签）

将相关文章自动归类到7个预设类别：竞赛报名通知、学习培训资源、行业交流活动、政策信息、核心行业动态、跨界趋势与启发、灵感案例与资源。引入多标签机制，允许单篇文章同时匹配多个类别。

第三层 - 深度提炼（洞察生成）

调用大模型对每篇文章进行核心观点提取，输出"一句话总结 + 3条关键要点 + 可行动建议"的100字结构化摘要。设计上下文增强策略：在Prompt中注入个人项目背景和当前关注方向，使输出更贴合实际需求。

数据管理与自动推送

将AI处理结果自动写入飞书多维表格，形成可按"日期、类别、关键词"检索的个人知识库。通过Webhook触发飞书机器人，每日10:05将筛选后的高价值洞察以卡片形式推送。

市场验证

在小红书发布产品思路分享帖，获得12名用户主动私信咨询购买或付费部署服务。通过深度访谈，识别出3个核心应用场景：

• 自媒体选题挖掘（5人）：快速发现行业热点和爆款话题，缩短选题调研时间
• 行业研究与竞品监控（4人）：投资人、分析师持续追踪细分赛道动态，构建信息优势
• 创业灵感与趋势洞察（3人）：产品经理、创业者跨界借鉴，寻找商业模式创新点

项目成果

核心亮点

产品洞察力 — 识别出真实痛点不是"效率低"，而是"能力边界受限"。通过AI工具实现了从"不敢订阅"到"主动扩展信息源"的行为改变。

完整的产品闭环 — 从个人痛点出发 → 设计技术方案 → 开发MVP → 行为验证 → 市场测试 → 需求迭代，展现了从0到1的产品全生命周期管理能力。

Prompt工程深度实践 — 通过10轮迭代优化AI提示词，将分类准确率从65%提升至88%，加深了对LLM应用层的理解和调优能力。

全栈技术整合 — 横跨爬虫开发（Python）、AI工作流（Coze）、数据存储（飞书API）、消息推送（Webhook），独立完成端到端系统搭建。

商业化嗅觉 — 主动通过社交媒体验证需求，单篇内容即获得12个付费意向，并通过用户访谈识别出3个可变现场景，证明该工具具备SaaS化的市场潜力。