Newsletter 是一种常见的互联网资讯产品，由运营者定期筛选精品文章推送给订阅者。由于成本低，且能带来个人成长，非常适合作为个人 SideProject。

传统的资讯筛选方式为人工筛选，如运营者根据每周在社交媒体、日常资料检索中的见闻，对资讯加以汇编。

在许多年前，已经出现了基于 AI 的 Newsletter，如 Porter.io，它基于 AI 技术，可以向用户推送个性化的技术资讯。我使用 Porter.io 多年，是我重要的资讯获取来源，为我提供了大量符合我兴趣的高质量技术文章。

基于 AI 的 Newsletter 本质是一个推荐系统。不论是面向运营者口味，还是面向不同用户千人千面，本质都是推荐系统。对于作为业余兴趣的个人运营者来说，维护一套推荐系统成本有些重，因此难以得到大规模推广。

GPT 技术出现后，在 Prompt Engineering、LangChain、以及 GPT-3.5、GPT-4、向量数据库 的加持下，个人能够高质量处理相较于以往海量的文本。

LangChain 是构建基于 LLM 的应用程序的框架，如同 Django、Laravel、Rails 之于网络应用程序。

在这一技术的加持下，个人维护基于 AI 的 Newsletter 成为可能，比如近期推出的 News Minimalist。

实现思路

这里我推演一套实现思路：

资讯打分：

1. 实现资讯采集系统：代替人收集网络上的资讯
2. 对每个资讯正文，使用 GPT 提取关键含义
3. 在向量数据库中进行搜索，获得 Embedding 匹配度
4. 根据匹配度进行打分，这个的分就是兴趣分

兴趣训练：

1. 对高兴趣分的资讯，将其添加进向量数据库
2. 这样，新的资讯能参与到后续的资讯兴趣评分
3. 同事，数据库在训练过程中，对领域知识掌握不断全面

Newsletter 产出：

1. 定期按照兴趣分进行排序
2. 对每篇资讯，使用 GPT 创建摘要及运营文案
3. 最终输出 Newsletter，推送给订阅者

本文作者：Maeiee

本文链接：基于 AI 的 Newsletter

版权声明：如无特别声明，本文即为原创文章，版权归 Maeiee 所有，未经允许不得转载！

喜欢我文章的朋友请随缘打赏，鼓励我创作更多更好的作品！