1. 背景
花了整整两天时间，本 qiang~ 开发了一个关于 AI 新闻资讯的自动聚合及报告生成工具。
本篇记录一下整体的框架和实现原理，并且本着它山之石可以攻玉，本 qiang~ 开放了所有的源码，源码可见如下第 5 章节，感谢各位看官的大力支持。如有问题，可私信或留言沟通。
成品可以参考链接：《 AI 资讯每日速递 (2024.11.05) 》
2. 为什么要做这件事？
深处 AI 时代，想要追赶前沿的一手技术与资讯，有一个工具能够实时获取每天的重点内容，包括咨询和技术相关内容，并且能够按照公司及内容的优先级进行筛选，然后午后捧着一杯奶茶，点开自动生成的报告，岂不美哉美哉？
3. 相关技术
- Crawl4ai : 一块集成 LLM 的开源爬虫工具
- Swarm : OpenAI 发布的 Multi-Agent 编排框架，可以参考本人先前的辛苦整理：《 LLM 应用实战 : OpenAI 多代理框架 -Swarm 》
- Python-docx : word 的操作工具
- Textdistance : 用于报告模块中资讯排序结果与原始资讯结果的对齐
- Gpt-4o-mini : 采用的大模型是 gpt-4o-mini ，每日免费调用 200 次，不够用 ...
4. 整体框架
整体框架分为三个模块：
4.1 下载模块
下载模块的数据源包括各大 AI 新闻网站及知名博客，然后通过开源爬虫工具 crawl4ai 进行爬取，爬取的维度包括标题、内容、图片等。
4.2 解析模块
解析模块是针对爬取的结果进行解析，采用 OpenAi Swarm 框架，包含 4 个 Agent ，其中 Analysis Agent 是主体 Agent ，遍历下载的每一个资讯，将每条资讯分别同步给其他 Agent 完成具体的解析任务。其中 Translator Agent 主要功能是翻译，将英文翻译为中文； Classifier Agent 主要功能是针对资讯进行分类，如涉及技术还是产品之类的； Modifier Agent 主要功能是将资讯的标题和内容进行改写，标题可以改写更醒目一些，内容主要是提取摘要信息。
Analysis Agent 负责串联其他 3 个 Agent ，每个 Agent 结束后均会返回到 Analysis Agent ，以便让 Analysis Agent 决定下一步的操作。
4.3 报告模块
报告模块包含 Sorter Agent ，主要功能是将解析后的资讯按照公司、内容等维度进行排序，然后筛选出其中相对排名较高的资讯。
经过排序 Agent 后，最终将结果保存为 word 。
5. 全部源码
5.1 下载模块
采用 crawl4ai 工具进行网站爬取，示例的网站是 https://www.aibase.com ，网站存在中文及英文，但增加翻译 Agent 是为了兼容其他网站。
1. 文件处理 file_util.py
2. 网站爬取 web_crawler.py
5.2 解析模块
1. 解析提示语prompt.py
2. 解析Agent整体流程agent.py
5.3 报告模块
1. 排序提示语prompt.py
2. 排序流程agent.py
3. 报告生成word_util.py
6. 优化思考
1. 爬取模块目前是串行下载，且未增加反爬机制 ，后续可以增加多线程，且增加代理池机制。
2. 免费的 gpt-4o-mini 每日调用次数仅有 200 次，执行本任务远远不够 ，因此后期尝试切换为私有部署的 Qwen2.5 。
其实已经尝试了 Qwen2.5 ，以 vllm 部署，但与 Swarm 框架中的 OpenAi 接口存在少许不兼容，例如不支持特定的参数，只能运行一轮。不过可以进一步优化 Swarm 框架来进行适配。
本次实验本 qiang~ 花费了 30 大洋，买了一个 gpt-4o-mini ，生成最终结果，直接耗费了其中的 8 个大洋，烧钱 ....
3. 信息推送机制不支持，如一键同步 到公众号、 CSDN 、知乎，这块如果有精力可以基于网站的开发接口，实现一键自动发布文章。
7. 总结
一句话足矣 ~
开发了一块 AI 资讯的自动聚合及报告生成工具，包括具体的框架、实现原理以及完整源码，满满诚意，提供给各位看官。欢迎转发、订阅 ~
有问题可以私信或留言沟通！
8. 参考
(1) Swarm: https://GitHub.com/openai/swarm
(2) Crawl4ai: https://github.com/unclecode/crawl4ai
(3) 资讯网站 : https://www.aibase.com/news
