做 AI 内容的人都有同一个感觉。消息太多了。
新模型发布。框架升级。政策变动。开源项目冒出来。
信息散在十几个群里。还有几个新闻端。每天刷新闻的时间，比写东西的时间还长。
最难受的是，刷完之后大部分内容一条也没用上。
我想要的东西其实很简单。每天一个固定时间，一份控制在一屏以内的 AI 日报。
带来源。分好栏。直接送到微信。
不需要我去打开任何应用。
这次用 WorkBuddy 的自动化把这件事跑通了。定时任务每天上午 10:30 触发，调用腾讯新闻技能检索当天资讯。
整理这一步交给蓝耘 MaaS 的 deepseek-v4-flash。最后推送到 WorkBuddy 的微信小程序。
从配置到推送成功只用了一个下午。中间还经历了两版提示词。
不是因为第一次失败了。恰恰是因为第一次做得太多。
一、为什么用 WorkBuddy 的自动化，而不是再写一个脚本
这个需求的第一反应是自己写。
Python 定时任务。新闻接口。模型接口。推送通道。一晚上能写完。
写完之后的每天都要维护。接口改版，密钥轮换，推送失效，都是长期成本。
WorkBuddy 把这条链路拆成了三块现成的积木。
技能负责取材。技能中心里的腾讯新闻技能，全天候新闻搜索，支持热点与领域查询。
技能这个词听着玄。说白了就是装进工作台的一个技能插件，装完之后任务里就能直接喊它干活。
模型负责整理。工作台的自定义模型接上蓝耘 MaaS，长文本归纳交给它。
自动化负责准时送到。定时触发支持周期、按间隔和单次。推送渠道支持微信小程序和企业微信。
这三块都是平台里现成的 AI工具，我一个都没自己写。
我要做的只是把三块积木按顺序拼起来。
二、模型底座：把整理工作交给蓝耘 MaaS 的 deepseek-v4-flash
WorkBuddy 内置模型按积分消耗。
自动化任务每天执行一次。每次都是检索结果整理这种长文本任务。积分消耗可观。
而这类任务对模型的要求其实不高。它不需要深度推理。需要的是听指挥。
按栏目输出。控制字数。带来源。不编造。
所以我把工作台的模型切换成了蓝耘 MaaS 的 deepseek-v4-flash。
理由有两条。一是便宜。蓝耘控制台对它的定位就是低成本高速模型，适合大规模调用。
定价页直接标着输入 2 元每百万 tokens，输出 8 元，缓存命中 0.04 元。以控制台实际显示为准。
每天一次的日报任务，一个月下来成本可以忽略。
二是它热门。社区资料多。遇到问题好排查。
接入流程也不长。左下角头像进设置，找到模型，点添加模型，用自定义方式填三项。
配置项一共三行。提供商选自定义。接口地址是 maas-api.lanyun.net/v1。模型名称写 deepseek-v4-flash。
接口密钥在蓝耘控制台生成。截图里打了码。
模型运行在蓝耘平台侧的算力上。即开即用。本地电脑不需要为这个模型做任何准备。
WorkBuddy 这边只是一个接口调用方。
三、配置一次跑通，路上有两个小插曲
插曲一：技能装好了，它拒绝无米之炊
装完腾讯新闻技能第一次测试执行，任务没有硬着头皮交差。
它明确报告，命令行工具已经安装、校验通过，但搜索需要单独的一把密钥，当前没有配置。
按规则，它不能编造新闻，也不能用别的数据源代替。所以本次无法生成日报。
报告末尾还给出了获取密钥的官方页面，和一条可复制的配置命令。
到腾讯网 Skills 页面生成密钥，按它给的命令配置，两分钟解决。
这个小插曲反而让我对这套链路多了几分信任。取材环节缺凭证时它选择明说，而不是拿模型的知识糊一篇假日报。
插曲二：它自己发现并修好了中文乱码
配好密钥之后也不是一帆风顺。
任务调用命令行工具时发现，终端输出中文会乱码。它自己显式设置了 UTF-8 编码解决，还把这条经验写进了任务备忘。
两次执行之后它明确告知，上一轮的环境问题已经彻底解决，后续定时任务会直接复用。
一个自动化任务具备从踩坑到解决再到记忆的完整闭环。这是我配置前没有预料到的。
最终任务配置如下。
任务名称是 AI 日报每日推送。提示词只有一句，请搜索昨天到今天的 AI 行业新闻，整理成一份日报推给我。
模型选 deepseek-v4-flash。执行频率是周期，每天 10:30。推送开启 WorkBuddy 微信小程序，企业微信机器人关闭。
四、第一版提示词：超出预期的第一次执行
第一版提示词写得非常朴素。就是上表里那一句。
按我原本的预判，这么随意的要求大概率换来一段冗长的流水账。
结果它交上来的是一份带样式的网页版日报文件。
封面卡注明日期与覆盖时段。一共 20 条精选，覆盖 9 月 12 日到 13 日。
里面分了板块。安全监管，学术前沿，芯片算力，还有政策产业。
每条都带来源媒体、时间和原文链接。末尾还主动生成了一张六板块要点表。
微信小程序里收到的推送也可读性很好。
说实话，这个完成度超出了我写那句提示词时的预期。
五、给得多也是问题：v1 的两个真实代价
但用了一晚上之后，两个问题浮了出来。
第一个问题是条数。20 条精选，是读不完的日报。
日报的核心诉求是快。通勤十分钟知道今天发生了什么。
20 条加一张要点表，信息量接近周报。结果就是收藏之后再也没有打开过。
第二个问题是形式。产出形式是模型自由发挥的。
这次它心情好给了网页文件。下次可能就是一大段纯文本。
没有约束的格式，等于没有格式。
它其实不只是一个 AI对话 的输入框。它的产出形态由提示词决定，我写多少，它就发挥多少。
换句话说，第一版的全部优点和全部缺点是同一件事。它给的比我问的多。
而要做一份每天看的日报，我得先想清楚自己到底要什么。
六、v2：给日报立一份交稿规范
修改思路是把自己当成给编辑提需求的甲方。把四层没说出口的要求全部显式写出来。
第二版的提示词大概是这样。
你是一名 AI 行业编辑。请使用腾讯新闻技能检索今天的 AI 行业资讯，整理成一份日报。
内容范围只收三类，其他一律不要。
大模型与新模型发布。AI 开发者工具与开源项目。行业与政策，最多 2 条。
输出形式上，日报正文直接写在回复消息里，保证推送到微信后不点开附件就能读完。不要生成网页或其他文件。
输出结构分三块。
要点速览 3 条，每条不超过 25 字。
今日详情从速览里挑 3 到 5 条展开，每条 2 到 3 行，写事件本身，加上为什么值得开发者关注。
一句话点评，用编辑口吻对今日信息面说一句判断，不超过 40 字。
硬性约束有五条。
正文总字数控制在 600 字以内。
每条资讯注明来源媒体与时间。检索不到可靠来源的不写。
不确定的消息标注待证实。不把传闻写成定论。
不收广告软文与营销号内容。
开头第一行注明日期与覆盖时段。
这份提示词替换进自动化任务之后，配置页长这样。提示词开头保留技能引用，模型选择器里依然是蓝耘的 deepseek-v4-flash。
四类减法对应四个观察点。
条数从 20 条精选变成速览 3 加详情 3 到 5。字数从无上限变成 600 字以内。形式从网页文件变成消息直出。范围从模型自由裁量变成三类白名单。
v2 实测：四项全守约
切换提示词后当场测试执行，1 分 38 秒出结果。四个观察点全部命中。
速览 3 条加详情 3 条。消息直出，没有再生成文件。正文约 500 字。开头注明了覆盖时段。
同一期日报在微信小程序里的推送，消息直出，不点附件就能读。
两个细节比守约本身更值得说。
待证实标记被真的用起来了。一句话点评里写着，仅谷歌 Gemini 4 有传闻，后面跟了待证实三个字。
硬性约束没有沦为摆设。模型真的在区分已证实与传闻。
点评里也有了编辑判断。安全正从附加项变成路线图的前置约束。这已经不是摘要，是一句话的观点。
减法的代价，也如实记录
政策类全军覆没。
v1 收录了三条政策新闻，工信部专项行动，北京政务大模型平台，还有湖北 AI 产业 1600 亿。v2 一条没收。
三类白名单里的行业与政策，被模型主动放弃了。
约束不只是删内容。它还在重塑编辑取舍。字数紧张时，它把仅有的版面全部押给了安全与合规主线。
速览与详情完全重合。三条速览就是三条详情的标题复述。
详情只有 3 条时，速览失去了精选的功能。这是结构设计上的小瑕疵，不影响使用。
七、定时上岗：连续两天的定时实测
v1 和 v2 都是通过测试执行手动跑的。
提示词切换到 v2 之后，真正的考验是定时触发。每天 10:30，它自己跑完自己推。
两天的定时任务都正常触发。日报都准时送到了微信小程序。
四天的完整记录如下。
第 1 天走 v1，测试执行，产物是网页文件，没有字数限制，20 条精选，超预期但过载。
第 2 天走 v2，测试执行，覆盖时段到当天下午，消息直出，约 500 字，四项守约。
第 3 天走 v2，定时 10:30 触发，覆盖前一天 00:00 到当天 10:30，消息直出，约 600 字，速览 3 加详情 3，没有过载。
第 4 天同样是 v2 定时 10:30，字数约 600，政策类回归 1 条。
说明一句。执行耗时只在测试执行时有记录，v2 是 1 分 38 秒。定时推送里不体现。
推送截图是事后打开任务详情补拍的，状态栏时间不是送达时间。两天的日报实际都在 10:30 后准时到达。
定时这两天，有三个比正常出刊更值得说的观察。
第一，覆盖时段的口径它自己收敛了。
手动测试那期，覆盖时段跟着我执行的时刻走。定时上岗之后，两期统一成了前一天 00:00 到当天 10:30 的自然日口径。
提示词里我只要求开头注明日期与覆盖时段，从没规定时段怎么算。
两期给出完全一致的合理口径，说明这条约束在无人值守的场景下是稳定的。
第二，三期点评在跟同一根主线。
第 2 天说，安全正从附加项变成路线图的前置约束。第 3 天说，钱在加速，能力喊减速，安全合规正被提前定价。
第 4 天说，端侧和开源仍在加速，节奏正在换挡。
三期的新闻条目各不相同。点评却不是每天随机发一句感想。它在跟进能力减速与安全合规这条连续的行业线。
一句话点评这个栏目设计的意外收益在这里显形了。它逼模型对信息面表态，而不是罗列完就收工。
第三，政策类回来了。
第 4 天收进了一条。工信部与发改委印发十五五规划，提出加强端侧大模型与芯片的兼容适配，存储芯片和操作系统也在其中。
同日微软发布 AI 模型临时行为准则，也一并入列。
对照说明第三类不是死配置。字数预算内收不收政策，是它根据当天信息面做的动态取舍。
来源标注同样守约。第 4 天甚至精确到了时刻。
两天都没有出现需要标注待证实的传闻条目。这条硬约束没有被触发，而它被正确使用过的样子，前面已经演示过了。
结语
回顾这件事，真正的工作量只有两处。
一处是把我要一份什么样的日报想清楚。另一处是把模型底座换成便宜稳定的蓝耘 deepseek-v4-flash。
WorkBuddy 的自动化负责准时。腾讯新闻技能负责取材。蓝耘 MaaS 负责把散乱的资讯收进固定栏目。每个环节各干各的活。
最有意思的是两版提示词的对照。
第一版我什么都没要求，它给了 20 条和一个网页文件。第二版我立了规矩，它交回一份五分钟能读完的日报，还学会了给传闻标注待证实。
AI 时代的提示词工程，多数时候不是教模型做事，而是想清楚自己到底要什么。
对每天被信息流推着走的人来说，把刷新闻变成收日报，省下来的不只是时间，还有那种好像错过了什么的焦虑。
这也是我理解的自动化该有的样子。不是替你思考，而是把重复的部分准时做完，把判断留给你。
Gemini会员中转站 微信:douhanq
