不错的文章转载一下
📅 2025-12-31 03:41
我用 Cursor + AI Studio，配合 GPT 和 Gemini，从零手搓了一套公司级的 Crypto 情报监控与半自动发布系统。
24小时不间断地通过 RSS、 Grok/GPT/Gemini 等模型扫描全网信息，自动清洗、自动评分、自动撰写，然后根据“流量算法”自动分发。
很多人问我：“现在 AI 编程这么火，Vibe Coding 到底怎么玩？”
今天直接把这个项目从需求对齐、工程拆解到最终落地的全过程发出来。这不仅是一个工具的诞生，更是一套普通人驾驭 AI 的方法论。
一、 为什么要做这个？（对抗算法的熵增）
人类是有极限的，我们要睡觉，会情绪化，会漏看信息。但 AI 不会。于是我产生了一个想法：能不能做一个“AI 代理人”，替我完成 90% 的脏活累活？
它负责 24 小时监控（信息广度）。
它负责交叉验证去重（信息准度）。
它负责初步评分和撰写（信息加工）。
而我，只负责最后那 1% 的“决策”和“点睛”。
这就是我的系统 —— XAgentic Semi-Automation 的雏形。
二、 Vibe Coding 的核心：你不是码农，你是产品经理
很多小白用 AI 写代码失败，是因为上来就让 AI “写个贪吃蛇”。
Vibe Coding 的第一原则：代码只是结果，需求才是灵魂。
第 1 天（50% 时间）： 纯粹的聊天。跟 GPT 对需求，通过“拷打”AI 来理清逻辑。
第 2 天上午（25% 时间）： 生成文档，让不同的 LLM 互喷（交叉评审）。
第 2 天下午（25% 时间）： 才是写代码（AI Studio 写前端，Cursor 写后端）。
Step 1: 暴力对齐需求（Chat to PRD）
我没有写一行代码，而是把自己当成甲方。我把所有能想到的功能全部丢给 GPT：
“我要监控 RSS，还要用 LLM 去扫推特，我要去重，我要评分，分不够的不要进库，分高的进流量池……”
然后让 GPT 帮我整理成一份**《PRD 需求文档》**。
Step 2: LLM 交叉评审（AI 互怼）
这是最精彩的一步。我拿着 GPT 写好的需求文档，扔给 Claude 和 Gemini，说：
“你是一个资深架构师，请从工程落地、成本控制、数据一致性的角度，疯狂攻击这份文档，挑出它的逻辑漏洞。”
结果它们真的指出了很多我没想到的坑：
“怎么防止 AI 产生幻觉乱喊单？” -> 解决方案：引入 Verifier 节点和白名单。
“多模型一起跑太贵怎么办？” -> 解决方案：发现层多模型，处理层收敛。
“怎么防止被判定为机器人？” -> 解决方案：模拟人类的发布节奏和休息时间。
经过这一轮“虚拟 CTO”的评审，我得到了一份完整的的 PRD。
三、 系统架构：把“流量思维”写进代码里
这个系统的核心不是爬虫，而是对“流量”和“价值”的自动化判断。我把输出分为了两个池子，完美契合 X 的算法机制：
1. The Traffic Pool（流量快道）
逻辑：针对突发新闻、高热度讨论。
要求：速度第一。配置Rss信息源，配置提示词等方式来获取信息，然后直接可以判定是否具有流量价值。
2. The Research Pool（投研慢道）
逻辑：针对叙事变化、宏观分析、项目深度。
要求：深度第一。通过配置一些VC，投研机构的Rss获取深度研报、项目分析等，然后通过评分自动进入流量池。
整个流程是这样的：
Discovery：Grok/GPT/Gemini 轮询 + RSS 抓取。
Filter：AI 自动去重（把同质化的垃圾信息过滤掉）。
Score：根据影响力、时效性、信息密度打分。
Route：低分扔掉，高分进池子。
Draft：Claude/Gemini 生成草稿。
Review：我每天早上打开后台，像皇上批奏折一样：点“批准”，或者点“不感兴趣”（AI 会记住我的口味，下次不再推这类信息）。
四、 成果与交付
最终，我用 AI Studio 搞定了高大上的前端（Dashboard），用 Cursor 搞定了后端逻辑和数据库交互。
视频里就是最终呈现的样子：
左边是原始证据（保证不造谣）。
中间是 AI 的逻辑判断（为什么它觉得这重要）。
右边是写好的推文草稿（我甚至可以直接编辑）。
目前最大的难点在信息源的调优。因为 AI 太强了，它会把全网的垃圾也吃进来，所以我现在正在做一个“白名单清洗”。
五、 写给想尝试 Vibe Coding 的你
过去这段时间的VibeCoding，我明白了一件事：在 AI 时代，编程语言不再是门槛，想象力和逻辑、清晰的需求文档才是。
如果你也想做自己的工具，我的建议是：
不要急着写代码。花 80% 的时间去打磨你的 PRD（需求文档）。AI 写代码很快，但如果你给的是垃圾指令，它生成的也是垃圾代码。
善用“AI 评审团”。让 AI 互相对抗，能帮你补全 99% 的逻辑漏洞。
从“工作流”入手。不要为了写 App 而写 App，想想你每天重复最多次的动作是什么，用 AI 把它自动化。
我用 Cursor + AI Studio，配合 GPT 和 Gemini，从零手搓了一套公司级的 Crypto 情报监控与半自动发布系统。
24小时不间断地通过 RSS、 Grok/GPT/Gemini 等模型扫描全网信息，自动清洗、自动评分、自动撰写，然后根据“流量算法”自动分发。
很多人问我：“现在 AI 编程这么火，Vibe Coding 到底怎么玩？”
今天直接把这个项目从需求对齐、工程拆解到最终落地的全过程发出来。这不仅是一个工具的诞生，更是一套普通人驾驭 AI 的方法论。
一、 为什么要做这个？（对抗算法的熵增）
人类是有极限的，我们要睡觉，会情绪化，会漏看信息。但 AI 不会。于是我产生了一个想法：能不能做一个“AI 代理人”，替我完成 90% 的脏活累活？
它负责 24 小时监控（信息广度）。
它负责交叉验证去重（信息准度）。
它负责初步评分和撰写（信息加工）。
而我，只负责最后那 1% 的“决策”和“点睛”。
这就是我的系统 —— XAgentic Semi-Automation 的雏形。
二、 Vibe Coding 的核心：你不是码农，你是产品经理
很多小白用 AI 写代码失败，是因为上来就让 AI “写个贪吃蛇”。
Vibe Coding 的第一原则：代码只是结果，需求才是灵魂。
第 1 天（50% 时间）： 纯粹的聊天。跟 GPT 对需求，通过“拷打”AI 来理清逻辑。
第 2 天上午（25% 时间）： 生成文档，让不同的 LLM 互喷（交叉评审）。
第 2 天下午（25% 时间）： 才是写代码（AI Studio 写前端，Cursor 写后端）。
Step 1: 暴力对齐需求（Chat to PRD）
我没有写一行代码，而是把自己当成甲方。我把所有能想到的功能全部丢给 GPT：
“我要监控 RSS，还要用 LLM 去扫推特，我要去重，我要评分，分不够的不要进库，分高的进流量池……”
然后让 GPT 帮我整理成一份**《PRD 需求文档》**。
Step 2: LLM 交叉评审（AI 互怼）
这是最精彩的一步。我拿着 GPT 写好的需求文档，扔给 Claude 和 Gemini，说：
“你是一个资深架构师，请从工程落地、成本控制、数据一致性的角度，疯狂攻击这份文档，挑出它的逻辑漏洞。”
结果它们真的指出了很多我没想到的坑：
“怎么防止 AI 产生幻觉乱喊单？” -> 解决方案：引入 Verifier 节点和白名单。
“多模型一起跑太贵怎么办？” -> 解决方案：发现层多模型，处理层收敛。
“怎么防止被判定为机器人？” -> 解决方案：模拟人类的发布节奏和休息时间。
经过这一轮“虚拟 CTO”的评审，我得到了一份完整的的 PRD。
三、 系统架构：把“流量思维”写进代码里
这个系统的核心不是爬虫，而是对“流量”和“价值”的自动化判断。我把输出分为了两个池子，完美契合 X 的算法机制：
1. The Traffic Pool（流量快道）
逻辑：针对突发新闻、高热度讨论。
要求：速度第一。配置Rss信息源，配置提示词等方式来获取信息，然后直接可以判定是否具有流量价值。
2. The Research Pool（投研慢道）
逻辑：针对叙事变化、宏观分析、项目深度。
要求：深度第一。通过配置一些VC，投研机构的Rss获取深度研报、项目分析等，然后通过评分自动进入流量池。
整个流程是这样的：
Discovery：Grok/GPT/Gemini 轮询 + RSS 抓取。
Filter：AI 自动去重（把同质化的垃圾信息过滤掉）。
Score：根据影响力、时效性、信息密度打分。
Route：低分扔掉，高分进池子。
Draft：Claude/Gemini 生成草稿。
Review：我每天早上打开后台，像皇上批奏折一样：点“批准”，或者点“不感兴趣”（AI 会记住我的口味，下次不再推这类信息）。
四、 成果与交付
最终，我用 AI Studio 搞定了高大上的前端（Dashboard），用 Cursor 搞定了后端逻辑和数据库交互。
视频里就是最终呈现的样子：
左边是原始证据（保证不造谣）。
中间是 AI 的逻辑判断（为什么它觉得这重要）。
右边是写好的推文草稿（我甚至可以直接编辑）。
目前最大的难点在信息源的调优。因为 AI 太强了，它会把全网的垃圾也吃进来，所以我现在正在做一个“白名单清洗”。
五、 写给想尝试 Vibe Coding 的你
过去这段时间的VibeCoding，我明白了一件事：在 AI 时代，编程语言不再是门槛，想象力和逻辑、清晰的需求文档才是。
如果你也想做自己的工具，我的建议是：
不要急着写代码。花 80% 的时间去打磨你的 PRD（需求文档）。AI 写代码很快，但如果你给的是垃圾指令，它生成的也是垃圾代码。
善用“AI 评审团”。让 AI 互相对抗，能帮你补全 99% 的逻辑漏洞。
从“工作流”入手。不要为了写 App 而写 App，想想你每天重复最多次的动作是什么，用 AI 把它自动化。