了解搭建思路

Why — 为什么做这个产品

AI 行业每天都有大事发生，但跟进的成本太高了。

信息分散
X、播客、博客、论坛——逐个平台刷一遍要花掉整个上午
噪音太多
大量转发、玩笑、碎片观点，真正重要的信号被淹没
看不懂
术语太多，不是工程师很难理解在讨论什么
没时间
播客动辄 1 小时，每天 5 档根本听不完
目标用户 — 关注 AI 行业但不是工程师的人：PM、投资人、创业者。他们需要的不是原始信息，是带上下文的解读。

What — 一封邮件，三层信息

不是链接聚合，是结构化的、带背景的信息消化。

I
热点聚合
多人讨论同一件事时，合并成一个故事。不只是"发生了什么"，还有"为什么重要"和"各方怎么看"。
II
人物动态
25 位 Builder 的值得关注的动态，每条注释了"这个人是谁"和"这件事为什么重要"。
III
播客精选
自动提取字幕，总结嘉宾观点和关键 takeaway。1 小时播客，3 分钟读完核心。

中英双语对照 · 顺便提升英文阅读能力

How — 全自动流水线

从数据采集到邮件发送，5 步处理，零人工干预。

采集
数据源
25 个 X 账号
5 档播客 RSS
YouTube 字幕
→
处理
LLM 5 步流水线
聚类 → 热点总结 → 个人总结
→ 播客总结 → 双语翻译
→
分发
邮件推送
Resend 邮件服务
每天早上 9:00
GitHub Actions 触发
SocialData 替代官方 Twitter API，更便宜更稳定
DeepSeek 替代 GPT-4，成本低 95%，中文质量好
分步处理而非一步到位，每步可独立 debug
yt-dlp 提取播客字幕，免费无需额外 API

产品决策与取舍

做产品不是堆功能，是想清楚不做什么。

邮件，而非 App
日报类产品的核心价值是"推到你面前"。邮件不需要下载、不需要打开新 App，到达率最高。
放弃了互动功能，但日报场景不需要。
LLM 分步处理
5 步串行处理，每步有明确输入输出，方便 debug 和迭代 prompt。
多步调用增加延迟和成本，但可控性远大于代价。
聚类优先于时间线
用户更关心"发生了什么事"而不是"某个人说了什么"。多人提及 = 重要信号。
偶尔聚类不准，但整体信噪比大幅提升。
双语对照
目标用户想提升英文能力；AI 术语看原文更准确。不是翻译，是对照阅读。
邮件长度翻倍，但用户反馈正面。

技术选型

MVP 阶段优先选择低成本、低维护的方案。

Stack
  • Runtime TypeScript + Node.js
  • LLM DeepSeek Chat API
  • Data SocialData + RSS Parser
  • Transcript yt-dlp
  • Email Resend + Audiences
  • Deploy Vercel Serverless
  • Cron GitHub Actions
Numbers
25
AI Builder 追踪
5
播客监控
~$0.03
每日 LLM 成本
0
人工干预

关于这个项目

我正在从留学规划顾问转型产品经理。这个项目是我用 AI 工具独立完成的第一个产品——从发现需求、设计方案、到技术实现和上线运营，走完了完整的产品流程。

它体现的不是"我会写代码"，而是"我能用产品思维发现问题、做出取舍、交付解决方案"。

用户洞察 产品设计 LLM 工程 全栈实现 独立交付

试试看这封每日简报

GitHub