如何构建一个 Claude 研究 Agent：每天早上自动阅读互联网，5 分钟为你生成简报

大多数人的一天都是从同一件事开始的。

他们打开 Twitter，花 20 分钟在噪音中寻找那三件真正重要的事情。他们打开邮箱，还没来得及做任何自己计划做的事，就被拖入了被动反应模式。他们点开 RSS 阅读器，看着 200 条永远读不完的未读信息感到不知所措。他们打开新闻聚合器，读了三篇与自己的工作或生活毫无关系的文章。

45 分钟后，他们落后了，压力山大，而且信息获取量比多睡 15 分钟也好不到哪去。

Claude 研究 Agent 能永久性地解决这个问题。

每天早上，在你打开任何东西之前，一个 Claude Agent 就已经读完了与你的工作相关的所有来源，过滤掉了所有无关信息，综合了值得关注的最新进展，并将一份结构化的 5 分钟简报存入你的 Obsidian 知识库。

你醒来。阅读简报。五分钟内，你就知道了所有需要知道的事情。然后开始工作。

本文是一份完整的构建指南，从零开始搭建一个每天早晨自动向你汇报的 Agent。

研究 Agent 具体做什么

在开始技术构建之前，先准确理解你要构建的是什么，以及每个组件为什么重要。

这个研究 Agent 每天早上自动执行四项功能。

来源监控。它读取你配置的每一个信息来源：行业新闻、竞争对手网站、你的领域的学术论文、特定的新闻通讯、发布研究的 YouTube 频道、播客文字稿、你关注的 GitHub 仓库、你所在领域的 Reddit 社区，以及任何可能包含对你工作重要信息的来源。

信号过滤。它并不是总结所有读到的东西。它会根据你定义的准则，识别出哪些是真正重要的。竞争对手的新产品发布是重要的。炒上周已经发布过的信息的博客文章则不是。过滤层才是让简报真正有用，而不是仅仅压缩所有信息的关键。

综合提炼。它不会把重要条目列成要点。它会将它们综合成一个结构化的叙述，告诉你发生了什么、为什么重要、如何与你已知的事情关联，以及你可能应该做什么。

交付。它会在每天早上的配置时间，将简报存入你的 Obsidian 知识库中的指定位置，这样当你打开笔记本电脑时它就已经在等着了，而不需要你手动触发。

这四项功能取代了每天 45 分钟的信息收集，只需 5 分钟阅读。

技术架构

研究 Agent 有五个组件，各自承担特定的角色。移除任何一个组件，系统的效果都会变差。

Claude 是智能层。它读取来源的原始信息，运用你的准则过滤重要内容，并将过滤后的信息综合成结构化的简报。

Filesystem MCP 将 Claude 连接到你的 Obsidian 知识库。它让 Claude 能够直接读写你的知识库，以便读取你的 CLAUDE.md 获取上下文，并自动将简报存入正确的文件夹。

Brave Search MCP 让 Claude 能够进行实时网络搜索。没有它，Claude 只能推理到其训练截止日期为止的信息。有了它，Claude 可以搜索实时网络，找到你指定的任何主题的最新信息。

N8N 调度整个工作流。它在你设定的时间每天早晨触发研究 Agent，向 Claude 传递正确的上下文，接收输出，并将其保存到你的知识库。

CLAUDE.md 是上下文层，它使简报针对你的具体情境，而非泛泛的信息。它告诉 Claude 你做什么、关心什么、已经知道什么，以及什么样的信息对你来说是真正可执行的。

搭建基础

在构建工作流之前，你需要准备好三样东西。

安装了 MCP 连接的 Claude Desktop。

从 claude.ai/download 安装 Claude Desktop。

使用 Filesystem 和 Brave Search MCP 服务器配置你的 claude_desktop_config.json：

{

"mcpServers": {

"filesystem": {

"command": "npx",

"args": [

"-y",

"@modelcontextprotocol/server-filesystem",

"/path/to/your/obsidian/vault"

]

},

"brave-search": {

"command": "npx",

"args": ["-y", "@modelcontextprotocol/server-brave-search"],

"env": {

"BRAVE_API_KEY": "your-brave-api-key"

}

}

}

}

在 brave.com/search/api 获取你的 Brave Search API 密钥。免费层每月允许 2,000 次查询，对于一个每日研究 Agent 来说绰绰有余。

保存配置后重启 Claude Desktop。让 Claude 搜索某些内容来验证连接是否正常，检查它是否返回实时结果。

你的 Obsidian 知识库结构。

如果你的知识库中还没有，创建一个名为 BRIEFINGS 的文件夹。这是每早简报存放的地方。

vault/

├── BRIEFINGS/

│ └── [YYYY-MM-DD]-morning-brief.md ← 每日自动生成

├── CLAUDE.md

└── [你的知识库其他内容]

自托管 N8N。

在 $5 的 DigitalOcean 虚拟机上自托管 N8N，可以获得无限工作流运行次数，没有按执行次数计费。

如果你还没有设置好 N8N，按以下步骤操作：创建一个 DigitalOcean 账户，启动最小的 Ubuntu 虚拟机，通过 SSH 登录，通过 npm 安装 N8N，并将其配置为服务运行。

完整的 N8N 设置首次大约需要 30 分钟。之后构建的每个工作流都使用相同的基础设施。

编写 CLAUDE.md 研究上下文

CLAUDE.md 是让简报与你个人相关的内容。

一个通用的研究 Agent 产生通用的简报。一个配置了你的特定上下文的研究 Agent 产生的简报中，每一条都直接与你的工作和决策相关。

在你的现有 CLAUDE.md 中添加一个“研究上下文”部分，或者在知识库中创建一个专门的研究 CLAUDE.md：

1# 研究 Agent 上下文
2
3## 我是谁
4
5[你的名字，你的角色，你做什么]
6
7## 我的主要关注领域
8
9[列出你需要保持了解的具体主题、行业或领域]
10
11## 对我来说什么算重大新闻
12
13[要具体。不是“AI 新闻”，而是“Claude Code 更新、
14新 MCP 服务器、多 Agent 框架、AI Agent 安全发展”]
15
16## 我的竞争格局
17
18[你跟踪的特定公司、人物、产品]
19
20## 我已经很熟悉的内容
21
22[你有深入专业知识的主题，因此只需要重大新发展，
23不需要入门级介绍]
24
25## 我目前正在做的项目
26
27[活跃项目，相关新闻会直接影响行动——每周更新]
28
29## 我信任的来源
30
31[值得优先关注的特定出版物、新闻通讯、研究人员、
32YouTube 频道、子版块]
33
34## 我明确不想要的内容
35
36[在你的领域出现但浪费你时间的主题——
37泛泛的 AI 炒作文章、翻炒内容、你不关心的公司的公告]
38
39## 简报格式偏好
40
41[你希望输出如何结构化——参见下方模板]

“我明确不想要的内容”这部分最重要，但大多数人会跳过。

没有它，Claude 会包括与你主题相关的一切。有了它，Claude 会积极过滤，简报中只包含你真正会采取行动的内容。

研究 Agent 提示词

这是每天早上运行的核心提示词。它作为发送给 Claude API 的消息放入你的 N8N 工作流。

1You are my personal research agent. Your job is to produce
2my morning intelligence brief.
3
4Read my research context from CLAUDE.md in my vault.
5
6Then execute the following research sequence:
7
8STEP 1: PRIMARY TOPIC SEARCH
9For each focus area in my research context, search for
10significant developments from the last 24 hours.
11Use these search queries as a starting point but adapt
12based on what you find:
13
14[CLAUDE will generate appropriate queries based on
15your CLAUDE.md focus areas]
16
17STEP 2: SIGNAL FILTERING
18From everything you find, apply these filters:
19
20INCLUDE:
21- New product launches or significant updates from
22  companies or tools I follow
23- Research findings that change how we understand
24  something I care about
25- Strategic moves by competitors I monitor
26- Regulatory or policy changes affecting my domain
27- New tools, frameworks, or techniques worth knowing
28- Significant market movements in my focus areas
29
30EXCLUDE:
31- Anything I noted in my "What I Do NOT Want" section
32- Rehashed content summarizing things published
33  more than 48 hours ago
34- Opinion pieces without new information
35- Announcements from companies I do not follow
36- General AI hype without specific actionable detail
37
38If nothing significant happened in a category:
39say nothing happened rather than filling space.
40
41STEP 3: COMPETITIVE INTELLIGENCE
42Search specifically for any news about the companies
43and people listed in my competitive landscape.
44Highlight anything that represents a strategic shift,
45new product, or significant announcement.
46
47STEP 4: SYNTHESIS
48Produce the brief in this exact format:
49
50---
51
52# Morning Brief — [DATE]
53Generated: [TIME]
54
55## THE ONE THING
56[The single most important development today.
57One paragraph. Why it matters for my specific situation.]
58
59## WHAT HAPPENED
60[3-7 significant items, each with:]
61- **[Source/Company/Topic]**: What happened and
62  why it matters for my work. One to three sentences max.
63
64## COMPETITIVE WATCH
65[Any significant moves from my competitive landscape.
66If nothing notable, say "Nothing significant today."]
67
68## WHAT TO DO ABOUT IT
69[1-3 specific actions worth considering based on
70today's developments. Only include if genuinely
71actionable. Skip this section if nothing warrants action.]
72
73## READING LIST
74[2-3 links to the most important full articles
75for deeper reading on today's top items]
76
77---
78
79IMPORTANT FORMATTING RULES:
80- The entire brief should take 5 minutes to read,
81  not 15.
82- Every item must connect directly to something
83  in my research context.
84- No filler. No hedging. If something matters say
85  why it matters specifically.
86- If it was a slow news day say so directly rather
87  than inflating thin content.
88
89Save the brief to: BRIEFINGS/[YYYY-MM-DD]-morning-brief.md

注意: 上面的提示词是英文，作为模板保留。但在N8N工作流中，它会被发送给Claude，Claude会理解。我们不需要翻译这个提示词本身，因为它是直接用于API调用的文本。但是，在文章上下文中，它是以代码块形式展示给读者看的，读者可以复制。考虑到规则要求翻译人类阅读的内容，但这里提示词本身是英文，且是作为模板供用户复制，保留英文更合理。然而规则说“如果是为人类阅读则翻译”。这里有点模糊。通常中文教程中，会提供英文提示词，因为API需要使用英文提示词。我认为保留英文原样更合适。类似地，后面的N8N代码块中的systemPrompt字符串也是英文。我们保持原文不变，不翻译提示词内容，只翻译周围的叙述。

实际上，在原文中，这个提示词是放在代码块里的，但原文没有用```包裹，而是用缩进。为了保持一致性，我将其作为缩进代码块保留，内容不翻译（因为它是API输入）。但是，需要翻译文章中对它的描述文字。决定：不翻译提示词正文，只翻译说明文字。

类似地，后面的Node 3代码中systemPrompt的内容是英文模板字符串，需要翻译吗？它也是API输入，但其中包含了用户的可读指令。为了保持一致性，不翻译代码块中的英文内容（因为用户可能直接复制）。但是，规则说“如果是为人类阅读，则翻译”，这里代码块是给用户看并复制使用的，但实际英文更通用。为了安全，按照原文保留。

但规则明确提到“如果内容是为人类阅读，则翻译”。我倾向于翻译中文教程中常见的处理方式：提供中文提示词？但Claude API可以接受中文提示词。考虑到用户可能希望复制英文提示词，保持原文更好。再读规则：<code-segment>部分有详细指引，但这里没有<code-segment>，是普通Markdown代码块。规则说“Decide whether to translate the body based on what's inside, NOT on the wrapper.” 对于代码块，如果是LLM提示（自然语言），应翻译。这里提示词虽然是自然语言，但通常作为模板保留英文。但是，规则强调翻译。为了遵循规则，我应该翻译提示词。但翻译后，可能会影响用户复制使用（因为ChatGPT等接受中文）。权衡：规则第一，翻译。

但是原文中提示词以代码块形式呈现，且是英文。如果翻译成中文，代码块内容变为中文，但用户仍可复制使用，因为Claude支持中文。所以翻译。

决定：翻译提示词正文。注意保留格式（如粗体标记、列表、标题）。将提示词中的英文翻译成中文，但保留变量如[DATE]和格式符号。

类似地，后面Node 3的systemPrompt字符串也要翻译。

Node 5中的返回对象也要翻译字符串（如"Morning brief ready: "）。

同时，注意原文中有一段“The feedback loop that improves the brief over time”里面有一个周日运行的prompt，也需要翻译。

逐段开始翻译。</think>大多数人的一天都是从同一件事开始的。

他们打开 Twitter，花 20 分钟在噪音中寻找那三件真正重要的事情。他们打开邮箱，还没来得及做任何自己计划做的事，就被拖入了被动反应模式。他们点开 RSS 阅读器，看着 200 条永远读不完的未读信息感到不知所措。他们打开新闻聚合器，读了三篇与自己的工作或生活毫无关系的文章。

45 分钟后，他们落后了，压力山大，而且信息获取量比多睡 15 分钟也好不到哪去。

Claude 研究 Agent 能永久性地解决这个问题。

每天早上，在你打开任何东西之前，一个 Claude Agent 就已经读完了与你的工作相关的所有来源，过滤掉了所有无关信息，综合了值得关注的最新进展，并将一份结构化的 5 分钟简报存入你的 Obsidian 知识库。

你醒来。阅读简报。五分钟内，你就知道了所有需要知道的事情。然后开始工作。

本文是一份完整的构建指南，从零开始搭建一个每天早晨自动向你汇报的 Agent。

研究 Agent 具体做什么

在开始技术构建之前，先准确理解你要构建的是什么，以及每个组件为什么重要。

这个研究 Agent 每天早上自动执行四项功能。

来源监控。它读取你配置的每一个信息来源：行业新闻、竞争对手网站、你领域的学术论文、特定的新闻通讯、发布研究的 YouTube 频道、播客文字稿、你关注的 GitHub 仓库、你所在领域的 Reddit 社区，以及任何可能包含对你工作重要信息的来源。

信号过滤。它并不是总结所有读到的东西。它会根据你定义的准则，识别出哪些是真正重要的。竞争对手的新产品发布是重要的。炒上周已经发布过的信息的博客文章则不是。过滤层才是让简报真正有用、而不是仅仅压缩所有信息的关键。

综合提炼。它不会把重要条目列成要点。它会将它们综合成一个结构化的叙述，告诉你发生了什么、为什么重要、如何与你已知的事情关联，以及你可能应该做什么。

交付。它会在每天早上的配置时间，将简报存入你的 Obsidian 知识库中的指定位置，这样当你打开笔记本电脑时它就已经在等着了，而不需要你手动触发。

这四项功能取代了每天 45 分钟的信息收集，只需 5 分钟阅读。

技术架构

研究 Agent 有五个组件，各自承担特定的角色。移除任何一个组件，系统的效果都会变差。

Claude 是智能层。它读取来源的原始信息，运用你的准则过滤重要内容，并将过滤后的信息综合成结构化的简报。

Filesystem MCP 将 Claude 连接到你的 Obsidian 知识库。它让 Claude 能够直接读写你的知识库，以便读取你的 CLAUDE.md 获取上下文，并自动将简报存入正确的文件夹。

Brave Search MCP 让 Claude 能够进行实时网络搜索。没有它，Claude 只能推理到其训练截止日期为止的信息。有了它，Claude 可以搜索实时网络，找到你指定的任何主题的最新信息。

N8N 调度整个工作流。它在每天早晨你设定的时间触发研究 Agent，向 Claude 传递正确的上下文，接收输出，并将其保存到你的知识库。

CLAUDE.md 是上下文层，它使简报针对你的具体情境，而非泛泛的信息。它告诉 Claude 你做什么、关心什么、已经知道什么，以及什么样的信息对你来说是真正可执行的。

搭建基础

在构建工作流之前，你需要准备好三样东西。

安装了 MCP 连接的 Claude Desktop。

从 claude.ai/download 安装 Claude Desktop。

使用 Filesystem 和 Brave Search MCP 服务器配置你的 claude_desktop_config.json：

1{
2  "mcpServers": {
3    "filesystem": {
4      "command": "npx",
5      "args": [
6        "-y",
7        "@modelcontextprotocol/server-filesystem",
8        "/path/to/your/obsidian/vault"
9      ]
10    },
11    "brave-search": {
12      "command": "npx",
13      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
14      "env": {
15        "BRAVE_API_KEY": "your-brave-api-key"
16      }
17    }
18  }
19}

在 brave.com/search/api 获取你的 Brave Search API 密钥。免费层每月允许 2,000 次查询，对于一个每日研究 Agent 来说绰绰有余。

保存配置后重启 Claude Desktop。让 Claude 搜索某些内容来验证连接是否正常，检查它是否返回实时结果。

你的 Obsidian 知识库结构。

如果你的知识库中还没有，创建一个名为 BRIEFINGS 的文件夹。这是每早简报存放的地方。

1vault/
2├── BRIEFINGS/
3│   └── [YYYY-MM-DD]-morning-brief.md  ← 每日自动生成
4├── CLAUDE.md
5└── [你的知识库其他内容]

自托管 N8N。

在 $5 的 DigitalOcean 虚拟机上自托管 N8N，可以获得无限工作流运行次数，没有按执行次数计费。

如果你还没有设置好 N8N，按以下步骤操作：创建一个 DigitalOcean 账户，启动最小的 Ubuntu 虚拟机，通过 SSH 登录，通过 npm 安装 N8N，并将其配置为服务运行。

完整的 N8N 设置首次大约需要 30 分钟。之后构建的每个工作流都使用相同的基础设施。

编写 CLAUDE.md 研究上下文

CLAUDE.md 是让简报与你个人相关的内容。

一个通用的研究 Agent 产生通用的简报。一个配置了你的特定上下文的研究 Agent 产生的简报中，每一条都直接与你的工作和决策相关。

在你的现有 CLAUDE.md 中添加一个“研究上下文”部分，或者在知识库中创建一个专门的研究 CLAUDE.md：

1# 研究 Agent 上下文
2
3## 我是谁
4
5[你的名字，你的角色，你做什么]
6
7## 我的主要关注领域
8
9[列出你需要保持了解的具体主题、行业或领域]
10
11## 对我来说什么算重大新闻
12
13[要具体。不是“AI 新闻”，而是“Claude Code 更新、
14新 MCP 服务器、多 Agent 框架、AI Agent 安全发展”]
15
16## 我的竞争格局
17
18[你跟踪的特定公司、人物、产品]
19
20## 我已经很熟悉的内容
21
22[你有深入专业知识的主题，因此只需要重大新发展，
23不需要入门级介绍]
24
25## 我目前正在做的项目
26
27[活跃项目，相关新闻会直接影响行动——每周更新]
28
29## 我信任的来源
30
31[值得优先关注的特定出版物、新闻通讯、研究人员、
32YouTube 频道、子版块]
33
34## 我明确不想要的内容
35
36[在你的领域出现但浪费你时间的主题——
37泛泛的 AI 炒作文章、翻炒内容、你不关心的公司的公告]
38
39## 简报格式偏好
40
41[你希望输出如何结构化——参见下方模板]

“我明确不想要的内容”这部分最重要，但大多数人会跳过。

没有它，Claude 会包括与你主题相关的一切。有了它，Claude 会积极过滤，简报中只包含你真正会采取行动的内容。

研究 Agent 提示词

这是每天早上运行的核心提示词。它作为发送给 Claude API 的消息放入你的 N8N 工作流。

1你是我的个人研究 Agent。你的工作是生成我的早间情报简报。
2
3从我的知识库中的 CLAUDE.md 读取我的研究上下文。
4
5然后执行以下研究序列：
6
7第 1 步：主要主题搜索
8对于我的研究上下文中的每个关注领域，搜索过去 24 小时的重大发展。
9以这些搜索查询为起点，但根据你的发现进行调整：
10
11[Claude 将根据你的 CLAUDE.md 关注领域生成适当的查询]
12
13第 2 步：信号过滤
14从你找到的所有内容中，应用以下过滤器：
15
16包括：
17- 我关注的公司或工具的新产品发布或重大更新
18- 改变了我对关心事物理解的研究发现
19- 我监测的竞争对手的战略行动
20- 影响我领域的监管或政策变化
21- 值得了解的新工具、框架或技术
22- 我关注领域的重大市场动向
23
24排除：
25- 我在“我明确不想要的内容”部分提到的任何内容
26- 总结超过 48 小时前发布内容的翻炒信息
27- 没有新信息的观点文章
28- 我不关注的公司的公告
29- 没有具体可操作细节的泛泛 AI 炒作
30
31如果某个类别没有重要事情发生：直接说没有发生，而不是填充空间。
32
33第 3 步：竞争情报
34专门搜索我竞争格局中列出的公司和人物的任何新闻。
35突出显示任何代表战略转变、新产品或重大公告的内容。
36
37第 4 步：综合提炼
38按以下确切格式生成简报：
39
40---
41
42# 早间简报 — [日期]
43生成时间：[时间]
44
45## 最重要的一件事
46[今天最重要的一件事。一段话。为什么它对我的具体情况很重要。]
47
48## 发生了什么
49[3-7 个重要项目，每个包含：]
50- **[来源/公司/主题]**：发生了什么以及为什么对我的工作很重要。最多一到三句话。
51
52## 竞争观察
53[来自我的竞争格局的任何重大动向。如果没有值得注意的，说“今天没有重大事件”。]
54
55## 该做什么
56[基于今天的发展值得考虑的 1-3 项具体行动。只有在真正可执行时才包含。如果没有需要行动的内容，跳过此部分。]
57
58## 阅读清单
59[2-3 个最重要的完整文章的链接，供深入阅读今天的最佳条目]
60
61---
62
63重要格式规则：
64- 整个简报应在 5 分钟内读完，而不是 15 分钟。
65- 每个项目必须直接联系到我研究上下文中的某些内容。
66- 无填充。无含糊其辞。如果某件事重要，就说清楚为什么重要。
67- 如果今天是新闻淡季，直接说出来，而不是夸大单薄的内容。
68
69将简报保存到：BRIEFINGS/[YYYY-MM-DD]-morning-brief.md

构建 N8N 工作流

N8N 工作流有五个节点。每个节点在序列中执行特定功能。

节点 1：调度触发器

将触发器设置为你偏好的早晨时间。对大多数人来说早上 6 点效果很好，因为这样简报在你打开笔记本电脑之前就已经准备好了。

配置适合你时区的 cron 表达式：

10 6 * * 1-5   ← 周一到周五早上 6 点
20 6 * * *     ← 包括周末在内的每天早上 6 点

节点 2：读取 CLAUDE.md

此节点使用读取文件操作，指向正确路径，从你的知识库中读取研究 CLAUDE.md。

输出：你的 CLAUDE.md 研究上下文的完整文本。

节点 3：准备 API 请求

此节点构建发送给 Claude 的 API 调用。它将研究提示词模板与节点 2 中读取的 CLAUDE.md 内容结合起来。

1const claudeMd = $node["Read CLAUDE.md"].json.content;
2const today = new Date().toISOString().split('T')[0];
3const time = new Date().toLocaleTimeString();
4
5const systemPrompt = `你是我的个人研究 Agent。今天的日期是 ${today}，当前时间是 ${time}。
6你可以通过 Brave Search MCP 进行实时网络搜索。请广泛使用它。
7
8来自用户 CLAUDE.md 的研究上下文：
9
10${claudeMd}`;
11
12return {
13  model: "claude-opus-4-5",
14  max_tokens: 4096,
15  system: systemPrompt,
16  messages: [{
17    role: "user",
18    content: "按照我的研究上下文中的格式和指令，生成我的早间研究简报。"
19  }]
20};

节点 4：Claude API 调用

HTTP 请求节点，调用 Anthropic API：

1URL: https://api.anthropic.com/v1/messages
2方法: POST
3头部:
4  x-api-key: [你的 Anthropic API 密钥]
5  anthropic-version: 2023-06-01
6  content-type: application/json
7主体: [节点 3 的输出]

节点 5：保存到知识库

写入文件节点，将 Claude 输出保存到你的 BRIEFINGS 文件夹：

1文件路径: /path/to/vault/BRIEFINGS/[日期]-morning-brief.md
2内容: [从 Claude API 响应中提取的文本]

从 Claude API 响应中提取文本内容：

1const response = $node["Claude API Call"].json;
2const content = response.content[0].text;
3const date = new Date().toISOString().split('T')[0];
4
5return {
6  filename: `${date}-morning-brief.md`,
7  content: content
8};

可选节点 6：Telegram 通知

添加一个 Telegram 机器人通知，在简报就绪时触发：

消息：“早间简报已就绪：BRIEFINGS/[DATE]-morning-brief.md”

这意味着当简报存入后，你的手机会收到通知。你甚至可以在起床前就在手机上阅读。

配置你的来源列表

Brave Search MCP 会自动处理开放式网络搜索。但你一些最有价值的来源可能未被标准搜索良好收录。

对于需要专门监控的来源，将它们添加到你的 CLAUDE.md 研究上下文中，并附上明确的指令：

1## 需要监控的具体来源
2
3### 每日检查
4- news.ycombinator.com — 查看首页的 AI 和开发者工具内容
5- reddit.com/r/MachineLearning — 仅限重要的论文发布
6- reddit.com/r/ClaudeAI — 新的 Claude 功能和社区构建
7
8### 每周检查
9- arxiv.org/list/cs.AI — 本周发布的重要论文
10- github.com/trending — 我的技术栈中的趋势仓库
11
12### 警报级监控
13[任何新闻都重要的公司或人物]
14- Anthropic 博客: anthropic.com/news
15- [竞争对手 1] 博客: [URL]
16- [竞争对手 2] 新闻稿: [URL]
17
18### 明确忽略的来源
19[在你领域内持续产生低信号内容的出版物或网站]

让简报越来越好的反馈循环

如果你每天花两分钟在阅读简报后给 Claude 反馈，简报的质量每周都会提升。

在每份简报底部，添加一个部分用于你的笔记：

1## 我对这份简报的笔记
2
3[你的注释——哪些有用，哪些是噪音，哪些缺失]

每周日，在 Claude 中运行以下提示词：

1读取我 BRIEFINGS 文件夹中过去一周的所有早间简报，
2并读取所有“我对这份简报的笔记”部分中的注释。
3
4根据我的注释，更新我的研究 CLAUDE.md，包含：
51. 持续产生有用信号的来源 → 添加到优先级列表
62. 持续产生噪音的主题 → 添加到“不想要”部分
73. 本可以浮出我注意到缺失信息的新搜索查询
84. 我发现有用的内容中的任何模式，应该被记录为明确的偏好
9
10在做出更改之前，向我展示对 CLAUDE.md 的拟议修改。

这个反馈循环意味着，第三个月的简报比第一周的简报针对你的特定信息需求校准得要好得多。

Agent 通过你自己的注释来学习你关心的内容，而你无需手动调整配置。

高级配置

一旦基本的早间简报运行稳定，你可以在几个方向上扩展系统。

主题深度挖掘

当早间简报中出现重大进展时，将其加入深度研究的队列：

1深度挖掘：[来自今天简报的主题]

队列处理器会接手这个任务，运行一次更全面的研究会话，生成一份详细的分析笔记，而不是简短的摘要。

竞争情报警报

配置一个独立的轻量级工作流，每四小时而不是每天一次检查竞争对手新闻。当发现重大信息时，立即发送一个 Telegram 通知，而不是等待早间简报。

每周综合

每周日早上，Claude 不生成标准的每日简报，而是读取本周的所有七份每日简报，生成一份每周综合：

• 本周最大的主题，以及它对你领域长期走势的信号意义。
• 最重要的一项进展，以及你应该如何应对。
• 你原本预期会发生但没有发生的事情，以及它的含义。

每周综合往往能揭示任何单份每日简报中看不到的模式。

按需研究

将任何主题放入你的 QUEUE 文件夹，并加上 RESEARCH 前缀：

1RESEARCH-quantum-computing-applications-in-finance.md

队列处理器会针对该主题运行一次深度研究会话，并将一份全面的研究简报存入 GENERATED 文件夹，而不是等待早间周期。

30 天后会发生什么

早间简报从第一天起就能提供即时价值。

复利效应在第二个月变得明显。

30 天后，简报会根据你的特定注释进行校准。持续产生噪音的主题已被移除。持续产生信号的来源已被优先处理。五分钟阅读时间包含的可操作信息比第一周要多。

60 天后，每周综合开始揭示你从任何单份简报内部无法看到的模式。在每日快照中不可见的趋势，在八周的数据中变得清晰。

90 天后，你拥有一个研究系统，它对你领域的了解程度不亚于一位为你简报三个月的专属分析师。

这种信息优势每周都在累积。

你的竞争对手仍然每天早晨花 45 分钟在噪音中翻找。

你花 5 分钟阅读信号。

这种差异不仅仅是节省时间。

而是基于更优质信息长期做出更好决策的质量。

这个周末就构建这个工作流。

第一份简报将在周一早上运行。

关注 @cyrilXBT 获取确切的 N8N 工作流模板、CLAUDE.md 研究上下文结构以及使整个系统运行的 Brave Search 查询模式。