零代码方案：OpenClaw+Qwen3.5-9B搭建个人RSS信息聚合器

1. 为什么需要个人RSS信息聚合器

每天早晨打开电脑，我总要先花20分钟在各个平台间切换：技术博客、行业资讯、科研论文...信息碎片化带来的认知负担越来越重。直到上个月用OpenClaw+Qwen3.5-9B搭建了自动化信息处理流水线，才真正体会到什么叫"让AI替我读书"。

这个方案最吸引我的三点价值：

• 信息去重：自动合并不同来源的相同主题内容
• 认知减负：AI先消化内容再给我关键结论
• 主动推送：重要资讯不再错过时效性

与传统RSS阅读器不同，这套系统能理解内容语义。比如当我关注"大模型推理优化"时，它不仅能抓取含关键词的文章，还能识别出技术方案对比、性能测试数据等核心段落。

2. 准备工作：十分钟快速部署

2.1 基础环境搭建

在MacBook Pro上实测的部署流程（Windows用户替换为PowerShell命令）：

# 一键安装OpenClaw核心组件
curl -fsSL https://openclaw.ai/install.sh | bash

# 验证安装
openclaw --version
> openclaw/0.9.1 darwin-arm64 node-v18.16.0

# 启动配置向导
openclaw onboard

配置向导中选择：

• Mode: QuickStart
• Provider: Qwen
• Default model: qwen3-9b
• Skills: 勾选 Web Scraper 和 Data Processor

2.2 模型服务对接

修改配置文件 ~/.openclaw/openclaw.json，增加Qwen3.5-9B的本地访问配置：

{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://localhost:8080/v1",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3-9b",
            "name": "Qwen3.5-9B Local",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

重启网关服务使配置生效：

openclaw gateway restart

3. 核心功能实现

3.1 RSS订阅自动化采集

在OpenClaw控制台输入自然语言指令： "创建一个每日7点和19点运行的RSS采集任务，订阅源包括：

• 机器之心 https://www.jiqizhixin.com/rss
• arXiv AI最新论文 https://arxiv.org/rss/cs.AI
• Hacker News https://hnrss.org/newest?q=llm"

系统会自动生成定时爬虫任务，我可以在http://127.0.0.1:18789/tasks查看执行记录。遇到反爬严格的网站时，只需补充指令："对jiqizhixin.com使用动态User-Agent和2秒延迟"。

3.2 智能内容过滤

通过对话式配置信息过滤规则： "满足以下任一条件的内容放入'重点阅读'分类：

1. 标题或正文包含'推理优化'或'KV Cache'
2. Qwen判断为技术方案对比类文章
3. 近三天被三个以上源提及的主题"

这里用到了Qwen3.5-9B的语义理解能力。测试中发现它对技术术语的识别准确率明显高于简单关键词匹配，特别是能区分"KV Cache"在优化方案和硬件评测中的不同语境。

3.3 自动摘要与归档

最实用的功能是内容消化。系统会对每篇文章执行：

1. 提取核心数据（如性能提升百分比）
2. 生成三段式摘要（背景-方法-结论）
3. 按主题自动归类到Markdown知识库

我的笔记库现在结构如下：

~/AI-Papers/
├── 模型量化/
│   ├── 2024-04-15-AWQ优化实践.md
│   └── 2024-04-18-GPTQ对比评测.md
└── 推理加速/
    ├── FlashAttention应用案例.md
    └── KV-Cache优化方案.md

4. 进阶：Telegram定时推送

4.1 安装消息推送技能

clawhub install telegram-pusher

配置Telegram bot token后，新增推送规则： "每天8:00发送前日'重点阅读'分类的摘要，包含：

• 文章标题与来源
• 关键数据点
• 我的待读时长预估（根据字数计算）"

4.2 异常监控配置

为防止重要信息遗漏，设置二级监控： "当出现以下情况时立即推送告警：

1. 某主题3小时内被5+信源提及
2. 检测到与我当前项目相关的技术突破
3. Qwen置信度评分>90%的紧急事件"

这个功能在上周某篇重要论文预印本发布时及时提醒了我，比人工追踪效率提升至少10倍。

5. 避坑指南

5.1 内容去重优化

初期遇到的主要问题是重复抓取。通过调整Qwen的相似度判断阈值解决：

{
  "skills": {
    "rss-aggregator": {
      "deduplication": {
        "semantic_threshold": 0.82,
        "title_similarity": 0.9
      }
    }
  }
}

5.2 模型负载控制

连续处理大量文章时可能出现响应延迟。建议：

1. 在gateway服务增加限流参数
2. 对非时效性内容启用队列处理
3. 摘要生成使用stream模式逐步输出

我的最终配置：

openclaw gateway --port 18789 --rate-limit 30 --queue-size 100

6. 效果评估与迭代

运行一个月后，这套系统帮我：

• 每日阅读时间从53分钟降至12分钟
• 重要技术动态发现速度提升8倍
• 建立的知识库已有127篇结构化笔记

最近正在尝试让Qwen自动生成技术趋势周报。一个有趣的发现是：当要求"用创业BP的风格分析本周AI技术热点"时，模型会主动关联投融资信息，这完全是意外收获。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。