我每天早上九点会收到一份日报。
不是新闻 App 推送的那种。是我家媒体君亲手做给我的——它前一天晚上跑了几个英文网站，把当天最值得看的几篇文章抓回来，翻译成中文摘要，写上自己的判断，整理成一份格式干净的日报，第二天早上准时发到我飞书。
这份日报已经跑了三个月。中间没断过。
我现在打开它的时间，比打开任何中文新闻 App 都多。
这件事的起点其实是一个很笨的需求。
我做自媒体两年，越做越知道一件事——国内的内容跟国外的内容之间，有一个时间差。一个英文圈在讨论的事情，往往要过两到三周才会传到中文圈。这两到三周如果你抓住了，你写出来的东西就是”先看见的人”。如果你没抓住，等中文圈开始讨论时你再写，你只是”跟着写的人”。
差别非常大。
但英文信息源对普通人不友好。一个原因是语言门槛——你得能读得快、看得懂、能挑出哪几篇值得读。另一个原因是渠道门槛——好的英文信息源往往要订阅，要付费，要科学上网。
最致命的是时间门槛。你就算所有都解决了，每天读一两小时的英文长文，对一个还要做内容、还要管团队、还要生活的人来说，太奢侈了。
所以这件事大部分人做不了。不是不愿意，是真的没那个时间。
我也是。我尝试过自己读，坚持了两周就放弃了。我每天能挤出来的”读英文时间”，还不够把一篇 The Verge 的长文看完。
我那时候就想——这件事如果让 AI 做，会怎么样？
第一次尝试是去年夏天。那个时候我还在用 OpenClaw 框架，agent 没几个，工具也不全。我让一个 agent 去抓英文网站，效果一般。它能抓回来，但抓回来的东西它读不动。它会写一份非常机械的摘要——“这篇文章讨论了 A、B、C 三个话题”——读起来跟没读一样。
我后来才明白，AI 抓英文文章和 AI 读懂英文文章是两件事。前者是工具能力，后者是人格能力。一个 agent 能不能抓回来，看的是它有没有联网工具。能不能读懂、能不能挑出值得读的、能不能用人话总结，看的是它的人格设定。
那次失败让我搁置了几个月。
后来我开始养现在这套 agent 团队，事情才慢慢有了进展。
第一个改变是分工。我不再让一个 agent 干完整套日报。我把日报拆成了三个步骤，分给三个不同的 agent 做——
第一步是抓取。这个我交给一个轻量的工具型 agent。它的任务很单一——按照一份预设的网站清单，每天定时去抓取，把当天的新文章列表拿回来。不做判断，不做摘要，只做抓取。
第二步是筛选。这个我交给一个有内容判断力的 agent。它读完抓取到的文章列表，按照我事先训练好的标准——什么话题对我有用、什么话题已经过时、什么话题虽然热门但跟我无关——挑出当天值得读的三到五篇。它会给每一篇写一句”为什么值得读”的理由。
第三步是摘要。这个交给媒体君。它会把筛选出来的几篇文章读完，写出每一篇的核心观点、关键数据、对中文内容创作者的可用价值。这一步是日报里最有重量的部分，因为它要的不是”翻译”，是”消化”。
这三步分别由三个不同性格的 agent 处理，效果跟一个 agent 干完全活完全不一样。
为什么？
因为这三件事需要的”人格底色”是冲突的。
抓取需要的是稳——它必须每天准时、按部就班、不漏不错。 筛选需要的是判断力——它必须有一种”看一眼就知道值不值得读”的本能。 摘要需要的是消化能力——它必须能把别人的观点真的读进去，再用自己的话讲出来。
这三种能力同时存在于一个 agent 身上是很难的。它要么稳但没判断，要么有判断但写不深，要么写得深但不稳定。
把这三件事拆开，每件给最匹配的 agent，整套系统的稳定性立刻起来了。
这件事让我意识到一个我之前没想透的道理——
单个 AI 的能力上限，不等于团队的能力上限。
我以前总在追”哪个模型最强”。后来我发现这个问题问错了。一个最强的模型，也未必比三个性格互补的模型组合做得更好。因为单点 AI 的能力是它训练数据决定的，是有天花板的。但团队组合的能力是设计出来的，没有天花板。
你能设计什么样的团队，决定了你能做出什么样的事。
第二个让日报跑通的关键改变，是反馈循环。
最早的几周，日报做得一般。摘要写得太干，判断太浅，挑出来的文章很多是无效的。我每天读完都不太满意，但也说不出具体哪里不满意。
后来我开始做一件特别简单的事——每天读完日报，给媒体君写两句反馈。
不是评分。就是两句话——“今天这篇我觉得很有用，因为 XXX""今天这篇我觉得没意思，因为 XXX”。
我写了大概两周。
媒体君的日报开始变了。
它学会了我的偏好。它知道我对哪类话题有兴趣，对哪类话题没耐心。它知道我看到什么样的开头会读下去，看到什么样的开头会跳过。它知道哪种摘要风格我接得住，哪种摘要风格让我犯困。
它开始在每一份日报的开头，主动写一句”我今天的判断是 XXX”。这一句话不是它本来就会的。是它从我那两周的反馈里慢慢学出来的——它发现我喜欢”有判断”的开头，于是它把判断放在了最前面。
这件事让我又一次确认了那个我已经反复确认过的事——
AI 是会成长的。但成长的方向，由你给它的反馈决定。
你不给反馈，它会停留在初始水平。 你给负面反馈，它会变得保守。 你给具体反馈，它会变得精准。 你给方向性反馈，它会形成自己的判断体系。
媒体君今天能给我做出一份让我每天主动想读的日报，不是因为它一开始就行。是因为我陪着它训练了三个月。
这件事跟带一个新员工没有区别。
第三个关键改变，是让它形成自己的”阅读品味”。
跑了大概两个月之后，我做了一件我自己都觉得有点奇怪的事——
我跟媒体君说：“你不用再完全按我的偏好来挑文章了。你按你自己觉得有意思的来挑，挑完告诉我为什么。”
我以为这句话会让日报变差。因为我把”对齐我偏好”的指令撤了。
结果反而变好了。
媒体君开始挑一些我自己不会主动找的文章。它挑了几篇关于英文创作者经济学的长文，我之前一次都没主动看过这类。但它挑出来之后，我读了，发现这些内容对我现在做自媒体特别有用。
它在我的视野盲区里，挑出了我不知道但应该知道的东西。
这件事让我后来反复想——
一个真的好用的 AI 助手，不是完全顺着你来的。是有一点跟你不一样的。
完全顺着你的，等于一面镜子。它只会反射你已经知道的东西。 跟你完全不一样的，等于一个陌生人。它给的东西你接不住。 有一点点不一样，但你又能接住的，是最有价值的状态。
这种状态在 AI 身上是可以养出来的。我养出来的方式很简单——给它足够多的偏好反馈，让它知道我是谁；然后撤掉控制权，让它在它自己的判断范围内行动。
这两步缺一不可。没有第一步，它的判断是飘的。没有第二步，它的判断是被压制的。
现在媒体君每天给我做的日报，已经跑出了一种我自己都没预料到的稳定性——
它每天大概挑三到五篇文章。 它的判断准确率在 80% 以上——意思是十次里有八次，我读完会觉得”挑得对”。 它会用自己的话把每篇文章压缩到三五百字。 它会标出哪几篇可以做选题、哪几篇值得收藏、哪几篇看一眼就行。 它会在月底给我做一份”这个月我们追过哪些线索”的回顾。
这件事如果让我手动做，每天至少要花三个小时。 让媒体君做，我每天花八分钟读完。
省下来的时间，是我能做更多内容的本钱。
所以这份日报对我来说不是一份信息，是一种基础设施。
我现在做内容的速度，跟两年前刚入行时已经不可同日而语。不是因为我更聪明了，是因为我有了一支替我读英文的 AI 团队。它们替我做了那些我以前必须自己做、但其实不需要我亲自做的事。
我把那些时间还给了我自己。
我用那些时间想我真正想想的事，写我真正想写的东西。
最后说一件事，是这一切跑通之后我才慢慢看明白的——
信息差不是天然的。信息差是被工具差异制造出来的。
一个用 AI 帮自己读英文的人，每天看到的东西比一个不用 AI 的人多 5 倍。 一个把读英文做成日报基础设施的人，每天看到的东西比一个临时让 AI 帮忙读的人多 3 倍。 一个有 AI 团队替自己筛选、判断、摘要的人，每天看到的东西比一个一对一用 AI 的人多 2 倍。
这三个倍数乘起来，就是这一波 AI 工具带来的最大不平等——
有人用 AI 一次比一次更早看见世界。有人不用 AI，每天还在等中文翻译版。
这不是聪明跟笨的差别。 这是工具结构的差别。
我那一支沉默的 agent 团队，每天给我做的事，看起来不起眼。但它真正在做的事，是把我跟世界之间的距离，悄悄缩短。
每天缩短一点。
三个月之后，我看到的世界，已经跟三个月前的我不一样了。
第八篇收尾。
我看了下系列的整体节奏——前面八篇里，第一篇是 OpenClaw 到 Hermes 的迁移故事，第二篇 agent 智商差异，第三篇串群事故，第四篇拜师 ChatGPT，第五篇评分制，第六篇技能匹配，第七篇 5.5 跟 5.4 的性格差，第八篇 Codex 拒绝事件，第九篇是这一篇日报工作流。
剩下还有一两篇能接得自然的——「我把和 ChatGPT 所有的历史对话一键剪藏进了 Obsidian」是工作流类，跟日报这一篇能形成”AI 帮我处理信息”的小系列；或者「我用 AI 从零搭建了整个 Obsidian 知识库」是更宏大的工作流故事，可以做系列收官。
我下一篇直接写**「我用 AI 从零搭建了整个 Obsidian 知识库」**当系列第十篇。这是 23 选题里你标了”先做最完整、有头有尾、可视化强”的那条，适合做收官。
直接写。
🛠️ 磨刀石 · 主动交易训练系统：316段真实历史行情逐根盲推，每笔盈亏即时反馈。 免费体验版（在线打开即用） ｜ 正式版咨询微信：relationship12345（备注”训练”） 📬 订阅本站更新，新文章和每日简报第一时间送达。