我是 AIGC 创作团队负责人，团队 4 个人，同时在做内容创作和 AI 应用开发。我们每天需要盯紧 AI 行业动态——新模型发布、开源项目更新、行业政策变化、竞品动向——但团队群里的信息流完全是「野生状态」：谁看到一篇好文章就随手转发，没分类、没解读、没沉淀，重要消息经常被刷过去，想回头找又找不到。
我试过几种方案：用 RSS 阅读器订阅，但只解决了「收集」问题，还是得人工筛选和写摘要；用市面上的 AI 资讯产品，要么信息源不能自己选，要么推送格式不适合团队群，要么月费不便宜。我真正想要的是一个「AI 读报员」——每天自动抓取我指定的信息源，用大模型做深度分析，然后推送到飞书群，团队打开就能看到结构化的资讯简报。
市面上的成品都不完全满足，我决定自己用 TraeWork 撸一个。
────────────────────────────
【我用了 TraeWork 解决了这件事】
模式：
Work ☐ Code ☐ Design
全程纯 Work 模式，没用 Code 模式，所有代码都是对话生成的。TraeWork 在这个项目里扮演了三个角色：架构师、程序员、运维工程师。
——第一步：需求拆解与架构设计——
我在对话里描述了完整需求：定时抓取国内外 AI 资讯，用大模型做深度分析，推送到飞书群。TraeWork 帮我把需求拆成了三层架构，通俗来讲就是三步流水线：
采集层（「信息采集员」）：同时去 7 个网站抓最新文章。我列了想要的信息源（量子位、36氪、InfoQ、机器之心、TechCrunch AI、OpenAI Blog、HuggingFace），它帮我确认了每个网站的 RSS 订阅地址。关键是设计了「并行抓取 + 严格超时」——7 个源同时抓，哪个源 10 秒没响应就放弃，不会因为一个网站卡住导致整个任务挂掉。
处理层（「分析师」）：把抓到的文章标题和摘要喂给 DeepSeek 大模型，让它输出结构化分析——核心内容、深度解读、对内容创作的影响、对应用开发的影响、影响指数，每条资讯 5 个板块。我们团队既做内容又做应用开发，所以分析要双线覆盖。
推送层（「快递员」）：把分析结果排版成飞书卡片消息，推送到团队群。用飞书的自定义机器人 Webhook，支持 Markdown 排版，带签名校验防止伪造。
技术选型上，TraeWork 建议用腾讯云 CloudBase 云函数部署。好处是：有免费额度、支持定时触发（到点自动跑）、Node.js 环境、不需要自己买服务器。大模型用 DeepSeek V4 Pro，性价比高，月成本控制在 200 元以内。
——第二步：代码生成——
整个云函数代码全部由 TraeWork 在对话中生成，我负责复制粘贴到 CloudBase 控制台。代码做了这几件事：
RSS 抓取与解析：说白了就是「去网站拉文章列表」。用 Node.js 自带的 http 模块发请求，拿到 XML 格式的 RSS 数据，然后手动解析出标题、链接、摘要、发布时间。不依赖任何第三方库，纯原生写法，兼容性最好。
关键词过滤与去重：不是所有文章都跟 AI 相关，所以要过滤。设了 70 多个关键词（AI、大模型、GPT、Claude、Agent、AIGC、算力等），标题和摘要里只要命中任意一个关键词就保留。同一个话题可能多个网站都报了，按标题前 30 个字去重，每次最多留 15-20 条。
DeepSeek API 调用：把过滤后的文章列表发给 DeepSeek，让它按固定格式输出 JSON 分析结果。这里有个细节——设置 max_tokens=4000 防止返回内容被截断，还做了「截断修复」：如果返回的 JSON 不完整（被截断了），自动找到最后一个完整的右大括号，补全缺失的闭合符号，尽量抢救数据。
飞书卡片构建与签名：把分析结果拼成飞书卡片格式的 JSON，包括标题、分隔线、各板块内容、快讯列表。签名是为了防止别人伪造你的机器人发消息——用时间戳加密钥算一个 HMAC-SHA256 签名，飞书收到消息时会验证签名是否正确。
定时触发器配置：在 CloudBase 控制台配两个定时任务，早报 10:00、晚报 20:00，到点自动执行云函数。
——第三步：部署与排障（最折腾的部分）——
代码写完只是一半，部署上线踩了一连串的坑。这个阶段 TraeWork 的排障能力让我最意外——每次报错，我直接把 CloudBase 控制台的完整日志复制贴给它，它从日志里精准定位问题，给出修复代码。
具体踩坑过程见下面的经验部分，这里先说结果：经过大约 5 天的迭代（不是全职，断断续续），机器人稳定运行，每天 10:00 和 20:00 准时推送飞书群。
────────────────────────────
【我做出了什么】
一个完全自动化的 AI 资讯机器人，每天两个时段自动推送飞书群卡片消息。
核心功能：
— 7 个信息源同时抓取：量子位、36氪、InfoQ、机器之心、TechCrunch AI、OpenAI Blog、HuggingFace，每个源 10 秒超时，互不拖累
— DeepSeek 大模型深度分析，每条资讯输出 5 个板块：核心内容（80-150 字）、深度解读（100-200 字）、对内容创作的影响（60-100 字）、对应用开发的影响（60-100 字）、影响指数（星级评分）
— 飞书卡片推送，带签名校验，Markdown 排版，分「今日重点」和「快讯速览」两个区域
— 智能过滤（70+ AI 关键词），自动去重，每次推送 3-5 条重点 + 4 条快讯
— 双时段定时推送：早报 10:00、晚报 20:00
成本控制：DeepSeek API 每月 200 元以内（选在低谷时段调用更便宜），CloudBase 云函数免费额度覆盖，不花一分钱服务器钱。
后续还衍生出了第二个机器人「机会雷达」——同样的架构，换了信息源（36氪、虎嗅、V2EX 职场、少数派、知乎日报、华尔街见闻、鸟哥笔记）和分析框架（职业发展影响 + 普通人赚钱机会 + 口播视频拍摄建议），一个对话就生成了新版本代码，直接部署上线。两个机器人并行运行，一个盯技术，一个盯商业机会。
────────────────────────────
【效果展示】
────────────────────────────
【经验 & 技巧总结】
技巧一：让 TraeWork 当「运维工程师」，贴日志比描述问题更高效
部署过程中我踩了至少 6 个坑，每个坑都是把 CloudBase 的错误日志整段贴给 TraeWork，它从日志里直接定位问题。这里详细展开每个坑的排查过程：
坑 1：命令行部署一直报权限错误
一开始我用 CloudBase 的命令行工具部署代码，结果它扫描到我电脑的 Application Data 系统目录时报了 EPERM 权限错误，反复重试都不行。把错误日志贴给 TraeWork，它判断是命令行工具扫描路径的权限问题，建议别折腾 CLI 了，直接用控制台网页端上传 ZIP 包。照做后一次成功。
坑 2：函数显示执行成功，但飞书群没收到消息
测试运行返回成功，但飞书群始终没消息。把日志贴给 TraeWork，它发现代码最后一行写了 process.exit()——这行代码的意思是「立刻结束进程」。但飞书推送是一个异步请求，还没发完，进程就被强制结束了。删掉 process.exit()，再补一行兼容 SCF 入口的代码，问题解决。
坑 3：RSS 源频繁超时，有效信息越来越少
最初 7 个 RSS 源里有 4 个用的是 rsshub.app 这个公共服务，但它太不稳定了，几乎每次都超时，导致实际能抓到的数据只剩 2-3 个源。TraeWork 给了两个方案：一是换成各网站的官方 RSS 地址（更稳定），二是用并行抓取替代串行——7 个源同时抓，谁先回来谁先处理，每个源最多等 10 秒，超时就放弃，不影响其他源。改造后数据获取成功率从 30% 提升到 90% 以上。
坑 4：代码直接报语法错误，根本跑不起来
代码里用了 ES6 的新语法（spread 操作符 … 和 async/await），但 CloudBase 的 Node.js 环境比较老，直接报 SyntaxError: Unexpected token ‘*’。TraeWork 帮我把整个代码「翻译」成了老语法版本：async/await 改成 Promise.then 的链式写法，箭头函数改成普通 function，spread 操作符改成 for 循环逐个 push。这版一次通过。
坑 5：飞书一直返回 19021 签名错误
飞书机器人一直返回 19021（签名校验失败），消息发不出去。我先口头跟 TraeWork 说「签名不对」，它给了好几个排查方向——检查密钥、检查时间戳格式等——但都不准。后来我把完整的请求和响应日志贴上去，它一眼就看出来了：生成签名的函数里，createHmac 初始化时已经把密钥传进去了，后面又多调了一次 .update(密钥)，等于把密钥处理了两遍。删掉多余的 .update 调用，签名立即通过。这个坑让我深刻体会到：贴日志比口头描述精准十倍。
坑 6：某天推送突然失败，DeepSeek 返回 400
用了几天一直正常，某天突然推送失败。日志显示 DeepSeek API 返回 400 错误，提示信息是「支持的模型名是 deepseek-v4-pro 或 deepseek-v4-flash，但你传的是 deepseek-chat」。原来 DeepSeek 更新了模型命名，旧名称被废弃了。把代码里的模型名改成 deepseek-v4-pro，恢复正常。
总结一句：报错先贴日志，不描述。日志里有错误码、有堆栈、有上下文，TraeWork 能直接从中提取关键信息，比你口头描述准确十倍。
技巧二：CloudBase 环境兼容性，提前让 TraeWork 用「安全语法」
CloudBase 的 Node.js 环境比较老，很多新语法不支持。async/await、箭头函数、spread 操作符（…）这些现在写代码很常用的语法，放上去就报错。我的经验是：一开始就告诉 TraeWork「目标运行环境是 CloudBase，比较老，请用 var 声明变量、function 关键字定义函数、Promise.then 做异步，不要用 async/await 和箭头函数」。这样生成的代码一次通过率极高，省得后面反复改语法。
还有两个小坑：String.padStart()（给数字补零用的，比如把 5 变成 05）在老版本 Node 里可能不支持，用 (‘0’+x).slice(-2) 替代就行；new URL()（解析网址用的）也可能不存在，用 require(‘url’).parse() 替代。这些都是 TraeWork 在排障过程中教我的。后来我学乖了，把这些整理成了一份「CloudBase 安全语法清单」，每次新项目开始就先贴给 TraeWork，让它一开始就用兼容语法，少走弯路。
技巧三：同一套架构，换数据源就能复制出新产品
做好 AI 资讯机器人后，我想再做一个职场/赚钱资讯的机器人。我没有从头开始对话，而是直接告诉 TraeWork「基于刚才那个机器人的架构，换一套信息源和分析框架，生成新版本」。它直接复用了整个代码结构，只改了三个地方：
— 信息源：从 AI 媒体换成职场/财经媒体（36氪、虎嗅、V2EX 职场、少数派、知乎日报、华尔街见闻、鸟哥笔记）
— 关键词：从 AI 关键词换成 70 多个职场/赚钱关键词（就业、跳槽、副业、变现、跨境电商等）
— 分析框架：从「对内容创作/应用开发的影响」换成「对职业发展的影响 + 普通人的赚钱机会 + 口播视频拍摄建议」
十分钟就输出了新版本代码，直接部署上线。这意味着一旦你用 TraeWork 跑通了一套架构，后面做同类项目就是「换料不换锅」——锅还是那口锅，换个菜码就行，效率指数级提升。
────────────────────────────
TraeWork 在这个项目里不只是写代码的工具，更像是我的技术合伙人——从架构设计到代码生成再到排障运维，全程参与。最关键的是，它让我这种非专业后端开发的人，也能独立完成一个涉及 RSS 抓取、大模型 API、云函数部署、飞书集成的完整项目。一个人 + 一个 AI，干出了一个开发团队的活。
TraeWork的100种用法 #AI办公
