每天早上 7 點，自動把英文 AI 圈的新選題送到 Obsidian
整理版優先睇
用工作流自動掃英文 AI 信號源並反查中文站，每日生成選題清單到 Obsidian
呢篇文章係一個 AI 內容創作者分享佢點樣用自動化工作流解決選題難題。佢發現英文 AI 圈嘅內容比中文圈快 3 至 7 日，手動追太嘥時間，而且容易漏高質來源。佢想做到「每日穩定揾到中文圈未寫爛嘅選題」，而唔係純粹追熱點。
佢嘅方法係先用 Claude Code + XCrawl Search 掃英文 AI 信號源，再用 Map 驗證可爬性，大站一定要加 filter 只取內容頁。然後用 n8n 每日定時掃瞄 10 個英文站，抽標題摘要，再反查中文站有冇人寫過，0 命中就標 🔥 放最前，最後生成 Markdown 日報入 Obsidian。工作流仲有狀態記憶、每日 cap、串行 batching 等設計，確保穩定又慳 credits。
成個流程大概燒咗 100 credits，穩定後每日 5 條深抓仲可以跑 19 日。關鍵係要跟住「Search→Map→Scrape」順序、用 .seen.json 防止重複、大站加 filter、讓 code 節點兜底 LLM 輸出。最終目標係每日打開 Obsidian 就見到已篩好嘅選題，慳返半個鐘以上。
- 用 Search+Map 取代直覺列源，補返漏咗嘅高質獨立站如 Import AI
- 大站一定要加 filter 只爬內容頁，否則變導航頁白跑
- n8n 流程包含反查中文站、狀態記憶、每日 cap，慳 credit 又穩定
- 中間踩坑：容器網絡、文件讀寫、LLM 唔跟 schema，要靠 code 節點兜底
- 核心價值係將揾選題時間由一個鐘縮到 5 分鐘，唔係代你寫文
點解要搞自動化選題？
AI 圈內容越嚟越難寫，唔係因為冇嘢寫，而係個個都喺同一池度撈。新模型、新工具、新論文、新爭議每日都湧現，中文圈反應已經好快，但英文圈通常係早一步：先評測、先討論、先吵起嚟。中間呢 3 至 7 天，就係內容創作者 最值錢嘅縫隙。
真正嘅問題唔係「要唔要追熱點」，而係：點樣每日穩定揾到仲未俾中文圈寫爛嘅選題。作者提出一個實用方法：用 Claude Code + XCrawl + n8n 組成工作流，每日自動掃英文 AI 信號源，再去中文站反查，最後整理成日報落到 Obsidian。
第一步：揾信號源，唔好靠直覺
好多人做選題第一步就錯：憑印象列幾個站，然後每日手動刷。咁樣好容易漏，尤其英文 AI 圈有啲源唔係日日出圈但質量好高，例如 獨立 newsletter、研究者博客、公司官方 blog、論文摘要頁。更佳做法係先叫 Claude Code 用 XCrawl Search 跑幾組搜索，揾出反覆出現嘅獨立域名。
- 真正嘅信號源，例如 The Rundown AI、Superhuman AI、TLDR AI
- 列名單文章，例如「Top AI Newsletters」，文章本身唔重要，裏面提到嘅站名先重要
- 噪音，例如社區討論、視頻、轉載頁
最值錢嘅唔係「搜到幾個站」，而係將自己腦入面漏咗嘅源補返，好似 Import AI 呢類由 Anthropic 聯創 Jack Clark 寫嘅 newsletter，如果只靠中文圈轉述好可能遲好多先發現。
第二步：驗證可爬性，大站記得加 filter
有咗候選池仲唔可以直接 Scrape，先用 XCrawl Map 驗證一轉。Map 好簡單：畀個域名，返回呢個站點可以發現嘅 URL 列表，又平又適合做第一輪篩選。
anthropic.com：只要 /news/.*
huggingface.co/papers：只要 /papers/.*
blog.google：只要 /innovation-and-ai/.*最後可以收斂出 10 個英文信號源，再配 4 箇中文反查站：量子位、機器之心、36kr、少數派。英文站負責發現新嘢，中文站只答一個問題：呢題中文圈寫過未？
第三步：用 n8n 整成每日雷達
目標好清楚：每日早上 7 點掃 10 個英文站，揾新文章，抽標題同摘要，再拎話題去中文站反查。中文站 0 命中嘅就標 🔥，排喺最前，最後生成 Markdown 日報寫入 Obsidian vault。
- 1 一定要有 狀態記憶，喺 vault 隔籬放一個 .seen.json 記錄已掃 URL，否則每日重複消費。
- 2 每日要設 cap，例如最多深抓 5 條新 URL。
- 3 外部 API 要用 串行 batching，batchSize=1、batchInterval=1500ms 就夠穩定。
慳 credits 同避坑心得
呢類工作流最煩嘅唔係思路複雜，而係小坑好多。例如 n8n 容器打唔到外網，可以切 --network host；Code 節點默認唔可以讀寫文件，要加 NODE_FUNCTION_ALLOW_BUILTIN=fs,path；XCrawl 嘅 LLM 有時唔跟自定義 schema，就唔好同佢硬碰，退一步叫佢出固定格式，再用 Code 節點兜底。
「1 credit 嘅真實測試，比半小時腦補有用」
總結八條原則，幫你慳錢又穩定：
AI 圈嘅內容越嚟越難寫，唔係因為冇嘢寫，而係所有人喺同一個池度撈嘢。
新模型、新工具、新論文、新爭議，日日都湧出嚟。中文圈反應已經算快，但英文圈通常都會快一步：先評測、先討論、先炒起。中間呢 3 到 7 日，就係內容創作者最值錢嘅空隙。
真正嘅問題唔係「應唔應該追熱點」，而係：點樣每日穩定揾到仲未俾中文圈寫爛嘅題目。
一個比較實用嘅方法，係將揾題目呢件事做成工作流：用 Claude Code + XCrawl + n8n，每日自動掃一次英文 AI 信號源，再去中文站反查有冇人寫過，最後將候選題整理成日報，放落 Obsidian 度。
打開筆記，就係嗰日嘅題目清單。
第一步：唔好靠直覺列信息源
好多人做選題，第一步就錯咗：憑印象列幾個網站，然後每日手動刷。
咁樣好容易漏。尤其英文 AI 圈入面，有啲源唔一定日日出圈，但係質素好高，例如獨立 newsletter、研究者博客、公司官方 blog、論文摘要頁。
更好嘅做法係先叫 Claude Code 用 XCrawl Search 行幾組搜索：
揾英文 AI 內容站、AI newsletter、AI tools daily news，刪走 Reddit、YouTube、LinkedIn、Medium 呢啲聚合社區，只保留成日出現嘅獨立域名。
跑完之後，結果通常會分做三類：
• 真正嘅信號源，例如 The Rundown AI、Superhuman AI、TLDR AI • 列名單文章，例如「Top AI Newsletters」呢類，文章本身唔重要，但入面提到嘅網站名好重要 • 噪音，例如社區討論、影片、轉載頁
呢度最有價值嘅唔係「揾到幾個站」，而係將自己個腦漏咗嘅源補返。例如 Import AI 呢類 Anthropic 聯創 Jack Clark 寫嘅 newsletter，如果淨係靠中文圈轉述，可能好遲先留意到。
第二步：名氣大，唔代表適合爬
有咗候選池，仲未可以直接用 Scrape。先用 XCrawl Map 驗證一次。
Map 嘅作用好簡單：俾一個域名，佢會返呢個站點入面揾到嘅 URL 列表。佢夠平，亦適合做第一輪篩選。
呢一輪主要睇三樣嘢：
• 個站仲生唔生，拎唔拎到最近文章 • URL 結構乾唔乾淨，篩唔篩得到真正嘅內容頁 • 有冇 robots.txt 或者反爬限制
呢度會遇到一個好現實嘅情況：有啲站好出名，但未必爬得到。例如 tldr.tech，Map 過去只係返 robots.txt，即係話佢明確拒絕抓取。
呢種情況唔好硬來。工作流要長期行到，前提係要尊重邊界。爬得就爬，擋咗就跳，唔好為咗一個源搞到成套流程唔穩定。
第三步：大站一定要加 filter
官方 blog 同大公司網站係高價值信號源，但同時最易出現「睇落爬得，實際冇用」。
例如直接 Map anthropic.com，拎到嘅可能係一堆導航頁：careers、about、產品介紹、模型頁面。你想要嘅係 news，唔係站點菜單。
解決方法係加 filter。
先睇真實文章 URL 係點樣，再寫一個正則，只保留目標路徑：
• anthropic.com：只要 /news/.*• huggingface.co/papers：只要 /papers/.*• blog.google：只要 /innovation-and-ai/.*
咁樣 Map 出嚟嘅先係內容頁，而唔係導航結構。
入口決定由邊度開始行，filter 決定留低啲乜。 呢句好關鍵。大站唔加 filter，基本上等於白做。
最後可以收窄到 10 個英文信號源，再加 4 個中文反查站：量子位、機器之心、36kr、少數派。
英文站負責發現新嘢，中文站只答一個問題：呢題中文圈寫過未？
第四步：用 n8n 將佢接成每日雷達
信號源有咗，下一步就係自動化。
目標好清楚：每日早上 7 點掃 10 個英文站，揾新文章，抽標題同摘要，再拎話題去中文站反查。中文站 0 命中嘅，標一個 🔥，排喺前面。最後生成 Markdown 日報，寫入 Obsidian vault。
呢件事用 n8n 好適合。
流程大概係：
• Schedule 每日定時觸發，亦保留 Webhook 手動觸發 • Sources 輸出 10 個站點設定 • Map 節點逐個取 URL • Code 節點去重、過濾、讀寫狀態 • Scrape 節點抓正文並做摘要 • Search 節點去中文站反查 • Score 節點排序 • 最後寫成 Markdown 檔案
呢度有幾個設計點好實用。
第一，狀態記憶一定要有。喺 vault 隔籬放一個 .seen.json，記錄已經掃過嘅 URL。如果唔係，每日都會重複消費同一批連結，credit 嘥得好冤枉。
第二，每日要設 cap。例如每日最多深抓 5 條新 URL。英文圈一日可以冒出幾十條內容，真係全部跑一次，賬單同注意力都會爆。
第三，外部 API 唔好並發猛打。n8n 嘅 HTTP 節點可以 set batching，例如 batchSize=1、batchInterval=1500ms，慢啲但穩定好多。
中間會遇到嘅坑，基本上都好具體
呢類工作流最煩嘅地方，唔係思路複雜，而係小坑好多。
例如 n8n 容器打唔到外網，可能係 docker bridge 網絡問題，直接轉 --network host 更簡單。
Code 節點默認唔可以讀寫檔案，就加：
NODE_FUNCTION_ALLOW_BUILTIN=fs,path容器睇唔到 Obsidian vault，就喺容器內建輸出目錄，再喺 vault 度做符號連結。
XCrawl 嘅 LLM 有時唔係好跟自訂 schema 返，就唔好同佢拗，退一步：叫佢返固定 summary format，再用 Code 節點自己整理。
仲有啲反直覺嘅小 bug，例如搜中文站時 location: "CN" 反而失敗，set 做 US 先得。呢啲嘢文檔唔一定會寫，只能靠真實調用先發現。
跑起之後，價值就好直接
日報係咁樣：
最有用的係排序。
如果 DeepSeek V4、Shopify 呢啲題目中文圈已經有 10 個命中，就會自動放後。0 命中嘅，標 🔥，直接出現喺 TOP 區。
每日打開 Obsidian，只需要睇最前面幾條：
• 邊條英文圈啱啱熱起 • 中文圈有冇寫過 • 值唔值得今日搶先寫
原本可能要刷一個幾鐘嘅英文站，而家 5 分鐘就定到題。
呢個先係呢套工作流嘅核心：唔係幫你寫文章，而係幫你將「今日應該寫乜」先篩出嚟。
Credit 賬本都要計清楚
選源、驗證、搭工作流、多次測試，成套流程行完，大概燒咗 100 幾個 credits。
穩定運行之後，如果每日限制 5 條深抓，剩返嘅 880 credits 大概仲可以行 19 日。
呢個已經夠儲一星期甚至更耐嘅選題池。真正要慳錢，關鍵仲係兩點：
• 先 Search / Map，唔好一嚟就 Scrape • 用 .seen.json防止重複掃舊連結
最後記住呢幾點
第一，憑直覺列信息源，一定會漏。叫工具幫你掃一輪，可以補到好多平時睇唔到嘅源。
第二，出名嘅站唔一定適合爬。爬得到、URL 乾淨、更新穩定，先係好源。
第三，大站一定要加 filter。如果唔係，抓到嘅多數係導航頁。
第四，Search → Map → Scrape 呢個次序最慳。先發現候選，再驗證可爬，最後先抓正文。
第五，工作流要有狀態記憶。冇 .seen.json，就係每日重複使錢。
第六，rate limit 用串行 batching，唔好並發衝。
第七，LLM 輸出唔穩定嗰陣，唔好迷信 schema。可以叫 code 節點兜底，就俾 code 節點兜底。
第八，好多坑只有確實行過先知。1 credit 嘅真實測試，好過半個鐘齋諗。
對於做 AI 內容嘅人嚟講，信息差唔會消失，只會變得更加短。英文圈同中文圈之間嘅幾日窗口，手動刷好攰，但用工作流可以穩定處理。
最好嘅狀態係：每日早上打開 Obsidian，最新選題已經排好隊。你要做嘅唔係揾方向，而係揀一個值得寫嘅方向，然後寫好佢。
AI 圈的內容越來越難寫，不是因為沒東西，而是所有人都在同一個池子裏撈東西。
新模型、新工具、新論文、新爭議，每天都在冒出來。中文圈反應已經很快了，但英文圈通常還是會早一步：先評測、先討論、先吵起來。中間這 3 到 7 天，就是內容創作者最值錢的縫隙。
真正的問題不是“要不要追熱點”，而是：怎麼每天穩定找到還沒被中文圈寫爛的選題。
一個比較實用的辦法，是把找選題這件事做成工作流：用 Claude Code + XCrawl + n8n，每天自動掃一遍英文 AI 信號源，再去中文站反查有沒有人寫過，最後把候選題整理成日報，落到 Obsidian 裏。
打開筆記，就是當天的選題清單。
第一步：別靠直覺列信息源
很多人做選題，第一步就錯了：憑印象列幾個站，然後每天手動刷。
這很容易漏。尤其英文 AI 圈裏，有些源不一定天天出圈，但質量很高，比如獨立 newsletter、研究者博客、公司官方 blog、論文摘要頁。
更好的做法是先讓 Claude Code 用 XCrawl Search 跑幾組搜索：
找英文 AI 內容站、AI newsletter、AI tools daily news，去掉 Reddit、YouTube、LinkedIn、Medium 這種聚合社區，只保留反覆出現的獨立域名。
跑完之後，結果通常會分成三類：
• 真正的信號源，比如 The Rundown AI、Superhuman AI、TLDR AI • 列名單文章，比如 “Top AI Newsletters” 這類，文章本身不重要，裏面提到的站名很重要 • 噪音，比如社區討論、視頻、轉載頁
這裏最有價值的不是“搜到了幾個站”，而是把自己腦子裏漏掉的源補回來。比如 Import AI 這種 Anthropic 聯創 Jack Clark 寫的 newsletter，如果只靠中文圈轉述，很可能很晚才注意到。
第二步：名氣大，不代表適合爬
有了候選池，還不能直接上 Scrape。先用 XCrawl Map 驗證一遍。
Map 的作用很簡單：給一個域名，返回這個站點裏能發現的 URL 列表。它便宜，也適合做第一輪篩選。
這一輪主要看三件事：
• 站點還活不活，能不能拿到最近文章 • URL 結構乾不乾淨，能不能篩出真正的內容頁 • 有沒有 robots.txt 或反爬限制
這裏會遇到一個很現實的情況：有些站很有名，但不一定能爬。比如 tldr.tech，Map 過去只返回 robots.txt，這就說明對方明確拒絕抓取。
這種情況不要硬上。工作流能長期跑，前提是尊重邊界。能爬就爬，擋了就跳，別為了一個源把整套流程搞得不穩定。
第三步：大站一定要加 filter
官方 blog 和大公司站點是高價值信號源，但也最容易“看起來能爬，實際沒用”。
比如直接 Map anthropic.com，拿到的可能是一堆導航頁：careers、about、產品介紹、模型頁面。你要的是 news，不是站點菜單。
解決辦法是加 filter。
先看真實文章 URL 長什麼樣，再寫一個正則，只保留目標路徑：
• anthropic.com：只要 /news/.*• huggingface.co/papers：只要 /papers/.*• blog.google：只要 /innovation-and-ai/.*
這樣 Map 出來的才是內容頁，而不是導航骨架。
入口決定從哪開始走，filter 決定留下什麼。 這句話很關鍵。大站不加 filter，基本等於白跑。
最後可以收斂出 10 個英文信號源，再配 4 箇中文反查站：量子位、機器之心、36kr、少數派。
英文站負責發現新東西，中文站只回答一個問題：這題中文圈寫過了嗎？
第四步：用 n8n 把它接成每日雷達
信號源有了，接下來就是自動化。
目標很清楚：每天早上 7 點掃 10 個英文站，找新文章，抽標題和摘要，再拿話題去中文站反查。中文站 0 命中的，標一個 🔥，排在前面。最後生成 Markdown 日報，寫進 Obsidian vault。
這件事用 n8n 很合適。
流程大概是：
• Schedule 每天定時觸發，也保留 Webhook 手動觸發 • Sources 輸出 10 個站點配置 • Map 節點逐個取 URL • Code 節點去重、過濾、讀寫狀態 • Scrape 節點抓正文並做摘要 • Search 節點去中文站反查 • Score 節點排序 • 最後寫成 Markdown 文件
這裏有幾個設計點很實用。
第一，狀態記憶必須有。在 vault 旁邊放一個 .seen.json，記錄已經掃過的 URL。否則每天都會重複消費同一批連結，credit 燒得很冤。
第二，每天要設 cap。比如每天最多深抓 5 條新 URL。英文圈一天能冒出幾十條內容，真全跑一遍，賬單和注意力都會爆。
第三，外部 API 不要併發猛懟。n8n 的 HTTP 節點可以設置 batching，比如 batchSize=1、batchInterval=1500ms，慢一點，但穩定很多。
中間會踩的坑，基本都很具體
這類工作流最煩的地方，不是思路複雜，而是小坑很多。
比如 n8n 容器打不到外網，可能是 docker bridge 網絡問題，直接切 --network host 更省事。
Code 節點默認不能讀寫文件，就加：
NODE_FUNCTION_ALLOW_BUILTIN=fs,path容器看不到 Obsidian vault，就在容器內建輸出目錄，再在 vault 裏做符號連結。
XCrawl 的 LLM 有時不嚴格按自定義 schema 回，就別跟它較勁，退一步：讓它返回固定 summary format，再用 Code 節點自己整理。
還有一些反直覺的小 bug，比如搜中文站時 location: "CN" 反而失敗，設成 US 才能跑。這種東西文檔裏不一定寫，只能靠真實調用發現。
跑起來之後，價值就很直接
日報長這樣：
最有用的是排序。
如果 DeepSeek V4、Shopify 這種題中文圈已經 10 個命中，就自動往後放。0 命中的，標 🔥，直接出現在 TOP 區。
每天打開 Obsidian，只需要看最前面幾條：
• 哪條英文圈剛熱起來 • 中文圈有沒有寫過 • 值不值得今天搶先寫
原來可能要刷一個多小時的英文站，現在 5 分鐘就能定題。
這才是這套工作流的核心：不是替你寫文章，而是替你把“今天該寫什麼”先篩出來。
Credit 賬本也要算清楚
選源、驗證、搭工作流、多次測試，整套流程跑下來，大概燒掉 100 多 credits。
穩定運行後，如果每天限制 5 條深抓，剩餘 880 credits 大概還能跑 19 天。
這已經夠攢一週甚至更久的選題池。真正要省錢，關鍵還是兩點：
• 先 Search / Map，別一上來就 Scrape • 用 .seen.json防止重複掃舊連結
最後記住這幾條
第一，憑直覺列信息源，一定會漏。讓工具幫你掃一輪，能補到很多平時看不到的源。
第二，名氣大的站不一定適合爬。能爬、URL 乾淨、更新穩定，才是好源。
第三，大站必須加 filter。否則抓到的多半是導航頁。
第四，Search → Map → Scrape 這個順序最省。先發現候選，再驗證可爬，最後才抓正文。
第五，工作流要有狀態記憶。沒有 .seen.json，就是每天重複花錢。
第六，rate limit 用串行 batching，別併發衝。
第七，LLM 輸出不穩定時，不要迷信 schema。能讓代碼節點兜底，就讓代碼節點兜底。
第八，很多坑只有真跑才知道。1 credit 的真實測試，比半小時腦補有用。
對做 AI 內容的人來說，信息差不會消失，只會變得更短。英文圈和中文圈之間那幾天窗口，手動刷很累，但用工作流可以穩住。
最好的狀態是：每天早上打開 Obsidian，最新選題已經排好隊。你要做的不是找方向，而是挑一個值得寫的方向，把它寫好。