用 Miniflux 与 Trilium 打造反算法的智能RSS情报系统

在当今这个信息爆炸的时代，我们正身处一个巨大的悖论之中：获取信息的渠道前所未有的多，但获取有效信息的成本却前所未有的高。我们每天花费数小时在指尖滑动中，被算法投喂着无穷无尽的“快餐”，却在放下手机后感到一阵空虚。

为了对抗这种由算法主导的“信息过载”，我开始重新审视那个被 Web 2.0 时代遗忘的协议——RSS，并结合最新的 AI 技术，构建了一套基于 Miniflux + WordPress + Trilium AI 的自动化简报系统。

这不仅仅是一次技术堆栈的整合，更是一场关于主权个人如何在 AI 时代重夺信息主权的深度实验。

一、 历史的回响：RSS 的兴衰与算法的“暴政”

要理解这套系统的价值，我们必须先回到互联网的本源，厘清 RSS 究竟为何衰落，而算法又是如何统治了我们的屏幕。

1. Web 1.0 的理想主义遗珠

RSS（Really Simple Syndication，简易信息聚合）诞生于 Web 1.0 时代，那是互联网的“田园牧歌”时期。它的初衷极其纯粹：为了打破一个个网站形成的“信息孤岛”。通过 RSS，用户掌握了绝对的主动权——我想看什么，我就订阅什么；网站更新了，内容就会自动推送到我面前。

这是一种“点对点”的契约，没有中间商赚差价，更没有黑盒算法在后台揣测你的喜好。

2. 为什么“好用”的 RSS 输给了算法？

然而，历史证明，纯粹的技术理想往往敌不过人性的弱点。RSS 的衰落并非技术过时，而是因为它对用户的要求太高了。

• 门槛过高： 想要用好 RSS，用户必须具备极强的信息搜集能力（找到 Feed 源）、组织能力（分类管理）和自制力（定期清理）。
• 噪声爆炸： RSS 是线性的、无差别的。当你关注了 100 个源，每天可能会产生 1000 条未读信息。这种压迫感会让阅读器迅速沦为一座“未读信息的坟墓”。

与此同时，以今日头条、抖音为代表的算法推荐系统崛起了。它们成功的秘诀在于“顺从人性”。商业算法并不在乎你是否获得了知识，它们只在乎你的停留时长（Time Spent）。因此，算法会通过极其复杂的模型，精准地投喂那些能刺激多巴胺的娱乐内容、情绪化的观点和短平快的资讯。

于是，我们不仅交出了选择权，也逐渐丧失了深度阅读的能力。RSS 变成了极客的小众玩具，而大众则在算法构建的“信息茧房”中越陷越深。

二、 破局之道：AI 赋能下的 RSS 复兴

难道我们就只能在“低效的 RSS”和“被操控的算法推荐”之间二选一吗？

AI 的出现，打破了这个死局。

大语言模型（LLM）的成熟，填补了 RSS 最大的短板——筛选与理解。我构建的这套系统，核心逻辑就是引入 AI 作为一个不知疲倦的“超级编辑”，让它用类似算法的高效手段，来执行我个人的意志。

我的“智能情报系统”架构

这套系统由三个核心环节组成，形成了一个从“宽进”到“严出”的信息漏斗：

1. 宽进：全网信息的结构化采集（Miniflux + Nitter）

信息的源头至关重要。我使用开源的 Miniflux 作为底层的“信息吸尘器”。它轻量、纯粹，支持标准的 RSS 协议。 但互联网上大量的高价值信息（如 Twitter 上的大牛观点、YouTube 上的深度教程）是封闭在围墙之内的。为了解决这个问题，我引入了 Nitter 等中间件，将这些社交媒体的动态强制转化为标准的 RSS 格式。 这一步，我实现了全渠道的数字化。无论是博客长文还是推特短文，都被拉平到了同一个起跑线上，等待处理。

2. 中转：数据清洗与管道化（WordPress）

Miniflux 抓取的内容虽然标准，但格式往往千奇百怪。我利用 WordPress 强大的插件生态（如 Webhooks 和自动化插件），将其作为数据清洗的中转站。 在这里，数据被标准化处理，剥离掉广告代码、统一排版格式，并自动打上初步的来源标签，为下一步进入核心知识库做好准备。

3. 严出：Trilium AI 的深度加工（核心灵魂）

这是整套系统最关键的一步。数据流转进入我的 Trilium 个人知识库后，集成的 AI 子插件 开始接管工作。它不是简单的存储，而是进行深度的认知处理：

• 语义级去噪（Semantic Filtering）：

传统的 RSS 过滤依赖关键词（Regex），比如过滤掉包含“抽奖”的推文。但这种方式非常死板。AI 的优势在于理解语境。 例如，我关注“人工智能”，但我只想看深度的技术分析，不想看千篇一律的融资新闻或营销通稿。通过 Prompt 工程，我可以告诉 AI：“保留涉及模型架构、算法原理的文章，过滤掉单纯的商业快讯。”AI 能够精准地识别出两者的语义差别，哪怕它们都包含了“AI”这个关键词。

• 智能摘要与价值提取（Summarization）：

面对每天数百条的更新，AI 会自动阅读全文，并生成一份 200 字以内的“执行摘要”。它不仅是概括，还会根据我的预设视角（如 #商业洞察、#技术趋势、#效率工具）提取文章的核心价值点。 最终，我每天收到的不是 500 个红点，而是一份结构清晰的“每日简报”。

三、 深度思考：构建“私人算法”的意义

这套 Miniflux + WordPress + Trilium AI 的工作流，实际上是在构建一个属于我自己的“私人推荐算法”。

1. 从“被动接受”到“主动代理”

商业算法的目标函数是“商业利益最大化”，而我的私人算法的目标函数是“个人认知价值最大化”。 AI 在这里扮演的角色是 Agent（智能代理）。它像一位 24 小时在线的私人秘书，完全忠诚于我的指令。它帮我屏蔽噪声，是因为我告诉它我不喜欢；它帮我高亮某篇论文，是因为它知道我最近在研究这个领域。这种主权感的回归，是技术带给个体的最大赋能。

2. 向量化：连接知识的孤岛

在未来的迭代中，这套系统还有更巨大的潜力。通过引入向量数据库（Vector Database）技术，AI 不仅能处理当天的信息，还能将新信息与我 Trilium 中沉淀的数千条旧笔记进行比对。 这就实现了基于语义的重排序（Re-ranking）。 想象一下，当一条关于“RAG 技术”的新闻出现时，系统不仅会推送这条新闻，还会提示我：“这条新闻解决了你三个月前在笔记中提到的关于‘上下文窗口限制’的困惑。” 这时，RSS 就不再是线性的资讯流，而变成了激活我过往知识储备的“神经触点”。

3. 可持续的“反人性”学习

张一鸣曾说：“学习是反人性的。”所以算法选择了娱乐大众。 但这套 AI 简报系统，通过降低“筛选”和“阅读”的门槛，让深度学习变得不再那么痛苦。我看一眼简报，只需 30 秒就能判断价值。感兴趣的，点击链接回原文深读；不感兴趣的，扫过即止。 这种“AI 预处理 + 人脑深加工”的模式，在保护我们注意力的同时，也让我们能够在这个碎片化的时代，依然保持系统性摄入知识的能力。

结语

RSS 并没有死，它只是在等待一个能驾驭它庞大信息流的工具。在 Web 1.0 时代，我们靠人工订阅；在 Web 2.0 时代，我们输给了算法推荐；而在 AI 时代，我们将用 AI 重塑 RSS。

通过 Miniflux 聚合，WordPress 中转，Trilium AI 筛选，BraveDAO正在探索的不仅仅是一个阅读器，而是一个私有的、可控的、高价值的信息情报系统。在这个信息过载的时代，这或许是我们保持清醒、高效获取知识的最佳方式，也是技术理想主义者对算法霸权的一次有力反击。