试用 Horizon 后，关于内容筛选与阅读体验的几点反馈

[Pantoier]

看到 Horizon 有一万多颗星，说实话，我多少有点期待。因为这套东西我自己也搞过，而且折腾了很久。

我用 Grok Bot 跑过，也用各种 Agent 工具反复尝试过。前后整理过几百个信源，HN、Google News、RSS、博客、公众号、X、智库研报，各种来源都弄过。流程也和 Horizon 差不多：先采集，按规则去重，让模型逐条判断值不值得读，再调用模型解读、整理，最后套模板输出。我还自己闭门造车，搞过一套筛选和价值判断规则，跟TM情报机构一样，Token 也不知道花了多少。

后来，虽然每天都能按时生成，但真正值得看的内容没多少，也就没有了打开它的欲望。于是停了，不再浪费 Token。因为实际用下来的效果，还不如自己每天花半小时上网刷一遍。

所以，这次测试 Horizon，我的目的很简单：它能不能给我更有价值的内容？我当时没解决的问题，它解决了吗？

这次用的是 deepseek-flash。采用作者公开预设和项目示例中的公共信源，扩大采集范围后，处理了 590 条去重后的内容，最终生成 100 条中文条目。只按这次结果评价，满分十分，我最多给四分。

最直接的感受就是看着累，眼花。背景、影响、讨论写了一大堆，但真正有价值的内容不多。哪些值得看、重点在哪里，还是得自己仔细过一遍。这个毛病，跟我之前做的那套一样。

输出里还有同一事件出现在不同分类、前后段落说法不一致、时间判断错误等问题。那些写得很肯定的长篇分析，读起来也和我之前做的东西很像：话很多，具体说清楚了什么却很有限。有些段落读着都费劲，更谈不上放心相信。

Horizon 用 Profile 把文章匹配、评分规则和输出格式分开，确实方便修改和维护。但实际做的，还是把文章和一套要求交给模型，让它分类、评分，再写成简报。把规则拆成几个文件，并不能让模型自动变得更会判断文章价值。

我之前遇到的问题，它也一样存在。

---

**首先是信源。**支持十种来源，听起来很多，但最后能拿到多少内容，拿到的是全文还是几句话，完全是另一回事。接口限流、访问失败、正文抓不到，这些都会影响结果。采集到一个链接，不等于取得了全文，也不等于模型读懂了文章。

这些问题涉及网站接口、访问权限和内容格式，单靠后面多调用几次模型解决不了。如果信源能提供稳定、适配 AI 读取的接口，情况当然会好一些，但目前不能指望各个信源都具备这样的条件。这个基础设施方面还任重道远。

**然后是筛选。**即使拿到了全文，模型也未必能选出真正值得读的东西。这次测试中，就有只取得标题、没有文章正文的条目，被模型打分选入，再通过补充搜索生成摘要、背景和影响分析。虽然最后写得很完整，但内容总让人不太放心。如果读者还得自己逐句查证，岂不是反而更费事？

而且，价值判断本来就是一件很复杂的事情。我之前也试过根据对内容打分反馈不断修订判断规则，效果同样不太理想。

**再说费用。**按这次测试的调用记录估算，因为不停的补充搜索，差不多花了五块钱。单次看不算多，但如果持续花钱，换来的却是一份没多少有价值内容的东西，那对读者来说就不是很值得了。而且这次用的是最便宜的模型，如果搞贵的，就不是这个价了。

---

我现在是越来越怀疑这类工具，原因就在这里：**模型生成文字很容易，但生成值得读的东西很难。**多设几个栏目，多调用几次模型，篇幅马上就有了。但读者看完究竟得到了什么？是省了时间，还是又多读了一堆没什么用的屁话，反而增加了负担？

Horizon 在采集、配置和发送这些工程方面做了不少工作，这一点我认可。但读者每天打开它，是想看有用的信息。程序做得再完整，最后的内容不好读、不值得读，还是不好用。

至少这次测试，它没有明显减轻我的阅读负担，也没有让我产生继续使用的欲望。一万多颗星让我有了很高的期待，但实际结果没有达到。

如果筛出来的东西本身就不值得读，再用模型把它写得更长，写得再煞有介事，最后也只是多了一堆 AI 垃圾。

唉，现在AI最大的问题就是，虽然看上去搞得很像那么回事，但最后做出来的效果一言难尽，这才是让人最郁闷的地方。

加油，努力。不焦虑。

[Thysrael]

哇很感谢你的反馈。

首先我认同你提到的需求，信息焦虑是很多人都有的问题，我们总是担心错过新闻，面对长篇的博文和报道的时候，也很少有耐心通读。在 AI 时代很容易让人去想，是不是这一切让 AI 去做就好了，我们只需要搭建一个 agent，然后每天看新闻总结就好了。

市面上很多 agent 都命中了这部分的心理需求，horizon 也不例外。当然存在的问题你也提到了：信源爬取受限、新闻总结是否存在幻觉、能否有满足私人订制的期望、是否真的不会 miss 新闻和 API 价格问题。

这里面有些问题，只是工程问题，是靠社区不断地辛勤维护（相信我，Horizon 是一个负责的项目）可以解决或者缓解的，比如说爬虫的功能问题，是可以通过增强爬虫，不断更新的方式解决或者缓解的。miss 新闻的问题，也可以通过多新闻源交叉验证来解决。成本问题，目前 Horizon 尽可能采取白盒逻辑，对模型智能程度要求不高，也尽可能复用前缀了，后面继续沿着这个方向努力，我觉得是可以进一步优化的。

但是有些问题，确实是开发这类 agent 真正的挑战，是非常难回答的。比如说您提到的，新闻总结依然是要阅读一遍，而且内容可能也没有那么一针见血，或者打分不符合心意。总而言之，新闻总结不够“如意”。这类问题要考虑新闻源本身的内容，每个人的偏好，模型的特性，其中的复杂性是一个简单的手搓的 agent 无法解决的。甚至用 openclaw 或者 hermes 再搭配 gpt astra 或者 claude mythos 都难以解决。

Horizon 也不敢妄言已经解决了，真的解决了就不会有您的抱怨了。但是 Horizon 确实也在积极尝试去回答这个问题。我们的答案是“ 尊重每一个人的偏好，并鼓励分享 ”。正是在此基础上，我们提出了规范化的新闻源表达，让人们可以选择自己认为高质量，并且合适的新闻源；我们也提供了 profile 功能，使得用户可以自定义新闻处理流程，让总结更符合个人的品味。我们搭建了网站，鼓励大家分享自己的新闻源和 profile 。

我相信冰冷的 ai 有了赤诚又乐于分享的用户后，会变得更好。

这大概就是我对于这个问题的全部思考了。

另外如果您愿意的话，可以把讨论的标题改的稍微没有那么情绪化一些，这样也有利于社区的人的讨论。谢谢。