如何构建 Claude Research Agent：自动抓取全网资讯生成日报

如何构建 Claude Research Agent：自动抓取全网资讯生成日报 如何构建 Claude Research Agent：自动抓取全网资讯生成日报 Modified May 27 Code block JavaScript Copy 今天日期为 ${today}，当前时间为 ${time}。 你可以通过 Brave Search MCP 访问实时 web search，请充分使用。 用户 CLAUDE.md 中的 research context： ${claudeMd} ${date} morning brief.md`, content: content }; 可选 Node 6：Telegram 通知 加入一个 Telegram bot 通知，在 brief 准备完成后触发： Code block Plain Text Copy Message: "晨间简报已准备完成：BRIEFINGS/[DATE] morning brief.md" 这样，当 brief 已投递后，你的手机就会收到通知。你甚至可以在起床前先在手机上读完它。 配置来源列表 Brave Search MCP 会自动处理开放网页搜索。但某些最有价值的信息源，并不能被标准 search 良好索引。 对于需要定点监控的来源，请将它们加入 CLAUDE.md research context，并写明具体指令： Code block Markdown Copy 需要监控的具体来源 每日检查 news.ycombinator.com 检查首页中的 AI 与 developer tools 内容 reddit.com/r/MachineLearning 仅关注重要论文发布 reddit.com/r/ClaudeAI Claude 新功能与社区构建成果 每周检查 arxiv.org/list/cs.AI 本周发表的重要论文 github.com/trending 我的 tech stack 中的 trending repositories 警报级监控 [出现任何相关新闻都很重要的公司或人物] Anthropic blog: anthropic.com/news [Competitor 1] blog: [URL] [Competitor 2] press releases: [URL] 明确忽略的来源 [在你的领域中持续产生低信号内容的 publications 或 websites] 让 Brief 随时间越来越准的 反馈回路 如果你每次读完 brief 后用两分钟给 Claude 写下反馈，它会每周变得更好。 在每份 brief 底部加入你的 notes 章节： Code block Markdown Copy 我对这份 Brief 的笔记 [你的标注 哪些有用、哪些是噪声、缺了什么] 每周日，在 Claude 中运行以下 prompt： Code block Plain Text Copy 读取过去一周我 BRIEFINGS 文件夹里的所有晨间 brief， 并读取 “我对这份 Brief 的笔记” 章节中我的全部标注。 根据这些标注，更新我的研究 CLAUDE.md： 1. 持续产出有用信号的来源 → 加入 priority list 2. 持续产生噪声的主题 → 加入 Do Not Want 章节 3. 能够发现我指出的缺失信息的新 search queries 4. 我觉得有用的内容是否存在某些模式，应当被记录为明确偏好 在实际修改 CLAUDE.md 前，先向我展示拟议变更。 有了这个 反馈回路，到第三个月时，brief 对你的具体信息需求会比第一周校准得准确得多。 Agent 会从你的标注中学习你真正关心的内容，你无需手动持续微调配置。 进阶配置 基本晨间 brief 稳定运行后，你可以沿几个方向扩展系统。 主题深挖 当晨间 brief 出现重要动态时，把它加入 deeper research 队列： Code block Plain Text Copy DEEP DIVE: [今天 brief 中的主题] 队列处理器会拾取它，并运行一次更全面的 research session，生成详细 analysis 笔记，而不是简短信息条目。 竞争情报提醒 配置一条独立的轻量 工作流，每四小时检查一次竞争对手新闻，而不是每天只运行一次。如果发现重要内容，它会立刻发送 Telegram 通知，而不是等到次日晨间 brief。 每周综合分析 每周日早晨，不生成标准日报，而是让 Claude 读取这一周的七份日报，生成周报： • 本周最大的主题，以及它对你所在领域长期意味着什么。 • 最重要的单项动态，以及你应该怎样应对。 • 你原本预期发生、但实际没有发生的事，以及这意味着什么。 周报往往能揭示单份日报中无法看见的模式。 按需研究 将任意主题放进 QUEUE 文件夹，并加上 RESEARCH 前缀： Code block Plain Text Copy RESEARCH quantum computing applications in finance.md 队列处理器 会对该主题运行一次深入 research session，将全面研究 brief 写入 GENERATED，无需等待晨间周期。 运行 30 天后会发生什么 Morning brief 从第一天起就会提供直接价值。 到了第二个月，复利效应会开始显现。 运行 30 天后，brief 已经依据你的具体标注完成校准。持续产生噪声的主题已经被移除，持续产出信号的来源获得优先级。五分钟阅读时间里包含的真正可行动信息，会明显多于第一周。 运行 60 天后，周报会开始揭示任何单份 brief 中都看不见的模式。在八周数据中，日常快照里隐藏的趋势开始浮现。 运行 90 天后，你拥有的是一套研究运作系统：它对你所在领域的理解，接近一位已经连续三个月为你提供 briefing 的专职分析师。 这种信息优势会每周累积。 你的竞争对手仍然每天早晨花 45 分钟在噪声中滚动浏览。 你只花 5 分钟读取信号。 差异不只是省下来的时间。 而是随着时间持续积累、基于更好信息做出的更高质量决策。 这个周末把工作流建起来。 第一份 brief 会在周一早晨运行。 Node 4：Claude API 调用 使用 HTTP Request node 调用 Anthropic API： Node 5：保存到 库 使用 Write File node，把 Claude 输出保存到 BRIEFINGS 文件夹： 从 Claude API response 中提取文本内容： 可选 Node 6：Telegram 通知 加入一个 Telegram bot 通知，在 brief 准备完成后触发： 这样，当 brief 已投递后，你的手机就会收到通知。你甚至可以在起床前先在手机上读完它。 配置来源列表 Brave Search MCP 会自动处理开放网页搜索。但某些最有价值的信息源，并不能被标准 search 良好索引。 对于需要定点监控的来源，请将它们加入 CLAUDE.md research context，并写明具体指令： 让 Brief 随时间越来越准的 反馈回路 如果你每次读完 brief 后用两分钟给 Claude 写下反馈，它会每周变得更好。 在每份 brief 底部加入你的 notes 章节： 每周日，在 Claude 中运行以下 prompt： 有了这个 反馈回路，到第三个月时，brief 对你的具体信息需求会比第一周校准得准确得多。 Agent 会从你的标注中学习你真正关心的内容，你无需手动持续微调配置。 进阶配置 基本晨间 brief 稳定运行后，你可以沿几个方向扩展系统。 主题深挖 当晨间 brief 出现重要动态时，把它加入 deeper research 队列： 队列处理器会拾取它，并运行一次更全面的 research session，生成详细 analysis 笔记，而不是简短信息条目。 竞争情报提醒 配置一条独立的轻量 工作流，每四小时检查一次竞争对手新闻，而不是每天只运行一次。如果发现重要内容，它会立刻发送 Telegram 通知，而不是等到次日晨间 brief。 每周综合分析 每周日早晨，不生成标准日报，而是让 Claude 读取这一周的七份日报，生成周报： • 本周最大的主题，以及它对你所在领域长期意味着什么。 • 最重要的单项动态，以及你应该怎样应对。 • 你原本预期发生、但实际没有发生的事，以及这意味着什么。 周报往往能揭示单份日报中无法看见的模式。 按需研究 将任意主题放进 QUEUE 文件夹，并加上 RESEARCH 前缀： 队列处理器 会对该主题运行一次深入 research session，将全面研究 brief 写入 GENERATED，无需等待晨间周期。 运行 30 天后会发生什么 Morning brief 从第一天起就会提供直接价值。 到了第二个月，复利效应会开始显现。 运行 30 天后，brief 已经依据你的具体标注完成校准。持续产生噪声的主题已经被移除，持续产出信号的来源获得优先级。五分钟阅读时间里包含的真正可行动信息，会明显多于第一周。 运行 60 天后，周报会开始揭示任何单份 brief 中都看不见的模式。在八周数据中，日常快照里隐藏的趋势开始浮现。 运行 90 天后，你拥有的是一套研究运作系统：它对你所在领域的理解，接近一位已经连续三个月为你提供 briefing 的专职分析师。 这种信息优势会每周累积。 你的竞争对手仍然每天早晨花 45 分钟在噪声中滚动浏览。 你只花 5 分钟读取信号。 差异不只是省下来的时间。 而是随着时间持续积累、基于更好信息做出的更高质量决策。 这个周末把工作流建起来。 第一份 brief 会在周一早晨运行。 原帖链接：https://x.com/cyrilXBT/status/2058749052712276332 原帖链接：https://x.com/cyrilXBT/status/2058749052712276332 大多数人每天开始工作的方式都一样。 他们打开 Twitter，用 20 分钟刷过一堆噪声，只为了找到真正重要的三件事。他们打开邮箱，还没做任何原计划中的事，就已经被拖进被动响应模式。他们查看 RSS 阅读器，看见 200 条永远读不完的未读内容，只觉得不知从何开始。他们打开新闻聚合器，读了三篇与自己工作或生活毫无关系的文章。 45 分钟后，他们落后于计划，压力更大，掌握的信息却并不比多睡 15 分钟更有价值。 Claude research agent 可以长期解决这个问题。 每天早晨，在你打开任何信息源之前，一个 Claude agent 已经读完与你工作相关的重要来源，过滤掉无关内容，综合真正值得了解的新动态，并将一份结构化、5 分钟可读完的 brief 放进你的 Obsidian库。 你醒来，读完 brief。五分钟内，你已经知道今天需要知道的内容，然后直接开始工作。 本文会从零开始，完整搭建一个能在每天早晨自动为你生成简报的 agent。 Research Agent 实际会做什么 进入技术搭建前，先弄清楚你要构建的是什么，以及每个组件为什么重要。 Research agent 每天早晨会自动执行四项功能。 来源监控。 它读取你配置的每一个信息源：行业新闻、竞争对手网站、所在领域的学术论文、指定 newsletter、发布研究内容的 YouTube 频道、播客文字稿、你关注的 GitHub 仓库、所在细分领域的 Reddit 社区，以及任何可能出现在工作中的关键信息来源。 信号过滤。 它不会把读到的一切都压缩一遍。它会按照你定义的标准，识别什么内容真的重要。竞争对手推出新产品属于重要信号；一篇复述上周同样信息的 博客文章则不重要。过滤层决定了这份 brief 是否真正有用，而不是所有信息的缩短版。 综合分析。 它不会把重要事项只是列成项目符号，而是组织成结构化叙述，告诉你发生了什么、为什么重要、它如何连接到你已经知道的事情，以及你可能应当怎样应对。 投递。 它会在每天设定时间，把 brief 放到 Obsidian库的指定位置，在你打开电脑时它已经等在那里，而不是要求你手动触发。 这四项功能会把每天 45 分钟的信息搜集，替换成 5 分钟的阅读。 技术架构 Research agent 由五个组件组成。每个组件都有特定职责；去掉任意一个，系统产出的结果都会变差。 Claude 是智能层。它读取来源中的原始信息，用你的标准过滤重要内容，再把过滤后的信息综合成结构化 brief。 Filesystem MCP 将 Claude 连接到你的 Obsidian 库。它为 Claude 提供对库的直接读写权限，使其能够读取 CLAUDE.md 获取内容，并自动将 brief 写入正确的文件夹。 Brave Search MCP 让 Claude 能访问实时网络搜索。没有它，Claude 只能基于训练截止时间前的信息进行推理；有了它，Claude 就能搜索实时网页，获取你指定主题的最新信息。 n8n 负责调度整个工作流。它在每天你配置的时间触发 research agent，将正确的内容传给 Claude，接收输出，并把内容保存到库。 CLAUDE.md 是 背景层，它让 brief 与你的具体处境相关，而不只是泛泛地提供信息。它告诉 Claude 你在做什么、你关心什么、你已经了解什么，以及哪些信息对你确实可行动。 搭建基础环境 构建 工作流 前，需要先准备三样东西。 带 MCP 连接的 Claude Desktop。 从 claude.ai/download安装桌面端 Claude 。 claude.ai/download 在 claude desktop config.json 中配置 Filesystem 与 Brave Search MCP servers： 在 brave.com/search/api 获取 Brave Search API key。免费层每月允许 2,000 次查询，对每天运行一次的 research agent 来说已经足够。 brave.com/search/api 保存配置后，重启 Claude。让 Claude 搜索某项内容，确认它能返回实时结果，以此验证连接已生效。 你的 Obsidian 库结构。 如果库中还没有 BRIEFINGS 文件夹，请创建一个。每天早晨的 brief 都会投递到这里。 自托管 n8n。 在每月 5 美元的 DigitalOcean droplet 上自托管 n8n，可以获得无限工作流运行，不按单次执行收费。 如果你还没有设置 n8n，请按以下顺序进行：创建 DigitalOcean 账号，启动最小配置的 Ubuntu droplet，通过 SSH 登录，用 npm 安装 n8n，并将其配置为 service 运行。 第一次完整设置 n8n 大约需要 30 分钟。之后构建的每一个 工作流 都可以复用同一套基础设施。 编写 CLAUDE.md 中的research context CLAUDE.md 决定 brief 是否真正针对你本人。 通用 research agent 只会生成通用 brief。加入你个人具体背景的 research agent，会让每个条目都直接关联你的工作和决策。 在现有 CLAUDE.md 里加入 Research Context 章节，或在 vault 中创建一份专用的研究 CLAUDE.md： 我明确不想看到的内容 是大多数人都会跳过、但最重要的章节。 没有它，Claude 会纳入所有与主题稍微相关的内容。有了它，Claude 就能更积极地过滤，brief 中只保留你真正可能采取行动的信号。 Research Agent Prompt 这是每天早晨运行的核心 prompt。把它作为发给 Claude API 的 message，放进 n8n 工作流 中。 构建 n8n 工作流 n8n 工作流包含五个节点。每个节点在整个流程中执行一项特定职责。 Node 1：Schedule Trigger 将 trigger 设置为你偏好的晨间时间。对大多数人而言，早上 6 点很合适，因为 brief 会在你打开笔记本电脑前准备完成。 根据你的 时区 配置 cron expression： Node 2：读取 CLAUDE.md 这个 node 使用 Read File operation，从 vault 中正确路径读取你的研究 CLAUDE.md。 输出：CLAUDE.md research context的完整文本。 Node 3：准备 API Request 这个 node 构造发送给 Claude 的 API call，将 research 提示词模版 与 Node 2 读出的 CLAUDE.md 内容组合起来。