每日新聞摘要機器人

為什麼做這個專案

每天早上滑新聞，常常一滑就半小時，真正有用的可能只有三則。這個專案讓 Python 幫你收集、讓 LLM 幫你讀，你只要看結果。

它也是一個很完整的練習：抓資料、清理、呼叫 API、處理輸出、自動化，一次串起前面三個單元學到的東西。做完你會很清楚，一個「AI 應用」裡，哪些部分是一般程式，哪些部分才真的需要 AI。

四個步驟裡只有一步用到 LLM，其餘都是你已經會的 Python。

開始前的準備

• 完成「資料與自動化」，會用 Python 呼叫 API、處理 JSON
• 完成「LLM API」，已經申請好 API 金鑰，並放在環境變數裡
• 挑兩到三個有 RSS 的新聞來源。很多新聞網站、部落格和政府機關都有提供
• 建立專案資料夾和虛擬環境，安裝 feedparser 和 anthropic 套件

實作指南

里程碑 1：抓到新聞列表

feedparser 可以幫你讀 RSS，不用自己解析：

import feedparser

FEEDS = [
    "https://example.com/tech/rss",
    "https://example.com/business/rss",
]

for url in FEEDS:
    feed = feedparser.parse(url)
    for entry in feed.entries[:5]:
        print(entry.title, entry.link)

把網址換成你挑的來源。如果某個來源抓不到東西，把錯誤訊息貼給 AI 問原因，常見的是網址不是真正的 RSS。

里程碑 2：篩選與去重

同一則新聞常在不同來源重複出現。請 AI 幫你寫篩選函式，但規則由你決定：

上限很重要，它直接決定每天的 API 花費。

里程碑 3：讓 LLM 寫摘要

這是整個專案的核心。用系統提示定好規則，並要求固定格式的輸出：

import os
import anthropic

client = anthropic.Anthropic()  # 會自動讀取 ANTHROPIC_API_KEY

SYSTEM = """你是新聞編輯，為忙碌的上班族整理晨報。
只根據提供的標題與摘要撰寫，不要加入原文沒有的資訊。
用 JSON 回覆，欄位：category（科技、財經、國際、其他）、points（三句繁體中文重點）。"""

def summarize(title, summary):
    resp = client.messages.create(
        model=os.environ["MODEL_NAME"],
        max_tokens=500,
        system=SYSTEM,
        messages=[{"role": "user", "content": f"標題：{title}\n摘要：{summary}"}],
    )
    return resp.content[0].text

模型名稱放在環境變數，到服務商的官方文件查目前可用的名稱，之後要換模型也不用改程式。

拿到回覆後，用 json.loads 轉成字典。偶爾模型回覆的格式會跑掉，請 AI 教你加上錯誤處理：解析失敗時重試一次，還是失敗就跳過這則。

里程碑 4：組成晨報並送出

把結果依分類排好，寫成 Markdown 檔：

# 晨報 2026-11-07

## 科技
- **標題**：三句重點……（原文連結）

## 財經
- ……

一定要附上原文連結。摘要是幫你判斷要不要點進去讀，不是取代原文。想更進一步，可以請 AI 教你用 Email 寄給自己。

里程碑 5：排程與成本檢查

用「資料與自動化」學過的排程方法，讓程式每天早上自動執行。跑一週後檢查兩件事：

• 花費：到 API 服務商的後台看用量，算出一天大約多少錢
• 品質：隨機挑五則摘要對照原文，有沒有講錯或加料

延伸挑戰

• 讓使用者用一個設定檔決定關注的關鍵字，只摘要相關新聞
• 把十五則新聞合併成一次 API 呼叫，比較成本和品質的差異
• 加一段「今天最值得讀的一則」，並請模型說明理由
• 把晨報送到你的聊天軟體頻道