前幾天把 Email、待辦和技術文章慢慢接進自動化流程之後，我原本以為接下來只要把更多來源加進來就好，像是 RSS、GitHub、Newsletter、技術網站甚至論文，只要全部丟給 AI 幫我摘要、分類，再存進資料庫，應該就可以省下很多整理時間。

但真的開始想像這個流程每天跑起來之後，我很快就發現一個問題，如果一天只有五篇文章，AI 幫我整理五份摘要確實很方便，可是一旦來源變多，一天可能進來五十則、一百則甚至更多內容，到最後我還是得打開一百份摘要慢慢看，只是把原本很長的文章變成比較短的文章而已。

所以今天我不打算繼續增加資料來源，而是先處理一個更實際的問題：如果每天真的有一百則資訊進來，我到底能不能只看到最值得看的十則。

先不要什麼都丟給我

我一開始其實很習慣「全部收集、全部整理」，因為會覺得資料既然都抓到了，不看好像很浪費，但這種想法很快就會把自動化做回人工工作。

假設今天抓到一百篇文章，就算每篇摘要只需要二十秒看完，一輪下來還是要花掉不少時間，更麻煩的是裡面可能有很多內容其實根本不用現在看，例如已經看過類似的消息、跟最近工作完全沒關係的主題，或只是某個舊功能換一種寫法重新被報導。

因此今天的流程多了一個很重要的步驟：篩選。

原始內容進來之後，不會直接全部送到我面前，而是先經過去重、分類、評分和排序，最後只挑前面幾則放進每天真正要看的 Digest 裡。

第一關先處理重複內容

開始整理之後，我第一個碰到的問題就是同一件事情可能會出現在很多來源。

例如某家公司推出新的 AI 模型，官方 Blog 會寫一篇，新聞網站跟著報導，Newsletter 又整理一次，社群上可能還有人轉成教學文，如果全部照原本流程處理，我可能會看到五個不同標題，實際上卻都在講差不多的事情。

這時候如果直接讓 AI 排名，這五篇可能因為主題很熱門全部衝到前面，最後每天十則內容裡面有一半都在講同一件事。

所以我先讓系統判斷內容是不是高度相似，同一件事件盡量只保留主要來源，其他文章可以留下來當補充，但不要一起佔掉每天的閱讀名額。

這一步做完之後，原本的一百則資訊可能就先剩下七十幾則，至少後面的篩選不需要一直處理重複內容。

「重要」到底要怎麼判斷

接下來才是比較麻煩的地方。

最簡單的方法當然是直接丟一句：

請判斷這則資訊是否重要。

但我之前在做 Email Priority 的時候就碰過類似問題，當「重要」沒有明確定義時，AI 很容易覺得很多事情都有點重要，新的工具重要、新模型重要、新功能也重要，最後七十篇可能有五十篇都被判斷成值得看。

所以這次我不想只給它一個模糊的「重要／不重要」，而是拆成幾個比較容易判斷的條件。

我目前先用了四個：

Relevance：跟我最近關注的事情有多相關
Novelty：這是不是我已經看過很多次的內容
Impact：這件事會不會影響之後的工作或使用方式
Urgency：這是不是近期就需要知道的資訊

每一項都可以給一個簡單的分數，最後再一起決定優先順序。

這樣的好處是，如果某篇文章最後被排到很前面，我至少可以知道它是因為跟目前研究高度相關，還是因為這件事情真的會影響接下來的工作，不會只剩下一個看不太懂的 AI 分數。

系統還要知道我最近在做什麼

做到這裡之後，我又發現另一個問題，同一篇文章對不同人的重要程度本來就不一樣。

假設最近我正在研究 Coding Agent、AI Engineering、FPGA 或 HLS，那這些主題的新工具、新論文對我來說自然會比較重要，相反地，就算某個前端框架突然很熱門，如果最近完全用不到，我可能也不需要第一時間知道。

所以我另外放了一份最近關注的主題清單：

Current Topics

Coding Agent
AI Engineering
AI Automation
FPGA / HLS

每次系統判斷 Relevance 時，就一起參考這份清單。

這個做法現在還很簡單，甚至可以直接手動修改，但它讓整個資訊篩選開始有一點個人化，不再只是把全網最熱門的消息丟給我，而是優先留下最近真的可能用得到的東西。

最後我只想收到一份短短的整理

前面的去重、分類和 Ranking 全部做完之後，我其實不需要看到那些中間分數。

每天真正送到我面前的內容可以很簡單，只留下標題、一句摘要、為什麼值得看、來源和閱讀優先級。

例如：

1. 某 Coding Agent 推出新的 Repository 功能

摘要：
可以直接在大型專案裡完成更完整的程式修改與測試流程。

為什麼值得看：
和目前正在做的 Codex 系列測試高度相關。

Priority：High

如果一天最後只留下十則，我就可以快速掃過一次，真的有興趣再點進去看完整內容，其餘資訊先留在資料庫裡，不需要當天全部處理。

沒進前十名的內容也不要刪掉

這部分我一開始差點做得太激進。

既然最後只想看十則，那剩下的內容是不是乾脆直接丟掉就好？

後來想了一下還是覺得不太適合，因為 AI 的 Ranking 不可能永遠正確，某篇文章今天看起來不重要，不代表一週之後不會突然需要。

所以我現在比較想做的是「隱藏」而不是「刪除」。

沒有進 Top 10 的內容還是會正常存進資料庫，只是不會出現在每天的 Digest 裡，以後如果真的需要某個主題，還是可以重新搜尋，這樣可以降低每天看到的資訊量，也不會因為一次 AI 判斷就把資料永久丟掉。

今天才發現資訊太多不是整理問題

前幾天做自動化時，我比較常想的是怎麼讓 AI 幫我完成一件工作，例如整理 Email、產生 Todo、摘要文章，今天開始碰到的則是另一種情況：很多資訊其實根本不需要全部處理。

如果每天真的有一百則內容進來，最有效率的方法可能不是想辦法更快看完一百則，而是先把其中真正跟我有關的十則留下來。

這也讓我覺得，自動化做到後面不只是把「原本要做的事情做得更快」，有些流程甚至可以直接拿掉，因為那些事情原本就不一定值得花時間。

Day 8 自動化紀錄
今天處理：大量資訊篩選

原始資訊：＿＿則
去重後：＿＿則
最後 Digest：10 則

Ranking 參考：

Relevance
Novelty
Impact
Urgency

人工檢查：

Top 10 是否真的值得看：＿＿
有沒有重要資訊被漏掉：＿＿

今天的流程還沒有做到完全自動，我目前最在意的反而是前十名到底準不準，所以接下來幾天還是會先人工檢查 AI 排出來的結果，把那些「其實不重要卻一直被排很前面」或「明明很重要卻常常掉出去」的案例留下來，再慢慢調整規則。

等這個 Ranking 比較穩之後，每天真正需要我看的東西才有機會從一百則慢慢縮成十則，到了那個時候，這套資訊整理流程才真的開始替我省時間。