AI News Factory：零成本打造本地 AI 新闻工厂

每天 3 分钟，从 AI 热点到数字人口播，全程本地自动完成。

我每天醒来第一件事，就是刷 AI 圈。

OpenAI 又发了什么奇怪的演示？
Anthropic 的模型又更新了哪个指标？
GitHub Trending 上今天又冒出哪些能跑通的新项目？
Hugging Face 上多了哪个让我想立刻下载的模型？
ComfyUI 又出了什么节点，能让我把工作流再压榨一轮？

一两个小时，就这么没了。

更折磨人的在后面：真要做一期视频，还得把白天收藏的链接重新翻出来，把散落在各处的笔记整理成稿，想选题角度，写脚本，找图，做封面，录配音……
我以前一直以为，做 AI 自媒体最耗时间的是剪视频。
后来发现根本不是。
真正吃掉时间的，是每天那种重复、琐碎、又不得不做的信息整理。

突然有一天，我坐在电脑前问自己：
“你都用 AI 写代码、生图、做视频了，为什么不让 AI 帮你把这些新闻整理好？”

从那之后，我开始折腾自己的 AI News Factory。

AI News Factory 不是工具，是一条生产线

截屏2026-06-27 18.34.06.png

它不是一个软件，也不是 GitHub 上某个开源项目。
它是一套我给自己定制的内容自动化生产系统，长在自己的电脑上。

每天到点，它会：

• 自己去找新闻

• 自己筛出真正值得讲的热点

• 自己把新闻读一遍，提炼重点

• 自己写出视频脚本

• 自己生成数字人口播

• 自己把字幕和封面做好

• 顺便把博客文章和各个平台的发布文案也吐出来

我只需要坐下来，花几分钟把结果过一遍，点一下发布。

所以我的日常变成这样：

新闻源 ↓ AI News Agent（抓取 + 筛选 + 摘要） ↓ 热点排序 + 去重 ↓ 脚本 Agent（写稿） ↓ 数字人口播生成 ↓ 字幕 + 封面 ↓ 短视频 + 博客文章 ↓ 多平台发布文案

AI 负责生产，我负责判断。

实际跑起来，到底是什么感觉？

以前做一期 AI 新闻，我的典型流程是：

• 看几十条新闻，手动收藏链接

• 把所有东西整理到一个 Markdown 文件里

• 写脚本，反复改口播节奏

• 录音、对画面、剪视频

• 做封面、憋标题

一套下来，两三个小时算快的，而且还很容易觉得“今天实在不想干了”。

现在每天早上，系统自动给我准备好：

一份 AI 热点日报
一份可以直接用的视频脚本
一个带着数字人口播和字幕的视频
一张还不错的封面图
一篇结构完整的博客文章
外加适配不同平台的标题和描述

我唯一要做的，就是确认“今天的内容没问题”。

那种感觉，就像自己从流水线工人，突然变成了编辑部主任。

这条流水线背后是怎么跑的？

AI News Factory 不是一个模型把所有活都干了，而是多个模块串在一起的分工协作。

简单说就是四层：

第一层：采集。
从 RSS、GitHub Trending、Hugging Face、Reddit、Hacker News，以及 OpenAI、Anthropic、Google 的官方信息渠道，把当天的新东西都拉回来。

第二层：筛选与排序。
News Agent 根据我设定好的关注方向和热度规则，去掉重复信息，挑出真正值得做成内容的几条，排好优先级。

第三层：内容生成。
把筛选后的热点塞进本地的 LLM，分步生成：先总结成日报，再转化成视频脚本，同时把标题和发布文案一起出了。

第四层：视频与输出。
脚本交给数字人，用 IndexTTS2 配音，HyperFrames 做画面包装，自动叠上字幕和封面，最后一起输出短视频、博客文章，直接进发布文件夹。

真正的核心，不是某个模型多强，而是这套流水线能稳定跑起来，而且每天结果都可靠。

为什么我非要在本地折腾？

总有人问：“用在线 AI 不香吗？”

香，但账不是这么算的。

每天生成日报、脚本、数字人视频、文章，如果全部走 API，那个费用跑一个月下来你再看，一点都不香。
更何况，这套系统里存着我的选题偏好、调试了很久的 Prompt 模板、素材库、工作流文件，这些东西我更愿意放在自己硬盘里，而不是挂在某个随时可能改价、改策略的云服务上。

所以我坚持本地部署：
本地模型负责推理，
本地数据库管知识，
本地工作流负责生成。

只有抓新闻需要联网，其他所有环节，都可以在自己电脑上关起门来跑。
不仅长期成本更低，整套系统的稳定性也完全捏在自己手里。

别觉得它只能做 AI 新闻

可能有人看到这会想：“我既不做 AI 新闻，也对新闻不感兴趣，这个跟我没关系。”

完全不是那么回事。AI News Factory 只是我跑通的第一条流水线。

一样的底层框架，我现在已经在同时跑这些方向：

• AI 工具评测

• GitHub 热门项目速览

• 本地模型测评

• ComfyUI 新工作流分享

• AI Agent 思路拆解

• 数字人口播频道

• 博客长文生产

• YouTube Shorts

每新增一个内容方向，我只需要换上对应的 Prompt 和输出模板，流程完全不用动。
生产线还是那条生产线，换一批“原料”，出来的就是另一种产品。

我为什么决定把这套东西完整公开

截屏2026-06-27 18.46.44.png

过去几个月，我一直在各种本地 AI 工具里摸爬滚打：
Flux2-Klein、LTX-2.3、IndexTTS2、ACE-Step、HyperFrames、ComfyUI，加上本地跑的大模型，各种 Agent 工作流，一个个试下来，踩了无数坑。

这些工具单独看都很强，但最难的，从来不是某一个工具怎么用，而是怎么把它们真的串成一套每天能稳定出活的系统。

我最终做到了一条命令下去：

python news_factory.py

电脑自己跑完全程，把当日所有内容老老实实吐到对应文件夹里。
那种成就感，确实值得把整个过程完整写下来。

所以我决定，把我搭建 AI News Factory 的每一步，连同配置、Prompt 和工作流设计，全部公开。
不是光给你看效果，而是让你自己能搭起来。

如果你也想搭一套，这是完整版会手把手带你做的事

我的博客上已经发布了完整版的搭建教程，它不会只告诉你“这里用了一个 Agent”，而是直接把我实际在用的项目结构、配置文件和 Prompt 模板都给你，目标是让你可以直接复现整套系统，不用从零踩坑。

完整版包含这些部分：

环境准备
Python + uv、Git、FFmpeg，以及本地 AI 工具链的安装与配置方式。

新闻采集系统
我整理的 RSS 源清单，GitHub、Hugging Face、Reddit 等渠道的抓取方案，以及官方信息源的稳定接入方法。

News Agent 搭建
Horizon 的安装和配置，热点筛选 Prompt，去重与热度排序逻辑，Markdown 日报的自动生成。

本地 AI 推理
本地 LLM 的接入，新闻总结、脚本生成、标题描述的 Prompt 设计，保证输出质量可控。

数字人口播与输出
IndexTTS2 配音、数字人视频生成、HyperFrames 画面包装，自动字幕和封面的制作链路。

全自动化流水线
最终把所有模块串起来，实现一条命令输出日报、脚本、数字人视频、字幕、封面、成品短视频、博客文章和发布文案。

如果你已经受够了每天花大把时间刷新闻、理资料、机械重复，想把这摊事真正交给 AI 去跑，自己只负责判断和创作，可以去我的博客看看这套完整版教程。

免费篇到这里结束。它告诉你为什么这件事值得做，做到之后是什么样。
剩下的“具体怎么搭”，我们博客里见。

作者提示含AI生成内容。