【元宝搜索开发者征文大赛】用联网搜索 API 搭了个 AI 资讯早报机器人：8 次调用，3 分钟吃完一天的 AI 信息早餐

作品阶段：可演示原型
关键词：Python、腾讯云 WSA、SearchPro 接口、资讯聚合、实践记录

一、需求从哪里来

我每天早上醒来第一件事，就是刷 AI 资讯。

科技媒体看一圈，公众号翻一遍，再打开几个聚合站。半小时过去了，真正值得知道的事，其实就五到十条。

这个过程有三个烦人的地方：

1. 刷得多，有用的少。大部分内容是重复报道和情绪文，信息密度很低。
2. 到处都是转载。同一个新闻，A 站转 B 站，B 站转 C 站，经常点开才发现已经读过。
3. 分不清新旧。AI 圈更新太快，上周的"最新发布"这周就过时了，但很多页面根本不标发布时间。

所以我想要的东西很简单：一份筛好了的、标了来源和时间的、3 分钟能读完的信息早餐。这个工具首先是给我自己用的，但相信每个关注 AI 行业的人都有同样的困扰。

二、技术选型：为什么走搜索 API 这条路

资讯类工具最要紧的是"新"和"全"。这两点，本地知识库给不了——必须让程序在运行时实时联网搜索。

可选的方案我对比过三个：

• 自己写爬虫：要维护站点列表、解析规则、反爬策略。对个人工具来说工程量太大，而且各站点页面结构一改就得跟着改；
• 通用搜索 + 自己清洗：返回的原始页面噪音多，正文抽取、广告过滤都得自己做一遍；
• 结构化搜索 API：直接返回 JSON 字段，程序拿来就能用。

我最终选了第三条路，具体用的是腾讯云的 WSA（联网搜索）服务，看中的是它返回的数据结构：每条结果自带标题、摘要、原文链接、信源名称、发布时间和相关性得分——这六个字段正好覆盖了资讯工具需要的全部信息，我在后面第 4 节的排序里还直接复用了它的相关性得分字段。

从我的实测看，单次调用秒级返回，做每日定时任务完全够用。成本方面，按我当前 8 次/天的调用量计算，一个月 240 次，在免费额度内。

三、接入实践：从开通到第一次调用

3.1 开通与密钥

流程很标准：腾讯云控制台开通 WSA 服务 → 在密钥管理拿到 SecretId / SecretKey。密钥放在 .env 环境变量里，不写进代码，避免泄露。

3.2 装 SDK，写客户端

pip install tencentcloud-sdk-python-wsa python-dotenv

核心代码其实很短：

from tencentcloud.common import credential
from tencentcloud.wsa.v20250508 import models, wsa_client

class SearchClient:
    def __init__(self):
        cred = credential.Credential(secret_id, secret_key)
        self.client = wsa_client.WsaClient(cred, "")  # 该接口无需 Region

    def search(self, query, mode=2, cnt=10):
        req = models.SearchProRequest()
        req.from_json_string(json.dumps({
            "Query": query,   # 搜索词
            "Mode": mode,     # 0=网页信源 1=权威垂直信源 2=混合
            "Cnt": cnt,       # 返回条数，仅支持 10/20/30/40/50
        }))
        resp = self.client.SearchPro(req)
        return [json.loads(p) for p in resp.Pages]

这里踩了第一个坑：Cnt 参数是枚举值，只能传 10/20/30/40/50。我一开始传了 3 想省额度，直接报错 InvalidParameter: illegal Cnt。想少要点结果，只能在代码里自己截取。

3.3 第一次真实调用

用文档示例词"三星堆的由来"跑冒烟测试，一次通过。返回 10 条结果，来源包括人民日报、央视新闻、新华网等。每条都带 passage（去噪后的摘要）、date、url，还有一个 score 字段——这是服务端给的相关性打分，后来成了我排序的核心依据。

📷 截图 1：冒烟测试运行结果

四、从搜索结果到早报：四步流水线

搜索只是拿到了原材料，要变成"早报"，还需要一条加工流水线。

4.1 多关键词检索

早报分四个板块：大模型与产品动态、科技公司 AI 布局、政策与行业规范、技术前沿与开源。每个板块配 2 个搜索词，跑一轮就是 8 次调用。

4.2 三级去重

资讯场景绕不开重复问题，我做了三层过滤：

• URL 去重：同一个链接被不同关键词搜到，只留一条；
• 标题去重：同一条新闻被不同网站转载，按标题前 15 个字比对，只留信源权重更高的那条；
• 关键词命中去重：一条新闻被多个关键词同时命中，说明它更重要，加分但不重复展示。

4.3 综合评分排序

排序公式一句话就能说清：

综合分 = 0.5 × 搜索相关性 + 0.3 × 时效分 + 0.2 × 信源分

• 搜索相关性直接用接口返回的 score——服务端已经算好了"这条结果跟搜索词有多匹配"，直接用就好；
• 时效分：24 小时内满分，之后每天扣 0.1，没有日期的老内容按 0.2 兜底；
• 信源分：央媒和头部科技媒体（白名单）记 1.0，其他 0.6。

4.4 渲染输出

每个板块取前 5 名，生成 Markdown 早报：顶部是"一分钟速览"，正文每条都带信源、时间、摘要和原文链接，最后附本次生成统计。每条信息可溯源，整个过程可验证。

五、真实运行结果

2026 年 11 月 3 日中午的一次完整运行：

▶ 检索板块：📰 大模型与产品动态
  原始 20 条 -> 去重后 11 条（关键词 2 个）
▶ 检索板块：🏢 科技公司 AI 布局
  原始 20 条 -> 去重后 9 条（关键词 2 个）
▶ 检索板块：📜 政策与行业规范
  原始 20 条 -> 去重后 2 条（关键词 2 个）
▶ 检索板块：🔬 技术前沿与开源
  原始 20 条 -> 去重后 3 条（关键词 2 个）

✅ 早报已生成：output\AI早报_20261103.md
   共 8 次搜索 API 调用

80 条原始结果，去重过滤后剩 25 条，产出 4 个板块的早报。

当天抓到的内容让我挺惊喜：腾讯 Hy4 和阿里 Qwen4 同周发布的对决、Gemini 安卓版更新、智谱 GLM-5.2 开源、国产 AI 芯片份额反超 GPU——全是近三天的热点，而且来自新浪财经、中国日报网、央广网这样能点回去看的信源。

📷 截图 2：早报 Markdown 渲染效果

六、实际效果与踩坑记录

效率和成本：整轮流程 1 分钟内跑完；每天 8 次调用，一个月 240 次，在免费额度内。

踩过的坑，都记下来了：

1. 日期格式不统一：返回的日期有 2026-11-02 18:30:05 也有 2026/10/30 17:30，横杠斜杠混着来。一开始只解析横杠格式，时效分全算错了，排序大乱，补全格式后修复；
2. 英文网站混进来：中文搜索词也会返回英文站的内容（比如 Futurepedia），对中文早报是噪音。加了个简单判断：正文里中文字符占比超过 15% 才保留；
3. 百科词条捣乱："AI 助手 产品更新"这个词把百度百科"智能助手"词条顶到了第一位——它跟搜索词确实高度相关，但它不是新闻。教训是关键词别用概念词，要用带事件性的表达，比如"大模型 发布"就比"大模型"好；
4. 限频保护：虽然没实际触发，代码里还是加了自动重试，避免批量跑的时候被打断。

下一步计划：接个定时任务，每天早上 7:30 自动生成，再推送到微信或邮箱；还想接上大模型，让它基于当天早报写一段"编辑点评"，把搜索和生成串成完整链路。

---

总结：这个工具解决的是我自己的真实问题。联网搜索接口在其中扮演的角色很关键——它把"获取高质量、带时间标注的资讯"变成了一次 10 行代码就能搞定的接口调用。如果你也在定期追某类信息（行业动态、政策变化、竞品动向），搜索 API 加一段脚本，是个轻量的解法。