5000 followings，2 小时刷屏，重要的还是漏了。
文章作者、来源：0xkevinhe
我在 Twitter 上 follow 了大概 5000 人。
做 AI 和 Web3 这几年，关注列表像滚雪球一样膨胀——研究员、创始人、投资人、开发者、媒体——每一个 follow 都是当时觉得 "这个人的信息我不能错过"。
结果就是，每天打开 Twitter，For You 是一条无底的信息瀑布。看的速度永远赶不上产生速度。
我试过很多方案：
- RSS 阅读器 → 信息从 Twitter 搬到了另一个 inbox，该焦虑还焦虑
- Pocket/稍后读 → 收藏了 500 篇，读了 5 篇
- Newsletter 订阅 → 别人帮我筛，但筛选标准不是我的
问题的本质不是 "信息太多"，而是 "筛选成本太高"。每一次判断 "这条值不值得细看"，都在消耗注意力。
是时候改变了。为什么我要用自己的脑子做 Agent 该做的事？
于是我做了 ClawFeed——一个 AI Agent，替你全量阅读信息流，自动筛选、摘要、结构化输出。你不再需要刷，只需要看结果。
ClawFeed Dashboard：每天 5000 条信息流 → 20 条精华摘要
AI 全量阅读，你只看精华
这就是 ClawFeed 的核心理念。
不是帮你读，是帮你判断 "值不值得读"。AI 读完 5000 个账号的全部信息流，你只看筛出来的精华。
结构化简报，每 4 小时一次
ClawFeed 的核心是多频率递归摘要：
- 每 4 小时：从 Twitter For You + Bookmarks 提取要点，生成一份结构化简报
- 每天：4 份简报再压缩，提炼出今天真正重要的 10-20 条
- 每周：从 7 份日报里提取趋势和关键事件
- 每月：生成月度总结，看大方向
每一层都是 AI 在上一层的基础上再压缩。5000 人的信息流，最后变成每天 20 条精华摘要。
4 小时简报：AI 自动提取关键信息，@username + 原话格式
标记任意内容 → AI 深度分析
看到某条摘要觉得值得深挖？一键标记，AI 自动做深度分析——上下文、背景、相关讨论全拉出来。不用打开原文去翻。
Marks：标记感兴趣的摘要，AI 自动做深度分析
5000 信息源，全面管理
不只是被动接收信息。ClawFeed 让你主动管理信息源：
- Smart Curation
可配置过滤规则——"AI Agent 相关的优先"、"meme 币的降权"
- Follow/Unfollow 建议
AI 根据 feed 质量给建议——有些人你 follow 了但从来没从他那里获得过有价值的信息
真实效果
ClawFeed 上线 10 天的数据：
Before → After：
怎么做的
ClawFeed 不是一开始就是现在这个样子。它经历了几个关键阶段：
- v0—Markdown + Telegram。让 Agent 生成 Markdown 摘要，通过 Telegram 推送。粗糙但能用。
- v0.2—SQLite + API。转折点。有了后端，从 "脚本" 变成了 "服务"。
- v0.3—Web Dashboard。暗色主题 SPA，终于像个产品了。
- v0.5—OAuth 多用户。加了 Google OAuth，别人也能用。
关键取舍
零框架依赖。没用 Express、Koa、Fastify，直接用 Node.JS 原生 HTTP server。依赖列表里只有一个 better-sqlite3。依赖少 = 维护少 = 安全风险少。不到 50MB 内存。
摘要格式：@username + 原话。"@karpathy 说 transformer 不是终点" 比 "业界讨论模型架构演进" 有用得多。
作为 OpenClaw Skill + Zylos Component 双发布。标准 SKILL.md/component.JSON，一行命令安装。OpenClaw 和 Zylos 用户都能直接用——两个 Agent 生态，同一个 ClawFeed。
少刷多知
信息焦虑的本质是筛选成本。把筛选交给 Agent，焦虑就消失了。