波仔
🧡 第三章 你的第一个项目
📄 一句话概括

像样的项目由六环组成：定来源、抓取、去重、排序、挑重点、生成页面；第一环是你定的，后五环可以交出去——项目的价值在于中间那五环被固定下来。

📝 本节和前面几节的关系

上一节是五分钟的热身，这一节是第一个真正像样的项目：每天能跑、产出有用结果的那种。

一、为什么这个项目适合当第一个实战

它小而有产出：跑一次就有一页东西看。 它结构完整：抓取、处理、呈现三块都有，这三块是绝大多数小项目的骨架。 它能天天跑：一旦跑通，它就变成了每天自动干活的东西——这是最大的一步。

二、它由六环组成

定来源——你要看哪几个地方，这一步只有你能定。 抓取——把内容拿回来；去重——同样的标题在几个源里各出现一次，要合并。 排序——最新的排前面；挑重点——一屏能看完，不能把原文全堆上去。 生成页面——把处理好的结果变成一页能看的东西。

三、这个项目真正的价值在哪

不是最后那个页面——是中间那五环已经被固定下来了。 从明天起，你每天早上省下来的那二十分钟，就是这五环的产物。 更重要的是：这五环是可复用的骨架。以后做任何【定期汇总信息】的东西，都是它换个数据源。

四、做的时候注意两件事

先跑通再加功能。先把最粗的一条链接通，哪怕数据不完整，然后再一条条加。 让它把每一步的变化都报给你：这一节末尾的排错表告诉你，做到一半卡住时该看哪里。

五、动手 Demo：实战——新闻聚合器的六个环节

下面用假数据把去重这一环跑一遍，再把完整流程列出来。

feeds = [(u"A 源", u"AI 新工具发布", 1), (u"B 源", u"AI 新工具发布", 1),
         (u"C 源", u"国内大模型进展", 0), (u"D 源", u"AI 新工具发布", 0)]
seen, uniq = set(), []
for src, title, read in feeds:
    if title in seen:
        continue
    seen.add(title)
    uniq.append((src, title, read))

实跑输出：

--------------------------------------------------------------------
实战——每日新闻聚合器的六个环节
--------------------------------------------------------------------

第二个项目才是像样的东西。下面用假数据把完整流程跑一遍，看它由哪几环组成：

  来源     标题               已读
  ---------------------------------
  A 源     AI 新工具发布      是
  B 源     AI 新工具发布      是
  C 源     国内大模型进展     否
  D 源     AI 新工具发布      否

去重后剩 2 条（原来 4 条，去掉 2 条重复）

完整流程六环：
    1. 定来源
    2. 抓取
    3. 去重
    4. 排序
    5. 挑重点
    6. 生成页面

第一环是你定的，后五环是可以交出去的。
**项目的价值不在最后那个页面，在于中间那五环已经被固定下来了。**

四条输入去重后剩两条——去重是聚合器最容易漏、但一漏就显业余的一环。 六环里第一环是你的判断，后五环是重复劳动。把这五环固定下来，价值远大于做漂亮页面。

30 秒实验

  1. 定两三个你想每天看的信息源，写下它们的名字——这是六环里的第一环，也是唯一必须你自己定的一环。
  2. 让需求写清楚：只要标题和链接、不要正文、按时间倒序、每天一份。这就是第 2.6 节那四件套。

常见误区

  1. 一口气把六环全想清楚再开工。先跑通最粗的一条，别在设计阶段耗光热情。
  2. 把原文整段堆上去。信息量太大会让每天看它这件事本身变成负担——挑重点才让它活得过一周。
自测三问（点开对答案） 1. 聚合器由哪六环组成？ —— 定来源、抓取、去重、排序、挑重点、生成页面。 2. 哪一环只能你自己定？ —— 定来源——你要看哪几个地方，是个人偏好。 3. 这个项目的真正价值是什么？ —— 中间那五环被固定下来了，从明天起每天省下固定的时间，而且骨架可复用。

相关笔记