当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > DeepSeek新闻简报设置与自动推送教程

DeepSeek新闻简报设置与自动推送教程

2026-04-25 14:19:09 0浏览 收藏
本文详细介绍了如何利用DeepSeek作为核心AI引擎,构建每日科技新闻简报的自动化生成与多平台推送系统,覆盖从零代码(Coze、n8n可视化工作流)到轻量编码(GitHub Actions+Python)、再到高阶爬取与双模态输出(Dify+crawl4ai+TTS)的四大主流实现路径,兼顾安全性、易用性与扩展性,无论你是开发者、运营人员还是普通用户,都能快速搭建专属的智能早报服务。

如何用DeepSeek做每日新闻简报?定时任务与自动化推送设置【自动化办公】

如果您希望每天自动生成科技或行业新闻简报,并通过消息平台自动推送,DeepSeek可作为核心AI处理引擎完成内容提炼与格式化。以下是实现该目标的多种可行路径:

一、使用n8n + DeepSeek + 飞书构建全链路自动化

该方案以n8n为工作流中枢,定时触发、调用DeepSeek API生成摘要、再经飞书机器人推送至群组,全程可视化配置,无需编写代码。

1、在本地或云服务器使用Docker部署n8n:执行docker run -d --name n8n -p 5678:5678 -v ~/.n8n:/home/node/.n8n n8nio/n8n,访问http://localhost:5678完成初始化并设置管理员密码。

2、登录飞书开放平台创建“企业自建应用”,在权限管理中开通“发送消息”“读取多维表格”“获取群组信息”三项权限,并记录App ID与App Secret。

3、在n8n中新建工作流,添加“Schedule Trigger”节点,设置触发时间为每天09:00,时区选择Asia/Shanghai

4、添加“HTTP Request”节点调用DeepSeek API:在Headers中填入{"Authorization": "Bearer sk-your-deepseek-api-key"},Body使用JSON格式提交新闻原文与提示词,要求输出结构化简报。

5、添加“飞书机器人”节点,将DeepSeek返回内容填入消息体,目标群组ID需提前通过飞书API获取并配置。

二、基于GitHub Actions + Python + DeepSeek实现零成本定时推送

该方法完全依托GitHub免费基础设施运行,适合个人开发者或轻量级团队,所有代码与密钥均通过Secrets加密管理,保障安全性。

1、在GitHub新建公开仓库,创建main.py文件,使用requests库向DeepSeek API发起POST请求,输入从RSS源抓取的原始新闻文本,提示词明确要求生成含标题、来源、300字内摘要的Markdown日报。

2、在仓库根目录创建requirements.txt,写入requestsfeedparserpytz等依赖项。

3、在.github/workflows/daily.yml中定义定时任务:使用cron: '0 7 * * *'(对应北京时间每天早上7点),运行python main.py

4、进入仓库Settings > Secrets and variables > Actions,新增两个secret:名为DEEPSEEK_API_KEYFEISHU_WEBHOOK_URL,分别填入DeepSeek密钥与飞书群机器人Webhook地址。

5、在main.py中通过os.getenv("DEEPSEEK_API_KEY")安全读取密钥,生成内容后使用requests.post()推送到飞书Webhook。

三、借助Coze平台实现无代码图文早报流

该路径面向非技术人员,通过Coze Bot的图形化节点编排完成新闻搜索、AI提炼、时间标注与图文渲染全流程,输出可直接分享的PNG早报图片。

1、登录Coze平台,新建Bot并进入“工作流”模块,添加“输入”节点,设置变量news_category默认值为“AI”。

2、接入“新闻搜索”节点,将news_category传入query字段,freshness设为day确保仅检索当日资讯。

3、连接DeepSeek模型节点(需在Coze中绑定已授权的DeepSeek API),输入搜索结果,提示词限定输出格式为:“【标题】+【来源】+【摘要】”,每项独占一行。

4、插入“获取当前时间”节点,格式化为YYYY年MM月DD日 星期X,作为早报抬头。

5、添加“画板”节点,拖入标题、时间、AI摘要三个变量,在设计区自由排版,导出为PNG后通过“发送消息”节点推送到飞书群。

四、利用Dify + crawl4ai + DeepSeek-V3搭建资讯爬取与语音播报工作流

该方案扩展性强,支持从网页动态抓取AI领域新闻、交由DeepSeek-V3深度总结,并可选配TTS语音合成,形成“图文+音频”双模态早报。

1、部署crawl4ai服务端:使用FastAPI封装crawl4ai.AsyncWebCrawler,提供HTTP接口接收新闻URL列表并返回结构化字段(title、publication_date、content)。

2、在Dify中新建应用,数据集接入crawl4ai返回的新闻内容,LLM模型选择DeepSeek-V3,系统提示词强调“按技术突破/行业动态/融资并购三类归因,每类最多1条,每条不超过150字”。

3、添加“开始”节点,限制单次处理新闻数量为2条,避免超时或Token溢出。

4、配置“HTTP请求”节点调用crawl4ai接口,输入目标网站如https://www.aibase.com/zh/news,提取最新两条详情页URL。

5、将Dify生成的Markdown简报文本送入TTS服务(如ChatTTS WebUI),通过curl -X POST http://127.0.0.1:7860/api/predict/提交含speaker_idtemperature参数的JSON请求,生成MP3文件。

文中关于DeepSeek的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《DeepSeek新闻简报设置与自动推送教程》文章吧,也可关注golang学习网公众号了解相关技术文章。

CSS变量控制打字机速度,动态调整动画步数CSS变量控制打字机速度,动态调整动画步数
上一篇
CSS变量控制打字机速度,动态调整动画步数
PikaLabs一句话生成电影短片教程
下一篇
PikaLabs一句话生成电影短片教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    144次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    210次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    154次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    135次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    125次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码