AI（人工智能）行业的信息流更新很快。模型发布、产品迭代、论文研究、融资动态、工具技巧每天都在发生，如果只靠手动刷网站，很容易漏掉重要信息，也容易被大量低价值内容消耗注意力。

AIHOT 解决的是这个问题：把 AI 相关信息从多个信源中抓取出来，经过筛选、去重、打分和分类，再以几种不同形式提供给用户。它不只提供网页浏览，还开放了 Skill、RSS 和 API 三种接入方式，方便把 AI 动态接入到自己的阅读器、Agent 或内部系统里。

主站地址：

https://aihot.virxact.com

进入主站后，在左侧导航里打开「Agent 接入」，可以看到 Skill、RSS 和 API 三种入口。

这个页面相当于 AIHOT 的数据接入控制台：Skill 面向 Agent（智能体），RSS 面向阅读器，API（应用程序编程接口）面向系统集成。三种方式拿到的是同一类 AIHOT 数据，但使用场景不同。

AIHOT 的数据流是怎样工作的

AIHOT 可以理解成一个 AI 行业信息聚合层。它先从多个信源收集内容，再对内容做处理，最后输出成日报、精选流、全量动态、搜索结果等不同形态。

flowchart LR
    A[AI 信息源] --> B[抓取]
    B --> C[去重]
    C --> D[打分]
    D --> E[分类]
    E --> F[精选动态]
    E --> G[AI 日报]
    E --> H[全量动态]
    F --> I[Skill]
    G --> I
    H --> I
    F --> J[RSS]
    G --> J
    H --> K[API]

分类维度主要有五类：

这些分类会同时出现在日报、精选、全量查询和关键词搜索中。区别在于：日报更像一份整理好的报纸，精选更像高质量信息流，全量查询则覆盖范围更大。

Skill：让 Agent 直接读取 AIHOT 数据

Skill（Agent 可安装的技能包）的作用，是把 AIHOT 的数据能力接入到支持 Skill 协议的 Agent 里。安装之后，不需要再手动打开浏览器，也不需要自己去网站上翻信息，只要向 Agent 提问，它就可以根据问题调用 AIHOT 数据源，然后整理成回答。

支持 Skill 协议的 Agent 包括 Claude Code、Codex、OpenCode、OpenClaw、Hermers 等。只要 Agent 能安装 Skill，就可以尝试接入 AIHOT。

安装方式很简单，直接让 Agent 执行：

帮我安装这个 skill：https://aihot.virxact.com/aihot-skill/

如果更习惯从 GitHub 安装，也可以使用 Skill 集合仓库：

https://github.com/KKKKhazix/khazix-skills

安装完成后，调用路径大致是这样：

sequenceDiagram
    participant U as 用户
    participant A as Agent
    participant S as AIHOT Skill
    participant H as AIHOT 数据服务

    U->>A: 给我一份今天的 AI 日报
    A->>S: 判断需要调用 AIHOT
    S->>H: 请求日报数据
    H-->>S: 返回结构化动态
    S-->>A: 提供日报条目
    A-->>U: 整理成中文简报

Skill 的价值不在于替你打开网页，而在于让 AIHOT 变成 Agent 的实时信息源。Agent 原本只能依赖已有知识或浏览能力，接入 Skill 后，可以直接查询 AIHOT 已整理好的 AI 动态。

能力一：生成 AI 日报

AIHOT 每天会生成一份 AI 日报。日报适合早上快速扫一遍行业变化，用最短时间掌握关键动态。

可以直接对 Agent 说：

给我一份今天的 AI 日报

Agent 会调用 AIHOT Skill，把当天日报拉取下来，再整理成中文简报。

日报通常按五个板块组织：模型发布 / 更新、产品发布 / 更新、行业动态、论文研究、技巧与观点。每条动态会包含标题、简短摘要、信息来源和来源链接。这样的结构适合快速判断一条消息值不值得继续深入看。

日报不只支持当天，也可以按日期查询。例如：

给我 5 月 6 日的 AI 日报

还可以让 Agent 合并多个日期：

总结最近 3 天的 AI 日报

这种方式适合周末没有持续跟进消息、周一集中补齐 AI 动态的场景。Agent 会把多天日报合并整理，避免手动逐页翻看。

能力二：查看精选动态

日报是按日期打包好的成品，精选动态则更像一个持续更新的高质量 Feed。它从所有 AIHOT 动态里挑出更值得关注的内容，并按照时间流展示。

如果没有特别说明“日报”“全部动态”或指定分类，Agent 通常会优先使用精选数据源回答，因为精选模式可以减少噪音。

可以这样问：

最近 AI 圈有什么值得关注的动态？

或者：

整理一下今天 AI 领域最重要的更新

精选模式适合想持续跟进高质量信息，但又不想被全量消息淹没的场景。它和日报的区别可以这样理解：

能力三：按时间窗口和分类查询

有时日报和精选还不够，需要查看某个方向的更多动态。例如只关心模型发布，或者只想看最近几天的 AI 产品更新。

可以这样问 Agent：

列出最近 3 天所有 AI 产品发布相关动态

看看过去 24 小时 AI 行业有哪些大新闻

列出最近 7 天的新模型发布

AIHOT 支持按时间窗口和分类筛选。分类仍然是五类：

模型发布 / 更新
产品发布 / 更新
行业动态
论文研究
技巧与观点

时间窗口最长支持 7 天。这个限制有两个原因：一是时间跨度越长，返回数据量越大，Agent 整理成本会增加；二是服务端需要控制查询压力，避免一次请求拉取过多数据。

比较推荐的查询方式是把需求说清楚：

Agent 的回答质量和问题约束强相关。时间范围、分类、输出格式越明确，生成结果越容易直接使用。

能力四：按关键词搜索

Skill 还支持基础搜索。适合用来追踪某家公司、某个产品、某个模型或某个技术方向的近期动态。

例如：

OpenAI 最近发布了什么？

最近 Claude 有哪些产品更新？

过去 7 天和语音模型有关的动态有哪些？

搜索一下最近关于 AI 编程工具的更新

安装 Skill 后，Agent 可以基于 AIHOT 的近期数据回答，并给出对应来源链接。

关键词搜索最大的价值是时效性。普通 Agent 如果没有实时数据源，可能会遗漏刚发生的动态，或者只能给出比较泛的回答；接入 AIHOT Skill 后，Agent 可以从近期抓取和整理过的数据里查找相关条目，回答会更贴近当前信息流。

输出格式：默认 Markdown，后续可以自己定制

AIHOT Skill 的输出以 Markdown（轻量标记语言）为主。Markdown 的好处是通用：可以直接贴进笔记软件、知识库、飞书文档、GitHub Issue、日报机器人，也方便 Agent 继续加工。

例如可以要求 Agent 输出成表格：

把最近 3 天的新模型发布整理成表格，列出模型名、发布方、核心能力、来源链接。

也可以要求它输出成周报结构：

整理最近 7 天 AI 行业动态，按模型、产品、论文、行业四类写成周报。

或者让它只保留行动项：

从今天的 AI 日报里筛出对 AI 应用开发者最有参考价值的 5 条，并说明为什么值得关注。

Skill 提供的是数据入口，最终呈现形式可以交给 Agent 根据工作流继续处理。

RSS：把 AIHOT 接入阅读器

RSS（Really Simple Syndication，简易信息聚合）适合已经有固定阅读器工作流的人。比如使用 Feedly、Inoreader、NetNewsWire 等工具管理信息流，就可以直接订阅 AIHOT 的 Feed。

AIHOT 提供了几个常用 Feed：

RSS 的特点是稳定、轻量，不依赖 Agent。打开阅读器，复制对应 Feed 地址并添加订阅，就可以把 AIHOT 变成自己的一个信息源。

适合使用 RSS 的情况：

API：把 AIHOT 数据接入自己的系统

API 面向开发者和团队。如果正在做 AI 相关产品，或者需要把 AIHOT 数据接入内部系统，就可以通过 API 获取数据。

典型场景包括：

API 文档采用 OpenAPI（开放接口规范）形式，可以在 Agent 接入页面查看。

接入时建议按这样的流程处理：

flowchart TD
    A[打开 Agent 接入页] --> B[查看 OpenAPI 文档]
    B --> C[选择需要的数据接口]
    C --> D[在本地或测试环境调试]
    D --> E[处理分页、时间范围、错误码]
    E --> F[接入正式系统]
    F --> G[增加缓存和限流]

API 调用不要一开始就拉取过大的时间范围。更稳妥的方式是按业务需求限制查询条件，例如只取最近 24 小时、只取某个分类、只取精选动态。这样可以降低响应体积，也能减少后续处理成本。

三种接入方式怎么选

如果只是想使用 AIHOT，不需要三种方式都接入。按自己的工作流选择一种就够了。

一个比较实用的组合是：个人使用 Skill，让 Agent 帮忙总结；阅读器里订阅 RSS 精选动态；团队系统再通过 API 做定时推送。

使用时需要注意的几个点

1. 默认优先用精选，避免信息过载

如果问题没有指定“全部动态”，Agent 通常会使用精选数据源。这样可以减少无关信息，让回答更聚焦。只有在明确要查全量信息时，再要求 Agent 查询全部动态。

例如：

使用全部动态，列出最近 3 天所有和 AI 编程工具有关的消息。

2. 时间范围最长 7 天

查询时间窗口不要超过 7 天。需要更长周期时，可以拆分成多次查询，再让 Agent 合并结果：

分别查询最近 7 天和上一个 7 天的 AI 模型发布，然后合并成对比表。

3. 重要信息要看来源链接

AIHOT 负责聚合、筛选和整理，但重要决策仍然应该打开来源链接核对。尤其是模型价格、API 变更、产品发布日期、论文结论这类信息，最好以发布方页面或论文页面为准。

4. API 接入要做缓存和异常处理

如果把 API 接入内部系统，不建议每次用户打开页面都实时请求。更稳的做法是定时同步，再从自己的缓存或数据库读取。

flowchart LR
    A[定时任务] --> B[调用 AIHOT API]
    B --> C[(本地数据库 / 缓存)]
    C --> D[内部看板]
    C --> E[群机器人]
    C --> F[知识库同步]

还需要处理接口超时、空结果、字段变化、限流等情况。尤其是自动推送类场景，失败后可以降级为稍后重试，而不是直接中断整条工作流。

一个完整的 Agent 工作流示例

可以把 AIHOT Skill 当作每天的信息输入，然后让 Agent 自动完成筛选、整理和归档。

示例提示词：

请使用 AIHOT Skill 完成今天的 AI 信息整理：

1. 获取今天的 AI 日报。
2. 再查询过去 24 小时的精选动态。
3. 筛出对 AI 应用开发者最重要的 10 条。
4. 按「模型」「产品」「论文」「行业」分类。
5. 每条包含：标题、摘要、为什么重要、来源链接。
6. 最后给出 3 条今天值得继续关注的趋势。

如果想做周报，可以这样问：

请使用 AIHOT Skill 汇总最近 7 天 AI 行业动态：

- 重点关注模型发布、AI 编程工具、语音模型、多模态产品。
- 去掉重复信息。
- 用表格列出关键事件。
- 最后写一段适合发给团队的周报摘要。

这种方式的核心不是“获取更多消息”，而是把信息流变成结构化输入，让 Agent 帮忙完成筛选、归类、摘要和再表达。AIHOT 提供实时数据，Agent 负责加工，组合起来就能形成稳定的信息处理工作流。