这段时间以来，关注本公众号的朋友应该会发现，本号突然从某一天开始变得活跃起来，几乎天天发稿。在技术群内转发的时候，也有老哥们大呼：“老胡高产！”
然而，物极必反，由于水灌得太大，惹得相交多年的群主哥们出面让我把龙头关小点 😂！
我虽文思不算敏捷，但手也不算太慢。并且，由于从业多年且经历丰富，所以写点技术类的东西，对我来讲还不算什么难事，只是受限心情而已。
但要做到这种程度的灌水，却非我个人能所为。其中的秘密就在于：最近搭建了一支私人 AI 写作班子。
搭建这套班子的本意其实并非为了灌水，而是服务于个人需要。当初的需求就两点：
- 快速总结文章要点同时提炼出思维导图。
- 作为个人助手，帮我做点调研工作。
后来，因为各种机缘巧合，逐渐演变成了现在的样子。虽然它还不算终极形态，但已经基本满足了现阶段的大多数需求。
至于灌水，那只是捎带让公众号重新活跃起来的附加手段罢了。真要专心灌水，那程度起码至少翻 10 倍以上。因为整个过程已经基本自动化，除了嫌烦没有集成微信之外，我就只干 copy/paste。整篇文章的生成，视网络情况和任务类型，快则 5 分钟内，慢则 15 分钟。
本文将重点介绍总结类文章的生成过程，至于其他类型，会陆续更新介绍。
专属团队的意义
有人肯定会问：现在主要的 AI provider 都已经可以轻易生成和总结文章了，为何还要费心思去自己写代码干这事？
就我个人来讲，很简单：
- 技术人的天性。
- 定制化的需求。
- 私密性的需求。
- 避免 lock-in 的需要。
况且，一旦成功实现，这套方案也能方便的应用到其他项目上，一举多得。
生成内容其实很简单
大道不过三两行，说穿不值一文。
让 LLM 生成内容无非就是传入 prompt，返回结果而已。整个生成过程是个黑盒，我们插不上太多手。我们要做的无非就是想方设法写好 prompt，把它和素材一起传入，最后坐等结果而已。若结果不满意，那就换个 prompt 继续试。
因此，这活的核心就在于两点：
- prompt 设计。
- 把素材准备成适合 llm 处理的格式。
通常情况下，一次 llm 调用便能搞定，讲究点的话可能会规划工作流，引入自动 review 和校正的过程。
但，我没有这么干，
因为它目前也就是服务于我个人，并且我也没有兴趣、雄心壮志和时间去写一个完整的开源项目，所以就是便宜行事，把代码开源了事。有兴趣优化的自行 clone，随意修改完了。
并不详细的技术方案介绍
在之前的选型文章《拒绝 AI FOMO，理性选择 AI 工具》里我曾说过，对于个人项目，我用的是 Python。原因也说了是因为 python 对于文档处理有大量好用的类库。
此处，从一开始就选用了 agno agent 框架来开发。原因无他：价格便宜量又足，各位可自行判断。但本文的实现思路其实跟框架无关，可以轻易套用在你倾心的框架之上。所以，不要跟我争什么框架的优劣。没兴趣！
虽然采用了 agent 方式，但总体上，并没有给配置太多的 tools。这并非我不会，而是在试过之后，发现有个 tricky 的地方：agent 计划工具太随意，且来回浪费 token，即浪费钱。而且，我目前的需求就是纯 cli 方式，一进一出，完全没有必要整上这些花活。
纯靠人工调度，更省事且省钱。
但是，我并非建议完全不用 tools，请注意！假如，你正在编写跟用户交互的 chatbot 类产品，有较强的交互性需求，那么 agent 的工具配置是非常有必要的。否则，用户体验会很差且编程费事。
接下来，就是分场景介绍一下我灌水的主要文章类型的实现方式。
文摘类文章生成：思维导图和要点提炼
包括：论文快读、文摘和视频摘要等。
代码：https://github.com/DTeam-Top/tsw-cli/blob/main/agent/summary.py
这里，思维导图和要点提炼分别有两个不同的 agent，它们返回内容会拼接在一起，形成最终的结果。
每个功能分别对应一个 prompt，这点没什么可细说的，各位在代码中可直接查看。只是对于思维导图的 prompt 结构多说两句：
- 选择 mermaid 为生成工具，自然也就是采用其语法。
- 将 mermaid 的思维导图语法内嵌其中，同时还给出了正反两部分例子，方便它学习和纠错。
但是，即便这样，依旧无法保证它 100% 正确，虽然可以达到 90% 左右。为了避免每次手工去修正结果，这里引入了一个结果后处理过程，会检查生成结果，然后自行纠错。这样，基本可做到 99% 以上的正确率，无需人工干预。
为了方便显示，这里用了一个取巧的做法：将整个思维导图文本用 pako 编码，同时拼凑一个 mermaid image 的 url。这个 url 可以直接点击在浏览器中查看。
为了在 MD 中显示，且避免手动上传图片到微信中，这里直接将图片 base64 编码后直接内嵌到 MD 中，搞定！
对于输入文档类型：
- PDF：使用
pymupdf4llm直接提取文本，它不仅支持文本还能提炼表格和图片。 - 视频：主要是油管视频，之前将 link 直接传给 Gemini（这也是它文档中示例的方式），效果不理想。故调整思路，转而取字幕上传，使用
youtube-transcript-api。 - 链接：若是 pdf，则下载后走 pdf 分支；否则，直接取 html 内容，将其转换成 markdown 格式，使用
markdownify。注：我当然知道这里不严谨，还有其他格式，但目前就是图方便。
同时，它还支持对于多个文档一次进行总结，这在专题研究时很方便。这无非就是上面的循环而已。这里略过。
代码类文章生成
包括：代码快读和 review 等。
代码：https://github.com/DTeam-Top/tsw-cli/blob/main/agent/code.py
注：tutorial 尚不完善，且我也没有验证它生成的教程正确性如何，故慎用。
这里的主体思路跟上面一样，传入 prompt，得到期望的结果。
对于 prompt，其实没什么可说的，可直接在代码中看就好了。这里的关键是对于代码库的处理，即如何（尽可能）一次性的将整库传给 Gemini（这时候它的长上下文优势就凸显了）。
这里直接使用 repomix 即可，具体使用可参见其文档。它支持远超和本地 git 仓库。同时，注意配置好忽略哪些，避免传入不必要的内容，同时也是为了节省 token。
后记
简单吧？既然如此轻易便可用打造一支私人 AI 写作团队，那为何不试试呢？