一、教程概述
本教程将带你从零搭建一款 AI 驱动的每日新闻简报应用「Briefy」，核心功能包括聚合多平台热搜、AI 智能摘要、语音播报，最终实现 “5 分钟掌握全网热点” 的高效信息获取工具。适合有 Python 基础、对 AI 应用开发感兴趣的开发者，全程无需复杂底层开发，聚焦 “数据爬取 + AI 集成 + 功能落地” 全流程。
二、核心技术栈与环境准备
- 技术栈选型
核心语言：Python 3.9+（稳定性适配各类依赖库）
数据爬取：Requests（接口请求）、BeautifulSoup4（网页解析）、Selenium（动态页面渲染，可选）
AI 智能摘要：大模型 API（推荐数眼智能 / 通义千问 / OpenAI API，支持中文优化）
语音播报：pyttsx3（离线语音）或百度语音合成 API（在线高质量语音）
数据存储（可选）：SQLite（轻量本地存储）、Redis（热点数据缓存）
打包工具（可选）：PyInstaller（生成桌面可执行文件） - 环境搭建步骤
安装 Python 环境：官网下载 Python 3.9+，勾选 “Add Python to PATH” 完成安装。
创建虚拟环境（推荐）：
# 新建虚拟环境python -m venv briefy-env# 激活环境（Windows）briefy-env\Scripts\activate# 激活环境（Mac/Linux）sourcebriefy-env/bin/activate- 安装依赖库：
pipinstallrequests beautifulsoup4 pyttsx3 openai# 基础依赖pipinstallselenium# 如需爬取动态页面（如部分热搜榜）pipinstallpysqlite3# 如需本地存储pipinstallpyinstaller# 如需打包成桌面应用三、分步实现核心功能
模块 1：多平台热搜数据爬取（核心数据源）
目标：爬取百度、今日头条、凤凰网、财联社等平台热搜，提取新闻标题、链接、发布时间。
- 爬取思路
优先使用平台公开 API（无反爬，效率高），无 API 则用网页解析。
为避免反爬，设置请求头（User-Agent）、控制爬取频率（time.sleep）。 - 代码实现（以百度热搜为例）
importrequestsfrombs4importBeautifulSoupimporttime# 定义爬取函数defcrawl_baidu_hot():hot_news=[]url="https://top.baidu.com/board?tab=realtime"# 百度实时热搜榜headers={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"}try:response=requests.get(url,headers=headers,timeout=10)response.raise_for_status()# 抛出请求异常soup=BeautifulSoup(response.text,"html.parser")# 解析热搜条目（根据网页结构调整选择器）news_items=soup.select(".category-wrap_iQLoo a")foriteminnews_items[:10]:# 取前10条热点title=item.get("title")# 新闻标题link=item.get("href")# 新闻链接iftitleandlink:hot_news.append({"platform":"百度","title":title,"link":link,"time":time.strftime("%Y-%m-%d %H:%M:%S",time.localtime())})time.sleep(2)# 控制爬取频率exceptExceptionase:print(f"百度热搜爬取失败：{e}")returnhot_news# 扩展：其他平台爬取（今日头条/凤凰网等）defcrawl_toutiao_hot():# 类似逻辑，替换 url 和解析规则，可参考今日头条公开热搜接口pass# 聚合所有平台数据defcrawl_all_platforms():all_news=[]all_news.extend(crawl_baidu_hot())all_news.extend(crawl_toutiao_hot())# 新增其他平台爬取函数...returnall_news模块 2：AI 智能摘要（核心效率功能）
目标：调用大模型 API，将长新闻内容或多条热点压缩为简洁摘要（50 字以内）。
- 实现步骤
申请大模型 API 密钥（以通义千问为例，前往阿里云控制台申请）。
编写摘要函数，传入新闻标题 / 内容，返回 AI 生成的摘要。 - 代码实现
importopenai# 若使用 OpenAI API；通义千问需安装 alibabacloud_tea_openapi# 配置大模型（以通义千问为例，替换为自己的 API 信息）definit_llm_client():fromalibabacloud_tea_openapiimportmodelsasopen_api_modelsfromalibabacloud_qwenlite20240118importmodelsasqwen_modelsfromalibabacloud_qwenlite20240118.clientimportClientasQwenLiteClient config=open_api_models.Config(access_key_id="你的AccessKeyId",access_key_secret="你的AccessKeySecret",endpoint="qwenlite.cn-hangzhou.aliyuncs.com")returnQwenLiteClient(config)# AI 摘要生成函数defgenerate_news_summary(news_title,llm_client):prompt=f"请将以下新闻标题生成50字以内的简洁摘要，突出核心信息：{news_title}"try:request=qwen_models.ChatCompletionRequest(model="qwen-turbo",# 轻量版模型，速度快、成本低messages=[{"role":"user","content":prompt}],temperature=0.3# 控制摘要准确性，越低越严谨)response=llm_client.chat_completion(request)summary=response.body.output.choices[0].message.contentreturnsummaryexceptExceptionase:print(f"摘要生成失败：{e}")returnnews_title# 失败时返回原标题# 批量处理所有新闻摘要defbatch_generate_summaries(news_list,llm_client):fornewsinnews_list:summary=generate_news_summary(news["title"],llm_client)news["summary"]=summaryreturnnews_list模块 3：语音播报（场景化功能）
目标：将 AI 摘要转换为语音，支持离线播放（通勤场景适配）。
- 离线语音实现（pyttsx3）
importpyttsx3# 初始化语音引擎definit_voice_engine():engine=pyttsx3.init()# 配置语音参数（语速、音量、音色）engine.setProperty('rate',150)# 语速（默认200，150更易听）engine.setProperty('volume',1.0)# 音量（0.0-1.0）# 选择音色（Windows需安装中文语音包）voices=engine.getProperty('voices')forvoiceinvoices:if"Chinese"invoice.nameor"中文"invoice.name:engine.setProperty('voice',voice.id)breakreturnengine# 语音播报摘要defvoice_broadcast(news_list,engine):engine.say("欢迎收听今日新闻简报")fori,newsinenumerate(news_list[:5]):# 播报前5条热点content=f"第{i+1}条，来自{news['platform']}：{news['summary']}"print(content)engine.say(content)engine.say("新闻简报播放完毕，祝您生活愉快")engine.runAndWait()# 执行播报模块 4：整合与落地（完整流程串联）
将爬取、摘要、播报功能整合，实现 “一键生成简报”，可选本地存储功能。
defmain():# 1. 爬取多平台热搜print("正在爬取全网热点...")news_list=crawl_all_platforms()ifnotnews_list:print("未获取到新闻数据，请检查网络或爬取规则")return# 2. 初始化大模型客户端，生成摘要print("正在生成AI摘要...")llm_client=init_llm_client()news_list_with_summary=batch_generate_summaries(news_list,llm_client)# 3. 初始化语音引擎，播报新闻print("开始语音播报...")voice_engine=init_voice_engine()voice_broadcast(news_list_with_summary,voice_engine)# 可选：本地存储新闻简报（SQLite）# save_to_sqlite(news_list_with_summary)print("今日新闻简报完成！")if__name__=="__main__":main()四、优化与扩展功能
- 基础优化
反爬增强：添加 IP 代理池（避免爬取频繁被封）、随机请求间隔。
摘要优化：调整 prompt 让摘要更聚焦 “事件 + 影响”，例如：“请生成 50 字内摘要，包含事件主体、核心动作、关键结果”。
语音优化：使用百度语音合成 API 替换 pyttsx3，支持情感语音、语速自定义（需申请 API 密钥）。
- 扩展功能
定时生成：用 schedule 库设置每日固定时间自动爬取 + 播报（适合挂机使用）。
分类筛选：增加 “科技”“财经”“娱乐” 等分类标签，支持用户自定义订阅。
桌面应用打包：用 PyInstaller 生成 .exe 文件（Windows），双击启动：
pyinstaller -F -w -i icon.ico main.py# -w 隐藏命令行窗口，-i 设置图标- 多端同步：将简报存储到云盘（如阿里云 OSS），支持手机端查看。
五、常见问题排查
- 爬取失败：检查目标平台网页结构是否变更（需同步更新解析规则）、请求头是否完整、网络是否通畅。
- 摘要生成失败：确认 API 密钥是否有效、余额是否充足、网络是否能访问大模型服务器。
- 语音无声音：Windows 需安装中文语音包（控制面板→语音识别→文本到语音），Mac/Linux 需安装对应语言引擎。
- 运行卡顿：减少同时爬取的平台数量、使用轻量版大模型（如通义千问 turbo、GPT-3.5-turbo）。
六、最终效果演示
运行 main.py 后，程序将自动完成：
- 爬取百度、今日头条等平台热点（10-20 条）。
- 调用 AI 生成每条热点的 50 字内摘要。
- 语音播报前 5 条核心热点，通勤路上无需看屏即可掌握全网动态。
通过本教程，你不仅能获得一款实用的新闻简报工具，还能掌握 Python 爬虫、AI 大模型集成、语音合成等核心技能，可基于此拓展更多 AI 应用（如 AI 监控、智能报告生成等）私聊我可以获取数眼智能免费测试次数。
