Agili 的 Hacker Podcast：自動把 Hacker News 轉成中文語音的開源 AI 播客

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

Agili 的 Hacker Podcast 是一套會每天自己跑的 AI 中文播客系統：到了世界協調時間 23:30，一個 Cloudflare Worker 排程啟動，抓回 Hacker News 當天的熱門文章，交給 OpenAI 相容的語言模型寫成中文摘要，再透過 Edge TTS 把摘要念成語音，最後把音檔接起來、推上 RSS 與網站。整個專案以 AGPL-3.0 授權開源在 GitHub（帳號 miantiao-me、倉庫 hacker-podcast），所以你面前的選擇其實有兩條：把 Agili 經營的這個頻道當成一個一般的中文科技播客訂閱收聽，或把整套產製邏輯 clone 下來、換成你自己關心的訊息來源，做一個屬於你自己的 AI 播客。下面把這套管線實際怎麼跑、訂閱與自架各自要付什麼代價，一次講清楚。

Pin

這一集是怎麼被自動做出來的

README 寫的是工作流程圖，但走進原始碼會看到更具體的步驟。worker/wrangler.jsonc 設了一個 cron 觸發器 30 23 * * *，也就是每天世界協調時間 23:30（台灣時間早上 07:30）由 Cloudflare Workers 喚醒一支叫做 HACKER_PODCAST_WORKFLOW 的 Cloudflare Workflow。雲端排程觸發自動任務的這個模式，跟本站之前介紹過的 movecar-cloudflare-workers-car-notifier 是同一類架構，差別在這裡跑的是一條會產出成品的內容產製線。

這裡用 Cloudflare Workflow 而不是一支普通的定時腳本，是有原因的。Workflow 把整個產製過程拆成一段段有編號的 step，每個 step 失敗會指數退避重試五次、單一步驟上限三分鐘，成功與失敗都會被 Cloudflare 記錄下來。換成傳統 cron 加一支 shell 腳本，任何一環斷掉（API 限流、TTS 超時、網路抖動）整集就報廢；Workflow 的設計讓某一則故事抓不到、或某段 TTS 失敗，可以單獨重試，不必整集重跑。這是這類每日自動內容產製能撐得久的關鍵工程選擇。

抓到 Hacker News 的熱門故事清單後，管線在正式環境只會挑前十大則（開發模式只取一則，方便除錯），這個上限寫死在 workflow/index.ts 的 Math.min(topStories.length, isDev ? 1 : 10)。每則故事會先被丟進 LLM 產生中文摘要、包進 <story> 標籤，然後 step.sleep 暫停一下再處理下一則（暫停長度是可調的 context 變數，用意是避免接連打爆 LLM 的速率限制）。每集固定十則這個數字，是原始碼給的答案，README 沒寫；HN 首頁通常有三十則以上熱文，這個上限等於是一個硬性編輯選擇，把其餘二十則排除在當天節目外。

摘要這段還藏了一個值得知道的設計。workflow/index.ts 從 workflow/prompt.ts 匯入了四種不同的提示詞：introPrompt、summarizeStoryPrompt、summarizeBlogPrompt、summarizePodcastPrompt。也就是管線會依照內容類型（一般故事、部落格文章、甚至是別的播客內容）切換摘要策略，最後再用 introPrompt 把當天所有 <story> 串成這一集的開場與主線。這也是為什麼前面提到每集標題會有一條把十則新聞串起來的主題，而不是十段各自獨立的摘要。收集完所有摘要之後，才進入語音合成與音檔合併階段。

語音合成這段，workflow/tts/ 目錄顯示專案同時實作了好幾個後端：Edge TTS、MiniMax、Murf、Volcengine Ark、unspeech，以及一個叫 mimo 的選項。從 package.json 的 @echristian/edge-tts 依賴，加上近期 commit 提到的男聲白樺、女聲溫暖阿胡來判斷，預設用的是微軟 Edge TTS。這也是這條每天跑的管線不需要付 TTS 月費就能維持的關鍵，想理解 AI 語音合成能做到什麼地步的讀者，可以對照本站的 voice-pro-ai-dubbing 整理。

音檔合併這一步比較特別。README 說合併多段音訊需要 Cloudflare 的瀏覽器呈現功能（binding 名稱是 BROWSER，對應 package.json 的 @cloudflare/puppeteer），也就是實際上是在雲端開一個無頭瀏覽器來做音檔接合，而不是用一般的 ffmpeg 之類的媒體庫。代價是本地端開發時這一步跑不起來，得部署到 Cloudflare 遠端除錯。最後產出的音檔與文字稿會進 Cloudflare R2 bucket（名稱 hacker-podcast）與 KV namespace，再透過 vinext 框架（Vite 加上 React Server Components）架設的網站與 RSS feed 對外發布。整套產製鏈從抓稿、摘要、配音、合併到發布，幾乎全在 Cloudflare 的邊緣運算上跑完。

訂閱管道與內容樣貌

訂閱這個頻道不一定要進網站。RSS feed（hacker-podcast.agi.li/rss.xml）本身就是最即時的來源，發布時間幾乎是每日一更。除了 RSS，README 列出的訂閱管道還包含 Apple Podcasts、YouTube、小宇宙與 Spotify。不想綁訂閱器的讀者也可以直接在網站上線聽，網頁用了 @vidstack/react 這套網頁播放器元件，每集都配有波形顯示與播放控制。對 RSS 工具鏈有興趣的讀者，本站另有 feedcraft-rss-middleware 介紹可以接著玩的訂閱層中介軟體。

Pin

每集內容長什麼樣，從網站上的近期標題可以判斷。以 RSS 上近期的一集為例，會把當天十則熱文融成一段主題式導讀：從微軟內部資料打臉 AI 寫程式的效率神話（450 名工程師裡，寫程式只占 14% 的時間），聊到極簡框架 Pi 用不到 1000 token 上下文做到更低成本、MCP 2.0 簡化 AI 呼叫工具的流程、DuckDB 讓筆電兩分鐘載入 50GB CSV。主題橫跨 AI 工程、開發者工具、資料庫與開源專案，標題與摘要的語氣明顯經過 LLM 重新組織，讀起來不像生硬的機器翻譯，反而像有人在幫你把當天 HN 上最值得看的東西串成一個故事。

這裡有個值得先知道的細節：網站首頁的「最近更新」節目列表會凍結在上一次部署時的集數，但 RSS feed 仍然每日推新。兩者會出現明顯的時間落差，想確認頻道還活著、有沒有新集，看 RSS 比看網站首頁準。

想自己跑一套，要扛什麼

clone 這份專案之前，有幾項代價得先算進去。

授權義務是最先碰到的門檻。 專案的 LICENSE 是 AGPL-3.0，這比常見的 MIT 或 Apache 都嚴格：任何人把這份程式碼修改後、部署成讓別人透過網路使用的服務（例如你自己架一個播客網站讓大家訂閱），都必須把修改後的原始碼公開給使用者。換句話說，AGPL 不允許悄悄改幾行就拿去商用閉源。這對個人玩家無感，但對想把這套管線包進自家產品的公司是硬門檻。

語言模型採 BYOK（自備金鑰）。 README 的 worker/.env.local 範例列了三個必要變數：OPENAI_API_KEY、OPENAI_BASE_URL、OPENAI_MODEL（預設 gpt-4.1）。語言模型這段成本要自負，但因為底層用的是 OpenAI 相容協定（package.json 裡的 @ai-sdk/openai-compatible），所以可以把 base URL 換成任何相容端點，例如自架的推理伺服器或單價更低的供應商，不必綁 OpenAI 官方計價。要注意的是網站與 Worker 用的是兩份不同的環境變數檔：網頁端的 .env.local 管 NEXT_STATIC_HOST 這類前端變數，Worker 端的 worker/.env.local 才是金鑰與模型設定，部署時要用 wrangler secret put 分別寫進兩邊。

Cloudflare 帳號足跡。 自架需要一個 Cloudflare 帳號，並設定 R2 bucket、KV namespace、Workers 與瀏覽器呈現功能。這些都有免費額度，每天跑一集播客的用量大概落在免費層邊緣，但 Browser Rendering 與 R2 累積存放的音檔會隨時間長大，超過免費額度後會開始計費。wrangler.jsonc 看得到這些 binding 的實際名稱（HACKER_PODCAST_R2、HACKER_PODCAST_KV、BROWSER、HACKER_PODCAST_WORKFLOW），照著建資源就行。

TTS 與 LLM 都可替換。 前面提到的那幾個 TTS 後端意味著，如果你不想用 Edge TTS 的固定幾個中文聲音，可以改接 MiniMax、Murf 或 Volcengine Ark（部分是付費），也可以在程式碼裡加一個新的 provider。LLM 同理，只要對方提供 OpenAI 相容的端點就能接。

開發與手動觸發。 README 列出的指令看得出這是 pnpm 工作區：pnpm dev:worker 跑 Worker 與 Workflow 開發流程，想手動觸發一集產製不用等每天 23:30，直接 curl -X POST http://localhost:8787 就能喚醒；網頁端則是 pnpm dev。正式部署前 README 提醒要把 wrangler.jsonc 裡 workflows 相關設定先註解掉再開 worker，否則會踩到繫結衝突。

硬限制與誠實訊號

有幾項限制不是 bug，但先講清楚對讀者比較有利。

不是 Hacker News 官方出品。 README 的免責聲明寫得很清楚：本專案與 Hacker News、Y Combinator 沒有任何關係，「Hacker News」是 Y Combinator 的註冊商標。它只是一個拿 HN 公開資料當訊號源的第三方自動產製專案，別把它當成 HN 官方中文版。

網站的社群分享預覽圖是壞的。 hacker-podcast.agi.li 首頁的 og:image 與 twitter:image 中繼標籤，指向的是 http://localhost:3000/opengraph-image.png 這個本地開發位址。也就是說，把網站連結貼到會讀 Open Graph 的平台（例如 Facebook、X、LINE）時，預覽圖會載不到。訂閱本身不受影響，因為 RSS 不走這組中繼資料，但這個瑕疵會影響你想在社群分享單集連結時的呈現。這也反映出專案主力是作者自用再順手開源，社交分享的打磨排在後面。

音檔合併只能在雲端跑。 本地端跑 workflow 時 TTS 還過得去，但合併多段音訊需要 Cloudflare 的瀏覽器呈現功能，所以開發除錯得反覆部署到遠端。README 也提醒 Edge TTS 在本地端偶爾會卡住，建議除錯時先把這段註解掉，這也是為什麼開發體驗不算友善。

GitHub 活躍度。 倉庫目前是 2569 顆星、240 個 fork、僅 1 個開啟的 issue，建立於 2025 年 2 月，最近一次 commit 落在 2026 年 7 月中。星數對一個單人維護的專案來說相當突出，不過星數不等於維護承諾，想長期依賴的話自己盯 commit 與 issue 比較實際。

同一套管線的兩種命運

這裡值得拉高一個層級看。Agili 的 Hacker Podcast 把 AI 播客自動產製的整條鏈公開出來，本身就是一個可複製的範本：抓稿、摘要、TTS、發布四段都模組化得很清楚。這個開放性是它的價值所在，但同一個架構指向不同的訊號源，命運會差很多。

Agili 指向的是 Hacker News，一個長期有高品質技術討論的社群，加上每集只取前十則的編輯上限，等於是在 AI 自動產製外面再包一層「靠 HN 社群投票幫你先過濾」的人工編輯選擇。這讓它比較接近一個自動化的編採工具，而不是純 AI 內容農場。但同一套管線如果指向低品質訊號源、又把每集數量上限拉高，就會變成典型的 programmatic SEO 量產機，剛好踩在 Google 垃圾內容政策（spam policy）與 E-E-A-T（經驗、專業、權威、信任）評估的紅線上：搜尋引擎會把大量自動產製、缺乏真實經驗與編輯判斷的內容判定為低價值。clone 的人要自己決定指向哪裡、怎麼挑稿，這個選擇會決定產出是值得聽的播客，還是搜尋引擎會懲罰的垃圾。這條界線專案本身沒有幫你畫，是使用者的責任。

誰適合訂閱、誰適合 clone

如果你的需求只是「每天有個中文聲音幫我導讀 Hacker News」，把 Agili 的 RSS 訂到你的播客 App 就夠了，不需要碰程式碼。這個情境下你要接受的只有一件事：訊息來源是 Hacker News，Agili 幫你選哪十則、怎麼下標，你沒有控制權。

如果你想做的事是「用同一套自動產製邏輯，做成你自己的播客」（例如把訊息來源換成另一個社群、另一個語言的內容，或公司內部的技術週報），那這份開源專案的價值就很高。要替換哪一段都有明確的切入點：workflow/utils.ts 抓稿、workflow/prompt.ts 改摘要風格、workflow/tts/ 換聲音、網頁與 RSS 端改版面。這條路要扛 AGPL 的原始碼義務、自備 LLM 金鑰，以及 Cloudflare 的帳號與設定工作，還要自己為「指向什麼訊號源」負編輯責任。

第一步很具體：訂閱派直接把 https://hacker-podcast.agi.li/rss.xml 貼進你的播客 App 就能收聽；clone 派則從 README 的本地開發段落開始，先準備好 Cloudflare 帳號與 OpenAI 相容金鑰，再照 wrangler.jsonc 的 binding 名稱建好資源。就算你最後決定不自架，把這份原始碼當成「一個人在 Cloudflare 邊緣運算上跑每日 AI 內容產製線」的完整範本來讀，也已經值回票價。