构建 AI 编程趋势日报 Agent：从抓取到推送的完整实战

项目目标

每天早上自动抓取 GitHub 上最热的 AI/Agent 仓库和 AI 编程相关新闻，用 LLM 汇总成一份 Markdown 趋势日报。

这个项目适合已经读完 OpenAI Agents SDK 入门、想做一个不太玩具化又能当天跑通的完整项目的开发者。它把工具调用、Agent 编排和输出格式串在一起——做完了你就理解了 Agent 的核心闭环。

如果你想了解为什么 AI 编程是当前最热的 Agent 赛道，参见 AI 编程工具趋势 2026 和 框架更新追踪。

技术栈选择

不用 LangGraph 或 CrewAI 这类多 Agent 框架——这个项目只有一个 Agent + 两个工具，多 Agent 编框架是过度设计。

Step 1：项目骨架

创建项目目录和依赖：

mkdir ai-coding-trends-agent && cd ai-coding-trends-agent

requirements.txt：

openai-agents>=0.0.16
httpx>=0.27.0
feedparser>=6.0.10
python-dotenv>=1.0.0

安装依赖：

pip install -r requirements.txt

.env 文件（填入你自己的 key）：

OPENAI_API_KEY=sk-your-key-here
GITHUB_TOKEN=ghp_your-token-here

目录结构：

ai-coding-trends-agent/
├── .env
├── requirements.txt
├── agent.py          # Agent 定义和运行入口
├── tools.py          # 数据抓取工具
└── reports/          # 生成的日报输出目录

Step 2：数据抓取工具

tools.py 封装两个数据源为独立函数，Agent 会通过 function_tool 调用它们：

import os
import httpx
import feedparser

GITHUB_API = "https://api.github.com/search/repositories"

# AI 编程相关 RSS 源（可按需增减）
RSS_FEEDS = [
    "https://www.latent.space/feed",
    "https://simonwillison.net/atom/everything/",
    "https://hnrss.org/newest?q=AI+coding",
]


def fetch_github_trending() -> str:
    """Fetch trending AI/LLM repos created in the last 7 days, sorted by stars."""
    headers = {"Accept": "application/vnd.github+json"}
    token = os.environ.get("GITHUB_TOKEN")
    if token:
        headers["Authorization"] = f"Bearer {token}"

    params = {
        "q": "AI agent LLM coding created:>2026-06-09",
        "sort": "stars",
        "order": "desc",
        "per_page": 10,
    }

    resp = httpx.get(GITHUB_API, params=params, headers=headers, timeout=30)
    resp.raise_for_status()
    items = resp.json().get("items", [])

    if not items:
        return "未找到热门仓库。"

    lines = []
    for item in items[:10]:
        name = item["full_name"]
        stars = item["stargazers_count"]
        lang = item["language"] or "N/A"
        desc = item["description"] or "无描述"
        lines.append(f"- {name} (★{stars}, {lang}): {desc}")

    return "\n".join(lines)


def fetch_ai_news() -> str:
    """Fetch recent AI coding news from RSS feeds."""
    entries = []
    for feed_url in RSS_FEEDS:
        feed = feedparser.parse(feed_url)
        for entry in feed.entries[:5]:
            title = entry.get("title", "")
            link = entry.get("link", "")
            entries.append(f"- {title} ({link})")

    if not entries:
        return "未抓取到新闻。"

    return "\n".join(entries[:15])

Step 3：Agent 定义与报告生成

agent.py 定义 Agent、注册工具、运行并输出 Markdown 日报：

import asyncio
import os
from datetime import datetime

from agents import Agent, Runner, function_tool
from dotenv import load_dotenv

from tools import fetch_github_trending, fetch_ai_news

load_dotenv()


@function_tool
def get_github_trending() -> str:
    """获取近 7 天最热门的 AI/Agent/LLM 仓库。"""
    return fetch_github_trending()


@function_tool
def get_ai_coding_news() -> str:
    """获取最近的 AI 编程相关新闻。"""
    return fetch_ai_news()


trends_agent = Agent(
    name="AI Coding Trends Reporter",
    instructions="""你是一个 AI 编程趋势分析师。使用工具获取数据后，生成一份 Markdown 日报：

## 今日热门仓库
列出 top 5 仓库，每个标注语言、星标数和一句话说明。

## 值得关注的动态
从新闻中选出 3-5 条最值得注意的，每条一句话总结。

## 趋势判断
用一两句话总结今天最值得注意的变化。

输出纯 Markdown，不要多余解释。""",
    tools=[get_github_trending, get_ai_coding_news],
)


async def main():
    result = await Runner.run(trends_agent, "生成今天的 AI 编程趋势日报")

    today = datetime.now().strftime("%Y-%m-%d")
    os.makedirs("reports", exist_ok=True)
    output_path = f"reports/{today}-ai-coding-daily.md"

    with open(output_path, "w", encoding="utf-8") as f:
        f.write(f"# AI 编程趋势日报 · {today}\n\n")
        f.write(result.final_output)

    print(f"日报已保存到 {output_path}")


if __name__ == "__main__":
    asyncio.run(main())

Step 4：本地测试与调试

运行 Agent：

python agent.py

预期输出：日报已保存到 reports/2026-06-16-ai-coding-daily.md

打开生成的文件检查格式是否正确。常见问题：

调试技巧：在 tools.py 的函数里加 print() 打印原始数据，确认工具返回了内容再让 Agent 处理。

Step 5：部署方向

本地跑通后，下一步是让它每天自动运行。最轻量的方案是 Cloudflare Workers Cron Trigger——免费、定时触发、无需维护服务器。

最小 wrangler.toml 配置：

name = "ai-coding-trends-agent"
main = "src/index.ts"
compatibility_date = "2026-06-01"

[triggers]
crons = ["0 1 * * *"]  # 每天 UTC 01:00（北京时间 09:00）

Worker 入口接收 scheduled 事件，调用 Agent 逻辑。具体实现取决于你的运行时选择（Workers 原生 TypeScript 或 Workers + Python WASM）。

完整的部署方案对比（Serverless / 容器 / 本地定时任务 / 生产级）参见 Agent 部署实操指南。如果你用 TypeScript 开发，也可以参考 OpenAI Agents JS/TS 指南 将项目迁移到 Workers 原生运行时。

本文代码可直接复制为本地项目。后续如发布示例仓库会在这里补充链接。

扩展方向

扩展时先确认核心闭环（抓取 → 汇总 → 输出）稳定，再逐步加功能。不要一开始就做多 Agent 架构。