信息雷达与学习路线图 · 实战笔记

实战复盘

把公众号变成信息雷达，
再把好文章变成学习路线图

一次从想法到落地的 Agent 实战：前端、后端、数据库、定时推送，全程交给不同专家 Agent 分工完成。

上百个专家 AGENT

5 个学习阶段

8:30每日推送

88 分作业评分

为什么从公众号开始

SOURCE

时代公众号绝对是一座不能错过的金矿。

对自媒体创作者：优质公众号文章，是源源不断的选题来源。
对程序员和技术爱好者：公众号更是一个巨大的知识宝库。

项目一 · 信息雷达系统

RADAR

目标自动抓取微信通知，沉淀有价值的优质文章。

包含前端、后端、数据库与定时任务。

先写开发文档

在 Q 里新建一个专精 Agent 来负责这项工作。每个 Agent 都是一个有独立性格、完整记忆的搭档，把不同类型的任务交给不同的 Agent，处理会更专业、更稳定。

选内核、配能力

创建 Agent 时可自由选择 open cloud 或 Hermes 内核，既能养虾又能养马。这里选择 open cloud，并配置 context 7 skill，赋予 Agent 获取最新 API 文档和示例代码的能力。

给 Agent 取个名字

从 skill 创建，修改提示词把 skill 名字替换成 context 7，几分钟后 Agent 创建完成，改名为「文档大师」。

部署数据来源

找到一个开源项目 vrs，用来订阅公众号博主；准备一台安装了 Docker 的服务器，复制粘贴 Docker 命令即完成部署。

生成开发文档

给「文档大师」下指令，并附上服务器地址，很快文档就写好了。

编写一份开发文档，调用我部署的 vrs 项目的 API，用 Python 开发数据雷达系统的后端服务，获取订阅博主近期发表的所有文章。

云端备份

点击对话窗口里的连接按钮，选择腾讯文档并确认授权，输入指令即可把文档备份到云端，得到一条可分享、可协作的链接，内容完整、格式清晰。

专家广场：一个环节一个专家

EXPERTS

专家广场里有上百个开箱即用的专家 Agent，专业的 Agent 处理开发任务效率更高，结果也更可靠。

Python 全栈工程师：在技术工程里找到并添加，输入文档地址，请它开发后端服务，一个完整的后端服务很快就完成了。
数据库专家：创建一个轻量的本地数据库，用来区分新获取的文章，还是之前已经存在数据库里的数据。
前端开发专家：基于后端开发一个前端展示，访问网页即可看到全部订阅博主的近期更新，支持单选或多选筛选博主，按时间正序或倒序排序。

基于后端开发一个前端展示，访问网页即可展示全部订阅博主的近期更新，可以单选或者多选筛选博主，按时间进行正序或者倒序排序。

让信息主动来找你

PUSH

连接微信

左下角有一个「连接微信」，选择微信 Bot，直接扫码就完成配对。

创建定时任务

点击任务，创建任务，执行专家选择 Q，输入指令。

使用后端服务获取我订阅过的博主的文章，如果是新的文章直接推送给我。

设定时间与通道

自定义执行时间，比如每天早晨 8:30 推送；推送通道选择微信，最后保存。点击「立即执行」测试，微信上就收到了当天的推送。

项目二 · 学习路线图 Skill

ROADMAP

学习一门新技术，很多时候不能只依赖订阅和平台算法推荐。

平台算法更关心热度、点击率和标题够不够吸引人，不一定推荐真正适合的学习路径。
自制一个学习路线图 skill，根据用户的学习目标和基础知识，把内容拆解成清晰的学习路线，并为每个阶段设计验证作业。
特别设计：如果判断用户当前的知识储备还不够，会先推荐必须补齐的基础知识，先帮你把地基打牢。

核心功能搜索全网的知识。

选择一个对 Agent 友好的搜索引擎，用「文档大师」先编写开发文档：编写一个 Python 项目的开发文档，主要功能就是调用搜索引擎来搜索全网的知识。
借助 context 7 搜索到官方文档，输出详细开发文档，再正式编写 skill。
配置环境变量：打开终端输入命令，去官网申请 API 并填入引号中，重启 Q 即可测试。

实测：学做浏览器插件

TEST

输入想学的内容后，Q 通过弹窗询问：编程基础怎么样？学习目标是什么？能投入多少时间？填上自己的情况，就能得到完整的学习路线图。

文件夹里包含学习指南、知识作业、实战作业等，总览里还有一份 Markdown 格式的路线图。

阶段 1

入门

既有博客园这类中文入门教程，也有官方机构的权威资料。新手可用中文教程快速入门，遇到模糊或不确定的知识点，再回到官方文档中印证和补充。

阶段 2

插件基础

核心教材是 Chrome 的官方入门教程。

阶段 3

插件进阶

API 调用同样以官方的权威文档为主。

阶段 4

API 调用

进入 API 调用部分的学习。

阶段 5

项目落地

包括如何优化 UI，以及打包发布的相关知识。

作业与 AI 审阅

REVIEW

88分

第一阶段作业包含 8 道选择题、5 道问答题的书面作业，还有 3 道难度合适的实战作业。完成后交给 AI 检验，它逐一审阅并打分，成功通过第一阶段。

找到了做错的选择题。
找出了问答题的瑕疵。
指出了实战作业里的不足。

核心心法

把查资料、写文档、做后端、建数据库、写前端这些任务拆开，交给不同的专家 Agent 分别处理。每个 Agent 都有自己的任务边界、上下文和记忆，所以最终的结果也更好、更稳定。

可以直接照做的四步

ACTION

1 · 把信息源固定下来

用公众号做信息源，自动抓取、沉淀优质文章，而不是靠刷到哪算哪。

2 · 先写文档，再动手

开发系统的第一步一般是先编写开发文档，把关键环节想清楚，后面的每一环都有据可依。

3 · 学会拆任务、分 Agent

一个环节配一个专家 Agent，任务边界清晰，结果更好也更稳定。

4 · 沉淀成可复用的能力

把日常需求沉淀成可复用的 skill 和自动化工作流，一句「帮我安装这个 skill」就能复用同款能力。

写在最后

END

这套实战做下来，最大的感受是：它能很丝滑地帮我把一个想法，一步步搭建成一个完整好用的系统。从查文档、写后端、建数据库、做前端网页，每个环节都能找到对应的专家 Agent，再加上开箱即用的定时任务与微信推送等功能模块，整个流程做下来非常轻松。

上手门槛低，能力又足够完整，既能帮我们快速验证一个想法，也能把一些日常需求沉淀成可复用的 skill 和自动化工作流。