信息源到行动：用 RSS + LLM/MCP 搭建目标导向的个人情报系统（含医疗信息）
解决信息过载、自动多级分类、构建知识网络，并在 1 个月内跑通“收集→洞察→内容产出”闭环
搭建目标导向的信息源/情报系统（含Medical MCP思路）
信息源信息过载个人情报系统RSSObsidianMCP
TL;DR
- 术语定义：本文的 MCP 指 Model Context Protocol（让大模型以标准方式调用外部工具/数据）；若你说的 MCP 是“医疗照护计划/医联体平台”等另一种含义，见 Options 的分支方案。
- 把“信息源”变成“为目标服务的信号”：每条信息必须落到某个目标/项目/待解决问题，否则自动降级（仅存档）或丢弃，避免“为了获取而获取”。
- 最小可用开源栈：Miniflux/FreshRSS（统一订阅）+ n8n/Huginn（自动化）+ Obsidian（知识库）+ LLM（摘要/分类/去重）；MCP 用于把这些能力封装成可复用工具接口。
- 医疗信息属于高风险领域：只做“检索+对照指南+引用来源”的证据汇总，不做诊断与个体化处方；优先连接 PubMed/ClinicalTrials/openFDA/WHO ICD 等可公开 API，并强制输出来源与置信度。
Key Insights
- 过载的根因通常不是“源太多”，而是“缺少目标约束与处理节奏”：把推送改成拉取（RSS + 固定处理时间），并为每个目标设置“信息配额”（例如每周最多 20 条进入精读）。
- 多级分类要先“可计算”：用结构化字段（目标、项目、主题、证据类型、行动建议、复盘日期）替代纯文本标签，LLM 只负责补全字段与给理由，避免分类漂移。
- “知识网络”先从最小链接做起：围绕目标建立 MOC（Map of Content）/索引页，把条目链接到“目标页→项目页→证据卡→产出稿”；图数据库/向量库是后续增强，不是第一天就必需。
- 医疗类“好信息源”应优先看可追溯与更新机制：指南/监管公告/临床试验注册/系统综述比自媒体更稳；把“证据等级与适用范围”作为过滤条件，比只看热度更能提升信噪比。
Playbook
- 目标与分类法（1–2 小时落地）：从个人愿景拆成 3–5 个本月目标；为每个目标定义“成功指标、内容支柱、禁止事项”；建立统一字段：source_url、source_type、goal、project、topic、value_score、evidence_level、action_next、review_date。
- 统一收集（0.5 天落地）：用 Miniflux/FreshRSS 做唯一入口；无 RSS 的来源优先用官方订阅/邮件转 RSS/公开 API，其次才考虑 RSSHub；小红书等分享短链建议进入“待核验队列”（可能受登录/反爬影响）。
- 自动处理（1 天打通最小链路）：n8n/Huginn 定时拉取新条目→抓取正文（trafilatura/readability 一类的正文提取器；抓不到则只存元数据）→LLM 输出“结构化卡片+一句话结论+可执行下一步”→写入 Obsidian（按日期/目标目录）或回写 GitHub Issue（自动打 label/添加到 Project）。
- 医疗 MCP/工具层（后续扩展）：把检索/抓取/入库封装为 MCP tools（例如：pubmed_search、trial_lookup、openfda_label、save_note、link_to_goal）；强制返回 citations（URL+日期+检索式）与 safety_guardrails（非医疗建议、适用范围、何时就医）。
Diagrams
Options
- 方案 A（最快落地，低工程）：Miniflux/FreshRSS + Obsidian 模板；每天手动挑 3 条精读、每周产出 1 个主题；适合你“1 个月内先跑通链路”的时间约束。
- 方案 B（性价比最高，半自动）：n8n/Huginn 自动抓取与结构化摘要；GitHub Issues 作为 Inbox 与讨论区，GitHub Projects 做看板；Obsidian 做长期知识库与写作。
- 方案 C（可扩展，工程化）：引入向量库（Qdrant/Weaviate）与 GraphRAG/Neo4j 做检索与知识网络；用 MCP 把“检索/入库/排程/发布”统一为工具层，便于后续换模型或换 UI。
- 另一种“MCP”定义分支：若你指的是“医疗照护计划/管理平台（Medical Care Plan）”，则重点改为“模板化随访与提醒 + 合规记录”：用 Obsidian/Notion 建照护计划模板、用日历/自动化做随访提醒；不要把重点放在协议层开发。
Expert Views
- 开源数据工程师（paraphrase）：先用“可观测、可回放”的流水线（RSS→队列→入库）解决稳定性与去重；Agent 很酷但容易失控，先把数据结构与日志打牢，后面再接 MCP/多智能体。
- 知识管理教练（paraphrase）：信息处理的关键在“复盘节奏与产出驱动”；每天 30 分钟清 Inbox、每周 2 小时做周回顾与选题，把“阅读/收藏”改成“写作/产出”优先级。
- 医疗信息学/临床审稿视角（paraphrase）：医疗结论必须带证据层级与适用人群；预印本与单中心小样本容易误导，建议对照权威指南与系统综述，并记录更新日期与争议点。
- 数据隐私/合规视角（paraphrase）：医疗相关自动化要避免处理可识别个人健康信息；同时注意平台抓取/转载可能触发条款风险，建议保留链接与摘要，不批量搬运原文。
Evidence & Confidence
- “MCP 作为 LLM 调用外部工具的协议框架”——high：有公开项目/文档与社区实现（但你提到的‘第一个 Medical MCP’具体内容需核验）。
- “RSS 聚合 + 定时处理 + 配额能显著降低信息过载”——medium-high：是成熟实践，但效果取决于你是否执行‘配额/复盘/产出’约束。
- “小红书分享短链可稳定自动抓取正文并结构化”——low：无法在线核验且常见限制包括登录、反爬、内容动态加载与条款风险，建议先以“待核验+手动摘要”为主。
- “可用公开 API 组合出 Medical MCP（检索+引用+证据卡）”——medium：PubMed/ClinicalTrials/openFDA 等 API 客观存在，但需处理速率限制、引用规范与医疗安全边界。
Next Steps
- 30 分钟：写下本月唯一主目标（例如“跑通自动化自媒体闭环并发布 4 次”）+ 3 个子目标；每个目标定义 1 个量化指标（发布次数/订阅增长/线索数/收入）。
- 2 小时：在 Obsidian 或 GitHub 仓库建立“条目模板 + 目标索引页（MOC）”；模板字段固定，避免后续难以自动化与统计。
- 0.5 天：部署 Miniflux/FreshRSS；只导入 10 个源（含 1–2 个医疗权威源、1 个学术检索源、1 个工程社区源、1 个商业/产品源），其余先不接入。
- 1 天：用 n8n 跑通最小自动化（RSS→入库→摘要→分类→回写）；并为“抓不到正文/无法解析/需要登录”的来源设定降级策略（只存标题+链接+手动一句话）。
Details (Optional)
Details
TL;DR
- 术语定义：本文的 MCP 指 Model Context Protocol（让大模型以标准方式调用外部工具/数据）；若你说的 MCP 是“医疗照护计划/医联体平台”等另一种含义，见 Options 的分支方案。
- 把“信息源”变成“为目标服务的信号”：每条信息必须落到某个目标/项目/待解决问题，否则自动降级（仅存档）或丢弃，避免“为了获取而获取”。
- 最小可用开源栈：Miniflux/FreshRSS（统一订阅）+ n8n/Huginn（自动化）+ Obsidian（知识库）+ LLM（摘要/分类/去重）；MCP 用于把这些能力封装成可复用工具接口。
- 医疗信息属于高风险领域：只做“检索+对照指南+引用来源”的证据汇总，不做诊断与个体化处方；优先连接 PubMed/ClinicalTrials/openFDA/WHO ICD 等可公开 API，并强制输出来源与置信度。
Key Insights
- 过载的根因通常不是“源太多”，而是“缺少目标约束与处理节奏”：把推送改成拉取（RSS + 固定处理时间），并为每个目标设置“信息配额”（例如每周最多 20 条进入精读）。
- 多级分类要先“可计算”：用结构化字段（目标、项目、主题、证据类型、行动建议、复盘日期）替代纯文本标签，LLM 只负责补全字段与给理由，避免分类漂移。
- “知识网络”先从最小链接做起：围绕目标建立 MOC（Map of Content）/索引页，把条目链接到“目标页→项目页→证据卡→产出稿”；图数据库/向量库是后续增强，不是第一天就必需。
- 医疗类“好信息源”应优先看可追溯与更新机制：指南/监管公告/临床试验注册/系统综述比自媒体更稳；把“证据等级与适用范围”作为过滤条件，比只看热度更能提升信噪比。
Playbook
- 目标与分类法（1–2 小时落地）：从个人愿景拆成 3–5 个本月目标；为每个目标定义“成功指标、内容支柱、禁止事项”；建立统一字段：source_url、source_type、goal、project、topic、value_score、evidence_level、action_next、review_date。
- 统一收集（0.5 天落地）：用 Miniflux/FreshRSS 做唯一入口；无 RSS 的来源优先用官方订阅/邮件转 RSS/公开 API，其次才考虑 RSSHub；小红书等分享短链建议进入“待核验队列”（可能受登录/反爬影响）。
- 自动处理（1 天打通最小链路）：n8n/Huginn 定时拉取新条目→抓取正文（trafilatura/readability 一类的正文提取器；抓不到则只存元数据）→LLM 输出“结构化卡片+一句话结论+可执行下一步”→写入 Obsidian（按日期/目标目录）或回写 GitHub Issue（自动打 label/添加到 Project）。
- 医疗 MCP/工具层（后续扩展）：把检索/抓取/入库封装为 MCP tools（例如：pubmed_search、trial_lookup、openfda_label、save_note、link_to_goal）；强制返回 citations（URL+日期+检索式）与 safety_guardrails（非医疗建议、适用范围、何时就医）。
Expert Views
- 开源数据工程师（paraphrase）：先用“可观测、可回放”的流水线（RSS→队列→入库）解决稳定性与去重；Agent 很酷但容易失控，先把数据结构与日志打牢，后面再接 MCP/多智能体。
- 知识管理教练（paraphrase）：信息处理的关键在“复盘节奏与产出驱动”；每天 30 分钟清 Inbox、每周 2 小时做周回顾与选题，把“阅读/收藏”改成“写作/产出”优先级。
- 医疗信息学/临床审稿视角（paraphrase）：医疗结论必须带证据层级与适用人群；预印本与单中心小样本容易误导，建议对照权威指南与系统综述，并记录更新日期与争议点。
- 数据隐私/合规视角（paraphrase）：医疗相关自动化要避免处理可识别个人健康信息；同时注意平台抓取/转载可能触发条款风险，建议保留链接与摘要，不批量搬运原文。
Options
- 方案 A（最快落地，低工程）：Miniflux/FreshRSS + Obsidian 模板；每天手动挑 3 条精读、每周产出 1 个主题；适合你“1 个月内先跑通链路”的时间约束。
- 方案 B（性价比最高，半自动）：n8n/Huginn 自动抓取与结构化摘要；GitHub Issues 作为 Inbox 与讨论区，GitHub Projects 做看板；Obsidian 做长期知识库与写作。
- 方案 C（可扩展，工程化）：引入向量库（Qdrant/Weaviate）与 GraphRAG/Neo4j 做检索与知识网络；用 MCP 把“检索/入库/排程/发布”统一为工具层，便于后续换模型或换 UI。
- 另一种“MCP”定义分支：若你指的是“医疗照护计划/管理平台（Medical Care Plan）”，则重点改为“模板化随访与提醒 + 合规记录”：用 Obsidian/Notion 建照护计划模板、用日历/自动化做随访提醒；不要把重点放在协议层开发。
Evidence & Confidence
- “MCP 作为 LLM 调用外部工具的协议框架”——high：有公开项目/文档与社区实现（但你提到的‘第一个 Medical MCP’具体内容需核验）。
- “RSS 聚合 + 定时处理 + 配额能显著降低信息过载”——medium-high：是成熟实践，但效果取决于你是否执行‘配额/复盘/产出’约束。
- “小红书分享短链可稳定自动抓取正文并结构化”——low：无法在线核验且常见限制包括登录、反爬、内容动态加载与条款风险，建议先以“待核验+手动摘要”为主。
- “可用公开 API 组合出 Medical MCP（检索+引用+证据卡）”——medium：PubMed/ClinicalTrials/openFDA 等 API 客观存在，但需处理速率限制、引用规范与医疗安全边界。
Next Steps
- 30 分钟：写下本月唯一主目标（例如“跑通自动化自媒体闭环并发布 4 次”）+ 3 个子目标；每个目标定义 1 个量化指标（发布次数/订阅增长/线索数/收入）。
- 2 小时：在 Obsidian 或 GitHub 仓库建立“条目模板 + 目标索引页（MOC）”；模板字段固定，避免后续难以自动化与统计。
- 0.5 天：部署 Miniflux/FreshRSS；只导入 10 个源（含 1–2 个医疗权威源、1 个学术检索源、1 个工程社区源、1 个商业/产品源），其余先不接入。
- 1 天：用 n8n 跑通最小自动化（RSS→入库→摘要→分类→回写）；并为“抓不到正文/无法解析/需要登录”的来源设定降级策略（只存标题+链接+手动一句话）。
Sources
- MCP（Model Context Protocol）：https://modelcontextprotocol.io/；https://github.com/modelcontextprotocol（无法在线核验）
- RSS/自动化：RSSHub https://github.com/DIYgod/RSSHub；Miniflux https://github.com/miniflux/v2；FreshRSS https://github.com/FreshRSS/FreshRSS；n8n https://github.com/n8n-io/n8n；Huginn https://github.com/huginn/huginn（无法在线核验）
- Obsidian 结构化与可查询：Dataview https://github.com/blacksmithgu/obsidian-dataview；（可选）GraphRAG https://github.com/microsoft/graphrag（无法在线核验）
- 医疗公开数据/API：NCBI E-utilities（PubMed）https://www.ncbi.nlm.nih.gov/books/NBK25501/；ClinicalTrials.gov API https://clinicaltrials.gov/data-api/about-api；openFDA https://open.fda.gov/apis/；WHO ICD API https://icd.who.int/icdapi（无法在线核验；你提供的小红书短链为线索需手动打开核验）
Sources
- MCP（Model Context Protocol）：https://modelcontextprotocol.io/；https://github.com/modelcontextprotocol（无法在线核验）
- RSS/自动化：RSSHub https://github.com/DIYgod/RSSHub；Miniflux https://github.com/miniflux/v2；FreshRSS https://github.com/FreshRSS/FreshRSS；n8n https://github.com/n8n-io/n8n；Huginn https://github.com/huginn/huginn（无法在线核验）
- Obsidian 结构化与可查询：Dataview https://github.com/blacksmithgu/obsidian-dataview；（可选）GraphRAG https://github.com/microsoft/graphrag（无法在线核验）
- 医疗公开数据/API：NCBI E-utilities（PubMed）https://www.ncbi.nlm.nih.gov/books/NBK25501/；ClinicalTrials.gov API https://clinicaltrials.gov/data-api/about-api；openFDA https://open.fda.gov/apis/；WHO ICD API https://icd.who.int/icdapi（无法在线核验；你提供的小红书短链为线索需手动打开核验）
Closing Summary
- 结论：搭建目标导向的信息源/情报系统（含Medical MCP思路）
- 下一步：先定目标树与标签体系，再把 RSS/收藏/Issue 统一进同一条自动化流水线。
One next action
先定目标树与标签体系，再把 RSS/收藏/Issue 统一进同一条自动化流水线。