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

1. 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）
2. 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）
source briefy-env/bin/activate

3. 安装依赖库：

pip install requests beautifulsoup4 pyttsx3 openai  # 基础依赖
pip install selenium  # 如需爬取动态页面（如部分热搜榜）
pip install pysqlite3  # 如需本地存储
pip install pyinstaller  # 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。

1. 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）。
2. 代码实现（以百度热搜为例）

import requests
from bs4 import BeautifulSoup
import time

# 定义爬取函数
def crawl_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")
        for item in news_items[:10]:  # 取前10条热点
            title = item.get("title")  # 新闻标题
            link = item.get("href")   # 新闻链接
            if title and link:
                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
    except Exception as e:
        print(f"百度热搜爬取失败：{e}")
    return hot_news

# 扩展：其他平台爬取（今日头条/凤凰网等）
def crawl_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
def crawl_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...
    return all_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）。

1. 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。
2. 代码实现

import openai  # 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）
def init_llm_client():
    from alibabacloud_tea_openapi import models as open_api_models
    from alibabacloud_qwenlite20240118 import models as qwen_models
    from alibabacloud_qwenlite20240118.client import Client as QwenLiteClient
    
    config = open_api_models.Config(
        access_key_id="你的AccessKeyId",
        access_key_secret="你的AccessKeySecret",
        endpoint="qwenlite.cn-hangzhou.aliyuncs.com"
    )
    return QwenLiteClient(config)

# AI 摘要生成函数
def generate_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.content
        return summary
    except Exception as e:
        print(f"摘要生成失败：{e}")
        return news_title  # 失败时返回原标题

# 批量处理所有新闻摘要
def batch_generate_summaries(news_list, llm_client):
    for news in news_list:
        summary = generate_news_summary(news["title"], llm_client)
        news["summary"] = summary
    return news_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）。

1. 离线语音实现（pyttsx3）

import pyttsx3

# 初始化语音引擎
def init_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')
    for voice in voices:
        if "Chinese" in voice.name or "中文" in voice.name:
            engine.setProperty('voice', voice.id)
            break
    return engine

# 语音播报摘要
def voice_broadcast(news_list, engine):
    engine.say("欢迎收听今日新闻简报")
    for i, news in enumerate(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。

def main():
    # 1. 爬取多平台热搜
    print("正在爬取全网热点...")
    news_list = crawl_all_platforms()
    if not news_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

1. 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）。

2. 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

1. 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。
2. 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。
3. 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。
4. 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：

1. 爬取百度、今日头条等平台热点（10-20 条）。
2. 调用 AI 生成每条热点的 50 字内摘要。
3. 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。