有没有优质的ai/后端技术信源

有。结合你前面做“AI / 后端消息日推”的场景，我建议先接下面这 6 个，别一开始塞几十个资讯站。 AI / Agent 工程 Anthropic Engineering https://www.anthropic.com/engineering 优先级最高。重点看工具设计、上下文工程、长任务 harness、多 Agent 系统实践。比如你做日推助手，“怎么给抓取工具设计接口、怎么控制上下文”就能直接参考，不只是追模型发布新闻。 Simon Willison’s Weblog https://simonwillison.net/ 适合关注 LLM 实际用法、工具实验和安全问题。他的价值在于动手验证和具体案例，能补充厂商官方叙事之外的视角。采集时区分原创长文、简短评论和外链分享，避免把同一件事重复推送。 OpenAI News https://openai.com/news/ 适合获取模型、API 和产品变更的一手信息，但建议过滤，只保留开发者相关内容。 工程文章可以从这篇 harness engineering 入手： https://openai.com/index/harness-engineering/ 后端 / 系统工程 Cloudflare Blog https://blog.cloudflare.com/ 我会作为后端主力信源。网络、性能、安全、边缘计算和基础设施实践都有，适合看“真实系统为什么这么设计、遇到什么问题”。注意区分技术复盘和产品宣传。 Brendan Gregg https://www.brendangregg.com/blog/ 偏 Linux 性能分析、可观测性和排障。比如接口变慢时，怎么判断瓶颈在 CPU、磁盘还是等待，不是只背优化口诀。 它更适合“每周一篇经典文章”，不必强行放进过去 24 小时的新闻池。 InfoQ 中文 https://www.infoq.cn/ 适合补充中文后端、架构和 AI 工程信息。把它当选题入口，涉及版本、性能数字或重大结论时，尽量继续追到官方文档或原始文章。 落到你的日推助手里，我会这样配： 每日资讯池：OpenAI、Simon Willison、InfoQ，筛近期更新。 工程实践池：Anthropic、Cloudflare，有值得读的新文章再推，不要求每天凑齐。 经典阅读池：Brendan Gregg，每周选一篇，并明确标记为旧文精选。 每条推送除了标题、摘要和原文链接，再加一句“适合谁看 / 能解决什么问题”。例如“适合正在给 Agent 加抓取工具的人，重点看工具描述和返回格式”，会比泛泛的“值得关注”有用很多。 这些是内容入口，不是已经逐一验证过的 RSS 地址。接入时优先找站点官方 RSS / Atom；没有再考虑定期抓取公开列表页，不要猜 feed 路径。