本文经原作者授权转载，版权归原作者所有。原作者：知野（@knoYee_）。查看原文 →

相信大家是不是和我一样：

早上起来先刷 45 分钟推特，想看看有什么前沿资讯，结果淹没在一堆噪音中。

费尽心思，才找到两三篇可以细品的优质文章。

放进收藏里，再打开就不知道是什么时候了。

Article image

因此，我搭了一个每天早晨自动跑的 Research Agent。

Codex 驱动的。

跑了快两个月，分享一下详细的搭建过程和关键判断。

它的工作流程是：

  • 在我碰任何信息源之前，Codex 已经替我把跟我工作相关的来源扫完，
  • 过滤掉噪声，综合成一份结构化、五分钟能读完的 brief，
  • 直接写进 Obsidian 库。
Article image

我醒来坐下，就可以直接进入工作状态。

Codex CLI + MCP + n8n。

我们需要把这三者串起来，这个工作流才能跑下去。

接下来是详细搭建流程。

从零搭一遍。

它实际做什么？

Article image

1. 来源监控

按你配置的清单读每一个信息源：

  • 行业新闻、竞争对手网站、学术论文、newsletter、YouTube 频道研究内容、播客文字稿、GitHub 仓库、Reddit 子版块……

2. 信号过滤

按你定的标准分信号和噪声。

  • 竞争对手发了新产品——信号。
  • 一篇复述上周内容的博客——噪声。

过滤层决定了 brief 是真正有用，还是所有信息的缩短版。

3. 综合分析

不列 bullet points 交差。

写成结构化叙述：

  • 发生了什么、为什么值得关注、跟你已知的事有什么关联、你可以怎么应对。

4. 自动投递

每天定时把 brief 放到 Obsidian 库的指定位置。

不靠手动触发。

四项串起来，45 分钟信息搜集变成 5 分钟阅读。

四个组件

1. Codex CLI

智能层兼执行层。
  • 读来源里的原始信息，用你给的标准过滤重要内容，综合成结构化 brief，通过 MCP 直接读写 Obsidian 库。
  • 不需要 Desktop 界面。
  • 终端里的一个命令就能跑。

这是 Codex 做这件事最顺手的地方：

它生来就是命令行工具，定时任务、文件读写、MCP 调用都是原生能力。

2. Brave Search MCP

实时搜索能力。
  • 有了它，能搜索实时网页，获取指定主题的最新动态。
  • 免费层每月 2000 次查询，每天跑一次完全够用。

API key 在这里获取：

https://brave.com/search/api

3. 配置 Codex 的 MCP

在 Codex 配置文件里加这两段：

{ "mcpServers": { "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "/path/to/obsidian/vault" ] }, "brave-search": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-brave-search" ], "env": { "BRAVE_API_KEY": "your-key" } } } }

  • 第一，能访问实时信息源。
  • 第二，能把结果写回你的本地知识库。
  1. 搜索能力解决输入。
  2. Filesystem MCP 解决输出。

二者接上，Research Agent 才不是聊天机器人，而是一个能持续工作的早报系统。

4. n8n

整个系统的调度心脏。

每天在你设定的时间触发 Research Agent，把 prompt 和背景信息一起传给 Codex，接收输出，保存到库。

可以自托管在每月约 5 美元的小服务器上。

  • DigitalOcean 开一个基础 Ubuntu droplet，SSH 进去，npm 装 n8n，配成 service。

第一次搭大约半小时。

之后所有自动化工作流都可以复用这套基础设施。

5. CODEX.md

Article image
CODEX.md 是研究和决策背景。

这个文件决定了 brief 是跟你个人相关，还是任何人都能读的泛泛总结。

它告诉 Codex 四件事：

  • 你是谁。
  • 你关心什么。
  • 你已经知道什么。
  • 你现在正在做什么。

第一步：写 CODEX.md

这一步做对还是做废，直接决定产出质量。

在 Obsidian 库里创建：

Research Agent Context

  • 我是谁
  • [名字、角色、所做的工作]
  • 我的主要关注领域
  • [具体列出需要跟踪的主题、行业、领域]
  • 对我来说什么算重要新闻
  • [具体。不是“AI 新闻”，而是“Codex CLI 更新、新 MCP server 发布、多 Agent 框架、AI Agent 安全进展”]
  • 我的竞争格局
  • [你监控的具体公司、人物和产品]
  • 我已经非常熟悉的内容
  • [有深厚经验的领域——只需要真正重要的新动态，不要入门覆盖]
  • 我目前正在做什么
  • [活跃项目。相关新闻可以直接转化为行动。每周更新。]
  • 我信任的来源
  • [值得优先处理的具体 publication、newsletter、researcher、YouTube 频道、subreddit]
  • 我明确不想看到的内容
  • [你领域里常出现但浪费时间的主题。泛 AI 炒作文章、重复内容、不关心的公司公告。]
  • Brief 格式偏好
  • [你希望输出怎么组织]
  • “我明确不想看到的内容”是大多数人会跳过的章节，也是最有用的一章。

写清楚了，过滤更激进，brief 只留真正可能行动的信号。

信息来源也要配。

Brave Search 给覆盖面，但最有价值的信息源——特定研究员博客、竞品发布页——需要直接列出来。

写进“我信任的来源”，加上具体指令。

比如：

  • “每日检查 HN 首页 AI 与开发者工具相关内容。”
  • “每周扫 arxiv.org/cs.AI 本周重要论文。”

第二步：写 research prompt

Article image

这是每天早晨运行的核心 prompt，放在 n8n 工作流里发给 Codex：

你是我的个人 research agent。请生成我的晨间简报。

先读我库里 CODEX.md 的 research context。

然后执行以下流程：

步骤 1：主要主题搜索

对 research context 中每个关注领域，搜索过去 24 小时重要动态。

步骤 2：信号过滤

纳入：

  • 我关注的公司或工具发的新产品 / 重大更新
  • 会改变我们对某领域理解的研究发现
  • 竞争对手的战略行动
  • 影响我所在领域的监管或政策变化
  • 值得了解的新工具、框架、技术

排除：

  • “明确不想看到”章节中注明的任何内容
  • 复述 48 小时前已发布信息的二次内容
  • 没有新增信息的观点文章
  • 不关注的公司的公告
  • 缺乏具体可行动细节的泛 AI 炒作
  • 某分类没有重要事发生，直接写“今天没有”，不填充

步骤 3：竞争情报

专门搜竞争格局中列出的公司和人物。

突出战略转变、新品发布。

步骤 4：综合输出

严格按以下格式：

晨间简报 - [DATE]

生成时间：[TIME]

今天最重要的一件事

[今天最重要的单项动态。一段说明它为什么对你重要。]

发生了什么

[3-7 项。每项含来源 / 公司 / 主题、发生了什么、为什么跟你的工作有关。每项 1-3 句。]

竞争动态观察

[竞争格局中的重要行动。无则写“今天没有重要动态”。]

可采取的行动

[1-3 个具体行动。只有真正可行动时才写。]

深入阅读

[与今天首要事项相关的 2-3 篇完整文章链接]

重要格式规则：

  • 整份 brief 五分钟能读完
  • 每一项必须直接对应 research context 中的某个内容
  • 不填充，不闪烁其辞
  • 重要就说清楚为什么重要
  • 今天新闻平淡，直接说明平淡
  • 保存到：BRIEFINGS/[YYYY-MM-DD]-morning-brief.md

第三步：搭 n8n 工作流

五个节点。

节点 1：Schedule Trigger

设为早上 6 点。

在你打开电脑前，brief 已经生成好了。

周一至周五：

0 6 * * 1-5

包含周末：

0 6 * * *

节点 2：Read File

读取库里 CODEX.md 的完整内容。

节点 3：Code

把 prompt 和 CODEX.md 内容拼成 API 请求：

const codexMd = $node["Read CODEX.md"].json.content; const today = new Date().toISOString().split('T')[0]; const time = new Date().toLocaleTimeString(); const systemPrompt = `你是个人 research agent。 今天是 ${today}，当前时间 ${time}。 可通过 Brave Search MCP 访问实时搜索，请充分使用。 用户的 CODEX.md research context： ${codexMd}`; return { model: "gpt-5-codex", max_tokens: 4096, messages: [ { role: "system", content: systemPrompt }, { role: "user", content: "请按 research context 中规定的格式和指令，生成我的晨间研究简报。" } ] };

节点 4：HTTP Request

调用 OpenAI API：

URL: https://api.openai.com/v1/chat/completions Method: POST Headers: Authorization: Bearer [你的 OPENAI_API_KEY] Content-Type: application/json

Body 使用节点 3 的输出。

节点 5：Write File

把结果写进 Obsidian 库：

const response = $node["Codex API Call"].json; const content = response.choices[0].message.content; const date = new Date().toISOString().split('T')[0]; return { filename: `${date}-morning-brief.md`, content: content };

路径指向：

/your/vault/path/BRIEFINGS/${date}-morning-brief.md

可选节点 6：Telegram 通知

brief 投递后，手机收到提醒。

你甚至可以在起床前先看完。

第四步：接上反馈回路

Article image

这是整个系统里最容易被跳过、但决定 brief 是越跑越准还是越跑越烂的一步。

每次读完 brief，花两分钟在文件底部写标注：

我对这份 Brief 的笔记

[哪些有用、哪些是噪声、缺了什么]

  • 每周日，让 Codex 读过去一周所有 brief 和你的标注，更新 CODEX.md。
  • 持续产出信号的来源，提权。
  • 持续产生噪声的主题，加进“不想看到”清单。
  • 反复缺失的信息类型，补充搜索关键词。
  • 被标记为“有用”的内容模式，记录为明确偏好。

有了这个回路，到第三个月，brief 对你的信息需求会比第一周校准得准确得多。

扩展方向

  • 1. 主题深挖

哪天 brief 里出现重大动态，扔进 deeper research 队列。

队列处理器自动对该主题跑一次全面 research，生成详细分析笔记，不等到第二天。

  • 2. 竞争情报即时提醒

配一条轻量工作流，每四小时查一次竞品新闻。

发现重要动态，立刻 Telegram 通知，不等晨间 brief。

  • 3. 周报

周日不跑标准日报。

让 Codex 读过去七天的七份日报，生成周报：

  1. 本周最大主题是什么。
  2. 对你所在领域长期意味着什么。
  3. 最重要的单条动态你要怎么应对。
  4. 你预期发生但没发生的事意味着什么。

但搭完只是第一步

第一周你大概率会发现 brief 还不够准。

有些内容你觉得有用但没出现。

这不是系统有问题，是 CODEX.md 还没被真实反馈打磨过。

接下来要做的事，比搭建更重要：

  1. 持续调控。
  2. 每次读完 brief，写两行标注。
  3. 每个周日花十分钟扫一眼当周标注，改 CODEX.md。
  4. 该提权的提权，该拉黑的拉黑。
  5. 缺什么信息类型，就补一句搜索指令。
  6. 第二周会比第一周准。
  7. 第一个月会比第二周更准。

你的关注方向会变，项目在推进，CODEX.md 也要跟着动。

工作流是骨架。
后期的打磨，才决定它能不能真的成为你的研究系统。

这只是一条路，大家也可以搞一个云服务器来完成，也可以实现24小时在线的效果。