社群海巡機器人
因為演算法紅利的關係，Threads 已經成為我現在吸收新知的重要來源。不過，每天花大量時間手動「海巡」好像不太理想，所以我打算把這件事也加入 Telegram Bot 的功能裡。
之前研究了一下 Threads 的 API（有分已登入跟未登入的），那我們就可以設計一個定時任務，例如每天早上九點自動幫我海巡 200 篇文章。接著依照我的喜好篩選出可能有興趣的主題，並幫我統整內容，讓我可以只花看一篇文章的時間，就能快速篩選 200 篇貼文。
考慮到貼文內容都是動態的，我很難確定裡面會用到哪些關鍵字；如果是新技術但沒踩到預定義的關鍵字，很容易就會漏掉。所以，「用魔法對付魔法」是最理想的解法：直接用本地運行的 LLM 來幫忙篩選。
說到本地 LLM，可能大部分人都會想到 Ollama，但其實有個 macOS 原生的 Osaurus (https://github.com/dinoki-ai/osaurus) 效能更好。目前我選用 qwen3-4b-4bit，這是個輕量的思考模型，對於這種簡單的分類任務已經非常足夠。
整體的自動化流程大約是這樣：
- Cronjob 觸發：定時蒐集貼文
- LLM 篩選：過濾出感興趣的內容
- 整理摘要：將重點資訊濃縮
- 發送通知：推送到 Telegram
這樣一來，每天早上起床就能直接掌握值得研究的新題材，不用再花大把時間手動海巡。
當然，如果把「蒐集貼文 + 篩選 + 整理摘要」這段邏輯封裝成一個 Skill 或是 MCP Server，就能直接串接 Clawdbot 或 Moltbot，進而省下串接 Telegram 的步驟。如果大家對這個方向感興趣，我之後再來實作。