上个月我做了个实验：连续 30 天关闭抖音、知乎热榜和公众号推荐流，只用 RSS 读 AI 圈的内容。
结果意外地好：每天花 30 分钟，反而看到了更多真正重要的东西——Karpathy 新发的 LLM 讲解、Lilian Weng 的 RLHF 综述更新、Simon Willison 当天试出来的 prompt injection 案例。
这篇文章整理了 55 个实测有效的 AI订阅源，覆盖前沿研究、工程实战、行业动态、论文追踪等场景。所有链接已于 2026 年 6 月实测验证。
为什么 AI 时代你更需要 RSS
如果你做 AI 相关工作，这个场景你肯定熟悉：
- 打开知乎热榜 → 「GPT-5 重大突破」→ 营销文
- 刷抖音 → 「Sora 2 震撼发布」→ 还是营销文
- 公众号订阅几十个 AI 博主 → 80% 是「震惊！」「弯道超车！」
一周后回看：收藏 50 篇，读完 5 篇，记住 0 篇，焦虑 +200%。
核心问题：
- 算法推荐的目标不是让你看好内容，而是让你停留在屏幕上
- AI 圈更新太快 — 今天的综述下月过时，「早一天看到」和「晚一天看到」差距巨大
RSS 能解决这两个问题：你决定看什么，按时间顺序，没有算法。
3 分钟搞懂 RSS
原理简单到一秒懂：
- 推荐流 = 平台推什么你看什么
- RSS = 你订什么就只看什么，按时间顺序
类比：
- 公众号 = 邮递员决定给你送什么报纸
- RSS = 你自己去报刊亭订固定几本杂志
每个博客、研究机构网站几乎都有隐藏的 RSS 链接（通常是 /rss、/feed、/atom.xml）。你把这些链接复制到「RSS 阅读器」，源头一更新就推到你面前。
RSS 适合：研究员 / 工程师 / 重度信息消费者 / 想读第一手内容 / 对算法茧房有警觉的人
RSS 不适合：只想随便刷刷 / 纯娱乐用户 / 需要「发现新博主」（这部分还得靠算法）
55 个实测有效订阅源（按使用场景）
按实际使用场景整理了 55 个已验证可用的源，不要一次性全订 — 先从每类挑 2-3 个开始。
场景 1：追前沿研究（研究员/博士生）
顶级研究机构（9 个）
- Google DeepMind Blog — Gemini/AlphaFold 第一手发布
https://deepmind.google/blog/rss.xml - OpenAI News — GPT/Sora 官方公告
https://openai.com/news/rss.xml - Microsoft Research — Copilot 底层研究
https://www.microsoft.com/en-us/research/feed/ - NVIDIA Developer Blog — GPU/CUDA/推理加速
https://developer.nvidia.com/blog/feed/ - Apple ML Research — 端侧 AI/隐私计算
https://machinelearning.apple.com/rss.xml - Meta AI Research — LLaMA/SAM 研究博客（需科学上网）
https://ai.meta.com/blog/rss/ - AWS Machine Learning Blog — SageMaker/Bedrock
https://aws.amazon.com/blogs/machine-learning/feed/ - Cohere Blog — 企业 LLM/RAG
https://cohere.com/blog/rss.xml - BAIR Blog (Berkeley) — 学术前沿硬核，Robotics/RL/NLP
https://bair.berkeley.edu/blog/feed.xml
学术实验室（4 个）
- MIT CSAIL — MIT 计算机科学与 AI 实验室
https://www.csail.mit.edu/news/rss.xml - CMU ML Department — CMU 机器学习系
https://www.ml.cmu.edu/news/ - Princeton NLP Group — Princeton NLP 前沿研究
https://princeton-nlp.github.io/feed.xml - Distill.pub — 可视化论文期刊（已于 2021 年 9 月停刊，存档参考）
https://distill.pub/rss.xml
提示：Distill.pub 是 ML 可视化解释领域质量最高的出版物之一，但编辑团队已于 2021 年宣布无限期暂停。订阅 RSS 可以读历史存档，但不会有新内容推送。推荐直接去网站浏览历史文章。
场景 2：追大佬思路（工程师/产品）
个人博客（6 个）
- Andrej Karpathy — Eureka Labs 创始人/前 Tesla AI 总监/前 OpenAI 研究员
https://karpathy.github.io/feed.xml - Simon Willison — LLM 工具链实战，更新极频繁
https://simonwillison.net/atom/everything/ - Lilian Weng — 前 OpenAI VP of Research & Safety，RLHF/Agent 综述权威
https://lilianweng.github.io/index.xml - Eugene Yan — Anthropic MTS，前亚马逊首席应用科学家，RecSys/LLM 应用实战
https://eugeneyan.com/rss/ - Sebastian Raschka — LLM 训练专家/书籍作者
https://sebastianraschka.com/rss.xml - Andrew Trask — Google DeepMind 研究员/OpenMined 创始人，隐私保护 AI
https://iamtrask.github.io/feed.xml
场景 3：追工程实战（开发者）
工程技术（7 个）
- Hugging Face Blog — LoRA/RLHF/扩散模型（需科学上网）
https://huggingface.co/blog/feed.xml - GitHub Engineering — Copilot 实战/平台架构
https://github.blog/engineering/feed/ - LangChain Blog — Agent/RAG 工程
https://blog.langchain.dev/rss/ - Cloudflare Blog — 边缘 AI/Workers AI
https://blog.cloudflare.com/rss/ - Netflix Tech Blog — 推荐系统/大规模训练
https://netflixtechblog.com/feed - Discord Engineering — 实时通信架构（需科学上网）
https://discord.com/blog/feed.rss - Roboflow Blog — 计算机视觉工程实战
https://blog.roboflow.com/rss/
场景 4：追行业动态（产品经理/投资人）
综合媒体（9 个）
- TechCrunch – AI — 硅谷创业/融资
https://techcrunch.com/category/artificial-intelligence/feed/ - The Verge – AI — 消费级 AI 产品评测
https://www.theverge.com/ai-artificial-intelligence/rss/index.xml - MIT Technology Review — AI 政策/长期视角
https://www.technologyreview.com/feed/ - Wired – AI — 深度长文/趋势报道（需科学上网）
https://www.wired.com/feed/tag/ai/latest/rss - VentureBeat – AI — 企业 AI/行业分析
https://venturebeat.com/category/ai/feed/ - Ars Technica — 技术派媒体综合报道
https://feeds.arstechnica.com/arstechnica/index - IEEE Spectrum – AI — 工程派 AI 报道
https://spectrum.ieee.org/feeds/topic/artificial-intelligence.rss - Import AI Newsletter — Jack Clark 周报（独立视角）
https://importai.substack.com/feed - ACM TechNews — 学术圈快讯（需科学上网）
https://technews.acm.org/rss-feed.cfm
学术机构新闻（3 个）
- MIT News – AI — MIT 官方 AI 报道
https://news.mit.edu/topic/mitartificial-intelligence2-rss.xml - Stanford HAI News — 斯坦福以人为本 AI 研究所
https://hai.stanford.edu/news/rss.xml - Quanta Magazine – AI — 数学/理论视角
https://www.quantamagazine.org/tag/ai/feed/
场景 5：追中文内容
中文媒体（5 个）
- 机器之心 — 国内 AI 媒体头部，学术+产业
https://www.jiqizhixin.com/rss - 量子位 — 产品发布速报快（通过 RSSHub）
https://rsshub.app/qbitai - InfoQ 中文站 — 工程师向技术媒体（通过 RSSHub）
https://rsshub.app/infoq/topic/1 - 新智元 — AI 综合资讯（微博源，通过 RSSHub）
https://rsshub.app/weibo/user/1903507223 - AI 科技评论 — AI 产业深度报道（微博源，通过 RSSHub）
https://rsshub.app/weibo/user/6105753432
提示：标注 RSSHub 的源使用 RSSHub 服务，可自建或使用公共实例。
场景 6：追论文（研究员/进阶工程师）
论文平台（4 个）
- arXiv cs.LG (机器学习) — LLM 主阵地
https://rss.arxiv.org/rss/cs.LG - arXiv cs.CL (计算语言学) — NLP 与对话模型
https://rss.arxiv.org/rss/cs.CL - arXiv cs.CV (计算机视觉) — 图像/视频模型
https://rss.arxiv.org/rss/cs.CV - Hugging Face Daily Papers — 每天精选 5-10 篇（需科学上网）
https://huggingface.co/papers/feed
arXiv 链接说明：arXiv 于 2024 年 1 月将 RSS 迁移至新域名 rss.arxiv.org，本文已更新为新地址。arXiv 每天新增几百篇论文，直接订会信息爆炸。正确姿势：只订 1-2 个频道（cs.LG 或 cs.CL），必须配合关键词过滤（Feedly：用「Only Show」功能；Inoreader：用「规则过滤」）。关键词示例：RLHF, reasoning, multimodal, agent, alignment, diffusion。
场景 7：追长期视角（AGI/安全/治理）
AI 安全与治理（6 个）
- LessWrong — 理性主义 + AI 风险社区
https://www.lesswrong.com/feed.xml - Alignment Forum — AI 对齐核心社区
https://www.alignmentforum.org/rss.xml - 80,000 Hours Blog — AI 风险与职业影响
https://80000hours.org/feed/ - AI Now Institute — AI 政策/治理批判
https://ainowinstitute.org/feed - CSET (Georgetown) — AI 安全与政策
https://cset.georgetown.edu/feed/ - Brookings – AI — 智库政策研究（需科学上网）
https://www.brookings.edu/topic/artificial-intelligence/feed/
5 分钟上手 RSS
步骤 1：选一个阅读器
推荐方案（按优先级）：
- 跨平台首选：Inoreader — 免费 150 源，规则过滤强大
- iOS/Mac：NetNewsWire — 开源免费，体验最好
- Windows：Fluent Reader — 开源，现代化界面
- 安卓：FeedMe — 功能强大
- 自建方案：FreshRSS — 隐私党首选
步骤 2：添加订阅源
方法 A：逐个添加
- 复制上面任意链接（如 https://simonwillison.net/atom/everything/）
- 阅读器里点「+ 订阅」或「Add Feed」
- 粘贴 URL → 确认 → 完成！第一次会拉取最近 20-30 篇文章
方法 B：批量导入 OPML（推荐）
- 下载 OPML 文件（包含全部 55 个源）
- 阅读器里选「导入 OPML」或「Import」
- 选择文件 → 一次性导入全部
步骤 3：设置过滤规则（推荐）
Inoreader 示例：
- 订阅 arXiv cs.LG 后，右键该订阅源 → 「创建规则」
- 条件设置：「标题包含」→ 填入 RLHF|reasoning|agent|multimodal
- 动作选择：「隐藏不匹配的文章」→ 保存
Feedly 示例：
- 点击订阅源右上角三个点 → 「Add Filter」
- 选择「Only Show」→ 输入关键词 → 保存
避开信息过载的坑
反直觉建议：不要一次性订太多
我试过订 80+ 个源，结果产生严重焦虑 — 和「算法茧房」本质是同一个问题：信息过载。
我的当前策略：
| 维度 | 我的做法 |
|---|---|
| 数量 | 核心订阅 15 个（每类 2-3 个） |
| 时段 | 早 9 点 + 晚 9 点各 15 分钟 |
| 动作 | 1 分钟扫标题 → 3 分钟扫摘要 → 11 分钟深读 |
| 底线 | 看完即标已读，绝不允许"未读 1000+" |
如何判断一个源该不该取消订阅？
简单标准：如果过去一个月，这个源 80% 的内容你都没点开 → 勇敢取消订阅。
你不是在「放弃信息」，而是在「为真正重要的内容腾出注意力」。
推荐起步配置（10 个源）
如果你是第一次用 RSS，建议从这 10 个开始：
- Simon Willison — 每日 LLM 实战
- Lilian Weng — 月更深度综述
- OpenAI News — 官方产品动态
- DeepMind Blog — 研究前沿
- MIT Technology Review — 长期视角
- TechCrunch AI — 行业动态
- GitHub Engineering — 工程实践
- 机器之心 — 中文资讯首选
- LessWrong — AI 安全讨论
- Quanta Magazine — 理论深度
用一周后，再根据实际需求增删。
进阶技巧
如何找到任意网站的 RSS？
方法 1：直接试常见 URL
在网站域名后加 /rss、/feed、/atom.xml 试试：example.com/rss、example.com/feed、example.com/blog/feed.xml
方法 2：查看页面源代码
按 Ctrl+U (Windows) 或 Cmd+Option+U (Mac) → 搜索 rss 或 feed → 找到类似 的标签。
方法 3：用浏览器扩展
- Chrome/Edge: RSS Feed Reader
- Firefox: Feedbro
方法 4：用 RSSHub 强制生成
- 微博用户：rsshub.app/weibo/user/[用户ID]
- 知乎专栏：rsshub.app/zhihu/column/[专栏ID]
- B 站 UP 主：rsshub.app/bilibili/user/video/[UID]
- GitHub Release：rsshub.app/github/releases/[用户]/[仓库]
Newsletter 也能转成 RSS
1. Substack 自带 RSS
把 URL 中的 substack.com 改成 substack.com/feed：https://importai.substack.com → https://importai.substack.com/feed
2. 用转换服务 Kill the Newsletter
- 生成专属邮箱地址
- 用这个邮箱订阅 Newsletter
- 获得对应的 RSS 链接
科学上网方案
标注需科学上网的源在国内可能无法访问，三个解决方案：
- 代理订阅服务：RSSProxy（免费）、FeedX（付费，稳定性更好）
- 自建 RSS 聚合器：在海外 VPS 上部署 FreshRSS，让服务器帮你抓取
- 选择国内可访问的源：本文已筛选出 40+ 个国内可直接访问的源，够用了
总结
RSS 不是要替代一切 — 它只是把「信息源」和「消费方式」彻底分开。算法流的问题不是「内容不好」，是主动权不在你手上。
AI 圈信息更新太快，比起「被推什么看什么」，「主动追踪最值得看的人」才是更高效的学习方式。
最后三句话：
- 订 RSS 不是为了"看更多"，是为了"看准"
- 先订 10 个用一周，再决定增删
- 工具是手段，注意力是目的
当你把关注权交回给自己，焦虑感会肉眼可见地下降。这是我这一年做过最划算的「数字极简」决策。