我最初會做這個專案，是因為看了一段介紹 SkyWork 風格 AI agent 工作流 的 YouTube 影片。影片裡其中一個最打動我的應用場景，就是把每天的 AI 和科技新聞整理成一份廣東話 AI Daily Podcast，再在早上自動發送到 Telegram。這個想法之所以吸引我，不只是因為它有趣，而是因為它真的有機會變成每天都會用到的內容產品。所以我最後決定用 GitHub 把這個廣東話 AI Daily Podcast 工作流重做一次，讓整個流程在保留靈活度之餘，也更容易長期維護、調整和搬遷。
這個用 GitHub 建立的廣東話 AI Daily Podcast，核心做法其實不複雜：先收集每天的 AI 新聞，再整理成適合收聽的廣東話口語稿件，之後透過 TTS 轉成 MP3，最後用 Telegram 自動發送出去。真正令我覺得值得做的，不是單純把文字變成聲音，而是它把資訊整理、語音生成和排程發送串成一條完整工作流。比起每天自己打開幾個科技網站逐篇閱讀，這種每日自動送達的廣東話 AI Podcast，更容易變成一種長期可持續的內容習慣。
這篇文章會分享我如何用 GitHub、GitHub Actions、Cursor、edge-tts 和 Telegram，把這個廣東話 AI Daily Podcast 概念落地成真正可運作的專案，也會談到它為什麼可以成為 SkyWork 以外的一個更可控替代方案。如果你想建立一個可自動生成、可版本控制、又能每天穩定運作的廣東話 AI Podcast workflow，這篇文章可以作為一個實作參考。
Table of Contents
什麼是廣東話 AI Daily Podcast？
所謂廣東話 AI Daily Podcast，本質上不是單純「把文章讀出來」那麼簡單，而是一條把資訊整理、內容生成、語音輸出和自動發送串連起來的工作流。它的重點，在於把每天零散的資訊，重新包裝成一種更容易吸收、也更適合日常收聽的形式。
很多人一聽到這個名字，可能會以為它只能做 AI 新聞。但其實這個 workflow 的真正價值，並不限於單一主題。新聞來源完全可以按你的興趣調整，除了 AI 和科技，也可以加入財經、政治、商業、創業，甚至本地時事。重點不是「只追 AI」，而是建立一套每天都能穩定產出的廣東話內容管道。例如你想聽財經市場摘要，可以改成抓取金融新聞；如果你更關心政策與國際形勢，也可以換成政治與社會新聞來源。換句話說，廣東話 AI Daily Podcast 比較像一個可自訂的每日語音簡報系統，而不是只能服務某個固定領域的 demo。
對我來說，這種形式的價值很實際。很多人都會追新聞，但真正困難的部分往往不是找不到資訊，而是資訊太多、太散，而且每天都要重新花精神篩選。當這些內容可以先被整理，再用廣東話說出來，最後在固定時間送到 Telegram，那種體驗就會更像一個真正的產品，而不只是一個技術展示。也因為主題可以自由擴展，這個專案才更容易長期使用，而不是做完一次就擱下。
為什麼要用 GitHub 建立廣東話 AI Daily Podcast？
如果只是想快速做出一個 demo，當然可以直接依賴某些整合度很高的平台；但如果你想把這件事長期做下去，GitHub 其實是更穩陣的選擇。因為當整個廣東話 AI Daily Podcast 工作流都放進 repo 裡，你就會擁有更清晰的版本記錄、更高的可控性，以及更低的平台依賴。
對我來說，把 workflow 放進 GitHub 的最大好處，是每一層都可以獨立調整。你可以改新聞來源、改 prompt、改模型、改 TTS、改輸出格式，甚至改發送方式，而不需要推倒重來。這種彈性，對於一條每天都要跑的內容工作流來說，其實非常重要。
另一個很實際的好處，是 GitHub Actions 很適合做排程。當這個專案已經不是一次性玩具，而是希望每天穩定輸出一集廣東話 AI Daily Podcast，那麼可重複執行、可追蹤、可除錯，就會比單次生成更有價值。
廣東話 AI Daily Podcast 工作流概覽
整條流程大致可以分成幾步。第一步是收集新聞來源，把每天值得關注的 AI 和科技內容先抓下來；第二步是讓模型把資料整理成可收聽的廣東話口語稿件；第三步再把稿件分段，用 TTS 生成人聲；第四步則把聲音檔合併成完整 MP3；最後再透過 Telegram 自動發送。
這樣拆分的好處，是每一層都很清楚。爬蟲只負責抓資料，模型只負責整理與重寫，TTS 只負責發聲，Telegram 只負責傳送。當某一步出問題時，你比較容易知道問題發生在哪裡，也比較容易逐步改善。
我是如何用 GitHub Actions 自動生成廣東話 AI Daily Podcast
我目前的做法，是把整條 pipeline 都整理成可以在 GitHub Actions 上運行的工作流。這樣一來，不論是每日排程還是手動觸發，都可以用同一套程式碼和同一組 secrets 來完成，不需要每次重新配置。
1. 爬取新聞來源
在收集資料這一層，我會先從幾個固定的 AI 與科技新聞來源抓內容，整理成結構化資料。這一步的目標不是把所有新聞都抓回來，而是優先拿到足夠生成每日簡報的素材。當來源本身保持穩定，後面的內容品質也會更容易控制。
2. 生成廣東話稿件
有了新聞資料之後，下一步就是把它們轉成適合收聽的廣東話稿件。這一層其實很關鍵，因為如果只是逐段翻譯新聞，最後出來的內容通常會太像朗讀文章，而不像 Podcast。相反，如果把它整理成更口語、更有節奏感的對話或簡報格式，收聽體驗就會自然很多。
這也是我覺得廣東話 AI Daily Podcast 最有趣的地方：它不是純技術輸出，而是內容形式的再設計。模型不是只幫你產字，而是幫你把資訊重新包裝成一種可以每天聽的內容。
3. 用 edge-tts 與 ffmpeg 生成 MP3
當稿件準備好之後，就會進入語音生成步驟。我選擇 edge-tts，主要是因為它對廣東話來說夠實用，而且很容易整合進 Python workflow。它不一定是唯一選擇，但對這種每日生成的輕量工作流來說，已經相當夠用。
因為長稿件通常不能一次丟進 TTS，所以中間也需要做分段處理。生成之後，再透過 ffmpeg 把各段音訊合併成完整 MP3。這一步雖然技術上不算最複雜，但對最終體驗很重要，因為它直接決定輸出的可聽性與完成度。
4. 透過 Telegram 自動發送 Podcast
最後一步是發送。相比 email 或其他通知方式，Telegram 的好處是夠直接，也很適合作為每日內容的接收端。當每天早上固定收到一集新的廣東話 AI Daily Podcast，用戶的心理感受會更接近「訂閱一個產品」，而不是「執行一個腳本」。
這種交付方式的價值，在於它把整條 workflow 的最後一哩補上。很多 AI 自動化流程做到內容生成就停了，但對我來說，真正有用的是它能夠穩定送到我會打開、會收聽的地方。
為什麼我沒有直接把整個流程放在 SkyWork 裡？
SkyWork 類型的平台最吸引人的地方，是起步很快，很多功能都已經預先組合好，你只需要描述目標，它就可以替你把流程跑起來。從靈感啟發的角度來說，它很強，也很容易讓人看到 AI agent 的產品化可能性。
但當我真的想把這個廣東話 AI Daily Podcast 做成自己會長期使用的東西時，我反而更想掌握每一個元件。因為只要流程放進可版本控制的平台，你就可以更自由地調整每一層，而不用依賴單一產品介面的限制、價格結構，或者未來的產品方向。
這裡想補充一點：GitHub 只是我這次選擇的平台，並不是唯一選擇。同樣的 workflow，也可以放在 GitLab 或 Bitbucket 上。重點不在於一定要用哪一個品牌，而在於你是否把整個流程變成「可版本控制、可排程、可遷移」的程式碼資產。GitHub 的優勢是生態成熟、GitHub Actions 很方便；GitLab 則常在 CI/CD 整合與自架部署上很有彈性；Bitbucket 則可能更適合已經在 Atlassian 生態裡的團隊。對個人專案來說，我會優先選自己最熟悉、最容易排程和協作的平台；但架構本身應該保持可搬遷，而不是綁死在單一服務。
所以我的看法不是 SkyWork 不好，而是它更適合作為靈感來源或快速原型工具；如果你想要更高的控制權、更低的平台依附，以及更方便的長期維護，那麼把 workflow 放進 GitHub、GitLab 或 Bitbucket 這類版本控制平台，會更實際。
API 選擇：除了 APIFree，還有什麼替代方案？
APIFree 並不是唯一可用的方案。這個專案的稿件生成層，基本上是依照相容 OpenAI API 的方式設計，所以理論上只要其他供應商在模型能力、上下文長度、成本和穩定性方面合適，就可以接進來。
例如 OpenAI、OpenRouter、Azure OpenAI、Together AI、Groq，都可能成為替代選項。真正重要的不是綁定哪一家，而是你把整個廣東話 AI Daily Podcast workflow 設計成可替換的架構。當某個模型太貴、不夠穩，或者廣東話表現不理想時，你只需要換掉生成層，而不用把整個專案重做。
我目前選用 APIFree，主要是因為它讓我可以更快把這個構想跑通，在成本和整合難度之間找到一個相對順手的平衡點。對於這類仍在迭代中的個人 workflow，先把事情做出來，往往比一開始就追求最完美的技術組合更重要。
這個廣東話 AI Daily Podcast 專案用了哪些工具？
這個專案實際用到的工具不算少，但每個工具的角色都很清晰。GitHub 和 GitHub Actions 負責版本控制與排程；Cursor 協助我整理與開發 workflow；Python 負責爬蟲和資料處理；edge-tts 負責廣東話語音生成；ffmpeg 處理音訊拼接；Telegram Bot API 負責發送；而模型 API 則負責把新聞轉成適合收聽的稿件。
也正因為每一層都分工清晰，這條工作流才比較容易維護。你不需要把所有事情都塞進同一個平台裡，而是可以根據需要逐層替換。
為什麼這個廣東話 AI Daily Podcast 專案值得做？
很多 AI agent 示範在第一次看時都很震撼，但真正會留在生活裡的並不多。我覺得差別就在於，它有沒有把「技術可行」變成「每天真的會用」。當這條流程可以穩定地把 AI 新聞整理成廣東話內容，再變成一個可以在 Telegram 收到的每日音訊，它就不再只是 demo，而是一個開始有產品感的內容系統。
對我來說，這也是這個專案最有意思的地方。它不是要證明 AI 很厲害，而是想把 AI 變成一個真正有持續使用價值的工具。當你每天早上都會收到一集新的廣東話 AI Daily Podcast，這件事才算真正成立。
Repo 與參考連結
YouTube 靈感來源：
SkyWork 風格 AI agent 工作流
GitHub Repo：
github.com/hlim2/cantonese_ai_podcast
第一次用AI做實務：從 VVV 遷移到 Docker：使用 Traefik 遷移兩個 WordPress 網站（實戰紀錄）
https://woodwood.xyz/vvv-wordpress-docker-migration/
常見問題 FAQ
廣東話 AI Daily Podcast 為什麼比直接看 AI 新聞更方便？
因為它把原本分散的資訊，轉成更容易吸收的每日音訊內容。你不需要自己每天逐站篩選，只需要在坐車途中或空閒時，收聽一個經 Telegram 發送的廣東話 AI Podcast。它的價值不只在內容本身，還在於它把資訊重新包裝，就能快速掌握重點。
用 GitHub 建立廣東話 AI Daily Podcast 有什麼好處？
最大好處是可版本控制、可排程、可除錯，也更容易長期維護。當你想替換模型、新聞來源或發送方式時，不需要整個重做。
這個專案一定要用 APIFree 嗎？
不一定。只要是相容 OpenAI API 的服務，而且在模型品質、成本和穩定性方面符合需求，都可以評估替換。
為什麼廣東話 AI Daily Podcast 要用 edge-tts？
因為 edge-tts 是一個實際、輕量，而且容易整合進自動化流程的選擇。對這種每日生成工作流來說，它已經能提供足夠可用的廣東話語音效果。
GitHub Actions 適合用來排程廣東話 AI Daily Podcast 嗎？
如果你的流程是以腳本為主、需要每日固定執行，而且希望保留執行紀錄與 secrets 管理，那麼 GitHub Actions 是一個很合適的選擇
