npx skills add LearnPrompt/ai-news-radar -s ai-radar -g

30秒选边上车

① 让Agent替你读报 → 上面那行安装命令，装完一句话拿简报，零API、零Key、零服务器：

② 直接看网页 → 打开 news.learnprompt.pro。默认是手机版视图，右上角「视角」开关能切到经典版（旧版桌面界面，路径 /classic/），也可以直接用 ?view=mobile / ?view=classic / ?view=auto 指定，两个视图读同一份 data/ 目录数据。v0.9 起是单层信息架构：顶部「全部/模型/产品/开发者/行业/论文/社区/自媒体」栏目 tab + 「精选/全量」全局开关，主列表按时间倒序、按日分组，「当前热点」榜不设固定条数单独看当下最热。每条精选卡片自带一句话「推荐理由」；同一事件被多家信源报道时会折叠成「多源 N」标签，点开看每家独立标题。

③ fork 拥有自己的筛子 → fork本仓库，信源换成你自己的 OPML，口味改 personas/ 下的 markdown 文件，数据长在你自己的 GitHub Pages 上。跳到fork 指南。

三层是一条路：让Agent读报 → 自己看报 → 自己办报。

这是什么

AI News Radar是一个自动更新的24小时AI更新雷达。它不只是把AI新闻抓回来，会先判断信息源质量，把同一个事件合并成故事线，再用三种口味的 persona 替你打分点评，最后用伯乐精选、AI标签、源健康和AI占比帮你判断：

什么信息值得看，什么值得深挖，什么只是噪音。

普通用户直接打开网页，看最近24小时AI、模型、开发者工具和技术生态更新。开发者可以fork这个仓库，接入自己的OPML/RSS、公开feed、静态页面或AgentMail邮箱。Codex / Claude Code这类 Agent 可以使用项目内置的 伯乐Skill，继续帮你判断新的信息源、维护抓取逻辑、部署 GitHub Pages。

这个项目永远都不会是"又一个新闻网页"。

它的核心逻辑是伯乐Skill，帮你从一堆信源里选出千里马。哪些源值得长期追踪，哪些源适合做成RSS/OPML，哪些源只能接付费的API，哪些源看起来更新很多但实际上跟你长期关注的方面比方AI只占了里面的5%不到。

先判断清楚，再接入。

手机版（所有设备默认）	经典版（右上角「视角」开关，路径 /classic/）

v0.9：单层信息架构 + 标题增强

v0.8 的三视图（伯乐精选 / AI信号流 / 热点榜）合并成了一层：一套栏目 tab + 一个精选/全量开关 + 一条时间轴。

• 双视图：这套单层架构现在有两套 UI 皮肤——根目录 index.html 默认手机版，右上角「视角」开关可切到 /classic/ 经典桌面版，也支持 ?view=mobile / ?view=classic / ?view=auto 参数直接指定；两套皮肤读同一份 data/，选择记在浏览器本地
• 栏目 tab：全部/模型/产品/开发者/行业/论文/社区/自媒体，互斥单选
• 精选/全量全局开关：精选读故事合并后的AI强相关高价值池，全量读广义AI相关的原始池（latest-24h-all.json，score >= 0.3），两种模式共用同一套时间轴+日期分组模板
• 当前热点：不设固定条数，只要满足多信源热度阈值就上榜，跟主列表分开单独看
• 推荐理由真实化：精选条目的一句话推荐理由由管线侧真实生成——对过了 AI 相关性筛选的条目抓取全文，交给 DeepSeek 写一句「为什么值得读」（需要 DEEPSEEK_API_KEY）；没有真实理由时前端直接隐藏这个区块，不再用模板句撑场面
• 同一事件展开：同一事件被 2 家以上信源报道时，卡片上出现「多源 N」标签，点开看每家独立标题、来源和相对时间
• 标题增强：标题过短或黑话过多时，会拿原文上下文（自家抓取失败时回退到 r.jina.ai）交给 LLM 改写得更完整；配 DEEPSEEK_API_KEY 才生效，没配就保留原标题，不影响其余流程
• 源质量加固：聚合源 zeli（Hacker News 24h 热榜）取消整榜白名单放行，改成和其他聚合源一样过同一套 AI 相关性打分；双语标题翻译新增校验，拒答文案（比如「抱歉，我无法处理链接内容」）和退化输出会被识别并回退到原文标题，不会把车轱辘话当标题显示
• 数据同源开关：给页面 URL 加 ?data=<data目录地址> 可以让前端读取另一份 data/（比如验证另一个分支或 PR 生成的数据），选择会记在浏览器本地，方便多分支开发时来回切换
• 聚合源子来源分类：聚合站点条目会按原始平台再细分成 X / 公众号 / HN / RSS 小标签，紧跟在来源 chip 之后

v0.8：三口味 persona 锐评

注：三口味的网页展示已暂时下线归档（样式待重设计，见 docs/ROADMAP.md）；数据管线照常每日生成 persona 打分与点评，Skill 端日报不受影响。

同一条新闻，值不值得看取决于你是谁。v0.8 给日报装上了可换的"口味"：

• 每日精选20条按默认口味打分点评，命中当日 TOP3 的故事再由三个口味分别打分，一条新闻三个角度（点评数据在 data/daily-brief.json 与 data/top3-personas.json，Skill 日报直接引用）。
• 每个口味就是 personas/ 目录下的一个 markdown 文件（frontmatter + system prompt）。想换口味，改一个文件；想造新口味，照 personas/README.md 的格式写一个，PR 过来就能进内置列表。
• 上游配了 DEEPSEEK_API_KEY 才有 LLM 点评；不配也能跑全流程，自动降级成规则分，页面和 Skill 都正常工作。

为什么需要伯乐Skill

好新闻分散在各处，

官方博客发一点，更新日志发一点，X上有人提前爆料，聚合站又把同一个新闻转来转去。

我以为的自己在追前沿，实际每天都在重复三件事，

打开几十个页面，肉眼+人脑过滤重复内容，猜哪条值得看。

让伯乐Skill先替你完成第一轮判断，哪些信源是千里马，哪些是噪音。

你可以随意增加信息源，还可以把一个信息源纳入输入范围，先让它在单独运行一周，再判断要不要录入。

AI News Radar从来都不是单纯把信息抓回来，

它更像是一条轻量的新闻pipeline，把来源判断、抓取、去重、AI强相关过滤、persona锐评、信息源健康状态和静态网页发布串起来，上线后核心流程不消耗模型额度。

能做什么

给普通读者

• 打开在线页面，用「全部/模型/产品/开发者/行业/论文/社区/自媒体」栏目 tab 快速定位关心的方向
• 用「精选/全量」全局开关切换：精选看高价值故事线，需要补盲或检索时切到全量的广义AI相关原始池
• 主列表按时间倒序、按日分组，一屏看清楚今天/昨天分别更新了什么；「当前热点」榜单独看当下最热，不设固定条数
• 每条精选卡片带一句话「推荐理由」（管线侧真实生成，没有理由时这块不显示）
• 同一事件被多家信源报道时，卡片上会出现「多源 N」标签，点开看每家独立标题，不用分别点进重复新闻
• 标题看不懂缩写或黑话时，配了 DEEPSEEK_API_KEY 的站点会用改写后的完整标题
• 用具体来源和关键词搜索快速定位信息
• 通过源健康和AI占比判断：哪些源是真有料，哪些源更新很多但AI含量低

给内容创作者

• 保留原始来源链接，方便继续深挖、核对事实和做选题
• 同一个事件的多个来源折叠进卡片的「多源 N」标签，点开看每家独立标题，减少重复阅读也方便比对措辞差异
• 用AI标签快速判断一条消息适合做图文、短视频、还是工具实测
• 用多源重合、官方一手、单源观察等信号判断选题可信度和优先级
• 三口味点评天然是选题参考：实用派说有用、毒舌说有诈、较真党说没证据，分歧本身就是内容

给开发者和Agent

• 默认不需要 API Key、不需要登录态、不需要 LLM额度
• 支持官方 RSS/changelog、精选 AI 媒体 RSS、OPML/RSS、公开 GitHub feed/JSON、静态页面、AgentMail 等来源类型
• GitHub Actions自动生成 data/*.json 并发布到 GitHub Pages
• Codex / Claude Code / Hermes / OpenClaw 可以通过项目内置的伯乐Skill继续维护信源、抓取逻辑和页面
• 本地/多分支开发可以用页面 ?data= 参数切换前端读取的 data/ 目录，不用来回改代码或部署
• 高级来源可以通过 GitHub Secrets或本地环境变量接入，避免把 token、cookies、私有 OPML 和邮箱正文写进仓库

工作原理

flowchart LR
    source["信息源清单"] --> classify["伯乐Skill判断信源类型"]

    classify --> official["官方 RSS / changelog"]
    classify --> opml["私人 OPML / RSS"]
    classify --> publicFeed["公开 GitHub feed / JSON"]
    classify --> staticPage["公开页面 / Jina 兜底"]
    classify --> privateMail["AgentMail 邮箱订阅"]
    classify --> skip["跳过高风险来源"]

    official --> fetch["抓取与结构化"]
    opml --> fetch
    publicFeed --> fetch
    staticPage --> fetch
    privateMail --> fetch

    fetch --> dedup["去重与归一化"]
    dedup --> score["AI相关性评分与标签"]
    score --> story["故事合并与多源证据聚合"]
    score --> status["源健康与AI占比统计"]

    story --> brief["伯乐精选 / daily-brief.json"]
    brief --> persona["persona锐评 / top3-personas.json"]
    story --> merged["stories-merged.json / merge-log.json"]
    status --> sourceData["source-status.json"]
    score --> latest["latest-24h.json / latest-24h-all.json"]

    persona --> pages["GitHub Pages / Vercel 网页"]
    brief --> pages
    merged --> pages
    sourceData --> pages
    latest --> pages

    pages --> agent["伯乐Skill：Agent 继续维护信源"]
    pages --> radar["ai-radar Skill：Agent 读报出简报"]

AI News Radar学习了现代新闻学的技术，不是简单堆信息源，一次性放几万条信息出来等于没用，所以我选择把新闻处理拆成稳定pipeline，抓取，去重，过滤，锐评，补充状态，生成静态站点。

在保证稳定性的同时追求轻量化，公开版不要求用户配置LLM API Key，不依赖登录态，cookies，X API和邮箱。需要这些进阶能力时，可以通过伯乐Skill用GitHub Secrets或本地环境变量接入。

数据产物

每次更新会生成一组静态JSON文件，页面只读取这些文件，不需要后端服务。GitHub Pages 是数据的 canonical 源，Vercel 站只是同一份数据的另一个门面。

核心文件包括：

• data/daily-brief.json：伯乐精选20条日报成品，v0.8 起含 persona 打分与点评字段
• data/top3-personas.json：每日 TOP3 的三口味点评并排
• data/latest-24h.json：最近24小时AI强相关消息
• data/latest-24h-all.json：最近24小时广义AI相关消息（score >= 0.3）
• data/latest-24h-all-raw.json：最近24小时零过滤全量消息（dev-only，不接入前端UI）
• data/source-status.json：来源抓取状态、成功率、站点覆盖和源健康
• data/stories-merged.json：故事合并后的完整事件集合
• data/merge-log.json：故事合并过程和命中记录，方便调试与审计

如果 daily-brief.json 暂时不存在，页面会回退到候选信号列表；如果 stories-merged.json 存在，页面会用完整故事池补齐后续故事线，避免只有少量精选故事被接入。

Fork 指南：五步拥有自己的雷达

1. Fork LearnPrompt/ai-news-radar。
2. 开 Actions：fork 后 GitHub 默认暂停 workflow，去 Actions 页点一下启用，update-news.yml 每30分钟自动跑。
3. （可选）配 DEEPSEEK_API_KEY：Settings → Secrets and variables → Actions 加一个 secret，就能获得 persona 锐评、标题增强、精选条目的真实推荐理由，以及更可靠的中文标题翻译（拒答文案和退化输出会自动回退原标题）。不配也全流程能跑，自动降级成规则分、原始标题加谷歌翻译，推荐理由区块直接不显示。默认模型是 deepseek-v4-flash，需要换模型可以另配一个 Variable DEEPSEEK_MODEL 覆盖。想控制每次运行改写多少条标题，可以再配一个 TITLE_ENHANCE_MAX_PER_RUN（不配默认 30）。
4. 开 GitHub Pages：Settings → Pages，选 master 分支根目录。几分钟后你的雷达就活了。
5. 改 skill 一行：把 skills/radar/SKILL.md 顶部的 BASE_URL 换成 https://<你的用户名>.github.io/ai-news-radar/data，你的 Agent 从此读你自己的数据。

想换信源：把订阅写进 feeds/follow.opml（参考 feeds/follow.example.opml），或让内置伯乐Skill帮你判断和录入。想换口味：改 personas/ 下的 markdown 文件。翻译不满意：改根目录 translation-glossary.txt（保护术语 + 修正规则，文件内有格式说明），下次管线运行自动生效。想要自己的域名：（可选）把仓库 import 进 Vercel，仓库里的 vercel.json 已配好，零构建直接上线。想在验证阶段临时看另一份数据（比如自己分支跑出来的 data/）：给页面 URL 加 ?data=<data目录地址> 即可，不用改代码。

快速开始（本地运行）

普通用户不用安装，直接打开在线页面即可。

想fork改造新版本，可以本地运行：

git clone https://github.com/LearnPrompt/ai-news-radar.git
cd ai-news-radar
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python scripts/update_news.py --output-dir data --window-hours 24
python -m http.server 8080

打开：

http://localhost:8080

如果你有自己的 OPML：

cp feeds/follow.example.opml feeds/follow.opml
# 把自己的订阅源写进 feeds/follow.opml，不提交这个文件
python scripts/update_news.py --output-dir data --window-hours 24 --rss-opml feeds/follow.opml

给Agent看的教程

如果你想让Codex / Claude Code / OpenClaw / Hermes帮你搭自己的版本，可以直接说：

请使用伯乐Skill，先问我要信息源清单，然后帮我判断每个信源该用RSS、公开feed、静态页面、Jina兜底、AgentMail邮箱还是跳过。目标是部署一个不需要服务器、能用GitHub Actions自动更新的 AI 日报网站。不要把任何API Key、cookies、token、私有邮件内容写入仓库。

项目内置两个 Skill，分工是「雷达管读，伯乐管选」：

• skills/radar/：ai-radar 雷达Skill（消费侧）——不用fork就能装，自然语言问AI资讯，读本站公开JSON出简报
• skills/ai-news-radar/：伯乐Skill（维护侧）——fork后用它录入信源、维护抓取逻辑、部署 GitHub Pages

新Agent接手验收时，推荐先读：

• README.md
• README.en.md
• docs/GPT_HANDOFF.md
• docs/SOURCE_COVERAGE.md
• docs/V2_PRODUCT_BRIEF.md

GitHub 自动更新

.github/workflows/update-news.yml 已经配置好定时任务。

• 支持手动触发 workflow_dispatch；需要忽略 TikHub 的正常付费源间隔时，显式传入 force_tikhub=true
• 默认每 30 分钟运行一次：*/30 * * * *
• 自动生成并提交 data/*.json；工作流使用 git add data/，避免新增 JSON 文件因为白名单遗漏而停留在旧更新时间
• 如果设置 DEEPSEEK_API_KEY，会给每日精选打 persona 分、生成三口味 TOP3 点评、启用标题增强、生成精选条目的真实推荐理由，并给出更可靠的中文翻译（拒答文案和退化输出会自动回退原标题）；不设置时自动降级为规则分、原始标题和谷歌翻译，推荐理由区块不显示，核心流程照样跑
• 默认 DeepSeek 模型是 deepseek-v4-flash（DeepSeek 官方将于 2026-07-24 弃用 deepseek-chat 别名），可以设置仓库 Variable DEEPSEEK_MODEL 覆盖
• 如果设置 TITLE_ENHANCE_MAX_PER_RUN，会限制每次运行最多改写的标题条数；不设置默认 30
• 如果没有设置 FOLLOW_OPML_B64，线上工作流会自动使用公开示例 feeds/follow.example.opml，让页面展示 RSS/OPML 能力
• 如果设置 FOLLOW_OPML_B64，会优先自动解码为私有 feeds/follow.opml
• 如果设置 EMAIL_DIGEST_ENABLED=1、AGENTMAIL_API_KEY、AGENTMAIL_INBOX_ID，会生成脱敏邮箱摘要
• 只有额外设置 EMAIL_DIGEST_PUBLISH=1，才会提交 data/email-digest.json
• 如果设置 X_API_ENABLED=1、X_BEARER_TOKEN 和预算变量，会在每日指定UTC窗口用官方X API抓取少量公开Post；默认关闭，且当前X API按返回资源计费
• 如果设置 SOCIALDATA_ENABLED=1、SOCIALDATA_API_KEY 和预算变量，会按 SOCIALDATA_RUN_INTERVAL_HOURS（默认12小时）通过 SocialData.tools 抓取少量公开 X/Twitter 搜索结果；默认关闭，API Key 只应放在本地环境变量或 GitHub Secrets
• 如果设置 TIKHUB_ENABLED=1、TIKHUB_API_KEY 和预算变量，会按 TIKHUB_RUN_INTERVAL_HOURS（默认24小时）通过 TikHub 抓取少量抖音/小红书关键词搜索结果；默认关闭，API Key 只应放在本地环境变量或 GitHub Secrets
• SocialData/TikHub 的拉取间隔会记录在 data/paid-source-state.json，只保存上次运行时间、结果数和错误名，不保存 API Key；半小时工作流跳过付费源时，旧条目仍保留在 data/archive.json，不会因为本轮未拉取就被清空

默认情况下，本项目不需要任何API Key就能跑核心流程。

线上页面右上角显示的"更新时间"来自 data/latest-24h.json 的 generated_at。如果页面长时间停在旧时间，优先检查 GitHub Actions 最近一次 Update AI News Snapshot 是否运行、是否有抓取错误、以及仓库 Pages 是否部署到包含最新 data/ 提交的分支。

高级源配置模板见 examples/advanced-sources.env.example，

预算说明见 docs/research/advanced-source-free-tier-budget-2026-05-10.md，

本地测试 TikHub 抓取时可以先小流量强制跑一次：

export TIKHUB_ENABLED=1
export TIKHUB_API_KEY='你的 TikHub API Key'
export TIKHUB_FORCE_RUN=1
export TIKHUB_QUERY='OpenAI,Claude,大模型,Agent,AI工具,人工智能,AI'
export TIKHUB_PLATFORMS=douyin,xiaohongshu
export TIKHUB_MAX_RESULTS=10
export TIKHUB_DAILY_ITEM_LIMIT=10
python3 scripts/probe_tikhub.py --query 'OpenAI,Claude,大模型,Agent,AI工具,人工智能,AI' --platforms douyin,xiaohongshu --max-results 10
python3 scripts/update_news.py --output-dir /tmp/ai-news-radar-tikhub --window-hours 24 --archive-days 3
python3 - <<'PY'
import json
from collections import Counter

status = json.load(open("/tmp/ai-news-radar-tikhub/source-status.json"))
latest = json.load(open("/tmp/ai-news-radar-tikhub/latest-24h-all.json"))
print("failed_sites =", status.get("failed_sites"))
print("empty_advanced_sources =", status.get("empty_advanced_sources"))
print("tikhub_status =", [s for s in status.get("sites", []) if str(s.get("site_id", "")).startswith("tikhub")])
counts = Counter(i.get("site_id") for i in latest.get("items_all_raw", []))
print("tikhub_24h_counts =", {k: counts[k] for k in sorted(counts) if str(k).startswith("tikhub")})
PY

远端需要用当前 master 立即重跑 TikHub 时：

gh workflow run update-news.yml --ref master -f force_tikhub=true

自媒体栏目使用独立的 7 天热榜池，不改变其他栏目的 24 小时窗口。抖音和 小红书搜索都优先请求"一周内最多点赞"，再从响应中提取点赞、收藏、评论 和分享数。榜单分数由 85% 互动热度和 15% 的 24 小时新鲜度加分组成；因此 真正的周内爆款优先，但刚开始起量的新内容仍有机会进入 Top 3。

小红书按"先搜索、后详情"处理。搜索阶段使用 App V2 的最多点赞排序和 7 天筛选，并再次在本地校验发布时间：可信 API 时间优先；0、未来时间 或缺失时间会回退到 note id 的时间前缀；仍无法确认或早于 7 天的笔记会被 跳过。通过时间门禁后，如需补齐图文详情，可按需调用官方详情接口：

import os
import requests

headers = {"Authorization": f"Bearer {os.environ['TIKHUB_API_KEY']}"}

search = requests.get(
    "https://api.tikhub.io/api/v1/xiaohongshu/app_v2/search_notes",
    headers=headers,
    params={
        "keyword": "AI",
        "page": 1,
        "sort_type": "popularity_descending",
        "note_type": "不限",
        "time_filter": "一周内",
    },
    timeout=30,
)
search.raise_for_status()

# Only request details after the search result passes the local 7-day time gate.
detail = requests.get(
    "https://api.tikhub.io/api/v1/xiaohongshu/app_v2/get_image_note_detail",
    headers=headers,
    params={"note_id": "通过时间校验的 note_id"},
    timeout=30,
)
detail.raise_for_status()
print(detail.json())

视频笔记使用 get_video_note_detail。详情接口用于补充作者、互动量、图片、 标签等结构化字段，不替代搜索阶段的发布时间判断。

X API演示配置见 docs/guides/x-api-demo-config.md；

单账号/单newsletter演示见 docs/guides/rileybrown-alphasignal-demo.md。

版本演进

历次改动见 Releases。

致谢

• AI HOT：中文 AI 资讯聚合，信源之一
• superpowers：skill 工程方法论来源
• mattpocock/skills：skill 编写方法论来源

License

MIT