LearnPrompt/ai-news-radar
Public
Star 历史趋势
数据来源: GitHub API · 生成自 Stargazers.cn
README.md

AI News Radar

24小时AI更新雷达｜伯乐Skill

伯乐Skill（Scout Skill）帮你从一堆信源里选出千里马，并把分散消息合并成可追踪的AI故事线。

GitHub stars GitHub Pages Actions Agent Skills License

在线页面 · English · 雷达Skill · 伯乐Skill · 信息源策略

30秒选边上车

① 只想看AI日报 → 不用装任何东西，直接打开在线页面。

② 想让Agent替你读 → 装雷达Skill（ai-radar），零API、零Key、零服务器：

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

装完对Agent说一句：今天AI圈有什么？

ai-radar demo

③ 想要一个完全属于自己的雷达 → fork本仓库，让内置的伯乐Skill帮你录入信源、部署GitHub Pages。信源你选，数据归你。

三层是一条路：看报 → 让Agent读报 → 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，最后用伯乐Skill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。

AI News Radar 当前四宫格截图

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、信息源健康状态和静态网页发布串起来，上线后不消耗模型额度。

能做什么

给普通读者

  • 打开在线页面，直接看最近24小时AI、模型、Agent、开发者工具和技术生态更新
  • 通过“伯乐精选”先看高价值故事线，再不用从几百条消息里肉眼筛选
  • 在“AI信号流”里继续查看完整AI强相关消息
  • 用站点、关键词、时间和来源筛选快速定位信息
  • 看到每条消息的AI标签、AI相关性分数、来源平台和发布时间
  • 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
  • 把同一个事件的多个来源聚合到一起，减少重复阅读
  • 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

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
  • 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

v0.7：从时间线到热点雷达

v0.6 把分散的消息合并成了故事线。v0.7 回答的是下一个问题：

故事多了之后，怎么知道现在什么最热？

v0.7 重点能力包括：

  • 当前热点视图：伯乐精选新增热点模式，按多源聚簇 × 时间衰减排序——几个独立信源同时在说的事，才配叫热点。没有足够多源热点时，这个视图自动隐藏。
  • 社区分类：原“中文”栏目升级为“社区”，收纳 WaytoAGI、AIbase、中文媒体/公众号、Follow Builders/X 等社区型信号；WaytoAGI 不再作为首页常驻大板块，而是在社区栏目里展示最近更新日和近 7 日记录。
  • 头条式 Top3：Top3 不只按时间或单一 AI 相关度排序，而是综合 AI HOT 原站分/内部相关度、官方/精选源权重、多源确认、48 小时新鲜度衰减和同源惩罚，尽量接近“先看什么”的编辑排序。
  • 宁缺毋滥门槛：精选席位必须靠多源确认或高分挣来，安静的日子精选区直接消失，不留空壳，页面回到纯时间轴。
  • 评分回测工具：scripts/backtest_scoring.py 把任意两个版本的评分逻辑在历史档案上重放对比。立下规矩：动评分必须附带 ≥14 天回测报告。
  • ai-radar 消费Skill：装上后对Agent说"今天AI圈有什么"，它直接读本站公开JSON出中文简报——零API、零Key，数据管道可fork。

v0.6 引入的故事线合并、AI标签分数、源健康与AI占比，仍是这一切的地基。历次改动见 Releases。

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"]
    story --> merged["stories-merged.json / merge-log.json"]
    status --> sourceData["source-status.json"]
    score --> latest["latest-24h.json / latest-24h-all.json"]

    brief --> pages["GitHub Pages网页"]
    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，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。

核心文件包括：

  • data/latest-24h.json：最近24小时AI强相关消息
  • data/latest-24h-all.json：最近24小时全量消息
  • data/source-status.json：来源抓取状态、成功率、站点覆盖和源健康
  • data/daily-brief.json：伯乐精选故事线，供首页 Top 3 优先级和高价值入口使用
  • data/stories-merged.json：故事合并后的完整事件集合，页面会在精选故事之后继续接入完整故事池
  • 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。

快速开始

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。

License

MIT

关于 About

24h AI/tech news radar with GitHub Actions, live web UI, and Scout Skill for AI sources.
learnprompt.github.io/ai-news-radar/

语言 Languages

Python67.5%
JavaScript21.9%
CSS8.7%
HTML1.8%
Shell0.2%

提交活跃度 Commit Activity

代码提交热力图
过去 52 周的开发活跃度
1816
Total Commits
峰值: 176次/周
Less
More

核心贡献者 Contributors