🚀 专为技术极客设计的 AI 驱动新闻聚合与筛选系统。 Intelligent news curator for technical professionals.
Demo Web: AI News Dashboard
News Dashboard 是一个智能化的新闻处理管道，旨在解决信息过载问题。它通过两阶段的 AI 处理流程（L1 快速筛选 + L2 深度分析），从海量 RSS 订阅源中提炼出对开发者、算法工程师和硬核科技爱好者最有价值的信息。
系统不仅进行简单的关键词匹配，而是利用大语言模型（LLM）真正理解新闻内容，进行去重、评分、中文摘要重写，并基于独创的重力算法（Gravity Ranking） 生成最终的热度排行榜。
- 🧠 双流 AI 架构 (Two-Stage AI Pipeline):
- L1 Filter: 使用轻量级模型 (GPT-4o-mini) 快速过滤掉政治、娱乐等无关噪音，保留技术硬核内容。
- L2 Scorer: 使用强力模型 (GPT-4o) 进行深度阅读，生成中文技术摘要，重写标题，并进行 0-100 的深度评分。
- 📉 重力排序算法 (Gravity Ranking): 结合新闻的“内容质量分”与“时间衰减因子”，确保榜单既体现热度，又兼顾时效性。让真正的大事（如 DeepSeek 发布）能长时间霸榜。
- 🔗 智能去重: 自动识别并合并同一事件的多来源报道，选取最佳信源。
- 🌐 灵活配置: 支持自定义 RSS 源、AI 模型参数、扫描间隔等 (通过
.env)。 - 🐳 Docker Ready: 提供完整的 Docker 支持，一键部署。
-
Clone 项目
git clone https://github.com/your-username/news-dashboard.git cd news-dashboard -
配置环境变量 复制示例配置并修改：
cp .env_example .env
编辑
.env文件，填入你的 OpenAI API Key 和其他配置。 -
运行 可以直接使用预构建的 Docker 镜像：
# ⚠️ 关键步骤：创建数据目录 mkdir -p data # 拉取镜像 docker pull ghcr.io/t0saki/ai-news-dashboard:latest # 运行 docker run -d \ --name news-dashboard \ --env-file .env \ -v $(pwd)/data:/app/data \ -v $(pwd)/user_profile.md:/app/prompts/user_profile.md \ ghcr.io/t0saki/ai-news-dashboard:latest
💡 提示: 你可以在宿主机创建一个
user_profile.md来覆盖默认的 AI 筛选偏好（Role/Domain/Tier 打分标准）。或者你也可以选择自己构建：
docker build -t news-dashboard . docker run -d --env-file .env -v $(pwd)/data:/app/data news-dashboard
需要 Python 3.12+。使用 uv 进行依赖管理（推荐）或直接使用 pip。
-
安装依赖
# 使用 uv (推荐) uv sync # 或使用 pip pip install -r requirements.txt # (需自行导出)
-
运行
# 使用 uv uv run main.py # 或直接 python python main.py
在 .env 文件中进行核心配置：
| 变量名 | 默认值 | 说明 |
|---|---|---|
AI_API_KEY |
(Required) | LLM 服务商的 API Key |
AI_BASE_URL |
https://api.openai.com/v1 | LLM API 端点 (支持 OpenAI 兼容接口) |
AI_MODEL_L1 |
gpt-4o-mini | L1 阶段使用的快速模型 |
AI_MODEL_L2 |
gpt-4o | L2 阶段使用的强力模型 |
FETCH_INTERVAL_SECONDS |
600 | RSS 抓取循环间隔 (秒) |
GRAVITY |
1.1 | 时间重力衰减因子 (越小衰减越慢) |
RANKING_WINDOW_HOURS |
72 | 排行榜的时间窗口 (小时) |
RSS_FEEDS |
(See config.py) | JSON 格式的 RSS 源列表 (可选，覆盖默认) |
- Source Manager: 轮询 RSS Feeds，获取最新文章链接。
- L1 Filter: 批处理新文章，判断是否值得保留（Tier 1/2/3 分级）。
- L2 Scorer: 对通过 L1 的文章进行全文（或摘要）分析，生成中文标题和技术摘要。
- Database: SQLite (
news.db) 存储所有状态。 - Ranking Engine: 计算 Gravity Score，输出
dashboard.json和top5.json。
系统会生成 JSON 文件供前端或其他服务调用：
dashboard.json: 包含完整的排行榜数据、分数、中文摘要等。top5.json: 精简版 Top 5，适合做这种 E-ink 仪表盘或状态栏显示。
欢迎提交 PR 或 Issue！如果你有更好的 Prompt (位于 prompts/ 目录)，请务必分享！
MIT License