最近调研了 LearnPrompt/ai-news-radar——一个自动聚合 AI 新闻的开源项目，跑在 GitHub Actions 上、产出 8 个 JSON 文件、能装成 Agent Skill 读。本文是技术调研笔记。

一、三层使用模型

层级 用户角色 产物 门槛
看报 普通读者 https://learnprompt.github.io/ai-news-radar/ 零门槛（直接访问）
读报 Agent 用户 装 ai-radar Skill，自然语言读 JSON 会装 Skill
办报 Fork 者 fork + 改”伯乐 Skill”信源 了解 OPML / feed 配置

对宁波本地社群的建议：第三层最有价值——fork 后改成”宁波 AI 活动 + 706 社群动态”信源，能搭出本地日报。

二、5 步数据流

1
2
3
4
5
6
7
8
9
collect_all() → 15 个内置 fetcher
  ↓
[OPML RSS] + [AgentMail] + [X API] + [SocialData] + [TikHub]
  ↓
[WaytoAGI 7d]
  ↓
raw_items → archive.json（21 天滑动窗口）
  ↓
24h 时间窗过滤 → AI 评分 → 双语翻译 → 故事合并 → 8 个 JSON 产物

关键节点：

  • collect_all() 拉取 15 个信源（OPML、AgentMail、X、SocialData、TikHub 等）
  • raw_items 进 archive 维护 21 天滑动窗口
  • 24h 时间窗过滤 缩到当天内容
  • AI 评分 对每条打分（相关性、热度）
  • 双语翻译 中英对照
  • 故事合并 把多条相关报道聚合成 1 个故事
  • 8 个 JSON 产物 输出到 data/ 目录

三、20 个信源体系

按抓取方式分 4 类：

抓取方式 代表信源 数量
RSS/Atom + 页面解析 official_ai、curated_media、aihubtoday、aibase 5+
JSON API aihot、bestblogs、techurls、buzzing、zeli、newsnow 6+
Jina Reader / GitHub raw aibreakfast、followbuilders 2
特殊爬虫 iris（JS 渲染）、waytoagi（飞书 Wiki）、tophub（HTML + 编码探测） 3+

几个有意思的源：

  • tophub：抓 3033 条/次，HTML 解析 + 编码探测，国内 TopHub 媒体
  • iris：375 条但延迟 15.7 秒（JS 渲染慢）
  • waytoagi：飞书 Wiki 解析，国内 AI 圈最权威
  • newsnow：SPA bundle + POST API 抓取，反爬技术

信源配置看 feeds/follow.opml，OPML 格式标准，Fork 后改这个文件就能换信源。

四、10 个 JSON 输出产物

文件 大小 用途
latest-24h.json 1.8 MB 24h AI 强相关消息（主数据）
latest-24h-all.json 11 MB 24h 全量消息
source-status.json 11 KB 各源抓取状态（监控用）
daily-brief.json 56 KB 伯乐精选 Top3 候选
stories-merged.json 1.2 MB 故事合并完整池（637 故事）
merge-log.json 9 KB 合并审计日志
archive.json 56 MB 21 天原始归档
waytoagi-7d.json 20 KB WaytoAGI 7 天更新
title-zh-cache.json 3.9 MB 翻译缓存（避免重复调用 LLM）
paid-source-state.json 412 B 付费源调度状态

用 Skill 读 latest-24h.json（1.8 MB，Agent 单次 context 装得下）：

1
2
读取 https://raw.githubusercontent.com/LearnPrompt/ai-news-radar/main/data/latest-24h.json，
分析今日 AI 圈最热的 3 件事，每条给一句话总结。

五、GitHub Actions 调度

  • 频率：每 30 分钟跑一次
  • 超时：15 分钟
  • 入口：scripts/update_news.py:5225
  • 核心命令：
1
2
3
4
5
python scripts/update_news.py \
  --output-dir data \
  --window-hours 24 \
  --archive-days 21 \
  --rss-opml feeds/follow.opml
  • 可白嫖 GitHub Actions 免费额度（2000 分钟/月，足够 30 分钟 × 30 天 = 900 分钟）
  • Fork 后改成 cron 或自部署也行，commands 都开源

六、变现能力

我没仔细看付费层，但发现 paid-source-state.json 文件——说明：

  • 免费层：20 个内置信源（已够用）
  • 付费层：扩展信源（如 Twitter API v2 月费 $100+、新闻付费墙绕过）

判断：对个人 / 小社群够用；要商业化（如做宁波日报）需要付费信源支持 + 算力成本。

七、给本地运行的改造建议

Fork 后要跑起来改哪些：

  1. 改信源 feeds/follow.opml：换成本地 AI 社群、活动博客、媒体源
  2. 改 prompt：在 prompts/ 目录下调整 AI 评分的 prompt（更看重本地相关）
  3. 改 cron 频率：本地跑可以 5 分钟一次（GitHub Actions 30 分钟是省免费额度）
  4. 加本地数据源：写个 fetcher 抓宁波本地公众号、706 活动
  5. 改主题（看报层）：默认的 maupassant 主题不漂亮，可以改 next 或自写

八、5 条踩坑提醒

  • OPML 文件路径要写对——feeds/follow.opml 是相对路径，跑脚本时 cwd 要对
  • 付费源 token 必填——漏填直接报 401，整条 pipeline 失败
  • Jina Reader 限速——免费版 1000 次/日，超了换 RSS 源
  • waytoagi 飞书 API 经常变——requests.post 失败时 fallback 到 api 而不是 api/v1
  • 故事合并阈值——默认合并相似度 > 0.85，宁波本地用可以降到 0.7（合并更激进）

九、给 Skill 编写者的启示

ai-radar 这个 Skill 的设计很值得学：

  • Skill 把”读 JSON”封装成自然语言——用户不用学 JSON schema
  • 数据由 Actions 自动更新——Skill 是无状态读取
  • fallback 设计——付费源挂了免费源补

自己写 Skill 时：

  • 优先只读操作（读文件 / 读 API），不要让 Skill 写
  • 状态外置到文件 / DB，Skill 是 stateless 的
  • 错误信息要友好（”源 X 挂了，看 Y 替代”）

本文基于 v0.7（2026-06-30）。仓库仍在活跃迭代，跑前看 README 更新。