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。

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。

• 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

• 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

• 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、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

v0.6这一版的重点是，

把分散在不同信源里的同一个AI事件合并起来

过去的信息流有一个问题，

同一个模型发布、同一个产品更新、同一个开源项目，可能会被官方博客、技术媒体、聚合站、RSS源重复转发。

消息越多，反而越难判断什么真正重要。

v0.6 做了四件事：

• 伯乐精选故事线：从24小时消息里选出更值得看的事件节点，不再只按发布时间堆消息。
• 多源证据合并：同一个事件可以保留多个来源，既减少重复，又不丢原始链接。
• AI标签和分数：每条消息都会标注它更像是模型发布、产品更新、Agent工作流、开发工具、研究论文还是行业动态，并显示AI相关性分数。
• 源健康与AI占比：不仅告诉你某个源抓到了多少条，还告诉你其中有多少是真正AI相关，方便判断一个信源值不值得长期保留。

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["Codex / Claude Code 继续维护"]

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。

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，供首页高价值时间线使用
• 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，避免首页空白。

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

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 Skill 在：

• skills/ai-news-radar/README.md
• skills/ai-news-radar/SKILL.md

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/workflows/update-news.yml 已经配置好定时任务。

• 默认每 30 分钟运行一次
• 自动生成并提交 data/*.json
• 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

默认情况下，本项目不需要任何API Key就能跑核心流程。

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，

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。

MIT