一个月前画的饼： https://www.v2ex.com/t/1119444

简单预览

有兴趣再左键点击阅读全文；右键标记已读，彻底从列表消失，减少焦虑

详细介绍

zenfeed 是你的智能信息助手。它自动收集、筛选并总结关注的新闻或话题，然后发送给你。但我们可不是又造了一个 "今日头条"... 🤔

For RSS 老司机 🚗

zenfeed 可以是你的 AI 版 RSS 阅读器（配合 zenfeed-web）
RSSHub 的 MCP Server
可自定义可信 RSS 数据源，且速度超快的 AI 搜索引擎
与 Feedly AI 类似

For 万物追踪替代品寻觅者 🔍

zenfeed 同样拥有信息追踪能力，且更强调高质量，自定义的数据源
AI 首席情报官的 RSS 版，灵活版，更接近 PaaS 形态

For 信息焦虑症患者(比如我) 😌

"zenfeed" 是 "zen" 和 "feed" 的组合，意为在 feed （信息洪流）中，愿你保持 zen （禅定）
如果你对时不时地刷信息流感到焦虑疲惫，这是因为上下文切换的成本比想象得高，同时也妨碍了你进入心流。推荐你试试简报功能，每天固定时间收到对应时间段的简报邮件，从而一次性地，快速地，总览地完成阅读。啊哈有点文艺复兴的意味是吗 ✨

For AI 内容处理的探索者 🔬

zenfeed 有一种对内容进行管道化处理的自定义机制，类似 Prometheus Relabeling
每篇内容都被抽象成一个标签集合（比如标题，来源，正文... 都是标签），在管道的每一个节点，可以基于自定义 Prompt 对特定标签值进行处理（比如评分、分类、摘要、过滤、添加新标签等...），而后基于标签查询过滤，路由，展示... See Rewrite Rules
重要的是你可以灵活的编排这一切，这赋予了 zenfeed 浓重的工具化，个性化色彩。欢迎通过 Push API 集成私有数据，探索更多的可能性

安装

替换下方 APIKey 等参数，并完整复制到终端一键执行。注意：

provider 除了硅基还支持 openai, openrouter, deepseek, gemini, volc （火山(keng)引擎）。也可自定义，参考配置文档。需要自定义其它参数的大佬也可参考
llms[0].model 默认会用来总结内容，相对耗费 Token ，一般 Qwen/Qwen2.5-7B-Instruct （免费！！！）足够，当然米够的话越强越好
想完全自定义部署的，参考 https://github.com/glidea/zenfeed/tree/main/install

Mac/Linux

docker run --rm \
  -v "$(PWD):/app" \
  -w /app \
  --entrypoint sh \
  mikefarah/yq -c '
    set -e
    mkdir -p zenfeed/config && cd zenfeed
    TEMPLATE_URL="https://raw.githubusercontent.com/glidea/zenfeed/main/install/config-template.yaml"
    COMPOSE_URL="https://raw.githubusercontent.com/glidea/zenfeed/main/install/docker-compose.yml"
    CONFIG_OUTPUT="config/config.yaml"
    COMPOSE_OUTPUT="docker-compose.yml"

    wget -qO- "$TEMPLATE_URL" | yq \
        ".timezone = \"Asia/Shanghai\" |
          .llms[0].provider = \"siliconflow\" |
          .llms[0].model = \"Qwen/Qwen2.5-7B-Instruct\" |
          .llms[0].api_key = \"your_api_key\" | # <<<--- 替换 API Key! 其它参数按需选择
          .llms[1].provider = \"siliconflow\" |
          .llms[1].embedding_model = \"Pro/BAAI/bge-m3\" |
          .llms[1].api_key = \"your_api_key\" | # <<<--- 替换 API Key!
          .storage.feed.rewrites[0].transform.to_text.prompt = \"{{.summary_html_snippet}}使用中文回复\"" \
        > "$CONFIG_OUTPUT"

    wget -qO "$COMPOSE_OUTPUT" "$COMPOSE_URL"
' && cd zenfeed && docker compose up -d --wait

Windows

docker run --rm `
  -v "${PWD}:/app" `
  -w /app `
  --entrypoint sh `
  mikefarah/yq -c '
    set -e
    mkdir -p zenfeed/config && cd zenfeed
    TEMPLATE_URL="https://raw.githubusercontent.com/glidea/zenfeed/main/install/config-template.yaml"
    COMPOSE_URL="https://raw.githubusercontent.com/glidea/zenfeed/main/install/docker-compose.yml"
    CONFIG_OUTPUT="config/config.yaml"
    COMPOSE_OUTPUT="docker-compose.yml"

    wget -qO- "$TEMPLATE_URL" | yq \
        ".timezone = \"Asia/Shanghai\" |
          .llms[0].provider = \"siliconflow\" |
          .llms[0].model = \"Qwen/Qwen2.5-7B-Instruct\" |
          .llms[0].api_key = \"your_api_key\" | # <<<--- 替换 API Key! 其它参数按需选择
          .llms[1].provider = \"siliconflow\" |
          .llms[1].embedding_model = \"Pro/BAAI/bge-m3\" |
          .llms[1].api_key = \"your_api_key\" | # <<<--- 替换 API Key!
          .storage.feed.rewrites[0].transform.to_text.prompt = \"{{.summary_html_snippet}}使用中文回复\"" \
        > "$CONFIG_OUTPUT"

    wget -qO "$COMPOSE_OUTPUT" "$COMPOSE_URL"
' ; cd zenfeed; docker compose up -d --wait

💐恭喜 V 友安装成功！！

关于后续如何使用现成的 Web 端，配置 Cherry Studio MCP 参考 README。也就几分钟的事情

顺便帮忙点个 Star ，防止我太监掉 💐

https://github.com/glidea/zenfeed

Roadmap

P0 （大概率会做）
- 支持生成播客，男女对话，类似 NotebookLM
- 更多数据源
  - 邮件
  - 网页剪藏 Chrome 插件
P1 （可能）
- 关键词搜索
- 支持搜索引擎作为数据源
- APP ？
- 以下是由于版权风险，暂时不推进。懂法的佬友可以给我科普下
  - 支持 Webhook 通知（不想成为制造内容农场的工具）
  - 爬虫

欢迎 V 友提需求

IndexOutOfBounds

148 天前

每篇内容都被抽象成一个标签集合（比如标题，来源，正文... 都是标签），在管道的每一个节点，可以基于自定义 Prompt 对特定标签值进行处理（比如评分、分类、摘要、过滤、添加新标签等...），而后基于标签查询过滤，路由，展示... See Rewrite Rules

@shot 你看这个符合需求不，安装后在前端的“高级设置”中自定义
https://github.com/glidea/zenfeed/blob/main/docs/config-zh.md#%E9%87%8D%E5%86%99%E8%A7%84%E5%88%99%E9%85%8D%E7%BD%AE-storagefeedrewrites

For example:
```yaml
rewrites:
- skip_too_short_threshold: 0
match_re: ^[\s\S]{0,300}$ # 丢掉 300 字以内的短文
action: drop_feed
- skip_too_short_threshold: 0
transform:
to_text:
llm: qwen-small
prompt: "{{ .score }}" # 给内容打分（使用内置 Prompt ）
label: score
- source_label: score # 引用刚刚的分数
skip_too_short_threshold: 0
match_re: ^[0-6]$ # 6 分及以下丢掉
action: drop_feed
- transform:
to_text:
llm: qwen-small
prompt: "{{ .category }}" # 给内容分类，后续你可以根据分类 Group by 查询，或者一个分类一个邮件...
label: category
- transform:
to_text:
llm: qwen-small
prompt: |
{{ .tags }}
使用中文回复 # 打 tags 。在内置 Prompt 的基础上补充要求
label: tags
- transform:
to_text:
llm: qwen-small
prompt: |
{{ .summary_html_snippet }} # 总结成可视化的 html ，也就是上面预览看到的内容
label: summary_html_snippet
```

[开源] AI 版 RSS 阅读器；信息监控； MCP 查询分析；每日简报....

简单预览

详细介绍

安装

Mac/Linux

Windows

Roadmap