--- slug: "rss-reader-ai" name: "rss-reader-ai" version: 1.0.1 displayName: "RSS智能阅读器专业版" summary: "企业级RSS聚合平台，支持多源批量抓取、AI深度摘要、多渠道推送、定时调度与数据分析。。RSS智能阅读器（专业版）—— 面向团队和企业的全功能信息聚合平台。核心能力: - 无限订阅源批量抓取" summary_zh: "企业级RSS聚合平台，支持多源批量抓取、AI深度摘要、多渠道推送、定时调度与数据分析。。RSS智能阅读器（专业版）—— 面向团队和企业的全功能信息聚合平台。核心能力: - 无限订阅源批量抓取" license: "MIT" edition: "pro" description: |- RSS智能阅读器（专业版）—— 面向团队和企业的全功能信息聚合平台。核心能力: - 无限订阅源批量抓取与分类管理 - AI深度摘要与关键词提取 - 多渠道同时推送（飞书/Telegram/Email/Webhook） - 定时调度与任务队列 - 内容趋势分析与阅读统计 - 团队订阅共享与权限管理 适用场景: - 企业情报监控与竞品分析 - 团队信息共享与知识管理 - 行业趋势追踪与报告生成 - 多语言内容聚合与翻译 差异化: 在免费版基础上增加多渠道推送、无限订阅源、深度分析、团队协作等企业级能力... tags: - 沟通协作 - 企业级 - 信息聚合 - RSS - 数据分析 - 订阅 - 信息 - self - article - feeds - 验证返回 tools: - read - exec homepage: "" category: "Knowledge" --- # RSS智能阅读器专业版 ## 付费版专享能力 | 能力 | 免费版 | 付费版 | |---|---|---| | 基础功能 | 支持 | 支持 | | RSS智能阅读器专业版支持多源批量抓取 | 不支持 | 支持 | | RSS智能阅读器专业版定时调度与数据分析 | 不支持 | 支持 | | 大数据集流式处理 | 不支持 | 支持 | | 多数据源关联查询 | 不支持 | 支持 | | 可视化图表自动生成 | 不支持 | 支持 | ## 核心能力 ### 1. 无限订阅源批量管理 支持无数量限制的订阅源，提供分类管理、标签筛选、批量导入导出能力. **处理**: 解析无限订阅源批量管理的输入参数,执行核心处理逻辑,返回结构化结果和执行状态。- 验证返回数据的完整性和格式正确性 - 参考`无限订阅源批量管理`的配置文档进行参数调优 ### 2. AI深度摘要与关键词提取 除了基础摘要外，专业版支持关键词提取、情感分析、主题分类、重要性评分等深度分析. **输入**: 用户提供AI深度摘要与关键词提取所需的指令和必要参数. **输出**: 返回AI深度摘要与关键词提取的处理结果,包含执行状态码、结果数据和执行日志。- 验证返回数据的完整性和格式正确性 - 参考`AI深度摘要与关键词提取`的配置文档进行参数调优 ### 3. 多渠道同时推送 支持飞书、Telegram、Email、自定义Webhook等多个渠道同时推送，按订阅源类别分配不同渠道. **输入**: 用户提供多渠道同时推送所需的指令和必要参数. **处理**: 解析多渠道同时推送的输入参数,执行核心处理逻辑,返回结构化结果和执行状态. **输出**: 返回多渠道同时推送的处理结果,包含执行状态码、结果数据和执行日志。- 验证返回数据的完整性和格式正确性 - 参考`多渠道同时推送`的配置文档进行参数调优 ### 4. 定时调度与任务队列 支持cron表达式定时调度，内置任务队列管理，支持优先级排序与失败重试. **输入**: 用户提供定时调度与任务队列所需的指令和必要参数. **输出**: 返回定时调度与任务队列的处理结果,包含执行状态码、结果数据和执行日志。- 验证返回数据的完整性和格式正确性 - 参考`定时调度与任务队列`的配置文档进行参数调优 ### 5. 内容趋势分析 提供阅读统计、热点趋势、关键词云、来源分布等可视化分析报表. **输出**: 返回内容趋势分析的处理结果,包含执行状态码、结果数据和执行日志。- 验证返回数据的完整性和格式正确性 - 参考`内容趋势分析`的配置文档进行参数调优 ### 6. 团队订阅共享 支持团队内订阅源共享、推送规则配置、成员权限管理. **输入**: 用户提供团队订阅共享所需的指令和必要参数. **处理**: 解析团队订阅共享的输入参数,执行核心处理逻辑,返回结构化结果和执行状态. **输出**: 返回团队订阅共享的处理结果,包含执行状态码、结果数据和执行日志。- 验证返回数据的完整性和格式正确性 - 参考`团队订阅共享`的配置文档进行参数调优 # ## 快速开始 1. 确认运行环境满足依赖说明中的要求 2. 在AI Agent对话中调用本技能,提供必要的输入参数 3. 检查输出结果,根据需要进行后续处理 > 详细的输入输出格式请参考下方章节说明。 ## 适用场景 ### 场景一：企业竞品情报监控 监控竞品博客、新闻稿、产品更新等RSS源，AI生成摘要并分类推送到不同团队频道. ```python import yaml import schedule import time # ... class CompetitorMonitor: """竞品情报监控器""" # ... def __init__(self, config_path): with open(config_path, 'r', encoding='utf-8') as f: self.config = yaml.safe_load(f) self.feeds = self.config['feeds'] self.routes = self.config['routes'] # ... def fetch_and_summarize(self): """抓取并生成摘要""" for feed in self.feeds: articles = self.fetch_feed(feed['url']) for article in articles: summary = self.ai_summarize(article, depth="deep") keywords = self.extract_keywords(article) sentiment = self.analyze_sentiment(article) # ... route = self.routes.get(feed['category'], 'default') self.push_to_channels(route, { 'title': article['title'], 'summary': summary, 'keywords': keywords, 'sentiment': sentiment, 'source': feed['name'], 'url': article['link'] }) # ... def ai_summarize(self, article, depth="deep"): """AI深度摘要""" prompt = f""" 请对以下内容进行深度分析： 1. 生成200字以内的中文摘要 2. 提取3-5个关键词 3. 判断情感倾向（正面/中性/负面） 4. 评估重要性（1-5分） 5. 识别提及的竞品名称 # ... 内容: {article['content']} """ return self.call_llm(prompt) # ... monitor = CompetitorMonitor("competitor_config.yaml") monitor.fetch_and_summarize() ``` ### 场景二：多渠道团队信息分发 ```yaml feeds: - name: "行业新闻" url: "https://feeds.example.com/industry-news.xml" category: "industry" - name: "技术博客" url: "https://feeds.example.com/tech-blog.xml" category: "tech" - name: "产品更新" url: "https://feeds.example.com/product-updates.xml" category: "product" # ... routes: industry: channels: ["feishu:industry-channel", "email:leadership@company.com"] priority: "high" tech: channels: ["feishu:tech-channel", "telegram:tech-group"] priority: "medium" product: channels: ["feishu:product-channel"] priority: "high" default: channels: ["feishu:general-channel"] priority: "low" # ... notify: feishu: enabled: true webhooks: industry-channel: "${FEISHU_INDUSTRY_WEBHOOK}" tech-channel: "${FEISHU_TECH_WEBHOOK}" product-channel: "${FEISHU_PRODUCT_WEBHOOK}" general-channel: "${FEISHU_GENERAL_WEBHOOK}" # ... telegram: enabled: true bot_token: "${TELEGRAM_BOT_TOKEN}" chat_ids: tech-group: "${TELEGRAM_TECH_CHAT_ID}" # ... email: enabled: true smtp_host: "smtp.company.com" smtp_port: 587 username: "${SMTP_USER}" password: "${SMTP_PASSWORD}" recipients: leadership: "leadership@company.com" # ... webhook: enabled: true url: "https://internal.company.com/api/rss-webhook" method: "POST" headers: Authorization: "Bearer ${WEBHOOK_TOKEN}" ``` ### 场景三：内容趋势分析报告 ```python class ContentAnalytics: """内容趋势分析报告生成器""" # ... def generate_weekly_report(self): """生成周度分析报告""" report = { "周期": "2026-07-12 至 2026-07-18", "总抓取量": self.get_total_count(), "总推送量": self.get_pushed_count(), "去重过滤": self.get_dedup_count(), "分类统计": self.get_category_stats(), "热点关键词": self.get_trending_keywords(top_n=20), "高频来源": self.get_top_sources(top_n=10), "情感分布": self.get_sentiment_distribution(), "推送渠道统计": self.get_channel_stats() } return self.format_report(report) # ... def get_trending_keywords(self, top_n=20): """获取热点关键词""" return [ {"keyword": "AI编程", "count": 45, "trend": "+30%"}, {"keyword": "WebAssembly", "count": 32, "trend": "+15%"}, {"keyword": "边缘计算", "count": 28, "trend": "+8%"}, ] # ... analytics = ContentAnalytics() report = analytics.generate_weekly_report() print(report) ``` ## 使用流程 ### 安装 ```bash mkdir ~/rss-reader-pro && cd ~/rss-reader-pro pip install -r requirements.txt # ... python migrate.py --from-free ~/rss-reader/my_config.yaml --to-pro ./config.yaml ``` ### 基本使用 ```bash python main.py --once # ... python main.py --daemon # ... python main.py --report weekly # ... python main.py --import-feeds feeds.opml # ... python main.py --export-feeds --format opml --output my_feeds.opml ``` ### 命令行参数 ```bash python main.py [options] # ... --config, -c 配置文件路径 (默认: config.yaml) --once 单次执行模式 --daemon 守护进程模式（定时调度） --report 生成分析报告 (daily/weekly/monthly) --import-feeds 批量导入订阅源 (OPML格式) --export-feeds 导出订阅源 --stats 显示运行统计 --db 数据库路径 (默认: rss_reader_pro.db) --workers 并发工作线程数 (默认: 3) --verbose 详细日志输出 ``` # ## 输入格式 | 参数名 | 类型 | 必填 | 说明 | |:-----|:-----|:-----|:-----| | content | string | 否 | rss-reader-ai处理的内容输入 |, | | content | string | 否 | rss-reader-ai处理的内容输入 |, 可选值: json/text/markdown | | style | string | 否 | 输出风格, 参考 `references/style.md` | ## 输出格式 ```json { "success": true, "data": { result: "ai 相关配置参数", result: "ai 相关配置参数", result: "ai 相关配置参数", "metadata": { "template_used": "reviewer", "word_count": 0, "style": "专业" } }, "error": null } ``` 输出模板参考: `assets/output.json` ## 异常处理 | 错误场景 | 原因 | 处理方式 | |---:|---:|---:| | 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 | | 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 | | 网络错误 | 连接超时或不可达 | ## 依赖说明 ### 运行环境 - **Agent 平台**: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等） - **操作系统**: Windows / macOS / Linux - **Python 版本**: 3.8+ - **网络环境**: 需能访问订阅源URL和AI API端点 - **数据库**: 内置SQLite，无需额外安装数据库服务 ### 第三方依赖 | 依赖项 | 类型 | 是否必需 | 获取方式 | |:---:|:---:|:---:|:---:| | Python 3.8+ | 运行时 | 必需 | python.org 官方下载 | | feedparser | Python库 | 必需 | `pip install feedparser` | | requests | Python库 | 必需 | `pip install requests` | | anthropic / openai | Python库 | 必需 | `pip install anthropic` 或 `pip install openai` | | sqlite3 | 标准库 | 必需 | Python内置 | | pyyaml | Python库 | 必需 | `pip install pyyaml` | | schedule | Python库 | 必需 | `pip install schedule` | | apscheduler | Python库 | 推荐 | `pip install apscheduler` | | jinja2 | Python库 | 推荐 | `pip install jinja2`（报告模板） | | matplotlib | Python库 | 可选 | `pip install matplotlib`（图表生成） | | LLM API | API | 必需 | 由Agent内置LLM提供或自行配置 | ### API Key 配置 ```bash export ANTHROPIC_API_KEY="your_claude_api_key" export OPENAI_API_KEY="your_openai_api_key" # ... export FEISHU_DEFAULT_WEBHOOK="your_feishu_webhook_1" export FEISHU_TECH_WEBHOOK="your_feishu_webhook_2" export TELEGRAM_BOT_TOKEN="your_telegram_bot_token" export TELEGRAM_DEFAULT_CHAT_ID="your_chat_id" export SMTP_USER="your_email@company.com" export SMTP_PASSWORD="your_smtp_password" export CUSTOM_WEBHOOK_URL="your_custom_webhook_url" export WEBHOOK_TOKEN="your_webhook_auth_token" ``` ### 可用性分类 - **分类**: MD+EXEC+SCRIPT+DAEMON（Markdown指令 + 命令行执行 + Python脚本 + 守护进程） - **说明**: 基于Markdown的AI Skill，专业版支持定时调度、并发处理与数据分析 - **适用人群**: 企业团队、情报分析人员、产品经理、市场团队 - **兼容性**: 完全兼容免费版配置与数据库，支持无缝升级 - **支持级别**: 优先技术支持，工作日24小时内响应 ## 案例展示 ### 示例1: 基础用法 **输入**: ```json { "content": "示例数据", "content": "示例数据", "style": "示例数据" } ``` **输出**: ``` 示例数据 ``` ### 示例3: 边界情况 - 边界情况 **输入**: ```json { "content": "示例数据" } ``` **输出**: ``` 示例数据 ``` ## 常见问题 ### Q: 专业版与免费版如何兼容？ 专业版完全兼容免费版的配置文件格式与数据库结构。升级时只需运行迁移脚本，原有订阅配置与去重记录自动迁移. ### Q: 专业版支持多少个订阅源？ 专业版无数量限制，实际上限取决于服务器性能与网络带宽。建议单实例配置不超过500个订阅源，超过时建议分布式部署. ### Q: 多渠道推送会不会导致重复推送？ 不会。专业版采用统一的去重机制，无论推送到多少渠道，每篇内容只会被处理一次，然后分发到所有配置的渠道. ### Q: 定时调度支持哪些格式？ ```bash schedule: cron: "0 */2 * * *" # 每2小时 cron: "0 9 * * 1-5" # 工作日每天9点 cron: "0 0 * * 0" # 每周日0点 "每天早上8点推送" "工作日每2小时抓取一次" ``` ### Q: 团队共享订阅如何管理权限？ ```bash python team_manager.py add-member --user "alice" --role "editor" python team_manager.py add-member --user "bob" --role "viewer" # ... python team_manager.py share-feed --feed-id 12 --team "engineering" ``` ### Q: 分析报告可以导出吗？ ```bash python main.py --report weekly --format pdf --output report.pdf python main.py --report weekly --format html --output report.html python main.py --report weekly --format json --output report.json ``` ## 错误处理 | 错误场景(续)| 原因 | 处理方式 | |:---------|---------:|:---------| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 |