1. 项目概述打造你的AI驱动个性化RSS摘要系统每天打开RSS阅读器面对上百篇未读文章那种信息过载的焦虑感我太熟悉了。作为一个重度信息消费者和技术博主我订阅了超过200个技术、科技和行业动态的RSS源但真正有价值的内容往往被淹没在信息洪流中。传统的RSS阅读器只是简单地把所有内容堆砌在一起缺乏智能筛选和个性化推荐导致阅读效率极低。这就是为什么我花了几个月时间基于开源组件搭建了一套完整的AI驱动RSS摘要系统——YourRSS。它不是一个全新的阅读器而是一个智能中间层连接着你已经使用的FreshRSS实例通过AI对文章进行评分、排序和摘要还能学习你的阅读偏好让每天的阅读简报越来越符合你的口味。最重要的是整个系统完全自托管你的数据始终掌握在自己手中。这套系统的核心价值在于“个性化”和“智能化”。它不仅仅是把AI生硬地套在RSS上而是构建了一个完整的学习闭环你阅读摘要、反馈喜好点赞/点踩、系统学习、下次推荐更精准。对于每天需要从海量信息中快速获取精华的开发者、研究者、内容创作者来说这能节省大量筛选时间。如果你已经厌倦了被动接收信息想要一个真正懂你、能帮你主动筛选内容的智能助手那么这套方案值得你深入了解。2. 系统架构与核心组件选型解析2.1 为什么选择FreshRSS作为数据源在开始构建之前我评估了多个RSS聚合方案。最终选择FreshRSS主要是基于以下几个实际考量数据主权与控制权FreshRSS是开源自托管方案所有订阅数据、阅读状态、文章内容都存储在你自己的服务器上。相比Feedly、Inoreader等云服务这避免了厂商锁定风险也符合当前数据隐私保护的趋势。你可以完全控制数据的存储位置、备份策略和访问权限。完整的Google Reader API兼容性FreshRSS实现了完整的Google Reader API这为后续的数据获取提供了极大便利。我们不需要解析复杂的HTML页面或处理各种非标准RSS格式只需要通过标准的API接口就能获取结构化的文章数据包括标题、作者、发布时间、分类、全文内容等所有必要字段。成熟的生态与稳定性FreshRSS已经发展了近十年拥有活跃的社区和丰富的插件生态。我在生产环境运行了两年多经历了多次版本升级其稳定性和性能都经受住了考验。对于需要7x24小时稳定运行的数据源服务来说成熟度是首要考虑因素。灵活的部署选项你可以通过Docker一键部署也可以直接在VPS上安装。我个人的部署方案是在一台2核4G的云服务器上通过Docker Compose运行同时搭配Nginx反向代理和Lets Encrypt SSL证书确保访问安全。每月成本大约5美元却能服务整个团队的RSS订阅需求。注意在部署FreshRSS时务必在设置中启用“允许API访问”选项并为API访问设置独立的强密码。不要使用登录密码作为API密码这是基本的安全实践。2.2 Cortex Memory个性化推荐的核心大脑单纯的AI摘要还不够真正的个性化需要记忆和学习能力。这就是Cortex Memory发挥作用的地方。Cortex是一个开源的长期记忆系统专门为AI Agent设计但它的REST API设计让它能轻松集成到任何需要记忆功能的系统中。为什么需要独立的记忆系统早期版本中我尝试过直接在代码里维护一个偏好文件或者用简单的数据库记录点赞记录。但这很快就遇到了问题偏好如何量化如何关联不同文章间的主题如何随着时间的推移调整权重Cortex提供了完整的解决方案它不仅能存储“用户喜欢AI安全类文章”这样的显式偏好还能通过向量搜索发现隐式关联比如用户经常点赞的Go语言文章往往也涉及并发编程。隔离的Agent设计YourRSS在Cortex中创建了一个独立的readerAgent。这是一个关键设计——你的阅读偏好与其他用途的记忆完全隔离。你不会在查询编程问题时突然看到“用户喜欢科技新闻”这样的无关记忆混入。每个Agent有独立的命名空间这保证了系统的清晰性和可维护性。记忆的结构化存储Cortex支持给记忆打标签、分类、设置权重。在我们的场景中每当你对一篇文章点赞或点踩系统会提取文章的关键主题通过AI分析获得然后以结构化的方式存储到Cortex。例如{ content: 用户对关于Rust内存安全与WebAssembly结合的文章表示喜欢, tags: [rust, webassembly, 内存安全, 系统编程], category: preference, weight: 0.8, timestamp: 2024-01-15T10:30:00Z }这样的结构化存储让后续的召回和计算更加高效。2.3 AI评分提供者的灵活架构AI能力是系统的核心但如何集成AI却有很多选择。YourRSS设计了一个灵活的提供者架构支持两种主要模式Agent直通模式当你在OpenClaw、Cursor、Claude Code等AI Agent环境中直接运行/digest命令时系统会使用当前Agent的AI能力来处理评分和摘要。这种模式的优点是零配置——你不需要额外设置API密钥直接利用当前会话的AI能力。但缺点是消耗Agent的token配额对于大量文章处理可能成本较高。外部API模式通过配置OpenAI、Gemini、DeepSeek、Qwen等兼容OpenAI API格式的外部服务来处理AI任务。我实测下来对于处理300篇文章的场景使用GPT-4o-mini通过外部API处理成本大约在0.1-0.3美元之间而速度比通过Agent处理快2-3倍因为可以并行处理。模型选择的实践经验经过大量测试我发现不同的AI任务适合不同的模型评分任务对时效性、相关性、质量进行打分这是一个相对简单的分类任务。使用轻量级模型如GPT-3.5-turbo或Gemini Flash就能获得很好的效果且成本极低。摘要任务生成2-3句的精华摘要需要更好的语言理解和生成能力。这里使用GPT-4o或Claude 3 Haiku效果明显更好生成的摘要更连贯、信息密度更高。主题提取任务从文章中提取关键主题标签用于偏好学习。这个任务对模型要求不高甚至可以使用本地运行的Ollama Mistral 7B模型完全离线处理。在实际配置中我建议这样设置# 对于评分使用经济型模型 export SCORING_MODELgpt-3.5-turbo # 对于摘要使用能力更强的模型 export SUMMARIZATION_MODELgpt-4o-mini # 主题提取可以用本地模型 export TOPIC_MODELollama/mistral:7b这种分层使用不同模型的策略能在保证质量的同时最大化成本效益。2.4 Blinko集成从阅读到知识沉淀阅读的最终目的不是消费信息而是构建知识体系。Blinko作为一个开源的知识库系统完美地补充了这个链条的最后一步。工作流整合当你在阅读摘要时发现某篇文章特别有价值只需执行/save [文章编号]命令系统就会从FreshRSS获取文章的完整内容通过AI提取关键要点、核心论点和引用结构化地保存到Blinko中包括原文链接、摘要、标签、相关主题自动与Blinko中已有的相关知识建立关联双向价值流动这个集成不是单向的。Blinko中积累的知识反过来可以增强RSS摘要的个性化推荐。例如如果Blinko显示你最近正在深入研究“容器安全”相关主题那么系统在评分RSS文章时会给容器安全相关的内容额外加分。这就形成了一个从信息消费到知识构建再反过来指导信息筛选的完整闭环。实际部署建议如果你还没有使用Blinko我建议先专注于RSS摘要和个性化推荐的核心功能。等这个流程跑顺了再考虑集成Blinko。因为知识管理是另一个复杂的领域过早引入可能会让系统变得过于复杂。我个人的经验是先让系统运行1-2个月积累足够的阅读偏好数据后再添加Blinko集成这时你会更清楚自己需要保存什么样的内容以及如何组织这些知识。3. 详细部署与配置实操指南3.1 FreshRSS的安装与API配置虽然YourRSS的核心不是FreshRSS本身但一个正确配置的FreshRSS实例是整个系统的基础。这里我分享一些在部署FreshRSS时容易踩坑的细节。Docker部署的最佳实践# docker-compose.yml version: 3.8 services: freshrss: image: freshrss/freshrss:latest container_name: freshrss hostname: freshrss restart: unless-stopped ports: - 8080:80 volumes: - ./data:/var/www/FreshRSS/data - ./extensions:/var/www/FreshRSS/extensions environment: - TZAsia/Shanghai - CRON_MIN*/20 - FRESHRSS_ENABLE_GREEDY_PARSINGtrue networks: - rss-network networks: rss-network: driver: bridge这里有几个关键点数据持久化一定要将/var/www/FreshRSS/data目录挂载到宿主机这是所有订阅数据、用户配置的存储位置。扩展目录虽然FreshRSS有很多优秀扩展但初期建议保持简洁。只挂载目录等系统稳定后再考虑添加扩展。定时抓取CRON_MIN*/20表示每20分钟抓取一次订阅源。对于新闻类源可以设置更频繁如*/10对于更新不频繁的技术博客可以设置*/60每小时。贪婪解析FRESHRSS_ENABLE_GREEDY_PARSINGtrue这个参数很重要它会尝试获取全文内容而不是只抓取摘要。这对后续的AI全文分析至关重要。API访问的关键配置 部署完成后通过浏览器访问FreshRSS完成初始设置后需要重点配置API访问进入“认证”设置页面启用“允许API访问需要FreshRSS密码”为API访问专门创建一个用户不要使用管理员账号比如创建用户名为rss_api的账户为该用户设置一个强密码专门用于API调用在“用户账户”中确保该用户有访问所有订阅的权限验证API是否正常工作# 测试API连接 curl -u rss_api:your_api_password \ https://your-freshrss.com/api/greader.php/stream/contents?outputjsonn3如果返回JSON格式的文章数据说明API配置成功。3.2 Cortex Memory服务器的部署与初始化Cortex Memory的部署相对简单但初始化配置有一些细节需要注意。基础部署# 拉取镜像 docker pull ghcr.io/rikouu/cortex:latest # 运行容器 docker run -d \ --name cortex \ -p 21100:21100 \ -v ./cortex_data:/app/data \ -e CORTEX_AUTH_ENABLEDtrue \ -e CORTEX_AUTH_TOKENyour_secure_token_here \ ghcr.io/rikouu/cortex:latest认证安全配置生产环境一定要启用认证我见过不少人为了方便直接关闭认证这是非常危险的做法。Cortex存储的是用户的长期记忆和偏好数据如果暴露在公网没有认证相当于把个人隐私数据公开了。初始化reader Agent 部署完成后需要初始化YourRSS专用的reader Agent# 使用cortex-api.mjs脚本初始化 node scripts/cortex-api.mjs init这个命令会在Cortex中创建一个名为reader的Agent并设置好默认的记忆分类结构。你可以在Cortex的管理界面通常是http://localhost:21100/ui中看到这个Agent。记忆结构的预先规划在开始大量使用前我建议先规划一下记忆的分类体系。对于RSS阅读场景我使用了这样的分类preference显式的用户偏好如“喜欢AI安全文章”interaction用户与文章的交互记录如点赞、点踩、保存topic_affinity计算出的用户对各个主题的兴趣度reading_habit阅读习惯数据如常读时间段、平均阅读时长这样的分类体系让后续的查询和管理更加清晰。3.3 YourRSS本体的安装与配置YourRSS本身的安装非常简单但配置环节需要仔细处理各个环境变量的含义和关联。环境变量配置详解 创建.env文件时不要简单复制示例要理解每个变量的作用# FreshRSS配置 - 数据源 FRESHRSS_URLhttps://rss.yourdomain.com FRESHRSS_USERrss_api # 专用API用户非管理员账号 FRESHRSS_API_PASSWORDstrong_password_here # 专用API密码 # Cortex配置 - 记忆与偏好 CORTEX_URLhttp://cortex.yourdomain.com:21100 CORTEX_TOKENcortex_auth_token # 如果Cortex启用了认证 CORTEX_AGENTreader # 隔离的Agent名称 # AI提供商配置 - 智能核心 AI_PROVIDERopenai # 可选: agent或openai AI_BASE_URLhttps://api.openai.com/v1 # 或你的代理网关 AI_API_KEYsk-... # 你的API密钥 AI_MODELgpt-4o-mini # 主模型 SCORING_MODELgpt-3.5-turbo # 评分专用模型更便宜 SUMMARY_MODELgpt-4o-mini # 摘要专用模型 # Blinko配置 - 知识沉淀可选 BLINKO_URLhttps://blinko.yourdomain.com BLINKO_TOKENblinko_api_token # 系统行为配置 DIGEST_HOURS24 # 摘要覆盖的时间范围 TOP_ARTICLES15 # 每次摘要显示的文章数 BATCH_SIZE5 # AI批量处理的大小 CONCURRENCY10 # 并发处理数 LANGUAGEzh # 输出语言zh或en配置的黄金法则分阶段启用不要一开始就配置所有功能。先配置FreshRSS和基础AI让系统跑起来。稳定后再添加Cortex最后再加Blinko。密钥管理API密钥不要硬编码在代码中也不要提交到版本库。使用.env文件并通过.gitignore确保它不会被意外提交。URL规范化所有URL尽量使用HTTPS特别是生产环境。如果使用自签名证书可能需要额外配置Node.js的证书验证。测试完整工作流 配置完成后运行一个完整的测试# 测试FreshRSS连接 node scripts/fetch-freshrss.mjs --hours 1 --count 5 # 测试Cortex连接 node scripts/cortex-api.mjs preferences # 测试完整摘要生成 node scripts/fetch-freshrss.mjs --hours 24 --count 50 | \ node scripts/score-articles.mjs --top 5 --language zh如果所有步骤都能正常执行说明系统配置正确。4. 核心工作流程与算法深度解析4.1 文章获取与预处理流程当执行/digest命令时系统首先从FreshRSS获取文章数据。这个过程看似简单但实际上有很多优化空间。智能时间范围选择--hours参数不是固定值。我实现了一个自适应算法如果是当天第一次生成摘要使用24小时范围如果当天已经生成过摘要则只获取上次摘要时间到现在的文章周末自动延长到48小时因为很多人周末不读RSS如果文章数量少于10篇自动扩展时间范围直到达到最小文章数分类过滤策略通过--category参数可以只获取特定分类的文章。但更实用的是“分类排除”功能——有些分类你可能永远不想看。我在配置中增加了EXCLUDED_CATEGORIES广告,促销,新闻稿系统会在获取文章时自动过滤掉这些分类从源头上减少噪音。去重与合并同一个新闻事件可能被多个源报道。系统会基于标题相似度和内容重叠度进行去重只保留最早或最权威源的文章。去重算法基于MinHash和LSH局部敏感哈希在保证准确性的同时保持高性能。内容提取优化不是所有RSS源都提供完整内容。对于只提供摘要的源系统会尝试首先使用RSS中的摘要如果摘要太短200字符尝试抓取原文链接使用Readability类似的算法提取正文内容清理HTML标签、广告、导航栏等噪音内容这个过程在fetch-freshrss.mjs中实现采用零依赖设计只使用Node.js原生模块确保稳定性和轻量性。4.2 两阶段AI评分算法详解这是YourRSS的核心创新点两阶段评分系统。为什么需要两阶段因为如果对每篇文章都进行详细的AI分析成本太高、速度太慢。两阶段设计在质量和效率之间取得了平衡。第一阶段轻量级快速评分这一阶段的目标是快速筛选出可能值得读的文章。系统使用一个简化的评分模型只评估三个维度基础相关性基于标题和摘要的关键词匹配源权威性预设的源权重你在FreshRSS中标记为“喜欢”的源权重更高新鲜度发布时间越近分数越高这个阶段的评分完全基于规则不调用AI所以速度极快。300篇文章可以在几秒内完成初筛选出前50-100篇进入下一阶段。第二阶段深度AI评分对初筛出的文章进行完整的AI分析。这里使用了多维度评分体系// 评分维度权重配置 const scoringWeights { relevance: 0.35, // 与用户兴趣的相关性 quality: 0.25, // 内容质量深度、原创性等 timeliness: 0.20, // 时效性重要性 diversity: 0.10, // 主题多样性避免同质化 actionability: 0.10, // 可操作性教程、指南类 };每个维度都由AI单独评分然后加权计算总分。这里的关键是提示词工程。经过大量实验我优化出的提示词模板你是一个专业的内容评估专家。请从以下维度评估这篇文章 1. 相关性0-10分内容与[用户兴趣]的相关程度 2. 质量0-10分内容的深度、原创性、论证充分性 3. 时效性0-10分内容的时间敏感性 4. 多样性0-10分相对于已选文章的新颖性 5. 可操作性0-10分内容的实用性和可执行性 用户兴趣{{用户偏好}} 已选文章主题{{已选主题}} 文章标题{{标题}} 文章摘要{{摘要}} 文章全文{{内容前1000字符}} 请以JSON格式输出评分{relevance: X, quality: Y, timeliness: Z, diversity: W, actionability: V}这个提示词有几个设计巧思提供“已选文章主题”让AI考虑多样性避免摘要中全是同一主题只传递内容前1000字符平衡信息完整性和token消耗明确要求JSON输出便于程序解析提供用户偏好作为上下文实现个性化并行处理优化通过--batch-size和--concurrency参数可以大幅提升处理速度。我的经验值是批量大小5-10篇文章为一个批次并发数根据API限制调整OpenAI通常是10-20本地Ollama可以更高超时设置每篇文章设置30秒超时避免单篇文章卡住整个流程这样的配置下处理100篇文章大约需要2-3分钟成本约0.05-0.1美元在速度、成本和效果之间取得了很好的平衡。4.3 个性化推荐的学习机制单纯的AI评分还不够真正的个性化需要学习。YourRSS通过Cortex Memory实现了持续学习的能力。显式反馈学习当你使用/like或/dislike命令时系统会提取文章的主题标签通过AI分析计算这些主题与现有偏好的关联度更新Cortex中对应主题的权重例如如果你给一篇关于“Rust并发编程”的文章点赞系统会增加“Rust”、“并发”、“系统编程”等标签的正面权重如果这篇文章也提到“WebAssembly”会建立“Rust”和“WebAssembly”的弱关联记录这次交互的时间戳时间越近的反馈权重越高隐式行为学习除了显式反馈系统还会观察你的隐式行为阅读时长如果你快速划过某篇文章可能表示不感兴趣保存行为使用/save命令保存到Blinko是强烈的正面信号分享行为如果配置了分享功能分享到其他平台也是正面信号衰减与遗忘机制兴趣会随时间变化。系统实现了权重衰减算法新权重 旧权重 × e^(-λ × Δt)其中λ是衰减系数Δt是距离上次强化的时间。这意味着最近点赞的主题权重高很久以前点赞的主题权重逐渐降低如果某个主题长时间没有正面反馈最终会回归中性这种设计避免了早期兴趣过度影响当前推荐的问题。冷启动问题的解决新用户没有历史数据怎么办系统提供了几种策略基于订阅源的推荐分析用户订阅的源提取共同主题作为初始兴趣热门文章降权避免给新用户推荐过于热门的文章而是推荐中等热度、质量高的内容探索与利用的平衡即使有了用户偏好系统也会偶尔推荐一些不太相关但高质量的文章帮助用户发现新兴趣4.4 摘要生成与呈现优化评分最高的文章进入摘要生成阶段。这里的目标是用2-3句话概括文章核心让用户快速决定是否深入阅读。摘要生成策略要点提取式对于教程、指南类文章提取关键步骤和要点观点总结式对于评论、分析类文章总结核心观点和论据新闻简报式对于新闻报道提取事件、影响、后续发展提示词模板示例请为以下技术文章生成一个2-3句的中文摘要要求 1. 第一句概括核心内容或主要发现 2. 第二句说明技术原理或实现方法如果是技术文章 3. 第三句指出实际应用价值或影响 文章标题[标题] 文章要点[从内容中提取的3-5个要点] 请用简洁、专业的语言撰写摘要避免营销用语和夸张表述。个性化摘要根据用户偏好调整摘要重点。例如如果用户对“安全实践”特别感兴趣那么在摘要安全相关文章时会特别强调安全相关的方面。多语言支持系统支持中英文输出不仅仅是简单的翻译。中文摘要更注重层次和节奏英文摘要更注重直接和准确。语言选择基于用户配置的LANGUAGE参数文章原始语言自动检测用户的历史语言偏好从Cortex中学习格式化输出摘要的呈现也很重要。我采用了这样的格式【1】Rust 1.75发布重要异步编程改进 评分8.7/10 | 主题Rust, 异步编程, 系统更新 摘要Rust 1.75版本引入了关键的异步编程改进特别是针对async fn在traits中的支持。这些改进显著简化了异步代码的编写特别是在网络服务和并发处理场景中。对于正在构建高并发系统的团队来说这次更新值得立即评估升级。 【2】WebAssembly组件模型正式提案 评分8.5/10 | 主题WebAssembly, 组件模型, 跨语言 摘要WebAssembly组件模型提案进入最终阶段定义了标准的ABI和接口规范。这使得不同语言编译的Wasm模块可以无缝互操作解决了Wasm生态碎片化问题。对于微服务架构和边缘计算场景这一进展将大大简化部署和集成复杂度。这样的格式提供了清晰的视觉层次快速扫描的便利性足够的决策信息评分、主题、摘要行动指引是否值得深入阅读5. 高级功能与集成应用5.1 与各类AI Agent的深度集成YourRSS设计之初就考虑了与各种AI Agent的兼容性这是它区别于其他RSS工具的重要特点。OpenClaw深度集成作为OpenClaw的Skill安装后/digest命令可以直接在OpenClaw中使用。但更强大的是交互式对话用户/digest 今天有什么重要的AI新闻 OpenClaw生成摘要后用户可以与摘要对话 用户第三篇文章提到的技术能详细解释一下吗 OpenClaw基于文章内容提供更详细的解释 用户把第一篇文章保存到我的知识库并标记为“机器学习” OpenClaw调用Blinko接口保存并添加标签这种深度集成让RSS阅读从被动消费变成了主动对话。Cursor/Claude Code工作流对于开发者我推荐这样的工作流早上开始工作前在Cursor中执行/digest快速浏览技术动态对感兴趣的文章直接让Cursor基于文章内容生成代码示例或让Claude分析文章中的技术方案评估是否适用于当前项目自定义Agent扩展YourRSS的模块化设计允许轻松扩展新的Agent集成。例如我为自己常用的AutoGen添加了支持# autogen_skill.py class YourRSSSkill: def generate_digest(self, hours24, categoryNone): # 调用YourRSS的脚本 # 返回结构化数据供Agent使用 def discuss_article(self, article_id): # 获取文章全文 # 让Agent基于文章内容进行讨论企业级应用场景在企业内部可以部署YourRSS作为团队的信息中枢每个团队有自己的FreshRSS分类共享的Cortex Memory学习团队共同兴趣通过Slack/Microsoft Teams机器人推送每日摘要重要的行业动态自动保存到团队知识库5.2 Blinko知识沉淀工作流Blinko集成不仅仅是“保存文章”而是一个完整的知识沉淀流程。智能内容提取当执行/save命令时系统会提取文章的核心论点通常3-5个识别关键引用和数据提取相关的代码示例或配置片段生成知识卡片包括摘要、要点、关联主题、原始链接知识关联网络保存到Blinko的内容会自动与已有知识建立关联基于主题标签的关联基于时间线的关联同一时期的相关内容基于项目的关联如果配置了项目标签定期回顾与复习Blinko支持间隔重复复习。系统可以配置为每周回顾保存的技术文章每月总结某一主题的知识积累每季度生成学习报告显示知识增长曲线团队知识共享在团队使用场景中成员可以看到同事保存的文章基于权限控制对团队知识进行评论和讨论基于团队知识库生成培训材料或决策文档5.3 高级过滤与分类策略基础的分类过滤已经很有用但实际使用中需要更精细的控制。基于时间的智能过滤// 不同时间段的不同过滤策略 const timeBasedFilters { morning: { // 早晨通勤时间 maxLength: 800, // 文章不要太长 minScore: 7.0, // 质量要求高 categories: [新闻, 科技动态] // 快速了解动态 }, afternoon: { // 下午工作间隙 maxLength: 1500, // 可以稍长 minScore: 6.5, categories: [技术深度, 教程] }, evening: { // 晚上学习时间 maxLength: 3000, // 可以读长文 minScore: 6.0, categories: [技术深度, 行业分析, 个人成长] } };基于上下文的动态调整 系统会学习你的阅读上下文如果刚读完几篇AI相关的文章接下来会适当降低AI文章的权重增加多样性如果正在做一个Go语言项目会增加Go相关文章的权重如果最近经常跳过某类文章会逐渐降低该类文章的推荐频率负面过滤清单 除了显式的分类过滤还可以配置隐式的负面过滤# 基于关键词的负面过滤 NEGATIVE_KEYWORDS裁员,股价下跌,政治斗争,八卦 # 基于源的负面过滤某些源质量下降 LOW_QUALITY_SOURCES某些内容农场域名 # 基于模式的过滤标题党检测 TITLE_PATTERNS.*[0-9]个.*必知.*|.*震惊.*|.*刚刚.*这些过滤规则会优先于AI评分应用从源头上过滤掉低质量内容。5.4 监控、日志与性能优化对于长期运行的系统监控和日志至关重要。健康检查端点我添加了一个简单的健康检查curl http://yourrss-instance/health返回{ status: healthy, fresh_rss: connected, cortex: connected, ai_provider: openai, last_digest: 2024-01-15T08:30:00Z, articles_processed: 1234 }详细日志记录系统记录几个关键日志性能日志每次摘要生成的时间、文章数、AI调用次数、耗时用户交互日志点赞、点踩、保存等操作错误日志API调用失败、解析错误等学习效果日志推荐准确率的变化趋势日志采用结构化格式便于后续分析{ timestamp: 2024-01-15T08:30:00Z, event: digest_generated, duration_ms: 183200, articles_total: 245, articles_scored: 87, articles_summarized: 15, ai_calls: 102, ai_cost_usd: 0.12, user_feedback: {likes: 3, dislikes: 1} }性能优化实践缓存策略AI评分结果缓存1小时相同文章短时间内不重复评分连接池对FreshRSS、Cortex、Blinko的API连接使用连接池批量操作尽可能使用批量API减少请求次数异步处理非实时任务如Blinko保存使用队列异步处理资源监控监控内存使用定期重启长时间运行的进程成本控制AI调用是主要成本来源。我实现了以下控制策略每日预算限制默认每天不超过1美元单次摘要限制最多处理300篇文章备用模型降级当主模型超预算时自动降级到更便宜的模型本地模型优先对于非关键任务如主题提取优先使用本地Ollama6. 故障排查与常见问题解决6.1 FreshRSS连接问题问题无法连接到FreshRSS API错误FreshRSS API请求失败状态码401排查步骤检查FRESHRSS_URL是否正确确保包含https://前缀验证API用户名和密码在浏览器中尝试用相同凭证登录确认FreshRSS中已启用API访问设置→认证→启用API访问检查防火墙设置确保端口通常是80或443可访问如果是自签名证书添加NODE_TLS_REJECT_UNAUTHORIZED0环境变量仅限测试环境问题获取的文章列表为空信息成功连接到FreshRSS但未获取到文章可能原因时间范围设置过短尝试增加--hours参数所有文章都已标记为已读检查FreshRSS中的阅读状态分类过滤过严格暂时移除--category参数测试FreshRSS抓取故障检查FreshRSS后台的抓取日志问题文章内容不完整只有摘要警告多篇文章内容过短可能影响AI评分准确性解决方案在FreshRSS中启用“贪婪解析”设置→阅读→启用完整内容抓取对于特定源在FreshRSS中配置“始终获取全文”在YourRSS配置中启用备用内容提取export FALLBACK_CONTENT_EXTRACTIONtrue6.2 Cortex Memory集成问题问题Cortex Agent初始化失败错误无法创建reader Agent状态码500排查步骤检查Cortex服务是否运行curl http://cortex-host:21100/health验证认证令牌如果启用了认证确保CORTEX_TOKEN正确检查网络连通性从YourRSS服务器测试连接到Cortex查看Cortex日志docker logs cortex如果使用Docker问题偏好学习不生效现象点赞/点踩后后续推荐没有明显变化诊断方法检查偏好是否成功存储node scripts/cortex-api.mjs preferences查看特定主题的权重node scripts/cortex-api.mjs recall rust检查学习率配置默认学习率可能过低尝试调整export PREFERENCE_LEARNING_RATE0.3 # 默认0.1提高以加速学习问题记忆混淆或污染现象推荐中出现与阅读偏好无关的内容解决方案确认使用了隔离的Agent确保CORTEX_AGENTreader定期清理旧记忆Cortex记忆默认永久保存可以设置自动清理export CORTEX_MEMORY_TTL30d # 30天后自动清理重置特定主题的偏好node scripts/cortex-api.mjs forget topic:过时技术6.3 AI评分与摘要问题问题AI评分速度慢现象处理100篇文章需要10分钟以上优化建议调整批量大小和并发数# 增加并发但注意API限制 export BATCH_SIZE10 export CONCURRENCY20使用更快的模型进行初筛export SCORING_MODELgpt-3.5-turbo # 替代gpt-4启用评分缓存export ENABLE_SCORING_CACHEtrue export CACHE_TTL_MINUTES60减少评分维度只保留关键维度export SCORING_DIMENSIONSrelevance,quality # 只评相关性和质量问题摘要质量不稳定现象有时摘要很好有时偏离主题改进措施优化提示词根据内容类型使用不同的提示词模板增加内容上下文传递更多文章内容给AI使用更稳定的模型GPT-4通常比GPT-3.5更稳定实现重试机制质量过低时自动重试人工反馈循环标记低质量摘要用于改进提示词问题AI API成本过高警告本月AI调用成本已超过预算成本控制策略设置每日/每月预算export DAILY_AI_BUDGET_USD1.0 export MONTHLY_AI_BUDGET_USD20.0使用分层模型策略# 初筛用便宜模型 export FIRST_PASS_MODELgpt-3.5-turbo # 最终摘要用好模型 export FINAL_SUMMARY_MODELgpt-4o-mini启用本地模型降级export FALLBACK_TO_OLLAMAtrue export OLLAMA_MODELmistral:7b减少处理频率从每天多次改为每天一次6.4 性能与稳定性问题问题内存使用持续增长现象运行一段时间后内存占用很高内存优化方案实现文章流式处理避免一次性加载所有文章定期清理缓存和临时数据设置处理超时避免单篇文章卡住进程使用Node.js的--max-old-space-size限制内存使用node --max-old-space-size512 scripts/fetch-freshrss.mjs问题系统偶尔崩溃无日志现象进程突然退出没有错误信息稳定性增强措施添加全局错误捕获process.on(uncaughtException, (error) { logger.error(未捕获异常:, error); // 优雅关闭 process.exit(1); }); process.on(unhandledRejection, (reason, promise) { logger.error(未处理的Promise拒绝:, reason); });实现进程守护使用PM2或Docker重启策略添加健康检查端点便于监控系统状态实现请求重试和退避机制问题多用户环境下的冲突现象多个用户同时使用时出现奇怪行为多用户支持方案为每个用户创建独立的Cortex Agent实现用户隔离的数据存储添加请求队列避免并发冲突考虑使用数据库替代文件存储用户配置6.5 常见配置错误速查表问题现象可能原因解决方案无法连接到FreshRSSURL错误或证书问题验证URL格式测试curl连接获取文章为空所有文章已读或时间范围不对调整--hours参数检查阅读状态AI评分全部为0API密钥错误或模型不可用验证AI提供商配置测试简单请求摘要生成失败内容过长或格式异常检查文章内容提取调整内容截断偏好学习无效Cortex连接问题或Agent错误测试Cortex API确认Agent存在处理速度极慢并发设置过低或网络问题增加并发数检查网络延迟内存持续增长内存泄漏或缓存未清理启用流式处理定期清理缓存随机崩溃未捕获异常或资源耗尽添加错误处理限制资源使用6.6 监控与维护最佳实践日常检查清单检查服务状态所有组件FreshRSS、Cortex、YourRSS是否运行正常查看错误日志是否有频繁的错误或警告监控AI成本每日/每周成本是否在预算内验证摘要质量随机检查生成的摘要是否准确测试用户反馈点赞/点踩功能是否正常生效定期维护任务每周清理临时文件和过期缓存每月备份Cortex记忆数据和用户配置每季度评估和调整AI模型配置每半年审查和更新过滤规则、负面关键词列表性能监控指标文章处理吞吐量文章数/分钟AI调用延迟平均响应时间用户满意度点赞/点踩比例推荐准确率用户打开文章的比例系统可用性正常运行时间百分比容量规划建议1000篇文章/天以下2核4G服务器足够1000-5000篇文章/天建议4核8G考虑数据库优化5000篇文章/天以上需要分布式部署考虑Redis缓存通过系统的监控和定期维护可以确保YourRSS长期稳定运行真正成为你日常信息获取的智能助手。