RSS AI 摘要 LITE

自动抓取 RSS/Atom 订阅源,通过 LLM 生成中文摘要,推送到飞书。基于 SQLite 去重,支持单次执行.

输入格式

参数名	类型	必填	说明
input	string	是	RSS AI 摘要 LITE处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

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 环境: Python 3.9 及以上,需安装 feedparser、requests、PyYAML 等依赖

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 内置 LLM 提供,或配置 ai-assistant 的 API Key
飞书 Webhook	凭证	必需	飞书群机器人配置后获取 Webhook URL

API Key 配置

• LLM API Key 通过环境变量注入(如 ANTHROPIC_API_KEY),在配置文件 llm 节点引用
• 飞书 Webhook URL 通过环境变量 FEISHU_WEBHOOK 注入

可用性分类

• 分类: MD+EXEC模式纯 Markdown 指令,核心功能需要 exec 命令行执行能力)
• 说明: 基于 Markdown 的 AI Skill,通过自然语言指令驱动 Agent 执行 Python 脚本完成任务

核心能力

1. RSS/Atom Feed 抓取

• 协议支持: 兼容 RSS 2.0 与 Atom 1.0 两种主流订阅协议
• 多源管理: 配置文件中以列表形式维护多个 feed,每个 feed 含 name、url、category 三个字段
• 分类标记: 通过 category 字段对 feed 分组(如 tech、news),便于后续按类筛选
• 抓取容错: 单个 feed 抓取失败不中断整体流程,记录失败源并继续抓取下一个
• 条目解析: 从 feed 中提取标题、链接、发布时间、正文摘要等字段供 LLM 处理

2. LLM 中文摘要生成

• Provider 支持: 使用 ai-assistant 作为后端,在配置文件 llm.provider 字段固定为 ai-assistant
• 中文输出: 无论原文语言,摘要统一输出为中文,降低阅读门槛
• 长度可控: 通过 prompt 约束摘要长度(默认 3 到 5 句),避免过长影响推送体验
• 批量处理: 对每批新条目逐条生成摘要,单条失败不影响其他条目
• 模型选择: 通过 llm.model 字段指定具体模型(如 ai-assistant-sonnet-4-20250514)

3. SQLite 去重

• 去重维度: 按 feed URL 与条目 ID(或 GUID)联合去重,确保同一篇文章不重复推送
• 持久存储: 去重记录存储在 SQLite 数据库(默认 rss_reader.db),跨进程持久化
• 增量抓取: 每次执行时只处理数据库中不存在的新条目,已推送的自动跳过
• 统计查询: 通过 --stats 参数查看已处理条目数、各 feed 抓取量等统计信息

4. 飞书 Webhook 推送

• 推送渠道: 通过飞书群机器人 Webhook 推送,消息含标题、摘要、原文链接
• 富文本格式: 消息以卡片形式发送,标题加粗,摘要与原文链接分行展示
• 失败重试: Webhook 调用失败时记录错误日志,不影响其他条目的推送

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	输入	输出
技术博客监控	Hacker News、阮一峰等 feed 列表	新文章中文摘要推送到飞书群
个人订阅摘要	个人关注的技术博客 feed	更新摘要推送到飞书

不适用于: 需要 Telegram 或 Email 推送的场景(需升级付费版);需要定时任务循环的场景(免费版仅支持单次执行);需要 llm-provider 后端的场景.

使用流程

1. 准备运行环境: 确认 Python 3.9 已安装,获取项目代码并安装依赖(pip install -r requirements.txt)
2. 创建配置文件: 复制 config.yaml 为 my_config.yaml,填入 feed 列表、llm 配置、飞书 Webhook 配置
3. 配置环境变量: 将 LLM API Key 与飞书 Webhook URL 设为环境变量
4. 单次执行: 运行 python main.py --config my_config.yaml --once 抓取并推送
5. 查看统计: 运行 python main.py --stats 确认条目已入库与去重生效
6. 按需调整: 根据推送效果调整 feed 列表与摘要长度

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

配置文件结构

feeds:
  - name: "Hacker News"
    url: "https://hnrss.org/frontpage"
    category: "tech"
  - name: "阮一峰周刊"
    url: "https://www.ruanyifeng.com/blog/atom.xml"
    category: "tech"
# ...
llm:
  provider: "ai-assistant"
  model: "ai-assistant-sonnet-4-20250514"
  api_key: "${ANTHROPIC_API_KEY}"
# ...
notify:
  feishu:
    enabled: true
    webhook_url: "${FEISHU_WEBHOOK}"

命令行参数

python main.py [options]
# ...
--config, -c  配置文件路径 (默认: config.yaml)
--once        只执行一次抓取与推送
--stats       显示数据库中的统计信息
--db          数据库路径 (默认: rss_reader.db)

案例展示

案例 1: 订阅 Hacker News 与阮一峰,推送到飞书群

场景: 个人希望每天手动执行一次,将技术博客更新摘要推送到飞书群

配置文件 my_config.yaml:

feeds:
  - name: "Hacker News"
    category: "tech"
  - name: "阮一峰周刊"
ruanyifeng.com/blog/atom.xml"
    category: "tech"
# ...
llm:
  provider: "ai-assistant"
  model: "ai-assistant-sonnet-4-20250514"
  api_key: "${ANTHROPIC_API_KEY}"
# ...
notify:
  feishu:
    enabled: true
    webhook_url: "${FEISHU_WEBHOOK}"

执行命令:

python main.yaml --once

飞书群收到的消息:

📰 Hacker News
# ...
**Why SQLite is Taking Over**
# ...
📝 SQLite 正在从嵌入式数据库扩展到更多应用场景。文章分析了其在边缘计算、移动应用中的优势,并对比了 PostgreSQL 在轻量级场景下的局限.
# ...
[🔗 阅读原文]
# ...
📰 阮一峰周刊
# ...
**科技爱好者周刊第 350 期**
# ...
📝 本期周刊介绍了 WebGPU 的最新进展、一个开源的 Markdown 编辑器项目,以及关于 AI Agent 架构的讨论.
# ...
[🔗 阅读原文]

分析: 单次执行抓取两个 feed 的新条目,ai-assistant 为每条生成中文摘要,飞书 Webhook 推送到群。SQLite 记录已推送的条目 ID,下次执行时自动跳过已推送的内容.

案例 2: 个人技术博客订阅摘要推送

场景: 开发者订阅 Hacker News、V2EX、阮一峰三个技术博客,每周手动执行一次获取更新摘要

配置要点: 在案例 1 的 feeds 列表中追加 V2EX 的 feed(https://www.v2ex.com/index.xml),三个 feed 均归入 tech 分类,llm 与 notify 配置不变. 执行命令:

python main.yaml --once

分析: ai-assistant 为三个 feed 的新条目生成中文摘要后通过飞书 Webhook 推送。SQLite 去重确保同一篇文章只推送一次,多次执行时只推送增量内容.

异常处理

错误场景	错误现象	原因分析	处理方式
Feed URL 无法访问	抓取报 ConnectionError 或超时	网络不通或 feed URL 已失效	检查网络连接和配置后重试,在浏览器中打开 feed URL 确认是否可访问
LLM API 调用失败	报 401 Unauthorized 或 429 Too Many Requests	API Key 无效或额度耗尽	核对环境变量中的 ANTHROPIC_API_KEY 是否正确;429 时降低执行频率
摘要内容为空	LLM 返回空字符串或仅含标点	feed 条目正文为空或 LLM 判断无有效内容	检查 feed 条目是否含 summary 或 content 字段;在 prompt 中加入兜底逻辑
飞书 Webhook 返回错误	HTTP 状态码 400 或 {"code": 19021}	Webhook URL 失效或消息体格式不符飞书规范	在飞书群设置中重新获取 Webhook URL;检查消息体是否含必填字段(msg_type)
SQLite 数据库锁定	报 database is locked	多个进程同时写入同一数据库文件	确保只有一个 main.py 进程在运行;通过 --db 参数指定独立数据库文件

常见问题

Q1: 免费版支持哪些推送渠道?

A: 免费版仅支持飞书 Webhook 推送。如需 Telegram Bot、SMTP Email 推送或多渠道组合推送,需升级至 rss-ai-reader 付费版。飞书 Webhook 在飞书群设置中添加自定义机器人后即可获取.

Q2: 免费版能定时自动执行吗?

A: 不能。免费版仅支持 --once 单次执行模式,需手动运行或配合外部 cron 调度。如需程序内置的定时循环任务(schedule.interval 配置),需升级至付费版。免费版用户可通过系统 计划任务配置 配合 --once 实现定时效果.

Q3: SQLite 去重机制如何工作?

A: 去重基于 feed URL 与条目 ID(或 GUID)的联合唯一键。每次抓取新条目时,先查询数据库中是否已存在该条目 ID,存在则跳过,不存在则生成摘要、推送并写入数据库。如需清理历史数据,可直接删除 rss_reader.db 文件,下次执行会自动重建.

Q4: 免费版与付费版有什么区别?

A: 免费版(LITE)包含 RSS 抓取、ai-assistant 摘要生成、飞书推送、SQLite 去重四大基础功能。付费版(RSS AI 摘要推送)额外提供:

• Telegram Bot 与 SMTP Email 推送渠道
• llm-provider 后端支持(OpenAI 兼容接口)
• 多渠道组合推送(飞书 + Telegram + Email 同时推送)
• 程序内置定时任务循环(schedule.interval 配置)
• 更多案例展示(3 个完整案例 vs 2 个基础案例)
• 更详细的异常处理(8 种场景 vs 5 种基础场景)
• 6 个领域专属 FAQ

错误处理

错误场景	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	检查网络连接和配置后重试；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

已知限制

• 功能限制: 仅支持飞书推送,不支持 Telegram 与 Email(需升级付费版)
• 后端限制: 仅支持 ai-assistant,不支持 llm-provider(需升级付费版)
• 执行模式限制: 仅支持 --once 单次执行,不支持定时循环(需升级付费版)
• 依赖 LLM 能力: 摘要质量取决于底层模型,弱模型上摘要可能出现事实偏差
• 仅生成摘要: 不推送原文全文,如需全文需用户点击原文链接自行阅读
• 非实时推送: 需手动执行或配合外部 cron,新文章不会在发布瞬间推送

---

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

升级提示

本免费版提供 RSS 抓取、ai-assistant 摘要生成、飞书推送、SQLite 去重四大基础功能。如需 Telegram 与 Email 推送、llm-provider 后端、定时任务循环、多渠道组合推送等高级能力,请升级至 rss-ai-reader 付费版,获取完整的多渠道推送与定时调度能力.

输出格式

{
  "success": true,
  "data": {
    "result": "RSS AI 摘要 LITE处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "rss-ai-reader"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}