[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-liyown--ai-trend-publish":3,"tool-liyown--ai-trend-publish":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",142651,2,"2026-04-06T23:34:12",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":74,"owner_location":74,"owner_email":75,"owner_twitter":74,"owner_website":76,"owner_url":77,"languages":78,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":10,"env_os":95,"env_gpu":96,"env_ram":96,"env_deps":97,"category_tags":104,"github_topics":105,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":108,"updated_at":109,"faqs":110,"releases":146},4829,"liyown\u002Fai-trend-publish","ai-trend-publish","TrendPublish: 全自动 AI 内容生成与发布系统 | 微信公众号自动化 | 多源数据抓取 (Twitter\u002FX、网站) | DeepseekAI、千问、讯飞模型 | 智能内容分析排序 | 定时发布 | 多模板支持 | Node.js | TypeScript | AI 技术趋势跟踪工具","ai-trend-publish 是一款基于 Deno 和 TypeScript 开发的全自动 AI 内容生成与发布系统，旨在帮助创作者高效追踪并传播前沿科技动态。它解决了从海量信息源（如 Twitter\u002FX、各类网站）中手动搜集、整理素材耗时费力，以及公众号运营中内容创作与定时发布流程繁琐的痛点。\n\n该系统能够自动抓取多源数据，利用 Deepseek、通义千问、讯飞等大模型进行智能摘要、关键信息提取及标题生成，并对内容进行去重与排序，最终通过预设模板自动生成文章并发布至微信公众号。此外，它还集成了 Bark、钉钉、飞书等通知服务，实时监控任务状态与错误告警。\n\nai-trend-publish 特别适合开发者、技术博主、自媒体运营者及关注 AI 趋势的研究人员使用。其独特亮点在于灵活的多模型配置能力，支持用户自由组合不同大模型处理特定任务，并深度集成 Jina AI 实现高级搜索与内容重排序。无论是希望搭建个人自动化资讯站点的技术人员，还是寻求提升内容生产效率的运营团队，都能通过该工具轻松实现“数据获取 - 智能创作 - 自动发布”的全链路闭环。","# TrendPublish\n\n基于 Deno\n开发的趋势发现和内容发布系统，支持多源数据采集、智能总结和自动发布到微信公众号。\n\n![star](https:\u002F\u002Fatomgit.com\u002Fliyown\u002Fai-trend-publish\u002Fstar\u002Fbadge.svg)\n\n> 🌰 示例公众号：**AISPACE科技空间**\n\n点击加入discard频道：https:\u002F\u002Fdiscord.gg\u002FmrZvBHNawS\n点击加入 QQ 群聊：\u003Ca href=\"https:\u002F\u002Fqun.qq.com\u002Funiversal-share\u002Fshare?ac=1&authKey=E68gaXeajH49WXeIiawSS2Smr6uaSYe5zG9VDAEZa6sJgnNTcZd5X7r%2Fi3G6qVOa&busi_data=eyJncm91cENvZGUiOiI3Mzc5MDI3MzEiLCJ0b2tlbiI6Ijd2ZWN6THd6VFQ1TkNvYVJwQVpIbEtRSlM2UTJnYWhlMGxVMWhGUlNKMkV3MytoQWl6bUdNRGl3QjE0bklJMTUiLCJ1aW4iOiIxNTM2NzI3OTI1In0%3D&data=x1m4pt9JPKytsxKlmRh7duo4bnkRCLdhOFY_BhQenSr2dav7_0PoNpJc2sMzZdj3sKt9EPMR_AD9hlwI78HKUA&svctype=4&tempid=h5_group_info\" target=\"_blank\" rel=\"noopener noreferrer\">\n  点击链接加入群聊【TrendPublish-1】\n\u003C\u002Fa>\n> 即刻关注，体验 AI 智能创作的内容～\n\n## 🛠 开发环境\n\n- **运行环境**: [Deno](https:\u002F\u002Fdeno.land\u002F) v2.0.0 或更高版本\n- **开发语言**: TypeScript\n- **操作系统**: Windows\u002FLinux\u002FMacOS\n\n## 🚀 快速开始\n\n感谢 https:\u002F\u002Fgithub.com\u002F233cy 提供的入门教程 https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FcpfNsezIA3OOvxHLdcdmkg\n\n### 1. 安装 Deno\n\nWindows (PowerShell):\n\n```powershell\nirm https:\u002F\u002Fdeno.land\u002Finstall.ps1 | iex\n```\n\nMacOS\u002FLinux:\n\n```bash\ncurl -fsSL https:\u002F\u002Fdeno.land\u002Finstall.sh | sh\n```\n\n### 2. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\ncd ai-trend-publish\n```\n\n### 3. 配置环境变量\n\n```bash\ncp .env.example .env\n# 编辑 .env 文件配置必要的环境变量\n# Key environment variables include API keys for various AI services.\n# For Jina AI functionalities (scraping, search, embeddings, reranking),\n# ensure JINA_API_KEY is set. See the .env.example file and the\n# Jina Integration Guide for more details.\n```\n\n### 4. 开发和运行\n\n```bash\n# 开发模式（支持热重载）\ndeno task start\n\n# 测试运行\ndeno task test\n\n# 编译Windows版本\ndeno task build:win\n\n# 编译Mac版本\ndeno task build:mac-x64    # Intel芯片\ndeno task build:mac-arm64  # M系列芯片\n\n# 编译Linux版本\ndeno task build:linux-x64   # x64架构\ndeno task build:linux-arm64 # ARM架构\n\n# 编译所有平台版本\ndeno task build:all\n```\n\n### 5. 文档开发（VitePress）\n\n```bash\n# 安装文档依赖\nnpm install\n\n# 本地预览文档\nnpm run docs:dev\n\n# 构建文档\nnpm run docs:build\n```\n\n## 🌟 主要功能\n\n- 🤖 多源数据采集\n\n  - Twitter\u002FX 内容抓取\n  - 网站内容抓取 (基于 FireCrawl)\n  - 支持自定义数据源配置\n  - Advanced scraping and search via Jina AI\n\n- 🧠 AI 智能处理\n\n  - 使用 DeepseekAI Together 千问 万象 讯飞 进行内容总结\n  - 关键信息提取\n  - 智能标题生成\n  - Text embeddings and reranking via Jina AI\n\n- 📢 自动发布\n\n  - 微信公众号文章发布\n  - 自定义文章模板\n  - 定时发布任务\n\n- 📱 通知系统\n  - Bark 通知集成\n- 钉钉通知集成\n- 飞书通知集成\n  - 任务执行状态通知\n  - 错误告警\n\n## 📝 文章模板\n\nTrendPublish 提供了多种精美的文章模板。查看\n[模板展示页面](https:\u002F\u002Fliyown.github.io\u002Fai-trend-publish\u002Ftemplates)\n了解更多详情。\n\n## DONE\n\n- [x] 微信公众号文章发布\n- [x] 大模型每周排行榜\n- [x] 热门AI相关仓库推荐\n- [x] 添加通义千问（Qwen）支持\n- [x] 支持多模型配置（如 DEEPSEEK_MODEL=\"deepseek-chat|deepseek-reasoner\"）\n- [x] 支持指定特定模型（如\n      AI_CONTENT_RANKER_LLM_PROVIDER=\"DEEPSEEK:deepseek-reasoner\"）\n\n## Todo\n\n- [ ] 热门AI相关论文推荐\n- [ ] 热门AI相关工具推荐\n- [ ] FireCrawl 自动注册免费续期\n\n## 优化项\n\n- [ ] 内容插入相关图片\n- [x] 内容去重\n- [ ] 降低AI率\n- [ ] 文章图片优化\n- [ ] ...\n\n## 进阶\n\n- [ ] 提供exe可视化界面\n\n## 🛠 技术栈\n\n- **运行环境**: Deno + TypeScript\n- **AI 服务**: DeepseekAI Together 千问 万象 讯飞 Jina AI (see [Integration Guide](docs\u002Fintegrations\u002Fjina-integration-guide.md))\n- **数据源**:\n  - Twitter\u002FX API\n  - FireCrawl\n  - Jina AI (for scraping and search, see [Integration Guide](docs\u002Fintegrations\u002Fjina-integration-guide.md))\n- **模板引擎**: EJS\n- **开发工具**:\n  - Deno\n  - TypeScript\n\n## 🚀 快速开始\n\n### 环境要求\n\n- Deno (v2+)\n- TypeScript\n\n### 安装\n\n1. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\n```\n\n2. 配置环境变量\n\n```bash\ncp .env.example .env\n# 编辑 .env 文件配置必要的环境变量\n# Key environment variables include API keys for various AI services.\n# For Jina AI functionalities (scraping, search, embeddings, reranking),\n# ensure JINA_API_KEY is set. See the .env.example file and the\n# Jina Integration Guide (docs\u002Fintegrations\u002Fjina-integration-guide.md) for more details.\n```\n\n## ⚙️ 环境变量配置\n\n在 `.env` 文件中配置必要的环境变量：\n\n(Refer to `.env.example` for a comprehensive list of environment variables. For details on Jina AI specific setup, see the [Jina Integration Guide](docs\u002Fintegrations\u002Fjina-integration-guide.md)).\n\n## ⚠️ 配置IP白名单\n\n在使用微信公众号相关功能前,请先将本机IP添加到公众号后台的IP白名单中。\n\n### 操作步骤\n\n1. 查看本机IP: [IP查询工具](https:\u002F\u002Ftool.lu\u002Fip\u002F)\n2. 登录微信公众号后台,添加IP白名单\n\n### 图文指南\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_d534e6ee2fca.png\" width=\"200\" style=\"margin-right: 20px\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_cd2b8c01b8af.png\" width=\"400\" \u002F>\n\u003C\u002Fdiv>\n\n4. 启动项目\n\n```bash\n# 测试模式\ndeno task test\n\n# 运行\ndeno start start\n\n详细运行时间见 src\\controllers\\cron.ts\n```\n\n## 📦 部署指南\n\n### 方式一：直接部署\n\n1. 在服务器上安装 Deno\n\nWindows:\n\n```powershell\nirm https:\u002F\u002Fdeno.land\u002Finstall.ps1 | iex\n```\n\nLinux\u002FMacOS:\n\n```bash\ncurl -fsSL https:\u002F\u002Fdeno.land\u002Finstall.sh | sh\n```\n\n2. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish.git\ncd ai-trend-publish\n```\n\n3. 配置环境变量\n\n```bash\ncp .env.example .env\n# 编辑 .env 文件配置必要的环境变量\n```\n\n4. 启动服务\n\n```bash\n# 开发模式（支持热重载）\ndeno task start\n\n# 测试模式运行\ndeno task test\n\n# 使用PM2进行进程管理（推荐）\nnpm install -g pm2\npm2 start --interpreter=\"deno\" --interpreter-args=\"run --allow-all\" src\u002Fmain.ts\n```\n\n5. 设置开机自启（可选）\n\n```bash\n# 使用PM2设置开机自启\npm2 startup\npm2 save\n```\n\n### 方式二：Docker 部署\n\n1. 拉取代码\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish.git\n```\n\n2. 构建 Docker 镜像：\n\n```bash\n# 构建镜像\ndocker build -t ai-trend-publish .\n```\n\n4. 运行容器：\n\n```bash\n# 方式1：通过环境变量文件运行\ndocker run -d --env-file .env --name ai-trend-publish-container ai-trend-publish\n\n# 方式2：直接指定环境变量运行\ndocker run -d \\\n  -e XXXX=XXXX \\\n  ...其他环境变量... \\\n  --name ai-trend-publish-container \\\n  ai-trend-publish\n```\n\n### CI\u002FCD 自动部署\n\n项目已配置 GitHub Actions 自动部署流程：\n\n1. 推送代码到 main 分支会自动触发部署\n2. 也可以在 GitHub Actions 页面手动触发部署\n3. 确保在 GitHub Secrets 中配置以下环境变量：\n   - `SERVER_HOST`: 服务器地址\n   - `SERVER_USER`: 服务器用户名\n   - `SSH_PRIVATE_KEY`: SSH 私钥\n   - 其他必要的环境变量（参考 .env.example）\n\n## 模板开发指南\n\n本项目支持自定义模板开发，主要包含以下几个部分：\n\n### 1. 了解数据结构\n\n查看 `src\u002Fmodules\u002Frender\u002Finterfaces`\n目录下的类型定义文件，了解各个渲染模块需要的数据结构\n\n### 2. 开发模板\n\n在 `src\u002Ftemplates` 目录下按照对应模块开发 EJS 模板\n\n### 3. 注册模板\n\n在对应的渲染器类中注册新模板，如 `WeixinArticleTemplateRenderer`：\n\n### 4. 测试渲染效果\n\n```\nnpx ts-node -r tsconfig-paths\u002Fregister src\\modules\\render\\test\\test.weixin.template.ts\n```\n\n## 🤝 贡献指南\n\n1. Fork 本仓库\n2. 创建特性分支 (`git checkout -b feature\u002Famazing-feature`)\n3. 提交更改 (`git commit -m 'Add some amazing feature'`)\n4. 推送到分支 (`git push origin feature\u002Famazing-feature`)\n5. 提交 Pull Request\n\n## ❤️ 特别感谢\n\n感谢以下贡献者对项目的支持：\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fkilimro\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_b8d075ee191c.png\" width=\"50\" height=\"50\" alt=\"kilimro\">\n\u003C\u002Fa>\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_d07f51626db0.png)](https:\u002F\u002Fstar-history.com\u002F#liyown\u002Fai-trend-publish&Date)\n\n## 📄 许可证\n\n本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件\n\n### JSON-RPC API\n\n提供了基于 JSON-RPC 2.0 协议的 API，支持手动触发工作流。\n\n- 端点: `\u002Fapi\u002Fworkflow`\n- 支持方法: `triggerWorkflow`\n- 详细文档: [JSON-RPC API 文档](https:\u002F\u002Fliyown.github.io\u002Fai-trend-publish\u002Fapi\u002Fjson-rpc-api)\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_6a2a560f527e.png)\n","# TrendPublish\n\n基于 Deno\n开发的趋势发现和内容发布系统，支持多源数据采集、智能总结和自动发布到微信公众号。\n\n![star](https:\u002F\u002Fatomgit.com\u002Fliyown\u002Fai-trend-publish\u002Fstar\u002Fbadge.svg)\n\n> 🌰 示例公众号：**AISPACE科技空间**\n\n点击加入discard频道：https:\u002F\u002Fdiscord.gg\u002FmrZvBHNawS\n点击加入 QQ 群聊：\u003Ca href=\"https:\u002F\u002Fqun.qq.com\u002Funiversal-share\u002Fshare?ac=1&authKey=E68gaXeajH49WXeIiawSS2Smr6uaSYe5zG9VDAEZa6sJgnNTcZd5X7r%2Fi3G6qVOa&busi_data=eyJncm91cENvZGUiOiI3Mzc5MDI3MzEiLCJ0b2tlbiI6Ijd2ZWN6THd6VFQ1TkNvYVJwQVpIbEtRSlM2UTJnYWhlMGxVMWhFUlNKMkV3MytoQWl6bUdNRGl3QjE0bklJMTUiLCJ1aW4iOiIxNTM2NzI3OTI1In0%3D&data=x1m4pt9JPKytsxKlmRh7duo4bnkRCLdhOFY_BhQenSr2dav7_0PoNpJc2sMzZdj3sKt9EPMR_AD9hlwI78HKUA&svctype=4&tempid=h5_group_info\" target=\"_blank\" rel=\"noopener noreferrer\">\n  点击链接加入群聊【TrendPublish-1】\n\u003C\u002Fa>\n> 即刻关注，体验 AI 智能创作的内容～\n\n## 🛠 开发环境\n\n- **运行环境**: [Deno](https:\u002F\u002Fdeno.land\u002F) v2.0.0 或更高版本\n- **开发语言**: TypeScript\n- **操作系统**: Windows\u002FLinux\u002FMacOS\n\n## 🚀 快速开始\n\n感谢 https:\u002F\u002Fgithub.com\u002F233cy 提供的入门教程 https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FcpfNsezIA3OOvxHLdcdmkg\n\n### 1. 安装 Deno\n\nWindows (PowerShell):\n\n```powershell\nirm https:\u002F\u002Fdeno.land\u002Finstall.ps1 | iex\n```\n\nMacOS\u002FLinux:\n\n```bash\ncurl -fsSL https:\u002F\u002Fdeno.land\u002Finstall.sh | sh\n```\n\n### 2. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\ncd ai-trend-publish\n```\n\n### 3. 配置环境变量\n\n```bash\ncp .env.example .env\n# 编辑 .env 文件配置必要的环境变量\n# Key environment variables include API keys for various AI services.\n# For Jina AI functionalities (scraping, search, embeddings, reranking),\n# ensure JINA_API_KEY is set. See the .env.example file and the\n# Jina Integration Guide for more details.\n```\n\n### 4. 开发和运行\n\n```bash\n# 开发模式（支持热重载）\ndeno task start\n\n# 测试运行\ndeno task test\n\n# 编译Windows版本\ndeno task build:win\n\n# 编译Mac版本\ndeno task build:mac-x64    # Intel芯片\ndeno task build:mac-arm64  # M系列芯片\n\n# 编译Linux版本\ndeno task build:linux-x64   # x64架构\ndeno task build:linux-arm64 # ARM架构\n\n# 编译所有平台版本\ndeno task build:all\n```\n\n### 5. 文档开发（VitePress）\n\n```bash\n# 安装文档依赖\nnpm install\n\n# 本地预览文档\nnpm run docs:dev\n\n# 构建文档\nnpm run docs:build\n```\n\n## 🌟 主要功能\n\n- 🤖 多源数据采集\n\n  - Twitter\u002FX 内容抓取\n  - 网站内容抓取 (基于 FireCrawl)\n  - 支持自定义数据源配置\n  - Advanced scraping and search via Jina AI\n\n- 🧠 AI 智能处理\n\n  - 使用 DeepseekAI Together 千问 万象 讯飞 进行内容总结\n  - 关键信息提取\n  - 智能标题生成\n  - Text embeddings and reranking via Jina AI\n\n- 📢 自动发布\n\n  - 微信公众号文章发布\n  - 自定义文章模板\n  - 定时发布任务\n\n- 📱 通知系统\n  - Bark 通知集成\n- 钉钉通知集成\n- 飞书通知集成\n  - 任务执行状态通知\n  - 错误告警\n\n## 📝 文章模板\n\nTrendPublish 提供了多种精美的文章模板。查看\n[模板展示页面](https:\u002F\u002Fliyown.github.io\u002Fai-trend-publish\u002Ftemplates)\n了解更多详情。\n\n## DONE\n\n- [x] 微信公众号文章发布\n- [x] 大模型每周排行榜\n- [x] 热门AI相关仓库推荐\n- [x] 添加通义千问（Qwen）支持\n- [x] 支持多模型配置（如 DEEPSEEK_MODEL=\"deepseek-chat|deepseek-reasoner\"）\n- [x] 支持指定特定模型（如\n      AI_CONTENT_RANKER_LLM_PROVIDER=\"DEEPSEEK:deepseek-reasoner\"）\n\n## Todo\n\n- [ ] 热门AI相关论文推荐\n- [ ] 热门AI相关工具推荐\n- [ ] FireCrawl 自动注册免费续期\n\n## 优化项\n\n- [ ] 内容插入相关图片\n- [x] 内容去重\n- [ ] 降低AI率\n- [ ] 文章图片优化\n- [ ] ...\n\n## 进阶\n\n- [ ] 提供exe可视化界面\n\n## 🛠 技术栈\n\n- **运行环境**: Deno + TypeScript\n- **AI 服务**: DeepseekAI Together 千问 万象 讯飞 Jina AI (see [Integration Guide](docs\u002Fintegrations\u002Fjina-integration-guide.md))\n- **数据源**:\n  - Twitter\u002FX API\n  - FireCrawl\n  - Jina AI (for scraping and search, see [Integration Guide](docs\u002Fintegrations\u002Fjina-integration-guide.md))\n- **模板引擎**: EJS\n- **开发工具**:\n  - Deno\n  - TypeScript\n\n## 🚀 快速开始\n\n### 环境要求\n\n- Deno (v2+)\n- TypeScript\n\n### 安装\n\n1. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\n```\n\n2. 配置环境变量\n\n```bash\ncp .env.example .env\n# 编辑 .env 文件配置必要的环境变量\n# Key environment variables include API keys for various AI services.\n# For Jina AI functionalities (scraping, search, embeddings, reranking),\n# ensure JINA_API_KEY is set. See the .env.example file and the\n# Jina Integration Guide (docs\u002Fintegrations\u002Fjina-integration-guide.md) for more details.\n```\n\n## ⚙️ 环境变量配置\n\n在 `.env` 文件中配置必要的环境变量：\n\n(Refer to `.env.example` for a comprehensive list of environment variables. For details on Jina AI specific setup, see the [Jina Integration Guide](docs\u002Fintegrations\u002Fjina-integration-guide.md)).\n\n## ⚠️ 配置IP白名单\n\n在使用微信公众号相关功能前,please first add your local IP address to the official account's IP whitelist.\n\n### 操作步骤\n\n1. 查看本机IP: [IP查询工具](https:\u002F\u002Ftool.lu\u002Fip\u002F)\n2. 登录微信公众号后台,添加IP白名单\n\n### 图文指南\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_d534e6ee2fca.png\" width=\"200\" style=\"margin-right: 20px\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_cd2b8c01b8af.png\" width=\"400\" \u002F>\n\u003C\u002Fdiv>\n\n4. 启动项目\n\n```bash\n# 测试模式\ndeno task test\n\n# 运行\ndeno start start\n\n详细运行时间见 src\\controllers\\cron.ts\n```\n\n## 📦 部署指南\n\n### 方式一：直接部署\n\n1. 在服务器上安装 Deno\n\nWindows:\n\n```powershell\nirm https:\u002F\u002Fdeno.land\u002Finstall.ps1 | iex\n```\n\nLinux\u002FMacOS:\n\n```bash\ncurl -fsSL https:\u002F\u002Fdeno.land\u002Finstall.sh | sh\n```\n\n2. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish.git\ncd ai-trend-publish\n```\n\n3. 配置环境变量\n\n```bash\ncp .env.example .env\n# 编辑 .env 文件配置必要的环境变量\n```\n\n4. 启动服务\n\n```bash\n# 开发模式（支持热重载）\ndeno task start\n\n# 测试模式运行\ndeno task test\n\n# 使用PM2进行进程管理（推荐）\nnpm install -g pm2\npm2 start --interpreter=\"deno\" --interpreter-args=\"run --allow-all\" src\u002Fmain.ts\n```\n\n5. 设置开机自启（可选）\n\n```bash\n# 使用PM2设置开机自启\npm2 startup\npm2 save\n```\n\n### 方式二：Docker 部署\n\n1. 拉取代码\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish.git\n```\n\n2. 构建 Docker 镜像：\n\n```bash\n# 构建镜像\ndocker build -t ai-trend-publish .\n```\n\n4. 运行容器：\n\n```bash\n# 方式1：通过环境变量文件运行\ndocker run -d --env-file .env --name ai-trend-publish-container ai-trend-publish\n\n# 方式2：直接指定环境变量运行\ndocker run -d \\\n  -e XXXX=XXXX \\\n  ...其他环境变量... \\\n  --name ai-trend-publish-container \\\n  ai-trend-publish\n```\n\n### CI\u002FCD 自动部署\n\n项目已配置 GitHub Actions 自动部署流程：\n\n1. 推送代码到 main 分支会自动触发部署\n2. 也可以在 GitHub Actions 页面手动触发部署\n3. 确保在 GitHub Secrets 中配置以下环境变量：\n   - `SERVER_HOST`: 服务器地址\n   - `SERVER_USER`: 服务器用户名\n   - `SSH_PRIVATE_KEY`: SSH 私钥\n   - 其他必要的环境变量（参考 .env.example）\n\n## 模板开发指南\n\n本项目支持自定义模板开发，主要包含以下几个部分：\n\n### 1. 了解数据结构\n\n查看 `src\u002Fmodules\u002Frender\u002Finterfaces`\n目录下的类型定义文件，了解各个渲染模块需要的数据结构\n\n### 2. 开发模板\n\n在 `src\u002Ftemplates` 目录下按照对应模块开发 EJS 模板\n\n### 3. 注册模板\n\n在对应的渲染器类中注册新模板，如 `WeixinArticleTemplateRenderer`：\n\n### 4. 测试渲染效果\n\n```\nnpx ts-node -r tsconfig-paths\u002Fregister src\\modules\\render\\test\\test.weixin.template.ts\n```\n\n## 🤝 贡献指南\n\n1. Fork 本仓库\n2. 创建特性分支 (`git checkout -b feature\u002Famazing-feature`)\n3. 提交更改 (`git commit -m 'Add some amazing feature'`)\n4. 推送到分支 (`git push origin feature\u002Famazing-feature`)\n5. 提交 Pull Request\n\n## ❤️ 特别感谢\n\n感谢以下贡献者对项目的支持：\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fkilimro\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_b8d075ee191c.png\" width=\"50\" height=\"50\" alt=\"kilimro\">\n\u003C\u002Fa>\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_d07f51626db0.png)](https:\u002F\u002Fstar-history.com\u002F#liyown\u002Fai-trend-publish&Date)\n\n## 📄 许可证\n\n本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件\n\n### JSON-RPC API\n\n提供了基于 JSON-RPC 2.0 协议的 API，支持手动触发工作流。\n\n- 端点: `\u002Fapi\u002Fworkflow`\n- 支持方法: `triggerWorkflow`\n- 详细文档: [JSON-RPC API 文档](https:\u002F\u002Fliyown.github.io\u002Fai-trend-publish\u002Fapi\u002Fjson-rpc-api)\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_readme_6a2a560f527e.png)","# ai-trend-publish 快速上手指南\n\n**ai-trend-publish** 是一个基于 Deno 开发的趋势发现与内容自动发布系统。它支持从 Twitter\u002FX、网站等多源采集数据，利用 DeepSeek、通义千问等大模型进行智能总结，并自动发布到微信公众号。\n\n## 1. 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Windows \u002F Linux \u002F MacOS\n*   **运行环境**: [Deno](https:\u002F\u002Fdeno.land\u002F) v2.0.0 或更高版本\n*   **包管理器**: Node.js (仅用于文档构建和部分依赖管理，可选)\n*   **账号准备**:\n    *   微信公众号后台（需配置 IP 白名单）\n    *   AI 服务 API Key (如 DeepSeek, Jina AI, 通义千问等)\n\n### 安装 Deno\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fdeno.land\u002Finstall.ps1 | iex\n```\n\n**MacOS \u002F Linux:**\n```bash\ncurl -fsSL https:\u002F\u002Fdeno.land\u002Finstall.sh | sh\n```\n*安装完成后，请根据提示将 Deno 添加到系统环境变量 PATH 中。*\n\n## 2. 安装步骤\n\n### 第一步：克隆项目\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\ncd ai-trend-publish\n```\n\n### 第二步：配置环境变量\n复制示例配置文件并编辑：\n```bash\ncp .env.example .env\n```\n使用编辑器打开 `.env` 文件，填入必要的 API Keys 和配置项。\n> **关键配置提示**：\n> *   `JINA_API_KEY`: 用于数据采集、搜索和重排序（必配）。\n> *   `DEEPSEEK_API_KEY` \u002F `QWEN_API_KEY` 等：根据您选择的大模型提供商填写。\n> *   微信公众号相关配置 (`WEIXIN_APP_ID`, `WEIXIN_APP_SECRET` 等)。\n\n### 第三步：配置微信公众号 IP 白名单 (重要)\n在使用发布功能前，必须将服务器或本机 IP 加入公众号后台白名单：\n1.  查询本机公网 IP：访问 [IP 查询工具](https:\u002F\u002Ftool.lu\u002Fip\u002F)\n2.  登录 [微信公众号后台](https:\u002F\u002Fmp.weixin.qq.com\u002F) -> 设置与开发 -> IP 白名单，添加上述 IP。\n\n## 3. 基本使用\n\n### 启动开发模式\n支持代码热重载，适合开发和调试：\n```bash\ndeno task start\n```\n\n### 运行测试任务\n验证配置是否正确，执行一次完整的数据采集与生成流程：\n```bash\ndeno task test\n```\n*详细的任务调度逻辑可参考 `src\\controllers\\cron.ts` 文件。*\n\n### 生产环境部署 (可选)\n\n**方式 A：直接使用 PM2 管理进程**\n```bash\nnpm install -g pm2\npm2 start --interpreter=\"deno\" --interpreter-args=\"run --allow-all\" src\u002Fmain.ts\npm2 save\npm2 startup\n```\n\n**方式 B：Docker 部署**\n```bash\n# 构建镜像\ndocker build -t ai-trend-publish .\n\n# 运行容器 (加载 .env 文件)\ndocker run -d --env-file .env --name ai-trend-publish-container ai-trend-publish\n```\n\n### 进阶：自定义模板\n项目支持通过 EJS 引擎自定义文章模板：\n1.  查看数据结构定义：`src\u002Fmodules\u002Frender\u002Finterfaces`\n2.  编写模板文件：位于 `src\u002Ftemplates` 目录\n3.  测试渲染效果：\n    ```bash\n    npx ts-node -r tsconfig-paths\u002Fregister src\\modules\\render\\test\\test.weixin.template.ts\n    ```\n\n---\n*更多详细文档及模板展示，请访问项目官方文档页面或查看源码注释。*","某科技自媒体运营者每天需要追踪全球最新的 AI 技术动态，并将其整理成高质量的微信公众号文章发布。\n\n### 没有 ai-trend-publish 时\n- **信息搜集耗时巨大**：需要手动刷新 Twitter\u002FX、HackerNews 及多个技术博客，花费数小时筛选有价值的新闻，极易遗漏重要趋势。\n- **内容创作效率低下**：对每条新闻需人工阅读、总结摘要并构思吸引人的标题，撰写一篇深度综述往往需要整个下午。\n- **发布流程繁琐易错**：需登录公众号后台手动排版、上传图片并设置定时发送，操作重复且容易因疲劳出现格式错误。\n- **多模型对比困难**：难以快速利用不同大模型（如 Deepseek、通义千问）对同一素材进行多维度分析，内容深度受限。\n\n### 使用 ai-trend-publish 后\n- **全自动多源抓取**：配置好 Twitter 和目标网站后，系统自动实时采集全球 AI 资讯，并通过 Jina AI 进行智能去重与初步清洗。\n- **AI 智能生成与排序**：调用 Deepseek 或通义千问自动提炼核心观点、生成爆款标题，并根据热度智能排序内容，瞬间完成初稿。\n- **一键定时发布**：结合预设的精美 EJS 模板，系统自动排版并推送到微信公众号，支持定时任务，彻底解放双手。\n- **灵活的多模型协作**：可自由切换或组合多种大模型对素材进行深度分析，轻松产出包含“每周排行榜”或“仓库推荐”的高质量专栏。\n\nai-trend-publish 将原本需要半天的人工采编工作压缩至分钟级，让运营者从繁琐的搬运工转型为真正的策略制定者。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyown_ai-trend-publish_9fba08f2.png","liyown","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fliyown_0dec3206.jpg",null,"liuyaowen_smile@126.com","liuyaowen.cn","https:\u002F\u002Fgithub.com\u002Fliyown",[79,83,87],{"name":80,"color":81,"percentage":82},"TypeScript","#3178c6",92.1,{"name":84,"color":85,"percentage":86},"EJS","#a91e50",7.9,{"name":88,"color":89,"percentage":90},"Dockerfile","#384d54",0.1,2868,396,"2026-04-06T10:59:54","MIT","Windows, Linux, macOS","未说明",{"notes":98,"python":99,"dependencies":100},"本项目基于 Deno 运行时而非 Node.js 或 Python。使用前需配置多个 AI 服务（如 Deepseek, Jina AI, FireCrawl 等）的 API Key。若使用微信公众号发布功能，必须在公众号后台将服务器 IP 加入白名单。支持通过 Docker 部署或使用 PM2 进行进程管理。","不需要 (基于 Deno\u002FTypeScript)",[101,80,84,102,103],"Deno v2.0.0+","VitePress (文档)","PM2 (可选，用于进程管理)",[15,13,14],[106,107],"ai","weixin","2026-03-27T02:49:30.150509","2026-04-07T11:45:23.025453",[111,116,121,126,131,136,141],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},21951,"为什么项目运行时报错提示 key 值与 .env 文件对应不上或数据库配置错误？","这通常是因为默认启用了数据库配置但本地未初始化。解决方法有两种：\n1. 更新最新代码并执行 SQL 初始化语句创建表。\n2. 如果不想使用数据库，可以在 `src\\test.ts` (以及 `src\\index.ts`) 中注释掉数据库相关配置，仅保留环境变量配置。代码如下：\n```js\nconst configManager = ConfigManager.getInstance();\nconfigManager.addSource(new EnvConfigSource());\n\n\u002F\u002F 注释掉以下数据库初始化代码\n\u002F*\nconst db = await MySQLDB.getInstance({\n  host: process.env.DB_HOST,\n  port: Number(process.env.DB_PORT),\n  user: process.env.DB_USER,\n  password: process.env.DB_PASSWORD,\n  database: process.env.DB_DATABASE,\n});\nconfigManager.addSource(new DbConfigSource(db));\n*\u002F\n```\n一般用户不需要开启数据库功能，直接使用 .env 配置即可。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F3",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},21952,"如何禁用不需要的模块（如 Bark 通知）以避免因缺少 API Key 而报错？","在最新的代码提交（commit 116d737cf6cf0c1f48b34ad35086a99afd8d000c）中已修复此问题。现在如果将 `.env` 文件中的对应 API Key 留空（例如 `BARK_KEY=\"\"` 或 `BARK_KEY=`），系统将自动跳过该功能的初始化和验证，不再强制要求配置。请确保拉取最新代码。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F14",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},21953,"微信公众号文章为什么只能保存到草稿箱而无法自动发布？","这是默认行为。因为微信官方接口发布的文章如果不通过群发接口，不会显示在公众号主页且无法声明原创，体验不佳。目前建议的流程是：程序自动将文章保存为草稿，然后用户下载“公众号助手”APP 或在后台手动进行最终的发布操作，以获取推荐流量和群发功能。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F45",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},21954,"未认证的微信公众号无法上传图片素材导致报错，如何解决？","未认证账号确实没有上传图片素材的权限。临时解决方案是修改代码跳过图片上传步骤：\n1. 打开文件 `src\\services\\weixin-article.workflow.ts`。\n2. 找到第 243 行左右。\n3. 将 `imageUrl` 的值修改为空字符串 `\"\"`。\n这样程序在遇到图片上传异常时会跳过该步骤继续运行。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F22",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},21955,"如何添加 Firecrawl 和 Twitter 之外的内容源（如小红书、头条等）？","你需要实现自定义爬虫接口。具体步骤如下：\n1. 查看 `src\u002Fscrapers\u002Finterfaces` 目录下的接口定义。\n2. 创建一个新的类实现该接口（可参考现有的 Firecrawl 或 Twitter 实现）。\n3. 在配置文件中添加新源的标识，例如：\n```json\nMySpider: [\n  { identifier: \"https:\u002F\u002Fwww.baidu.com\" }\n]\n```\n4. 如果你开发的爬虫稳定性较好，欢迎向项目提交 PR。目前对于没有官方 API 的平台（如小红书），也可以考虑生成离线 HTML 文件后手动复制发布。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F9",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},21956,"启动时提示数据库表 'trendfinder.config' 不存在怎么办？","这是因为开启了数据库功能但没有初始化数据表。对于大多数用户，维护者建议不需要开启数据库功能，直接使用 `.env` 文件配置即可，这样门槛更低。如果必须使用数据库，请确保在数据库中执行了项目提供的 SQL 初始化语句来创建所需的表结构。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F46",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},21957,"抓取的内容中如何展示具体的 Twitter 推文详情而不是仅在网页总结？","目前项目主要侧重于在网页中进行内容总结。如果需要查看或展示具体的原始推文内容，建议检查输出生成的 HTML 文件或日志。如果是小白用户，确保完全按照快速开始步骤操作，目前的逻辑是将抓取到的有价值内容整合进生成的文章中，而非单独列出所有原始推文列表。如有特定展示需求，可能需要修改源码中的渲染逻辑。","https:\u002F\u002Fgithub.com\u002Fliyown\u002Fai-trend-publish\u002Fissues\u002F13",[147,152,156,160,165,170,175,180],{"id":148,"version":149,"summary_zh":150,"released_at":151},132618,"v1.0.6","# 发布说明 - 2025年3月16日\n**主要更新**: Deno配置优化与核心架构升级\n\n---\n\n## 🌟 核心更新\n### 开发工具链全面升级\n- **Deno配置**\n  ✓ 使用 `-A` 统一权限标识简化任务命令\n  ✓ 同步更新关键依赖项（drizzle-kit, drizzle-orm, mysql2）\n\n### 工作流架构重构\n- 🛠️ 工作流引擎2.0\n  ✓ 全链路结构化事件追踪机制\n  ✓ 强化错误边界处理与自动回滚能力\n  ✓ 采用新一代日志框架（@zilla\u002Flogger）\n  ✓ 建立毫秒级性能指标监控体系\n\n### 代码质量管理\n- 🧹 技术债务清理\n  ✓ 移除遗留SQL配置及数据源文件\n  ✓ 废弃接口迁移计划落地完成\n\n---\n\n## 🐞 重点修复\n### 协同开发优化\n- **PR #31 关键合并**\n  ✓ 修复模块路径映射异常（chenyuli 提交）\n  ✓ 钉钉通知系统对接标准化改造\n\n---\n\n## 🎨 体验升级\n### 文档系统\n- **知识库上线**\n  ✓ 移动端响应式导航系统\n  ✓ 统一视觉规范 + one-dark-pro代码高亮主题\n  ✓ 动态文档目录架构自动生成\n\n---\n\n## ⚙️ 开发者支持\n### 基础设施增强\n- **构建系统升级**\n  ✓ 新增Markdown文档流水线（@sapling\u002Fmarkdown）\n  ✓ 钉钉Webhook调试日志增强\n\n### 新手友好改进\n- 📚 文档配套工程\n  ✓ README钉钉对接详解指南\n  ✓ 快速帮助中心直达入口\n\n---\n\n## 👥 贡献者致谢\n特别感谢本次迭代的代码贡献者：\n@liuyaowen @chenyuli @ironartisan-team\n\n完整改动列表见 [Commit History](https:\u002F\u002Fgithub.com\u002Fyour-repo-link)\n\n---","2025-03-16T08:39:04",{"id":153,"version":154,"summary_zh":74,"released_at":155},132619,"v1.0.5","2025-03-12T13:12:43",{"id":157,"version":158,"summary_zh":74,"released_at":159},132620,"v1.0.3","2025-03-12T12:31:47",{"id":161,"version":162,"summary_zh":163,"released_at":164},132621,"v1.0.2","### 内容排名和工作流优化\n- 优化内容排名系统\n  - 更新内容排名提示词，调整评分权重\n  - 在用户提示中添加图片URL日志记录\n  - 改进ID解析机制，提升内容排名结果的一致性\n- 增强微信工作流程\n  - 添加内容过滤功能\n  - 实现动态文章数量配置\n  - 增加调试日志记录\n  - 优化内容处理的错误处理机制\n\n### 文章渲染和图片处理增强\n- 改进文章模板渲染系统\n  - 新增`processArticleContent`方法，支持段落间自动插入图片\n  - 更新基础模板渲染器，支持数据预处理\n  - 优化文章模板，移除默认文本缩进\n  - 重命名`ArticleTemplateRenderer`为`WeixinArticleTemplateRenderer`\n- 微信图片处理优化\n  - 实现`uploadContentImage`方法，支持微信图片上传\n  - 重构`WeixinImageProcessor`，改进图片处理方法\n\n### Twitter爬虫增强\n- 增加媒体内容支持\n  - 添加Media和Size接口定义\n  - 实现推文媒体内容提取\n  - 支持引用推文的内容和媒体提取\n- 性能优化\n  - 将推文获取限制从10条增加到20条\n  - 改进错误日志记录\n  - 优化配置刷新机制\n\n### 配置管理\n- 新增文章数量环境变量配置\n  - 在.env.example中添加ARTICLE_NUM配置项\n  - 更新README.md文档，添加相关配置说明\n\n### 依赖更新\n- 升级axios至1.8.2版本\n- 更新npm源配置，优化包管理\n- 移除husky包依赖\n\n### 类型系统优化\n- 重构模板类型定义\n  - 将`template.type.ts`重命名为`article.type.ts`\n  - 新增`GeneratedTemplate`和`WeixinTemplate`接口\n  - 更新相关文件的导入路径\n\n### 文档更新\n- 更新环境变量配置说明\n- 完善README文档","2025-03-11T12:57:19",{"id":166,"version":167,"summary_zh":168,"released_at":169},132622,"v1.0.1","1、重构：重组阿里云图片生成提供商\r\n\r\n将 AliWanX21ImageGenerator 移至新的 'aliyun' 子目录\r\n在图片生成器工厂中添加新的 AliyunWanxPosterGenerator\r\n更新多个文件中的导入路径\r\n扩展 ImageGeneratorType 和 ImageGeneratorTypeMap，以支持新的海报生成器\r\n修改 WeixinArticleWorkflow，使其使用具有增强图片生成选项的新海报生成器\r\n\r\n2、重构：重组阿里云图片生成提供商\r\n\r\n将 AliWanX21ImageGenerator 移至新的 'aliyun' 子目录\r\n在图片生成器工厂中添加新的 AliyunWanxPosterGenerator\r\n更新多个文件中的导入路径\r\n扩展 ImageGeneratorType 和 ImageGeneratorTypeMap，以支持新的海报生成器\r\n修改 WeixinArticleWorkflow，使其使用具有增强图片生成选项的新海报生成器","2025-03-09T15:08:40",{"id":171,"version":172,"summary_zh":173,"released_at":174},132623,"v1.0.0","## [1.0.0] - 2024-03-05\n\n### 架构优化\n- 重构LLM工厂模式，提升代码复用性和可维护性\n  - 实现统一的LLM提供者接口，支持多种AI服务商\n  - 优化模型切换机制，支持动态指定模型名称\n  - 增强错误处理和重试机制\n\n- 增强模型配置灵活性\n  - 多模型配置支持：可在配置中为同一提供商定义多个可用模型\n    - 使用竖线分隔多个模型名称，例如：`DEEPSEEK_MODEL=\"deepseek-chat|deepseek-reasoner\"`\n    - 默认使用列表中的第一个模型\n  - 指定特定模型支持：可在使用LLM提供商时指定特定模型\n    - 使用格式：`提供商:模型名称`，例如：`DEEPSEEK:deepseek-reasoner`\n    - 适用于所有支持指定模型的配置项\n\n- LLM工厂类技术改进\n  - 重构getLLMProvider方法，支持解析`PROVIDER:model`格式的配置\n  - 优化提供商缓存机制，使用`PROVIDER:model`作为缓存键\n  - 添加配置字符串解析方法\n\n- OpenAI兼容LLM类增强\n  - 添加多模型支持和管理\n  - 新增模型选择和查询方法：\n    - `setModel(model: string)`：设置当前使用的模型\n    - `getModel()`：获取当前使用的模型\n    - `getAvailableModels()`：获取所有可用模型列表\n  - 支持在请求时通过options指定模型\n\n### 功能增强\n- 优化AISummarizer模块\n  - 重构摘要生成接口，支持自定义语言和长度\n  - 增加JSON格式响应支持，提升数据处理效率\n  - 完善错误处理机制，提供更详细的错误信息\n\n- 改进ContentRanker模块\n  - 优化内容排名算法，提升准确性\n  - 支持自定义排名规则和权重\n  - 增加批量处理能力\n\n### 工具类优化\n- 封装RetryUtil工具类\n  - 实现统一的重试机制，支持自定义重试策略\n  - 添加指数退避算法，优化重试间隔\n  - 提供详细的重试日志，便于问题排查\n\n### 配置管理\n- 重构环境变量配置\n  - 优化配置项结构，提升可维护性\n  - 支持多环境配置，便于开发和部署\n  - 完善配置文档，提供详细的配置说明\n\n### 其他改进\n- 优化项目目录结构，提升代码组织性\n- 更新依赖包版本，修复潜在安全问题\n- 完善错误处理机制，提供更友好的错误提示\n- 增加单元测试覆盖率，提升代码质量\n\n### 文档更新\n- 更新环境变量配置文档\n- 完善API接口文档\n- 添加开发指南和最佳实践\n\n### 依赖更新\n- 升级sharp至0.33.5\n- 升级mysql2至3.12.0\n- 升级typeorm至0.3.20\n- 升级其他依赖包到最新稳定版本","2025-03-06T18:58:33",{"id":176,"version":177,"summary_zh":178,"released_at":179},132624,"v0.2.0","1、优化处理流程，现先排序再进行内容优化，大幅节省API费用；\r\n2、优化配置管理，可自动处理数据库配置；\r\n3、优化文章排版；\r\n4、优化排序逻辑，新增文章去重；","2025-03-03T05:37:18",{"id":181,"version":182,"summary_zh":74,"released_at":183},132625,"v0.1.2","2025-01-28T03:24:27"]