hacker-podcast
hacker-podcast 是一款基于人工智能的开源项目,致力于把 Hacker News 上的英文热门技术文章变成中文播客。它每天自动抓取网站上的高热度帖子,利用 AI 智能总结内容和评论,再通过语音合成技术转换为可收听的音频。
这个项目的出现,有效解决了技术圈普遍存在的语言障碍和时间碎片化问题。对于程序员、科技爱好者而言,它让获取全球前沿资讯变得更加轻松。你不必花费大量时间阅读长文,只需订阅播客,就能在通勤或休息时通过耳朵了解最新的行业动态和技术讨论。目前支持网页访问以及小宇宙、Apple Podcasts 等多个主流平台。
在技术层面,hacker-podcast 采用了 Cloudflare Workers 架构,结合 OpenAI API 进行内容处理,实现了从抓取、摘要生成到音频存储的全自动化流程。它不仅提供了现成的服务,还开源了完整代码,方便开发者根据需求自行部署。作为一个将 AI 能力落地于资讯分发的实践,它展示了如何利用现代云原生技术提升信息获取效率。
使用场景
资深后端工程师李明每天通勤路上想获取最新技术动态,但工作繁忙难以深度阅读英文长文,急需一种高效的资讯摄入方式。
没有 hacker-podcast 时
- 需要手动浏览英文原版 Hacker News,语言门槛高且单篇文章阅读耗时过长,难以坚持。
- 面对海量帖子,筛选真正有价值的技术内容需要消耗大量筛选精力,容易迷失在噪音中。
- 无法在开车、跑步或做家务等场景下同步吸收信息,宝贵的碎片时间被浪费在屏幕前。
- 容易错过评论区中关于技术实现的深度讨论和不同视角的观点碰撞,信息获取不够全面。
使用 hacker-podcast 后
- hacker-podcast 自动抓取每日热榜,无需手动查找即可直达核心内容,节省搜索成本。
- AI 智能生成中文摘要,消除语言障碍并快速提炼文章与评论的核心观点,降低理解难度。
- 支持主流播客 App 收听,通勤途中即可通过耳朵高效获取资讯,实现多任务并行处理。
- 每日自动更新机制确保不错过任何重要的开源项目或技术趋势,保持技术敏感度。
将碎片化阅读转化为沉浸式听书体验,极大提升了技术资讯获取效率。
运行环境要求
- 未说明
无需 GPU(基于 Cloudflare Workers 和 OpenAI API)
未说明

快速开始
Agili 的 Hacker Podcast
一个基于 AI(人工智能)的 Hacker News 中文播客项目,每天自动抓取 Hacker News 热门文章,通过 AI 生成中文总结并转换为播客内容。
预览地址:https://hacker-podcast.agi.li
订阅地址:RSS | Apple Podcasts | YouTube | 小宇宙 | Spotify

主要特性
- 🤖 自动抓取 Hacker News 每日热门文章
- 🎯 使用 AI 智能总结文章内容和评论
- 🎙️ 通过 TTS(Text-to-Speech,文本转语音)生成中文播报
- 📱 支持网页和播客 App 收听
- 🔄 每日自动更新
- 📝 提供文章摘要和完整播报文本
技术栈
- vinext (Vite + React Server Components) 应用框架
- Cloudflare Workers(无服务器函数)部署和运行环境
- TTS 语音合成
- OpenAI API 内容生成
- Tailwind CSS 样式处理
- shadcn-ui 组件库
工作流程
- 定时抓取 Hacker News 热门文章
- 使用 AI 生成中文摘要和播报文稿
- 通过 TTS 转换为音频。
- 存储到 Cloudflare R2(对象存储)和 KV(键值存储)
- 通过 RSS feed 和网页提供访问
本地开发
项目由一个 Worker(云函数)和 Web 程序组成,Worker 负责抓取数据,处理音频。使用了 Cloudflare 的 R2 存储、KV 存储、工作流和浏览器呈现。 Web 程序负责展示数据和提供 RSS 订阅。Web 程序使用 vinext 开发,通过 Cloudflare Vite 插件部署到 Workers。
- 安装依赖:
pnpm install
- 配置环境变量:
# .env.local
NODE_ENV=development
NEXT_STATIC_HOST=http://localhost:3000/static
# worker/.env.local
NODE_ENV=development
HACKER_PODCAST_WORKER_URL=https://you-worker-url
HACKER_PODCAST_R2_BUCKET_URL=https://your-bucket-url
OPENAI_API_KEY=your_api_key
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4.1
- 启动开发服务器:
# 开发工作流
pnpm dev:worker
# curl -X POST http://localhost:8787 # 手动触发工作流
# 开发 Web 页面
pnpm dev
注意:
- 本地运行工作流时,Edge TTS 转换音频可能会卡住。建议直接注释该部分代码进行调试。
- 由于合并音频需要使用 Cloudflare 的浏览器端呈现,不支持本地开发,需要远程调试。可以使用
pnpm tests进行测试。
部署
项目使用 Cloudflare Workers 部署:
- 创建 R2 文件存储桶,绑定域名后,修改
NEXT_STATIC_HOST和HACKER_PODCAST_R2_BUCKET_URL变量。 - 创建 KV 存储空间
- 修改
wrangler.jsonc中 KV 和 R2 的值 - 使用
wrangler(Cloudflare 命令行工具)脚手架配置线上环境的环境变量:
# 更新 Worker 的私有变量
pnpx wrangler secret put --cwd worker HACKER_PODCAST_WORKER_URL # 绑定域名后,修改为绑定域名
pnpx wrangler secret put --cwd worker HACKER_PODCAST_R2_BUCKET_URL
pnpx wrangler secret put --cwd worker OPENAI_API_KEY
pnpx wrangler secret put --cwd worker OPENAI_BASE_URL
pnpx wrangler secret put --cwd worker OPENAI_MODEL
# 更新 Web 程序的私有变量
pnpx wrangler secret put NODE_ENV # 建议 production
pnpx wrangler secret put NEXT_PUBLIC_BASE_URL # Web 服务地址
pnpx wrangler secret put NEXT_STATIC_HOST # 绑定域名后,修改为绑定域名
# 记得恢复注释:wrangler.jsonc 中的 workflows 相关配置
pnpm deploy:worker
pnpm run deploy
致谢
特别感谢以下开源项目:
- Podify - 一个优雅的播客主题,为本项目提供了设计灵感和参考
贡献
欢迎提交 Issue 和 Pull Request!
赞助
[!TIP]
MiniMax-M2.1 是开源的业界顶尖编程模型,在多语言代码编写、界面设计理解与美学表达、长文本处理及多步骤复杂开发任务上表现卓越。让我们向通用生产力的长期愿景迈出了坚实一步,让人人都能轻松用上前沿的 AI 能力。点击领取 MiniMax CodingPlan 专属 88 折优惠。
免责声明
本项目与 Hacker News 和 Y Combinator 没有任何关联。"Hacker News" 是 Y Combinator 的注册商标。
常见问题
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
MiniMax-M2.1 是开源的业界顶尖编程模型,在多语言代码编写、界面设计理解与美学表达、长文本处理及多步骤复杂开发任务上表现卓越。让我们向通用生产力的长期愿景迈出了坚实一步,让人人都能轻松用上前沿的 AI 能力。