[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-polyrabbit--hacker-news-digest":3,"tool-polyrabbit--hacker-news-digest":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",149489,2,"2026-04-10T11:32:46",[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。",108322,"2026-04-10T11:39:34",[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},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"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],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":108,"forks":109,"last_commit_at":110,"license":111,"difficulty_score":112,"env_os":113,"env_gpu":114,"env_ram":115,"env_deps":116,"category_tags":119,"github_topics":120,"view_count":32,"oss_zip_url":80,"oss_zip_packed_at":80,"status":17,"created_at":135,"updated_at":136,"faqs":137,"releases":138},6382,"polyrabbit\u002Fhacker-news-digest","hacker-news-digest",":newspaper: Let ChatGPT Summarize Hacker News for You","hacker-news-digest 是一款智能资讯摘要工具，旨在帮助用户高效获取 Hacker News 上的核心科技动态。面对海量技术文章，用户往往难以逐篇细读，hacker-news-digest 利用人工智能自动提取每篇文章的精华内容并生成通俗易懂的摘要，同时搭配相关插图，让快速浏览新闻变得轻松直观。\n\n这款工具特别适合忙碌的开发者、技术研究人员以及希望紧跟行业趋势的普通科技爱好者。它不仅能节省大量阅读时间，还能通过清晰的排版和视觉辅助，让用户迅速掌握文章要点。\n\n在技术实现上，hacker-news-digest 主要调用 OpenAI 的 GPT-3.5 模型生成高质量摘要，并在 API 不可用时智能切换至本地的 Google T5 模型作为备选，确保服务稳定。此外，它还支持视频、PDF 及 GitHub 代码片段的无缝嵌入，提供按热度、评论数或时间排序的灵活筛选功能，并完整支持 RSS 订阅。值得一提的是，该项目还利用大语言模型实现了包括中文在内的本地化翻译，让非英语用户也能无障碍地享受全球前沿技术资讯。作为一个托管在 GitHub Pages 上的静态站点，它以轻量、开","hacker-news-digest 是一款智能资讯摘要工具，旨在帮助用户高效获取 Hacker News 上的核心科技动态。面对海量技术文章，用户往往难以逐篇细读，hacker-news-digest 利用人工智能自动提取每篇文章的精华内容并生成通俗易懂的摘要，同时搭配相关插图，让快速浏览新闻变得轻松直观。\n\n这款工具特别适合忙碌的开发者、技术研究人员以及希望紧跟行业趋势的普通科技爱好者。它不仅能节省大量阅读时间，还能通过清晰的排版和视觉辅助，让用户迅速掌握文章要点。\n\n在技术实现上，hacker-news-digest 主要调用 OpenAI 的 GPT-3.5 模型生成高质量摘要，并在 API 不可用时智能切换至本地的 Google T5 模型作为备选，确保服务稳定。此外，它还支持视频、PDF 及 GitHub 代码片段的无缝嵌入，提供按热度、评论数或时间排序的灵活筛选功能，并完整支持 RSS 订阅。值得一提的是，该项目还利用大语言模型实现了包括中文在内的本地化翻译，让非英语用户也能无障碍地享受全球前沿技术资讯。作为一个托管在 GitHub Pages 上的静态站点，它以轻量、开源的方式重新定义了技术新闻的阅读体验。","[Let ChatGPT Summarize Hacker News for You](https:\u002F\u002Fhackernews.betacat.io\u002F)\n==================\n\n[![Github Pages](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Factions\u002Fworkflows\u002Fstatic.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Factions\u002Fworkflows\u002Fstatic.yml)\n[![license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-GPLv3-blue.svg)](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fblob\u002Fmaster\u002FLICENSE)\n[![PRs Welcome](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPRs-welcome-brightgreen.svg)](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fpulls)\n[![Hacker News](https:\u002F\u002Fcamo.githubusercontent.com\u002F73322cbcbf1c517bb5d3d8d4e724f81091fc767ccc278b44f1ee1a1179e9ad38\u002F68747470733a2f2f736869656c64732e696f2f62616467652f4861636b65722532304e6577732d6630363532663f6c6f676f3d79253230636f6d62696e61746f72267374796c653d666c61742d737175617265266c6f676f436f6c6f723d7768697465)](https:\u002F\u002Fhackernews.betacat.io\u002F)\n\n> [中文版](https:\u002F\u002Fblog.betacat.io\u002Fpost\u002F2023\u002F06\u002Fsummarize-hacker-news-by-chatgpt\u002F)\n\n[Hacker News Summary](https:\u002F\u002Fhackernews.betacat.io\u002F) leverages AI technology to extract summaries\nand illustrations from [Hacker News](https:\u002F\u002Fnews.ycombinator.com\u002F)\narticles, providing a seamless news scanning experience.\n\nSummaries are primarily generated by\nChatGPT [gpt-3.5-turbo](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fmodels\u002Fgpt-3-5) model, and fallback to\nlocal [GoogleT5](https:\u002F\u002Fhuggingface.co\u002Ft5-large) model when ChatGPT is not available.\n\n## Features\n\n* Clear and easily understandable summaries generated by our advanced AI assistant\n* Relevant illustrations make articles easily scannable and visually engaging\n* Common video sites, PDFs, and GitHub gists are seamlessly embedded\n* Flexibility to sort articles based on their points, comment count, or publication time\n* Filter the topN articles based on their points.\n* RSS feeds fully supported ([#14](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fissues\u002F14), [#19](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fissues\u002F19))\n* Local translation (Chinese)\n\n## Talk is cheap, show me the screenshot!\n\n![hn-summary](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpolyrabbit_hacker-news-digest_readme_c08c8137e030.png)\n\nEmoji explained:\n\n* ❤️: point - upvotes received from the Hacker News community\n* 👤: user - Hacker News user who submitted this post\n* 🕘: submission time - a human-readable time indicating when the post was submitted\n* 💬: comment count - comments posted by the community, click to visit this comment page\n* 🔗: source of the news - where the news originated\n* 📰: summary model - which model is used to generate the summary, options\n  are `OpenAI`, `GoogleT5` and `Prefix`\n\n## How it works\n\n[Hacker News Summary](https:\u002F\u002Fhackernews.betacat.io\u002F) is a static site hosted on GitHub Pages. It\nperforms the following periodic actions:\n\n1. Parsing the Hacker News page to obtain a list of news articles\n2. Extracting the main content from each news article using\n   a [score algorithm](%5Btutorial%5D%20How-to-extract-main-content-from-web-pages-using-Machine-Learning.ipynb)\n3. Finding the most suitable illustration for each article and making a local copy\n4. Generating summaries of the article's content using OpenAI API or invoking a local model as a\n   fallback when the API is unavailable\n5. Rendering a template that incorporates the illustrations and summaries, and deploying it to\n   GitHub Pages\n\n## Localization\n\nTranslation is also performed by LLM, with a single extra step in the prompt. Currently supported languages:\n\n* [中文翻译](https:\u002F\u002Fhackernews.betacat.io\u002Fzh.html)\n\n## TODO\n\n- [ ] A better way to scrap websites (maybe PhantomJS & Selenium)\n- [ ] Also summarize comments ([see discussions on Hacker News](https:\u002F\u002Fnews.ycombinator.com\u002Fitem?id=36260140))\n- [ ] Switch to [Hacker News API](https:\u002F\u002Fgithub.com\u002FHackerNews\u002FAPI)\n- [ ] A more beautiful home page (maybe in HTML9)\n- [ ] Discover an alternative local models for generating summaries\n- [X] Sort articles by points\u002Fcomments\u002Ftime\n- [X] Filter topN articles by points\n- [X] RSS\n- [X] Deploy on github pages\n- [X] Have a good sleep !important\n\n","[让ChatGPT为你总结Hacker News](https:\u002F\u002Fhackernews.betacat.io\u002F)\n==================\n\n[![Github Pages](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Factions\u002Fworkflows\u002Fstatic.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Factions\u002Fworkflows\u002Fstatic.yml)\n[![license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-GPLv3-blue.svg)](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fblob\u002Fmaster\u002FLICENSE)\n[![PRs Welcome](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPRs-welcome-brightgreen.svg)](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fpulls)\n[![Hacker News](https:\u002F\u002Fcamo.githubusercontent.com\u002F73322cbcbf1c517bb5d3d8d4e724f81091fc767ccc278b44f1ee1a1179e9ad38\u002F68747470733a2f2f736869656c64732e696f2f62616467652f4861636b65722532304e6577732d6630363532663f6c6f676f3d79253230636f6d62696e61746f72267374796c653d666c61742d737175617265266c6f676f436f6c6f723d7768697465)](https:\u002F\u002Fhackernews.betacat.io\u002F)\n\n> [中文版](https:\u002F\u002Fblog.betacat.io\u002Fpost\u002F2023\u002F06\u002Fsummarize-hacker-news-by-chatgpt\u002F)\n\n[Hacker News Summary](https:\u002F\u002Fhackernews.betacat.io\u002F) 利用AI技术从[Hacker News](https:\u002F\u002Fnews.ycombinator.com\u002F)的文章中提取摘要和配图，提供流畅的新闻浏览体验。\n\n摘要主要由ChatGPT的[gpt-3.5-turbo](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fmodels\u002Fgpt-3-5)模型生成；当ChatGPT不可用时，则回退到本地的[GoogleT5](https:\u002F\u002Fhuggingface.co\u002Ft5-large)模型。\n\n## 功能\n\n* 由先进的人工智能助手生成清晰易懂的摘要\n* 相关插图使文章更易于快速浏览且视觉上更具吸引力\n* 常见视频网站、PDF文件和GitHub Gist无缝嵌入\n* 可按热度、评论数或发布时间对文章进行排序\n* 按热度筛选前N篇文章\n* 完全支持RSS订阅（[#14](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fissues\u002F14), [#19](https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest\u002Fissues\u002F19)）\n* 本地化翻译（中文）\n\n## 白说无益，上截图！\n\n![hn-summary](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpolyrabbit_hacker-news-digest_readme_c08c8137e030.png)\n\n表情符号说明：\n\n* ❤️：点数——来自Hacker News社区的点赞数\n* 👤：用户——提交该帖子的Hacker News用户\n* 🕘：发布时间——以人类可读的时间格式显示帖子提交时间\n* 💬：评论数——社区发表的评论数量，点击可跳转至评论页面\n* 🔗：新闻来源——新闻的原始出处\n* 📰：摘要模型——用于生成摘要的模型，选项包括`OpenAI`、`GoogleT5`和`Prefix`\n\n## 工作原理\n\n[Hacker News Summary](https:\u002F\u002Fhackernews.betacat.io\u002F) 是一个托管在GitHub Pages上的静态网站。它会定期执行以下操作：\n\n1. 解析Hacker News页面，获取新闻列表\n2. 使用[评分算法](%5Btutorial%5D%20How-to-extract-main-content-from-web-pages-using-Machine-Learning.ipynb)从每篇新闻中提取主要内容\n3. 为每篇文章寻找最合适的插图并本地保存副本\n4. 使用OpenAI API生成文章内容摘要；当API不可用时，则调用本地模型作为备用\n5. 渲染包含插图和摘要的模板，并部署到GitHub Pages\n\n## 本地化\n\n翻译同样由大语言模型完成，只需在提示词中添加一步即可。目前支持的语言：\n\n* [中文翻译](https:\u002F\u002Fhackernews.betacat.io\u002Fzh.html)\n\n## 待办事项\n\n- [ ] 更好的网页抓取方式（或许可以使用PhantomJS和Selenium）\n- [ ] 同样总结评论（[参见Hacker News上的讨论](https:\u002F\u002Fnews.ycombinator.com\u002Fitem?id=36260140)）\n- [ ] 切换到[Hacker News API](https:\u002F\u002Fgithub.com\u002FHackerNews\u002FAPI)\n- [ ] 打造一个更美观的首页（也许采用HTML9）\n- [ ] 寻找替代的本地模型来生成摘要\n- [X] 按热度\u002F评论数\u002F时间对文章排序\n- [X] 按热度筛选前N篇文章\n- [X] 实现RSS订阅\n- [X] 部署到GitHub Pages\n- [X] 睡个好觉！important","# hacker-news-digest 快速上手指南\n\n`hacker-news-digest` 是一个利用 AI 技术自动抓取、总结并配图 Hacker News 热门文章的开源工具。它主要使用 ChatGPT (gpt-3.5-turbo) 生成摘要，并在 API 不可用时降级使用本地的 GoogleT5 模型。\n\n## 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**: Linux, macOS 或 Windows (WSL)\n*   **Python**: 建议版本 3.8 或更高\n*   **依赖管理**: pip 或 conda\n*   **API Key (可选)**: 若需使用高质量的 OpenAI 摘要，需准备 `OPENAI_API_KEY`。若不配置，系统将自动回退到本地 T5 模型。\n*   **网络环境**: 由于需要访问 Hacker News 和 OpenAI API，国内用户可能需要配置代理或使用加速节点。\n\n## 安装步骤\n\n1.  **克隆项目仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fpolyrabbit\u002Fhacker-news-digest.git\n    cd hacker-news-digest\n    ```\n\n2.  **创建虚拟环境（推荐）**\n    ```bash\n    python -m venv venv\n    source venv\u002Fbin\u002Factivate  # Windows 用户使用: venv\\Scripts\\activate\n    ```\n\n3.  **安装依赖**\n    *注：若国内下载缓慢，可临时指定清华源加速安装。*\n    ```bash\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    *(如果项目中包含特定的模型依赖安装脚本，请优先运行该脚本，例如 `pip install transformers torch`)*\n\n4.  **配置环境变量**\n    在项目根目录下创建 `.env` 文件（或直接在终端导出），配置必要的参数：\n    ```bash\n    export OPENAI_API_KEY=\"your_openai_api_key_here\"\n    # 可选：设置需要抓取的文章数量\n    export TOP_N=10\n    ```\n\n## 基本使用\n\n该项目设计为定期运行的自动化流程，最终生成静态网站部署到 GitHub Pages。以下是手动触发一次完整生成流程的最简示例：\n\n1.  **运行主脚本**\n    执行核心脚本以开始抓取、提取内容、生成摘要及渲染页面：\n    ```bash\n    python main.py\n    ```\n    *脚本将依次执行：解析 HN 首页 -> 提取正文 -> 匹配插图 -> 调用 AI 生成摘要 -> 渲染 HTML 模板。*\n\n2.  **查看结果**\n    运行完成后，生成的静态文件通常位于 `docs` 或 `dist` 目录（具体视配置文件而定）。您可以使用本地服务器预览：\n    ```bash\n    python -m http.server 8000 --directory docs\n    ```\n    然后在浏览器访问 `http:\u002F\u002Flocalhost:8000` 即可看到带有 AI 摘要和配图的 Hacker News 日报。\n\n3.  **部署（可选）**\n    若需像官方演示一样托管在 GitHub Pages，确保将生成后的静态文件推送到仓库的 `gh-pages` 分支或配置好 GitHub Actions 工作流。","资深后端工程师李明每天需要追踪 Hacker News 上的最新技术动态，以保持对行业趋势的敏锐度并寻找架构优化的灵感。\n\n### 没有 hacker-news-digest 时\n- **信息过载严重**：面对首页数十条英文标题，需逐个点击跳转原文，耗费大量时间在加载和筛选低质量内容上。\n- **语言与阅读障碍**：遇到长篇技术深文或非母语文章时，阅读速度骤降，难以快速抓取核心观点。\n- **缺乏视觉辅助**：纯文本列表枯燥乏味，无法通过封面图或摘要快速判断文章是否值得深入研读。\n- **错过高价值讨论**：因时间有限，往往只能浏览标题，容易忽略那些点赞数高但标题不起眼的深度评论或开源项目。\n\n### 使用 hacker-news-digest 后\n- **高效获取精华**：hacker-news-digest 自动提取每篇文章的 AI 摘要，李明只需几分钟即可扫完当日 Top 20 热点，大幅缩短信息获取路径。\n- **智能翻译与提炼**：工具支持中文本地化翻译，并利用 GPT-3.5 生成清晰易懂的总结，消除了语言壁垒，让核心技术点一目了然。\n- **图文并茂的体验**：每篇摘要均配有相关插图和嵌入的视频或 GitHub 片段，视觉化的呈现帮助李明快速建立对内容的直观认知。\n- **精准排序过滤**：通过按点赞数或评论数排序的功能，李明能直接锁定社区公认的高价值内容，确保不错过任何重要的技术风向。\n\nhacker-news-digest 将原本耗时数小时的碎片化阅读过程，转化为高效的“早报式”体验，让开发者能将更多精力投入到实际技术创新中。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpolyrabbit_hacker-news-digest_c08c8137.png","polyrabbit","Changxin Miao","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fpolyrabbit_193a6c00.jpg","Make Internet Decentralized Again","@stepfun-ai","Shanghai","mcx_221@foxmail.com",null,"https:\u002F\u002Fblog.betacat.io\u002F","https:\u002F\u002Fgithub.com\u002Fpolyrabbit",[84,88,92,96,100,104],{"name":85,"color":86,"percentage":87},"Python","#3572A5",62.6,{"name":89,"color":90,"percentage":91},"Jupyter Notebook","#DA5B0B",19.8,{"name":93,"color":94,"percentage":95},"HTML","#e34c26",9.9,{"name":97,"color":98,"percentage":99},"JavaScript","#f1e05a",4.3,{"name":101,"color":102,"percentage":103},"CSS","#663399",2.5,{"name":105,"color":106,"percentage":107},"Makefile","#427819",0.9,752,95,"2026-04-10T13:12:20","LGPL-3.0",4,"","未说明 (主要使用 OpenAI API，本地 fallback 模型 GoogleT5 未明确指定 GPU 需求)","未说明",{"notes":117,"python":115,"dependencies":118},"该项目是一个托管在 GitHub Pages 上的静态网站，通过定期工作流运行。核心功能依赖 OpenAI API (gpt-3.5-turbo) 生成摘要；仅当 API 不可用时，才会回退到本地运行的 Google T5 (t5-large) 模型。README 中未提供具体的本地安装指南、操作系统限制、Python 版本或依赖库列表。",[],[16,14,35,52],[121,122,123,124,125,126,64,127,128,129,130,131,132,133,134],"hacker-news","python","data-extraction","hacker-news-reader","rss","extract-summaries","spider","crawler","machine-learning","news-aggregator","chatgpt","chatgpt-api","openai","openai-api","2026-03-27T02:49:30.150509","2026-04-11T03:26:04.701913",[],[]]