Vai al contenuto principale
X

dsh-ai-radar

xiaobai8512/dsh-ai-radar

Sidebar industry digest: pulls posts from X and Hacker News, scores them on engagement, novelty and discussion, keeps the ones a model editor judges worth opening, and lists the questions that repeat in their public replies. The industry, keywords and source accounts are editable in the panel. Its HTTP routes have no DSH access check, so a web page open in your browser could call them.

Installazione

dsh plugin --profile web add github:xiaobai8512/dsh-ai-radar

README

AI 雷达 · AI Radar

在 DeepSeek Harness 左侧栏打开 AI 雷达:看筛过的日报,也看 X 和 Hacker News 评论里反复出现的实操问题。适合想跟进某一行动态、找值得验证的选题,又不想每天刷时间线的人。

默认跑 AI 行业(33 个信源 + 6 条 HN 查询)。v0.2 起行业可以自己改:面板里点「设置行业」,改名称、关键词、信源账号即可,不限于 AI。

安装与第一次使用

本地测试包:先把 dsh-ai-radar-0.2.0.tgz 下载到当前终端目录,任选与你的 Harness 对应的一条:

# Harness Desktop 的 DSH 终端
dsh plugin --profile desktop add "$PWD/dsh-ai-radar-0.2.0.tgz"
# 命令行启动的 dsh web
dsh plugin --profile web add "$PWD/dsh-ai-radar-0.2.0.tgz"

桌面端完全退出后重开;Web 版重启原来的 dsh web。打开左侧栏 AI 雷达,首次启动会自动抓取,也可以点 立即抓取。默认名单较长,完成可能需要几分钟;抓取进度可在面板查看。

  • 运行机器需要能访问 X 的公开页面和 Hacker News 的 Algolia 接口;不需要提供 X 账号或 X API key。X 匿名页面的内容、可用性及更新速度会受网络和上游页面变化影响。
  • 中文摘要、编辑筛选和问题聚类默认使用当前 Harness 配置的模型,可能产生模型用量。候选帖和部分公开评论的文本会发给该模型服务。未配置可用模型时,日报回退到规则排序,问题聚类可能暂不显示。可在插件配置中关闭 editor 和 questions。
  • 插件会保存日报、信源缓存和去重记录到本机,不随安装包分发。建议先按已验证环境试装,不把其他 Harness 版本或操作系统视为已兼容。

换行业(v0.2)

面板右上角 设置行业 打开表单,五项:

字段作用
行业名显示在面板标题行;也是编辑层与问题聚类的口径
关键词一行一个。一条帖子命中几个词,决定它的相关性分(15 分权重里的一项);中文词直接按字面匹配,拉丁词自动含复数
专有名词可选。用来判断「新信号」:拉丁名要带型号或数字才算(gpt-5、qwen3),中文名本身即可
信源账号一行一个 @handle,可写 handle,1 / ,2 / ,3 表示权重档(1 最高)
Hacker News 查询一行一个;留空即关闭。只有科技类行业有意义

保存后会:写入 <数据目录>/industry.json、清空旧日报与去重账本/词库/问题池、按新行业立刻重抓一轮。旧行业的数据不会混进新行业的卡片。

三条限制,先说明白:

  • 跨行业都成立的源只有 X 账号名单,插件不会替你想名单;HN 只服务科技类。非科技行业的效果,取决于你填的账号和关键词。
  • 换行业等于换了一套判断标准,但只有 AI 行业做过完整验收;别的行业目前是「能用,未验收」。
  • 编辑层与问题聚类跑在当前 Harness 配置的模型上,换行业后它的标准跟着行业名和关键词走,不会自己长见识。

标准(怎么算「有意思」)

四层漏斗,前一层不过就直接丢弃:

L0 池子:三类信源,权重不同。

  • tier 1 一手官方:OpenAI / Anthropic / Google DeepMind / Google AI / Mistral / Qwen / DeepSeek
  • tier 2 研究者与评论者:karpathy、simonw、fchollet、Jim Fan、emollick、AK、Teortaxes、scaling01、near、Lucas Beyer、Vikhyat
  • tier 3 工程与工具链:swyx、Mckay Wrigley、Peter Steinberger、Harrison Chase、LangChain、Ollama、Hugging Face、The Turing Post、Rowan Cheung

L1 硬门槛(二元淘汰,不打分)

  • 时间窗:默认 36 小时内(首次安装时回填 7 天,避免卡片空着)
  • 去重:id 记账,见过的永不再上榜
  • 排除转推、敏感内容、非本账号原创、语言不在 en/zh/ja
  • 长度下限(官方号 24 字符、其他 55 字符),排除纯表情
  • 排除招聘、抽奖、返利、促销码、webinar、"link in bio" 这类推广

L2 五维信号(0–1,加权成 0–100 分)

信号权重怎么算
热度异常度25互动量 ÷ 该账号自己近期帖子互动中位数,取对数;比的是「这条比他自己平时的表现热多少」,不是绝对数字
新颖性25提取模型/版本/基准这类可核验的词,比对近 14 天见过的词库;带 introduc/releas/unveil/open-source 这类动词加分
信息密度20有链接、有数字/百分比/延迟/准确率、有代码/安装命令、长度在 90–900 字符
讨论价值15回复数 ÷ 点赞数、引用数 ÷ 点赞数;越有争议越靠前
相关性15命中 AI/LLM/agent/推理/微调/开源/基准 等词汇表,tier 越高的信源加分

L3 LLM 编辑层(src/editor.js) 规则分只做粗排,不决定入选。全部过硬门槛的候选(每人最多 3 条)按规则分取前 24 条,分批(默认每批 12 条)交给 LLM 做二审。编辑给的目标是「刷到会停下来」,不是「做行业简报」。核心判断是钩子:

  • 有钩子才可能入选:反直觉结论、自己跑出来的实测数据、观点冲突/对线、立刻能上手的玩法或小工具、内幕与一线吐槽、改变认知的突破
  • 钩子必须为真:营销、无数字的吹捧、通稿式发布直接砍
  • 例行进展(又一个基准、又一次合作、又一场直播)除非带来新能力或可验证硬数字,否则砍

每条的输出:

  • keep / value(0–10 的「愿意点开程度」)
  • hook:争议 / 实测 / 新玩法 / 内幕 / 突破 / 观点 / 工具,显示成卡片上的小标签
  • why:说清钩子是什么(≤30 字),禁止「值得关注」这类空话
  • zh:中文译文(≤120 字,专名与数字保留原文;原文是中文给润色版)
  • overall:一句整体判断

LLM 用 profile 默模型(agentDefaultModel.currentSelection()),可 editorProvider/editorModel 覆盖。分批是为输出预算服务:一次问 24 条时模型会把预算耗在推理上、正文为空,所以每批 12 条、失败自动用更短的提示重试一次。LLM 不可用时回落规则排序(不翻译,但照出榜单)。

L4 最终选择

  • 默认门槛 30 分进候选池,LLM 裁决后每天上限 6 条,同一作者最多 2 条
  • 同一对话只留一条
  • 分类:模型发布 / 论文与基准 / 开源与工程 / 观点争鸣 / 行业动态
  • 宁少而精:全砍掉也允许,卡片会显示「今天还没有够格的帖子」

评论区问题雷达(选题用)

第二个标签页回答「大家到底在问什么、踩哪个坑」,用来做「白科闪点」的选题。

为什么是 X + Hacker News:未登录的 X 一条帖子只渲染 2 条左右热门回复(实测:1236 条回复的帖子也只给 3 个块),做不出「高频」统计;HN 评论可全文读取,一天几百条,且写的人正是踩坑的人。两者合在一起:X 给「热帖下最扎眼的反应」,HN 给「量」。

  • X 侧:取今天最吵的 N 条帖子(按回复数 + 点赞数排序),逐条抓回复区,每 72 小时最多抓一次
  • HN 侧:用公开 Algolia API 按关键词(claude code、cursor、llm api、ollama、llama.cpp、vllm)抓最近 7 天的评论,每天几十到几百条
  • 过滤:只留疑问、报错、配置/迁移/配额/选型这类「实操与踩坑」发言
  • 攒池:滚动的 7 天池子,最多 1500 条
  • 聚类:抽最新 30 条(X 优先)交给 LLM,聚成 3–5 类,每类给
    • 这一类在问什么(≤18 字)
    • 可直接开做的选题角度(≤40 字)
    • 1–2 条中文示例
    • 来源构成(X 几条 / HN 几条)
  • 每条主题还能点开原帖(links 已存,面板暂未渲染)
  • 计数是「这 30 条采样里提到几类」的规模,不是全网统计;卡片上标了来源构成(X / HN)

已知的坑(都是踩过的):让推理模型一次改写几十条评论,它会把输出预算烧在推理上、正文返回空(finish=max-tokens 且无文本)。所以提取阶段改成启发式选样,模型只做一次小回复;编辑层同理,分批 12 条 + 失败半批重试。

配置:questions(总开关)、hn、hnQueries、hnDays、hnPerQuery、questionPosts(扫多少条 X 帖子)、questionPoolDays、questionClusters。

数据从哪来(没有 X API key)

两个还活着的公开端点,一个主力一个兜底:

  1. 帖子页本身(主力):https://x.com/<账号>。x.com 把最近的帖子连同完整计数(赞/转/回/引)服务端渲染进 HTML,一次 GET 就够,不需要登录、token 或第三方代理。正文里的链接是 t.co 短链,真实地址在旁边的 entity 对象里,解析时按就近原则还原,媒体链接直接丢掉。限制:一页只渲染最近 5 条左右。
  2. 合成时间线(兜底):syndication.twitter.com/srv/timeline-profile/screen-name/<账号> — 结构化 JSON,最干净,但相当一部分账号返回的是「历史最热」而不是「最新」,所以只在第 1 步拿不到页面时用。
  3. 单帖页 /status/<id> 用同一套解析,供评论区问题雷达取「帖子 + 它渲染出的几条回复(含回复数)」。

已废:r.jina.ai 读者代理。 原先用它取「页面上最近的帖子 id」,以及把评论区转成 markdown。它对匿名请求现在直接返回 401 AuthenticationRequiredError(按 IP 信誉判定),2026-11-18 23:59 那轮 30/35 个账号的 http 401 全部来自这里。现已整体移除,抓取不再依赖任何第三方。

「没更新」不是失败。 源能正常返回、但最近一条在时间窗之外,记进 stale(例如 stale (newest 12d old));只有页面和时间线都拿不到才进 failed。分开之后,卡片上的错误数才等于真故障数。

网络:如部署环境已配置 HTTP(S) 代理,插件读取 http_proxy/https_proxy 或对应大写变量;未配置时直接访问。

配置

插件的 config(在 profile 的 cordis.patch.yml 里可改):

- id: ai-radar
  name: 'dsh-ai-radar'
  config:
    refreshHour: 9        # 每天几点抓(本地时间)
    maxItems: 6           # 每天最多几条
    maxPerAuthor: 2       # 同一作者最多几条
    editor: true          # LLM 编辑层(含翻译)总开关
    editorCandidates: 24  # 交给 LLM 的候选数
    editorPerAuthor: 3    # 单个账号最多几条进候选
    editorBatchSize: 12   # 每批问 LLM 几条
    editorThreshold: 6    # LLM 的 value 门槛(0-10)
    questions: true       # 评论区问题雷达总开关
    hn: true              # 是否接入 Hacker News 评论
    hnQueries: [claude code, cursor, llm api, ollama, llama.cpp, vllm]
    hnDays: 7             # HN 回看天数
    questionPosts: 12     # 每轮最多扫多少条 X 帖子的回复区
    # editorProvider: deepseek-account   # 不填则用 profile 默认模型
    # editorModel: deepseek-flash
    windowHours: 36       # 时间窗
    minScore: 30          # 分数门槛
    requestGapMs: 4000    # 请求间隔(毫秒)
    cacheMinutes: 50      # 账号抓取结果的缓存时长
    accounts:             # 覆盖默认名单;可写字符串,也可写 { handle, tier }
      - { handle: OpenAI, tier: 1 }
      - karpathy
    dataDir: /custom/path # 可选,默认 $DSH_HOME/storages/ai-radar

运行

  • Host 半:注册 /plugins/ai-radar/digest(GET)与 /plugins/ai-radar/refresh(POST),每天 refreshHour 抓一次;启动时若上次抓取超过 6 小时则自动补一次。
  • Client 半:「AI 雷达」入口走左侧导航(sidebar.panellist),内容在主区(main)打开,不再覆盖头像区。点「返回对话」回到原会话。数据只从 Host 路由取,浏览器不直接碰 X。
  • 状态文件:~/.dsh/storages/ai-radar/state.json(账号缓存、去重账本、词库、当前摘要)。

已知局限

  • 只按名单抓,不能按关键词全网搜(X 搜索页需要登录)。
  • X 公开页面只暴露少量回复,不能代表完整评论区;问题面板是样本聚类,不是全网频率统计。
  • 规则分只用于粗排;价值判断和翻译由 LLM 编辑层完成。超长帖子截断到 600 字符(重试时 260),所以超长贴的译文只覆盖前半段。
  • 翻译是逐条的:只有入选的帖子才翻译,没入选的不翻。
  • 两个端点都有速率限制,一轮全量抓取约 3–6 分钟,属于后台任务。

Plugin correlati