Skip to content

INTRO.md

Latest commit

 

History

History
208 lines (152 loc) · 6.9 KB

INTRO.md

File metadata and controls

208 lines (152 loc) · 6.9 KB
Raw

AI Trend Radar — 产品介绍

🛰️ 为 AI / 科技从业者打造的"低噪音"趋势雷达
一句话: 把 14 个平台的热榜拉到一起,LLM 帮你滤掉体育八卦,新内容自动挂到话题,看完不忘。

1. 为什么做这个

痛点

作为一个长期关注 AI / 编程的从业者,每天会刷:

  • 微博热搜 — 90% 是娱乐八卦
  • 知乎热榜 — 偶尔有深度但要翻很久
  • B 站热门 — 视频内容没法快速扫描
  • 即刻 / 小红书 / 推特 — 各有偏重,平台割裂
  • GitHub Trending / Hacker News — 偏开发者向
  • Product Hunt — 偏产品向

加起来每天要 30+ 分钟,而且:

  • ❌ 噪音大 — 大半内容和你没关系
  • ❌ 平台割裂 — 同一个主题分散在 5 个 app
  • ❌ 没有沉淀 — 看完就忘,下个月想找上个月讨论过的 LLM 话题找不回来

现有方案的不足

现有方案 问题
trendradar (8K+ stars) 只做聚合,不过滤,首页一大半是娱乐
各种 RSS 订阅器 配置繁琐,平台覆盖不全
Notion / 飞书多维表 全靠手动录入

我们的解法

"过滤 > 聚合" — 与其堆平台,不如把噪音滤干净。

环节 设计
采集 14 个平台统一 RawPost 结构,单次 LLM 批判断 30+ 标题
过滤 三层:黑名单(体育娱乐)→ 白名单(AI 编程)→ LLM 灰区二判
沉淀 新帖入库即按关键词 + 分类自动挂到话题,不再"看完即焚"
扩展 字幕提取 / ASR / 摘要 让"视频"也变成"可读内容"

2. 它能做什么

2.1 热榜智能聚合 (核心)

打开首页,你能看到:

┌──────────────────────────────────────────────┐
│ [全部] [AI] [编程] [产品]  平台: [知乎▼]     │
│ 时间: [今天] [本周] [本月]                   │
├──────────────────────────────────────────────┤
│ 🔥 #1  知乎 · LLM 话题                       │
│       大模型 Sora 2 出了,效果炸裂             │
│       💬 1.2k  👍 5.6k  平台:zhihu           │
│       [打开] [字幕] [摘要]                    │
├──────────────────────────────────────────────┤
│ 🔥 #2  GitHub Trending · AI Agent 话题        │
│       OpenInterpreter 30k stars               │
│       ...                                    │
└──────────────────────────────────────────────┘

筛选 / 时间范围 / 平台 / 话题 — 一次过滤到位。

2.2 视频字幕提取 (差异化)

你看到一条 B 站视频,但不想看 30 分钟? 一键点"字幕":

┌────────────────────────────────────────────┐
│ 🎬  字幕预览                                │
│ ─────────────                              │
│ [00:00] 大家好,今天来聊聊 Claude 4          │
│ [00:05] 这个版本最大的变化是...              │
│ [00:12] ...                                  │
│                                            │
│ 视图:  [MD] [SRT] [纯文本]                  │
│ 操作:  [下载 .md] [下载 .srt] [复制]         │
│        [🤖 AI 摘要]                         │
└────────────────────────────────────────────┘

支持: B 站 / YouTube / 抖音 / 视频号 / 西瓜 / 微博视频。

2.3 字幕全文搜索

"我想找所有提到 R1 推理模型的视频"?

GET /api/v1/subtitle/search?q=R1%20推理模型

返回所有出现过这句话的视频链接 + 时间戳。

2.4 没字幕的视频? ASR 来补

抖音/视频号很多视频没字幕,直接 ASR 转写:

POST /api/v1/subtitle/asr
Content-Type: multipart/form-data
file: <video.mp4>

后端: ffmpeg 抽音 → faster-whisper 转写 → SRT。完全本地,无云端成本。

2.5 AI 视频摘要

拿到 3 万字字幕,懒癌发作?

POST /api/v1/subtitle/summarize
{ "srt": "00:00 ... 30:00", "title": "..." }

返回:

{
  "summary": "本视频讨论 Claude 4 的三个核心改进...",
  "key_points": ["上下文窗口 200k→1M", "工具调用更稳", "成本降低 60%"],
  "tags": ["AI", "LLM", "Claude", "产品发布"]
}

模型默认 Claude Haiku (便宜快),可切 DeepSeek / 任意 OpenAI 兼容。

3. 目标用户

用户 怎么用
AI 工程师 每天 5 分钟扫热榜,捕捉新论文 / 新框架 / 新工具
产品经理 关注产品向 (Product Hunt / 小红书 / 即刻),看竞品动态
技术博主 用"字幕提取 + AI 摘要"快速产出 100-200 字短文
投资人 跨平台热度趋势,看哪些 AI 方向在升温
学生 找学习素材,按话题回看"过去一个月 LLM 都发生了什么"

4. 技术栈与亮点

维度 选型 理由
后端 FastAPI + Uvicorn async 友好,自动生成 OpenAPI 文档
数据 SQLite (WAL) 单实例够用,部署零依赖
调度 APScheduler 进程内,够轻
采集 opencli (24.5K stars) 统一 CLI,14 平台一次拿下
视频下载 yt-dlp 万能
ASR faster-whisper 4x speed, low memory
过滤 OpenAI 兼容 LLM 便宜 (DeepSeek ¥0.001/条)
前端 单 HTML 文件 零构建,改即生效

核心亮点:

  • ✅ 单次 LLM 调用判断 30+ 标题 (批处理,降本)
  • ✅ 过滤结果写 is_filtered 列,trending 查询 0 LLM 调用 (500ms 响应)
  • ✅ 关键词 + 分类 fallback 双通道自动挂话题
  • ✅ 三轮压测 0 错误,内存 0 泄漏

5. 三轮压测结果 (2026-06-18)

测试 结果
100 并发 trending 100% 成功
30s 持续负载 24.4 req/s, 0 错误
60s 持续负载 内存 Δ=0KB
边界 query (长串/中文/emoji) 0 错误
重复触发 scheduler ×10 10/10 成功

完整数据: CHANGELOG.md

6. Roadmap

  • v1.0 (本版): 多源采集 + 三层过滤 + 话题 + 字幕 + ASR + 摘要
  • v1.1: 视频封面 OCR + 关键帧截取
  • v1.2: RSS 订阅导出 (按话题输出 OPML)
  • v1.3: 多用户 + API key 鉴权
  • v2.0: 向量检索,按"主题相似度"找内容

7. 5 分钟跑起来

git clone https://github.com/yourname/ai-trend-radar.git
cd ai-trend-radar
cd backend && pip install -r requirements.txt && cd ..
bash run.sh
# 打开 http://127.0.0.1:8080

(完整文档: README.md)

8. License

MIT — 自由使用,欢迎二次开发。