blogwatcher

用途

Blogwatcher 是一个 RSS/Atom 订阅源监控技能，用于监控博客和订阅源的新内容，并在有更新发布时发出通知。

主要能力

RSS/Atom 解析：同时支持 RSS 2.0 和 Atom 格式的订阅源。
更新检测：跟踪已读条目并检测新发布的文章。
内容过滤：可按关键词、作者或分类进行过滤。
通知集成：可通过 Telegram、Discord、Slack 或邮件发送更新。
持久化状态：保存已读条目，重启后仍可保留。
定时监控：可按 cron 计划检查订阅源。

安装

安装所需依赖：

npm install feedparser

配置

在 config/feeds.json 创建订阅源配置文件，示例：

{
  "feeds": [
    {
      "name": "Tech Crunch",
      "url": "https://techcrunch.com/feed/",
      "check_interval": "*/30 * * * *",
      "filters": {
        "keywords": ["AI", "startup", "funding"],
        "min_length": 100
      },
      "notifications": {
        "telegram": true,
        "discord": false
      }
    },
    {
      "name": "Hacker News",
      "url": "https://hnrss.org/frontpage",
      "check_interval": "*/15 * * * *",
      "filters": {
        "keywords": ["show hn", "launch"]
      }
    }
  ]
}

使用方式

API

监控单个订阅源：

const { watchFeed } = require('./blogwatcher');

const updates = await watchFeed({
  url: 'https://example.com/feed.xml',
  name: 'Example Blog'
});

console.log(`Found ${updates.length} new posts`);
for (const post of updates) {
  console.log(`- ${post.title} (${post.link})`);
}

检查所有已配置的订阅源：

const { checkAllFeeds } = require('./blogwatcher');

const results = await checkAllFeeds();
// Returns: { feeds: [...], total_updates: N }

获取订阅源历史：

const { getFeedHistory } = require('./blogwatcher');

const history = getFeedHistory('tech-crunch');
console.log(`Seen ${history.length} posts from Tech Crunch`);

输出格式

每条更新包含：

{
  "feed_name": "Tech Crunch",
  "title": "Startup Raises $10M Series A",
  "link": "https://techcrunch.com/2026/...",
  "published": "2026-02-25T10:00:00Z",
  "author": "John Doe",
  "summary": "A startup has raised...",
  "categories": ["AI", "Funding"],
  "content": "Full article content...",
  "detected_at": "2026-02-25T13:00:00Z"
}

过滤

关键词过滤：

{
  "filters": {
    "keywords": ["AI", "machine learning"],
    "match_any": true
  }
}

作者过滤：

{
  "filters": {
    "authors": ["John Doe", "Jane Smith"]
  }
}

分类过滤：

{
  "filters": {
    "categories": ["Technology", "Startups"]
  }
}

内容长度过滤：

{
  "filters": {
    "min_length": 200,
    "max_length": 5000
  }
}

通知

Telegram：

const { sendTelegramNotification } = require('./blogwatcher');

await sendTelegramNotification({
  chat_id: process.env.TELEGRAM_CHAT_ID,
  updates: [...]
});

Discord Webhook：

await sendDiscordNotification({
  webhook_url: 'https://discord.com/api/webhooks/...',
  updates: [...]
});

CLI 用法

# 检查所有已配置的订阅源
blogwatcher check

# 检查指定订阅源
blogwatcher check --url https://example.com/feed.xml

# 显示订阅源历史
blogwatcher history --feed "tech-crunch"

# 清除已读条目
blogwatcher clear --feed "tech-crunch"

# 测试通知
blogwatcher test-notify --feed "tech-crunch"

状态管理

已读条目存储在 data/blogwatcher-seen.json：

{
  "tech-crunch": [
    "https://techcrunch.com/2026/02/25/post-1",
    "https://techcrunch.com/2026/02/24/post-2"
  ],
  "hacker-news": [...]
}

每个订阅源最大条目数：1000（可配置）。

最佳实践

尊重速率限制：使用合适的 check_interval（通常 15-30 分钟）。
积极过滤：仅对真正相关的内容发送通知。
监控订阅源健康：检查订阅源错误和失效 URL。
去重：使用基于链接的去重（而非基于标题）。
归档重要文章：将关键更新保存到永久存储。

完整监控示例

const { watchFeed, sendTelegramNotification } = require('./blogwatcher');

async function monitorFeeds() {
  const feeds = [
    {
      name: 'AI Weekly',
      url: 'https://aiweekly.co/feed/',
      filters: { keywords: ['agent', 'LLM'] }
    },
    {
      name: 'Developer News',
      url: 'https://devnews.io/rss',
      filters: { keywords: ['JavaScript', 'TypeScript'] }
    }
  ];

  for (const feed of feeds) {
    try {
      const updates = await watchFeed(feed);
      
      if (updates.length > 0) {
        console.log(`[${feed.name}] Found ${updates.length} new posts`);
        
        await sendTelegramNotification({
          chat_id: process.env.TELEGRAM_CHAT_ID,
          message: `📰 ${feed.name} has ${updates.length} new posts:\n\n` +
            updates.slice(0, 5).map(u => `• ${u.title}\n${u.link}`).join('\n')
        });
      }
    } catch (error) {
      console.error(`[${feed.name}] Error: ${error.message}`);
    }
  }
}

setInterval(monitorFeeds, 30 * 60 * 1000);

错误处理

该技能处理常见订阅源错误：

HTTP 404：订阅源 URL 未找到——标记为不活跃。
HTTP 429：被限流——退避后稍后重试。
无效 XML：订阅源格式错误——记录并跳过。
超时：订阅源响应过慢——跳过本次检查。

适用场景

适用于需要持续跟踪多个博客或 RSS/Atom 订阅源更新、并对新文章进行过滤与通知的场景，例如跟踪科技媒体、开发者资讯或特定主题博客的最新内容。

限制

资料中未提供关于收费、价格、平台支持范围或效果保证的说明。