内容
# RavenEye
> **一款模块化的多智能体AI情报平台，能够发现、分析、排名和总结高价值的AI新闻和GitHub机会，生成可行的情报报告。**
---
# 概述
RavenEye 自动化了监测快速发展的AI生态系统的过程。
与其手动浏览RSS订阅源和GitHub，不如让RavenEye持续从可信赖的来源收集信息，过滤无关内容，使用透明的评分机制对机会进行排名，并生成专业的Markdown情报报告。
该项目遵循模块化的多智能体架构，允许在无需重新设计系统的情况下添加新的情报来源和分析能力。
---
# 功能
## 已实现（版本1.0）
- RSS新闻收集
- RSS解析和HTML清理
- AI新闻分类
- GitHub仓库发现
- 仓库相关性评分
- 机会排名
- 重复过滤
- 自动生成Markdown报告
- 多智能体架构
- 基于编排器的工作流
- MCP（模型上下文协议）集成
- 配置驱动设计
---
## 计划中（未来版本）
- 技能情报智能体
- 实习情报智能体
- arXiv研究智能体
- Hugging Face监控
- Reddit情报智能体
- 会议跟踪
- 个性化推荐
- 历史趋势分析
- Web仪表盘
- 通知
---
# 架构
```
用户 / 命令行界面
│
▼
编排器
│
┌──────────────┼──────────────┐
│ │ │
▼ ▼ ▼
RSS智能体 GitHub智能体 报告智能体
│ │ │
└──────────────┼──────────────┘
▼
Markdown情报报告
│
▼
MCP集成
```
---
# 项目结构
```text
RavenEye/
├── agents/
│ ├── base_agent.py
│ ├── rss_agent.py
│ ├── github_agent.py
│ └── report_agent.py
│
├── tools/
│ ├── rss_service.py
│ ├── github_service.py
│ ├── report_service.py
│ └── utils.py
│
├── Integrations/
│ └── server.py
│
├── briefs/
├── Documents/
│
├── orchestrator.py
├── config.py
├── main.py
└── README.md
```
---
# 工作流程
1. RSS智能体收集AI新闻。
2. GitHub智能体发现有前景的仓库。
3. 结果被过滤和排名。
4. 报告智能体生成Markdown情报报告。
5. 编排器协调整个流程。
6. MCP服务器为外部客户端提供RavenEye工具。
---
# 使用的技术
- Python 3
- GitHub REST API
- RSS订阅源
- feedparser
- BeautifulSoup4
- Requests
- Markdown
- MCP（模型上下文协议）
---
# 运行RavenEye
克隆仓库：
```bash
git clone <仓库地址>
cd RavenEye
```
安装依赖：
```bash
pip install -r requirements.txt
```
运行：
```bash
python3 main.py
```
将在 **briefs/** 目录下生成新的情报报告。
---
# MCP集成
RavenEye通过模型上下文协议（MCP）提供其能力。
可用的工具包括：
- scan_rss
- scan_github
- generate_report
- run_pipeline
可以使用MCP检查器测试该项目。
---
# 文档
| 文档 | 描述 |
|-----------|-------------|
| SPEC.md | 功能性和非功能性需求 |
| ARCHITECTURE.md | 系统架构 |
| AGENTS.md | 智能体职责和开发规则 |
| ROADMAP.md | 开发路线图 |
| PROJECT_STATE.md | 当前实现状态 |
---
# 当前状态
**版本：** 1.0.0
当前实现包括：
- RSS情报
- GitHub情报
- 报告生成
- 多智能体架构
- 编排器
- MCP集成
版本1的流程已完全运行，能够生成端到端的情报报告。
---
# 未来路线图
版本1.1
- 技能情报智能体
- 实习情报智能体
版本2
- arXiv集成
- Hugging Face集成
- Reddit情报
- 趋势分析
- 个性化推荐
---
# 许可证
该项目在MIT许可证下发布。
---
# 作者
**Harsh Bhati**
RavenEye作为一个模块化的AI情报平台开发，遵循现代软件工程原则，强调模块化、可维护性、可扩展性和透明度。
