（7293期）feed-diet – 你的信息饮食健康吗？一键生成阅读审计报告

你的信息饮食健康吗？一键生成阅读审计报告 智能审计信息阅读习惯，生成可视化报告与个性化推荐，支持 Hacker News 与 RSS 订阅源分析。 使用说明 核心用法 Feed Diet 是一款信息消费习惯审计工具，通过分析用户的 Hacker News 浏览记录或 RSS 订阅源，生成精美的 Markdown 格式报告。支持两种核心模式： Audit Mode（审计模式）：全面分析阅读内容分布，输出分类统计表、ASCII 图表、多样性评分及个性化改进建议 Digest Mode（摘要模式）：基于用户指定的专业目标（如"分布式系统""编译器"），筛选过去 7 天的相关内容生成精选阅读清单 技术实现上，工具通过 Bash 脚本链完成数据获取（HN API / OPML 解析）、内容分类（LLM 智能分类或关键词回退）、报告生成三阶段流程。 显著优点 可视化输出：原生 Markdown 报告可直接渲染，包含结构化表格与 ASCII 图表，适合截图分享 双源兼容：同时支持 HN 用户名和 RSS OPML 文件，覆盖主流技术阅读场景 智能分类：优先使用 Claude/OpenAI API 进行内容分类，准确性显著高于规则匹配 目标导向的 Digest：帮助用户从信息洪流中过滤出与职业发展相关的深度内容 潜在局限 分类质量依赖 API：未配置 LLM API 密钥时，关键词回退机制可能导致分类偏差 数据源限制：HN 审计依赖公开收藏数据，RSS 审计需要本地 OPML 文件 隐私考量：HN 用户名公开可见，但 RSS 文件可能包含私有订阅信息 适合人群 希望量化信息摄入结构的技术从业者 感到"阅读焦虑"、想优化阅读质量的 HN/RSS 重度用户 需要向团队展示阅读趋势的技术 lead 常规风险 API 密钥管理：工具读取 ANTHROPICAPIKEY / OPENAIAPIKEY 环境变量，需确保密钥安全 外部脚本执行：涉及多个 Bash 脚本调用，需信任 Anvil AI 的代码签名 Discord 场景下的数据暴露：v2 模式在频道中分享报告摘要时，可能泄露个人阅读偏好 原始说明 Audit your information diet across HN and RSS feeds — beautiful reports with category breakdowns, ASCII charts, and personalized recommendations.