（9971期）Topic Monitor – 智能聚合监控 · AI 情感告警

智能聚合监控 · AI 情感告警 智能主题监控工具，聚合 RSS/Atom、GitHub Releases 与 Web 搜索，AI 重要性评分与情感分析，支持实时告警与周报摘要。DigitalOcean 官方推荐，安全可靠。 使用说明 核心用法 Topic Monitor 是一款自动化信息监控技能，专为需要持续追踪特定主题动态的用户设计。其核心功能围绕三大数据源展开：RSS/Atom 订阅源、GitHub Releases 以及 Web 搜索。用户通过配置「主题」（Topic）定义监控目标，系统会按设定频率（每小时/每日/每周）自动采集信息，经 AI 评分、情感分析后，决定即时推送告警或纳入周报摘要。 配置层面，每个主题支持高度自定义：基础搜索词、关键词白名单/黑名单、必需/排除关键词、信息源权重提升/屏蔽、重要性阈值（高/中/低）等。CLI 工具 manage_topics.py 提供完整的增删改查与 OPML 批量导入能力，而 monitor.py 负责执行监控任务，支持 --dry-run 预览与 --verbose 调试。情感分析功能可识别 positive/negative/neutral/mixed 四种情绪，并能针对情感转向触发特殊告警。 显著优点 多源聚合与智能去重：打破单一信息源限制，将 RSS 订阅、GitHub 发布、搜索引擎结果统一处理，避免重复通知。 AI 驱动的相关性评分：不是所有更新都值得打扰，系统自动过滤低价值信息。 情感感知监控：不仅追踪「发生了什么」，还分析「舆论情绪如何变化」，对公关监测、竞品分析尤为关键。 灵活的告警策略：支持即时告警（关键发布、情感突变）与 digest 模式（周报摘要），适应不同工作节奏。 开发者友好：GitHub Releases 原生支持、OPML 批量导入、环境变量白名单机制，部署运维简便。 潜在缺点与局限性 依赖外部技能：Web 搜索功能需配合 web-search-plus 使用，无法独立运行完整功能。 Python 环境要求：虽仅需标准库 + feedparser，但对纯容器/无 Python 环境仍需额外配置。 RSS 源质量参差：工具本身不验证 RSS 内容真实性，低质量或恶意 feed 可能引入噪声。 无内置持久化数据库：状态与配置以 JSON 文件存储于本地，超大规模监控场景下可能遇到性能瓶颈。 情感分析语种限制：未明确说明多语言支持情况，非英语内容情感识别准确度待验证。 适合人群 产品经理/运营：监控竞品动态、用户反馈情绪、行业政策变化 开发者/开源维护者：追踪依赖库更新、安全公告、技术趋势 投资研究员：关注特定公司/技术领域的舆论风向与重大事件 信息策展人：从多源信息中筛选高质量内容，生成精选摘要 常规风险 | 风险类型 | 说明 | 缓解措施 ||---------|------|---------|| 网络请求风险 | 主动访问用户配置的第三方 RSS 源 | 仅订阅可信域名，代码已设超时与 User-Agent || 子进程调用 | 调用 web-search-plus 执行搜索 | 环境变量严格白名单，无命令注入风险 || 数据本地存储 | 配置与状态存于本地 JSON | 敏感信息不外泄，建议定期备份 || API 配额消耗 | 搜索 API 可能产生费用 | 合理设置 frequency 与重要性阈值 | 安全认证显示 S 级评分，无危险函数调用，MIT 开源可审计，DigitalOcean 官方背书，适合生产环境部署。 原始说明 Monitor topics of interest and proactively alert when important developments occur. Use when the user wants automated monitoring of specific subjects like pr...