综合介绍

Zenfeed 是一个开源的AI信息中枢，它将传统的RSS订阅与人工智能技术相结合，旨在解决信息过载问题。该工具不仅仅是一个RSS阅读器，更像是一个智能化的信息处理引擎。用户可以自定义信息源，通过AI对抓取的内容进行自动化的处理，例如生成摘要、评分、分类和过滤。Zenfeed的核心设计思想是通过一套类似普罗米修斯（Prometheus）的管道化处理机制，将每篇文章抽象为可操作的标签集，用户可以基于这些标签进行灵活的查询和内容路由。这使得用户可以从被动接收信息转为主动掌控信息，将真正有价值的内容筛选出来，制作成每日简报或进行实时监控，从而在信息洪流中保持清晰和专注。它主要面向希望对信息获取有更高掌控度的用户、开发者以及需要追踪特定领域动态的专业人士。

功能列表

• AI驱动的信息处理：利用AI能力自动为RSS内容生成摘要、进行评分、分类和打标签。
• 管道化处理机制：将每一篇文章抽象为标签集，用户可在处理管道的各个节点通过自定义提示词（Prompt）对标签进行修改和处理。
• 灵活的编排与路由：根据处理后的标签，用户可以自由地查询、过滤内容，并将信息路由到不同的通知渠道。
• 每日AI简报：定时收取指定时间段内的AI简报，以总览的方式高效阅读，减少上下文切换带来的干扰。
• 开放的API接口：提供查询API、RSS导出API和通知Webhook，方便开发者进行集成和二次开发。
• 声明式配置：项目使用YAML文件进行配置，具有高度的自定义和灵活性。
• 支持多种模型服务：默认使用硅基流动提供的模型服务，同时支持用户配置和使用其他AI模型提供商。
• 个人AI搜索引擎：通过整合可信的RSS数据源，用户可以打造一个专注于特定领域的个人搜索引擎。

使用帮助

Zenfeed的设计目标是为用户提供一个强大且灵活的AI信息处理引擎。其核心在于通过AI自动化处理RSS订阅源，帮助用户从海量信息中高效地提取价值。下面将详细介绍其安装和核心使用流程。

安装流程

Zenfeed提供基于Docker的快速部署方式，整个过程最快仅需一分钟。

1. 准备工作在开始部署之前，你需要一个API密钥来调用AI模型。Zenfeed默认使用硅基流动提供的模型服务（例如Qwen系列模型）。

• 你需要先注册一个硅基流动账号以获取API_KEY。通过邀请链接注册可以获得赠送额度。
• 如果你需要使用其他AI模型（如OpenAI、Gemini等），或者进行更复杂的自定义部署，你需要参考官方的配置文档来修改docker-compose.yml文件。

2. 一键部署（Mac / Linux）打开你的终端，执行以下命令：

# 1. 下载配置文件
curl -L -O https://raw.githubusercontent.com/glidea/zenfeed/main/docker-compose.yml
# 2. 启动服务（请将 sk-... 替换为你自己的API_KEY）
API_KEY="sk-..." docker-compose -p zenfeed up -d

3. 一键部署（Windows PowerShell）打开PowerShell，执行以下命令：

# 1. 下载配置文件
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/glidea/zenfeed/main/docker-compose.yml" -OutFile "docker-compose.yml"
# 2. 启动服务（请将 sk-... 替换为你自己的API_KEY）
$env:API_KEY = "sk-..."; docker-compose -p zenfeed up -d

4. 访问服务部署成功后，你可以在浏览器中访问 http://localhost:1400 来打开Zenfeed的Web界面。

注意：如果你将Zenfeed部署在云服务器（VPS）等公网环境中，请确保服务器的防火墙或安全组已经放行了1400端口。由于Zenfeed目前没有内置的用户认证机制，直接将其暴露在公网上可能会导致你的API_KEY泄露。因此，请务必配置严格的安全组规则，仅允许你信任的IP地址访问。

核心功能操作

1. 添加RSS订阅源进入Zenfeed的Web界面后，首要任务是添加你想要追踪的RSS订阅源。

• 在界面上找到添加订阅源的入口，输入RSS链接即可。
• 添加后，Zenfeed会开始在后台抓取和处理内容。这个过程需要几分钟时间，具体时长取决于内容量和AI模型的处理速率限制，请耐心等待。
• 如果你之前使用其他RSS工具（如Follow），可以参考官方提供的迁移指南migrate-from-follow.md进行数据迁移。

2. 配置信息处理与通知Zenfeed的强大之处在于其高度可定制的信息处理流程。你可以通过Web界面配置各种自动化任务。

• 配置每日简报：你可以设定一个固定的时间（例如每天早上8点），让Zenfeed将过去24小时内你所关心的信息聚合成一份AI简报，并推送到你指定的渠道。
• 配置监控：你可以设置关键词或主题，当订阅源中出现符合条件的内容时，Zenfeed会立即通过Webhook等方式通知你。
• 高级玩法：Zenfeed的Web界面目前只展示了部分功能。要实现更复杂的玩法，例如自定义内容处理管道、修改AI提示词（Prompt）等，你需要直接编辑配置文件。这部分内容赋予了Zenfeed极大的灵活性，具体可查阅官方的配置文档。

3. 查询和阅读当内容被抓取和处理后，你就可以像使用一个智能搜索引擎一样与你的信息流互动。

• 语义查询：通过Web界面，你可以用自然语言进行搜索，AI会理解你的意图并返回相关的文章。
• 标签过滤：所有文章都会被AI自动打上标签（如分类、评分等），你可以通过点击或筛选这些标签来快速找到感兴趣的内容。

通过以上步骤，你就可以搭建起一个专属于自己的、高度自动化的信息获取和分析系统。

应用场景

1. RSS重度用户（老司机）对于每天需要处理大量RSS订阅信息的用户，Zenfeed可以作为AI增强版的阅读器。它能够自动对文章进行摘要和分类，帮助用户快速过滤掉噪音，只关注最重要的内容，极大地提升了阅读效率。
2. 市场与行业分析师分析师需要持续追踪特定行业、竞争对手或市场趋势的动态。他们可以利用Zenfeed订阅相关的新闻网站、博客和报告，设置关键词监控。一旦有相关信息出现，系统会自动分析并第一时间发出通知，使其成为一个接近实时的AI情报官。
3. 信息焦虑症患者对于那些因为害怕错过信息而频繁刷新社交媒体和新闻应用的用户，Zenfeed的“每日简报”功能提供了一种解决方案。用户可以设定每天只接收一次信息汇总，以一种总览和“批处理”的方式高效阅读，从而摆脱持续的上下文切换和信息过载带来的精神疲惫。
4. 开发者与技术爱好者开发者可以利用Zenfeed开放的API和灵活的配置，将其作为一个信息处理引擎集成到自己的工作流中。例如，可以构建一个自动化的系统，追踪特定开源项目的更新、技术博客的新文章，并根据内容质量进行评分和筛选，然后将结果推送到团队的聊天工具中。

QA

1. Zenfeed是如何利用AI来处理信息的？Zenfeed将每一篇通过RSS抓取的文章发送给大型语言模型（LLM）。它通过内置或用户自定义的提示词（Prompt），引导AI模型对文章进行分析，并输出一系列结构化的标签，例如summary（摘要）、category（分类）、rating（评分）等。这些标签随后被用于过滤、搜索和通知。
2. 使用Zenfeed是否需要自己拥有强大的服务器？不需要。Zenfeed本身是一个轻量级的Go程序，资源消耗不大。核心的AI处理部分是调用第三方的API服务（如硅基流动、OpenAI等），计算压力由这些服务承担。用户只需一台可以运行Docker的普通机器或小型VPS即可部署。
3. Zenfeed支持哪些AI模型？Zenfeed在设计上是与模型无关的。虽然默认配置使用了硅基流动提供的Qwen系列模型，但用户可以通过修改配置文件，轻松接入任何兼容OpenAI API格式的模型服务，例如自部署的模型或Cloudflare AI Gateway等其他服务。
4. 这个项目是免费的吗？Zenfeed项目本身是开源免费的，采用AGPLv3协议。但是，在使用过程中调用AI模型API会产生费用，这部分成本需要由用户自己承担。不过，项目默认使用的模型提供商通常会为新用户提供免费额度。
5. 我可以把Zenfeed的数据永久保存下来吗？默认情况下，为了节省存储空间，Zenfeed的数据只保留8天。如果需要长期存储，用户需要自行修改配置或探索其他的数据导出与备份方案。