mynews2.0.0

mynews analysiert RSS- und Atom-Feeds, filtert ihre Geschichten, bewertet ihre Relevanz und sendet einen personalisierten Nachrichtenstrom an die von Ihnen ausgewählten Ziele. Sie definieren Quellen und Sendepräferenzen in einer kompakten Konfiguration mit fünfminütiger Feed-Abfrage, einem 24-Stunden-Story-Fenster und einer stdout-Ausgabe als Standard. Per-source-keyword-inclusive- und-ausschluss-regeln können ganze wort-matching, keyword-or-score-matching, score-schwellen und datums-cutoffs verwenden, während gleichzeitiges abrufen verhindert, dass ein langsamer feed den rest hält.

Optionale Relevanzbewertung vergleicht Titel mit Ihren Interessen durch lokale statische Einbettungen durch model2vec oder einfaches Keyword-Matching; minScore entfernt Elemente mit geringer Relevanz und Interessen können für einzelne Quellen außer Kraft gesetzt werden. Mit dem Einbettungs-Scoring erhalten Einträge ohne Beschreibungen bestmögliche extraktive Zusammenfassungen, es sei denn, die ArtikelSummaries sind aktiviert. Stories können an stdout, telegram, discord, slack oder einen generischen webhook gesendet werden, der rohe story json erhält, wobei mehrere unabhängige apps als separate ziele konfiguriert sind. Der Digest-Modus enthält die Top-N-Score-Storys für jedes Intervall und die Cross-Source-Deduplizierung führt denselben Artikel zusammen, wenn sich Tracking-Parameter oder URL-Fragmente unterscheiden.

Der OPML-Import verwandelt einen Feed-Reader-Export in eine Startkonfiguration, während metricsAddr /healthz und /metrics zur Überwachung ausstellt. Periodische crashsichere Persistenzdatensätze gesehene Geschichten, und anmutige Abschaltung bewahrt diesen Zustand; Ausführen nackt mynews verwendet eine In-Memory-Datenbank und Drucke zu stdout. Law Zavas Open-Source mynews 2.0.0 läuft unter Linux in der Kategorie Systemtools, zielt auf x86 64 (amd64) und erfordert Snapd. Seine einzelne in sich geschlossene pure-go-binär verwendet keine cgo; keyword-scoring und der rest des programms funktioniert offline, während das einbetten von scoring ein kleines statisch-einbettungsmodell von huggingface bei der ersten verwendung herunterlädt.