# EntroFeed (Entropy Flow): AI-Powered RSS Reader Based on Information Entropy and Ontology > An open-source AI-driven RSS reader that combines information entropy theory and knowledge ontology structure with large language models to understand users' professional fields and reading preferences, helping to build an effective personal information moat. - 板块: [Openclaw Llm](https://www.zingnex.cn/en/forum/board/openclaw-llm) - 发布时间: 2026-04-18T02:15:14.000Z - 最近活动: 2026-04-18T02:22:09.105Z - 热度: 114.9 - 关键词: RSS阅读器, AI, 信息熵, 知识本体, LLM, 开源, 信息筛选, 个性化推荐 - 页面链接: https://www.zingnex.cn/en/forum/thread/entrofeed-airss - Canonical: https://www.zingnex.cn/forum/thread/entrofeed-airss - Markdown 来源: floors_fallback --- ## 导读 / 主楼：EntroFeed（熵流）：基于信息熵与本体的AI智能RSS阅读器 一款开源AI驱动的RSS阅读器，通过信息熵理论和知识本体结构结合大语言模型，理解用户专业领域和阅读偏好，帮助构建有效的个人信息护城河。 ## 背景 # EntroFeed（熵流）：基于信息熵与本体的AI智能RSS阅读器\n\n## 项目理念：信息护城河与熵流\n\n在信息爆炸的时代，我们面临的不是信息匮乏，而是信息过载。传统的RSS阅读器只是被动地聚合内容，而EntroFeed（熵流）则试图通过信息熵（Entropy）理论和知识本体（Ontology）结构，结合大语言模型的理解能力，主动为用户筛选、理解和推荐真正有价值的内容。\n\n项目名称中的"熵流"寓意深刻：信息如同熵一样流动，而好的阅读器应该像一道智能闸门，让高价值的信息顺畅流入，同时阻挡低质量的噪音。\n\n## 核心功能架构\n\n### 个性化订阅与内容聚合\n\nEntroFeed支持RSS和RSShub两种订阅源格式，能够自动抓取和聚合内容。用户可以通过简单的配置添加自己关注的博客、新闻站点或专业论坛，系统会自动进行内容抓取和更新。\n\n### 多维度智能评分系统\n\n这是EntroFeed区别于传统RSS阅读器的核心特性。系统基于本体论（Ontology）对文章进行多维度评估：\n\n- **时效性（Recency）**：文章发布时间与当前时间的距离\n- **权威性（Authority）**：来源的可信度和专业度\n- **相关性（Relevance）**：与用户专业领域和兴趣的匹配程度\n- **影响力（Impact）**：内容可能带来的认知改变或行动触发\n\n这种评分不是简单的关键词匹配，而是基于LLM对文章语义和用户画像的深度理解。\n\n### 持续进化机制\n\n系统会根据用户的阅读习惯和事件关联性，持续优化评估标准。如果你经常点击某类文章、在特定话题上停留更长时间，EntroFeed会学习这些模式，逐渐调整推荐算法的权重，使推荐结果越来越符合你的真实需求。\n\n## AI对话与深度分析\n\nEntroFeed内置了基于AntDesign X的AI聊天功能，这不仅仅是简单的问答，而是与阅读内容深度结合的智能助手：\n\n- **文章摘要**：自动为长文生成简洁摘要，节省阅读时间\n- **实时翻译**：支持多语言内容的一键翻译\n- **上下文讨论**：可以将文章附加到对话中，进行深度分析和探讨\n- **多供应商支持**：支持8种LLM供应商，包括OpenAI、DeepSeek、智谱、Moonshot、百川、腾讯、DashScope和Ollama\n\n这种设计让用户可以在阅读过程中随时获取AI辅助，而不需要切换到其他应用或浏览器标签。\n\n## 灵活的插件架构\n\nEntroFeed采用模块化的插件设计，用户可以根据自己的需求灵活配置：\n\n### LLM供应商插件\n\n| 供应商 | 特点 |\n|--------|------|\n| OpenAI | GPT系列模型，功能全面 |\n| DeepSeek | 国产大模型，性价比高 |\n| 智谱 | 中文理解能力强 |\n| Moonshot | 长文本处理能力突出 |\n| 百川 | 开源可商用 |\n| 腾讯 | 企业级稳定性 |\n| DashScope | 阿里云模型服务 |\n| Ollama | 本地部署，隐私保护 |\n\n### 内容获取插件\n\n- **requests**：标准HTTP请求，适用于大多数RSS源\n- **Playwright**：支持JavaScript渲染的动态页面抓取\n- **RSShub**：利用RSShub的丰富RSS源生态\n\n### 存储与通知插件\n\n- **存储**：SQLite + ChromaDB向量数据库的组合，既保证结构化数据查询效率，又支持语义搜索\n- **通知**：支持Slack和Ntfy，可以及时推送重要内容更新\n\n## 技术栈与部署\n\nEntroFeed采用前后端分离的现代化架构：\n\n### 后端（Python + FastAPI）\n\n- **FastAPI**：现代Python Web框架，提供高性能API服务\n- **ChromaDB**：向量数据库，支持语义搜索和相似度匹配\n- **MCP服务器**：实现Model Context Protocol，支持外部AI集成\n- **Prometheus指标**：内置监控和性能指标收集\n\n### 前端（React + AntDesign）\n\n- **React**：现代UI库\n- **AntDesign**：企业级设计系统，提供一致的用户体验\n- **Vite**：快速构建工具，支持热更新\n- **响应式设计**：支持暗黑/亮色主题切换\n\n### 部署方式\n\n项目提供Docker Compose一键部署方案，也支持本地开发环境搭建：\n\n```bash\n# Docker快速启动\ngit clone https://github.com/Moon84/EntroFeed_Reader.git\ncd EntroFeed_Reader\ndocker compose up\n\n# 本地开发\nmake install\nmake dev-backend # 端口8001\nmake dev-frontend # 端口5173\n```\n\n## API设计与扩展性\n\nEntroFeed提供了丰富的RESTful API，涵盖订阅管理、内容搜索、AI对话、推荐系统等多个方面：\n\n### 订阅管理API\n\n- 刷新/删除/更新订阅源\n- 支持OPML格式的导入导出\n- 查看订阅统计信息\n\n### 内容搜索与推荐API\n\n- 全文搜索功能\n- 基于兴趣的推荐\n- 热门内容发现\n- 相似文章推荐\n\n### AI对话API\n\n- 与AI助手聊天\n- 管理聊天会话\n- 查看可用工具\n- 文本翻译\n\n### MCP服务器\n\nEntroFeed实现了Model Context Protocol，允许外部AI系统通过标准协议与阅读器交互：\n\n```bash\n# 启动MCP服务器\nentrofeed mcp --port 8765\n\n# 或stdio模式\nentrofeed mcp --stdio\n```\n\n这为与其他AI工具和工作流的集成打开了可能性。\n\n## 使用场景与价值\n\n### 研究人员与学者\n\n可以聚合多个学术博客、预印本服务器和会议通知，通过AI辅助快速筛选相关论文和研究动态。\n\n### 技术从业者\n\n跟踪技术博客、开源项目更新和行业新闻，利用AI对话功能深入理解新技术概念。\n\n### 投资者与分析师\n\n监控财经新闻、公司公告和市场分析，通过多维度评分快速识别高价值信息。\n\n### 内容创作者\n\n聚合行业趋势和竞品动态，获取创作灵感和素材。\n\n## 开源与社区\n\nEntroFeed采用AGPL-3.0许可证开源，欢迎社区贡献。项目提供了详细的贡献指南，包括：\n\n- 功能分支开发流程\n- 提交信息规范\n- 代码审查流程\n- 新手友好issue标签\n\n作者Yinlei Zhang（邮箱：wuyuezhang1984@gmail.com）积极维护项目，通过GitHub Issues和Discussions与社区互动。\n\n## 结语\n\nEntroFeed代表了一种新的信息消费范式——不是被动接收，而是主动筛选；不是简单聚合，而是深度理解。通过将信息熵理论、知识本体和大语言模型相结合，它试图解决信息过载时代的核心问题：如何在海量内容中找到真正有价值的知识。\n\n对于厌倦了算法推荐茧房、希望重新掌控信息摄入的用户来说，EntroFeed提供了一个开源、可定制、AI增强的替代方案。 ## 补充观点 1 EntroFeed（熵流）：基于信息熵与本体的AI智能RSS阅读器\n\n项目理念：信息护城河与熵流\n\n在信息爆炸的时代，我们面临的不是信息匮乏，而是信息过载。传统的RSS阅读器只是被动地聚合内容，而EntroFeed（熵流）则试图通过信息熵（Entropy）理论和知识本体（Ontology）结构，结合大语言模型的理解能力，主动为用户筛选、理解和推荐真正有价值的内容。\n\n项目名称中的"熵流"寓意深刻：信息如同熵一样流动，而好的阅读器应该像一道智能闸门，让高价值的信息顺畅流入，同时阻挡低质量的噪音。\n\n核心功能架构\n\n个性化订阅与内容聚合\n\nEntroFeed支持RSS和RSShub两种订阅源格式，能够自动抓取和聚合内容。用户可以通过简单的配置添加自己关注的博客、新闻站点或专业论坛，系统会自动进行内容抓取和更新。\n\n多维度智能评分系统\n\n这是EntroFeed区别于传统RSS阅读器的核心特性。系统基于本体论（Ontology）对文章进行多维度评估：\n\n- **时效性（Recency）**：文章发布时间与当前时间的距离\n- **权威性（Authority）**：来源的可信度和专业度\n- **相关性（Relevance）**：与用户专业领域和兴趣的匹配程度\n- **影响力（Impact）**：内容可能带来的认知改变或行动触发\n\n这种评分不是简单的关键词匹配，而是基于LLM对文章语义和用户画像的深度理解。\n\n持续进化机制\n\n系统会根据用户的阅读习惯和事件关联性，持续优化评估标准。如果你经常点击某类文章、在特定话题上停留更长时间，EntroFeed会学习这些模式，逐渐调整推荐算法的权重，使推荐结果越来越符合你的真实需求。\n\nAI对话与深度分析\n\nEntroFeed内置了基于AntDesign X的AI聊天功能，这不仅仅是简单的问答，而是与阅读内容深度结合的智能助手：\n\n- **文章摘要**：自动为长文生成简洁摘要，节省阅读时间\n- **实时翻译**：支持多语言内容的一键翻译\n- **上下文讨论**：可以将文章附加到对话中，进行深度分析和探讨\n- **多供应商支持**：支持8种LLM供应商，包括OpenAI、DeepSeek、智谱、Moonshot、百川、腾讯、DashScope和Ollama\n\n这种设计让用户可以在阅读过程中随时获取AI辅助，而不需要切换到其他应用或浏览器标签。\n\n灵活的插件架构\n\nEntroFeed采用模块化的插件设计，用户可以根据自己的需求灵活配置：\n\nLLM供应商插件\n\n| 供应商 | 特点 |\n|--------|------|\n| OpenAI | GPT系列模型，功能全面 |\n| DeepSeek | 国产大模型，性价比高 |\n| 智谱 | 中文理解能力强 |\n| Moonshot | 长文本处理能力突出 |\n| 百川 | 开源可商用 |\n| 腾讯 | 企业级稳定性 |\n| DashScope | 阿里云模型服务 |\n| Ollama | 本地部署，隐私保护 |\n\n内容获取插件\n\n- **requests**：标准HTTP请求，适用于大多数RSS源\n- **Playwright**：支持JavaScript渲染的动态页面抓取\n- **RSShub**：利用RSShub的丰富RSS源生态\n\n存储与通知插件\n\n- **存储**：SQLite + ChromaDB向量数据库的组合，既保证结构化数据查询效率，又支持语义搜索\n- **通知**：支持Slack和Ntfy，可以及时推送重要内容更新\n\n技术栈与部署\n\nEntroFeed采用前后端分离的现代化架构：\n\n后端（Python + FastAPI）\n\n- **FastAPI**：现代Python Web框架，提供高性能API服务\n- **ChromaDB**：向量数据库，支持语义搜索和相似度匹配\n- **MCP服务器**：实现Model Context Protocol，支持外部AI集成\n- **Prometheus指标**：内置监控和性能指标收集\n\n前端（React + AntDesign）\n\n- **React**：现代UI库\n- **AntDesign**：企业级设计系统，提供一致的用户体验\n- **Vite**：快速构建工具，支持热更新\n- **响应式设计**：支持暗黑/亮色主题切换\n\n部署方式\n\n项目提供Docker Compose一键部署方案，也支持本地开发环境搭建：\n\n```bash\nDocker快速启动\ngit clone https://github.com/Moon84/EntroFeed_Reader.git\ncd EntroFeed_Reader\ndocker compose up\n\n本地开发\nmake install\nmake dev-backend 端口8001\nmake dev-frontend 端口5173\n```\n\nAPI设计与扩展性\n\nEntroFeed提供了丰富的RESTful API，涵盖订阅管理、内容搜索、AI对话、推荐系统等多个方面：\n\n订阅管理API\n\n- 刷新/删除/更新订阅源\n- 支持OPML格式的导入导出\n- 查看订阅统计信息\n\n内容搜索与推荐API\n\n- 全文搜索功能\n- 基于兴趣的推荐\n- 热门内容发现\n- 相似文章推荐\n\nAI对话API\n\n- 与AI助手聊天\n- 管理聊天会话\n- 查看可用工具\n- 文本翻译\n\nMCP服务器\n\nEntroFeed实现了Model Context Protocol，允许外部AI系统通过标准协议与阅读器交互：\n\n```bash\n启动MCP服务器\nentrofeed mcp --port 8765\n\n或stdio模式\nentrofeed mcp --stdio\n```\n\n这为与其他AI工具和工作流的集成打开了可能性。\n\n使用场景与价值\n\n研究人员与学者\n\n可以聚合多个学术博客、预印本服务器和会议通知，通过AI辅助快速筛选相关论文和研究动态。\n\n技术从业者\n\n跟踪技术博客、开源项目更新和行业新闻，利用AI对话功能深入理解新技术概念。\n\n投资者与分析师\n\n监控财经新闻、公司公告和市场分析，通过多维度评分快速识别高价值信息。\n\n内容创作者\n\n聚合行业趋势和竞品动态，获取创作灵感和素材。\n\n开源与社区\n\nEntroFeed采用AGPL-3.0许可证开源，欢迎社区贡献。项目提供了详细的贡献指南，包括：\n\n- 功能分支开发流程\n- 提交信息规范\n- 代码审查流程\n- 新手友好issue标签\n\n作者Yinlei Zhang（邮箱：wuyuezhang1984@gmail.com）积极维护项目，通过GitHub Issues和Discussions与社区互动。\n\n结语\n\nEntroFeed代表了一种新的信息消费范式——不是被动接收，而是主动筛选；不是简单聚合，而是深度理解。通过将信息熵理论、知识本体和大语言模型相结合，它试图解决信息过载时代的核心问题：如何在海量内容中找到真正有价值的知识。\n\n对于厌倦了算法推荐茧房、希望重新掌控信息摄入的用户来说，EntroFeed提供了一个开源、可定制、AI增强的替代方案。