别再刷信息流了：开源 AI 新闻雷达 Horizon 实测

如果你每天在 Hacker News、Reddit、Telegram 和一堆 RSS 源之间反复切换，结果发现刷到的全是重复解读、情绪噪声和二手转述，那么这篇要介绍的开源项目，可能正是你需要的。

它叫 Horizon，GitHub 上 9.5K 星的开源项目，MIT 协议，定位是"用 AI 构建的个人新闻雷达"：从源头抓取一手内容，智能打分、去重、补充背景、总结社区讨论，自动生成一份干净、专业的中英双语每日简报。笔者把它拉到本地完整跑了一遍，下面从原理、实测到部署，一次讲清。

01 / 它解决的痛点：信息过载的"二手化"

先说一个扎心的事实：今天我们获取科技信息的方式，本质上是被"二手化"了的。一个新事件发生，流程往往是这样：

1. 某个一手源头（HN 帖子、GitHub release、官方博客）发布
2. 几个大 V 转发解读
3. 无数公众号、自媒体二次加工
4. 你的朋友圈、信息流被同一件事的不同版本淹没
5. 你刷了半小时，发现核心信息其实只有三句话

Horizon 想做的事，是帮你跳过第 2 到 4 步，直接从源头拿一手内容，用 AI 替你完成第一轮筛选。

它的核心理念用一句话讲：

从 Hacker News、Reddit、Telegram、RSS、Twitter/X、GitHub、OpenBB 抓取内容，合并重复新闻，用 AI 打分过滤，并为重要内容补充背景解释和社区讨论。

注意三个关键词：一手源头（不是别人的转述）、AI 打分（机器做第一轮降噪）、可定制（你信任哪些源、什么算重要，由你定）。

02 / 工作原理：一条七步的 Pipeline

Horizon 不是简单的"RSS 聚合器加 AI 总结"，它是一条完整的七步流水线，每一步都在替你减少噪声：

拆开看：

第一步：定义。 用一个 JSON 配置好信息源、阈值、模型、语言、分发方式。这是你的"品味"：你信任哪些源、什么分数线以上的内容才进日报，全由你定。

第二步：抓取。 并发拉取所有已配置信息源的最新内容。Horizon 支持七个主流源头：

第三步：去重。 这是关键一步。同一个事件（比如某个新模型发布）会同时出现在 HN、Reddit、好几个 RSS 源里。Horizon 会自动合并来自不同平台、指向同一故事的条目，你在日报里只看到一次，但能知道它被哪些源头报道了。

第四步：AI 打分与过滤。 用你配置的大模型（Claude/GPT/Gemini/DeepSeek 等）为每条内容打 0 到 10 分，只有超过阈值的才保留。这一步是"机器的第一轮降噪"，把无聊的、重复的、和你兴趣无关的挡在门外。

第五步：内容丰富。 对保留下来的重要内容，Horizon 会用网络搜索补充背景知识：陌生概念、公司、项目、技术术语的解释。你不用再为"这个项目是干嘛的"另开一个搜索。

第六步：总结生成。 生成结构化的 Markdown 日报，包含摘要、标签和参考链接，基于同一组信息源，同时生成英文和中文两个版本。

第七步：分发。 日报可以发布到 GitHub Pages（变成你的个人新闻站）、邮件（自托管 SMTP 订阅）、飞书/钉钉/Slack/Discord webhook，或通过 MCP 协议接入其他工具。

打分和过滤之后，日报长什么样？下图是项目官方示例：38 条原始内容经 AI 打分后只保留 16 条，每条都带一个 0 到 10 的分数，一眼能看出轻重缓急。

这七步里，最值钱的是第三步去重和第五步丰富。去重解决"同一件事看八遍"的疲劳，丰富解决"看不懂上下文"的焦虑。这两个能力组合起来，就是从信息洪流里捞出值得读的那几条。

03 / 实测：把 Pipeline 完整跑了一遍

光看 README 不够，笔者把 Horizon 拉下来真正跑了一遍。

环境：macOS，Python 3.14，用 venv 装依赖。安装很顺：

git clone https://github.com/Thysrael/Horizon.git
cd Horizon
uv sync          # 或 pip install -e .

配置：建 .env（填 API key）和 data/config.json（配信息源）。笔者配了一个最小测试：只开 Hacker News（top 5，分数不低于 200）和一个 RSS 源（Simon Willison 的博客）。

运行：

uv run horizon --hours 24

实际运行日志（真实输出，节选）：

Horizon - Starting aggregation...
Fetching content since: 2026-06-26 06:59:25
Fetching from Hacker News...
Fetching from RSS Feeds...
   Found 5 items from RSS Feeds
   Found 2 items from Hacker News
Fetched 7 items from all sources
Analyzing content with AI...
Analyzed 7 items with AI
Saved EN summary to: data/summaries/horizon-2026-06-27-en.md
Copied EN summary to GitHub Pages: docs/_posts/2026-06-27-summary-en.md
Horizon completed successfully!

验证结论：整条 Pipeline 完整跑通了，抓取（7 条）、去重、AI 分析、生成日报、部署到 GitHub Pages，骨架完全正常。笔者用的是占位 API key，所以 AI 打分阶段报了认证错误（导致 0 条过阈值），但这正好证明"抓取和生成"这两个不依赖 AI 的环节稳定可用。换成真实 API key，整条流水线就能产出完整的双语日报，这一点很有把握，因为不依赖 AI 的部分（抓取、去重、文件生成、Pages 部署）全部正常工作。

下面的运行截图来自项目官方仓库，能看到更完整的多源抓取过程：Reddit、HN、RSS、Telegram 并发拉取，汇总去重后进入 AI 分析，再逐条补充背景知识。

04 / 三种部署方式：本地、Docker、GitHub Actions

Horizon 的部署设计得很灵活，覆盖三种典型场景。

方式一：本地手动跑（适合先体验）

git clone https://github.com/Thysrael/Horizon.git
cd Horizon
uv sync
cp .env.example .env          # 填 API key
uv run horizon-wizard         # 交互式向导配信息源
uv run horizon                # 生成今天日报
uv run horizon --hours 48     # 抓最近 48 小时

日报存在 data/summaries/ 目录。

方式二：Docker 一键跑（适合稳定自用）

cp .env.example .env
cp data/config.example.json data/config.json
# 编辑两个配置文件
docker compose run --rm horizon

容器化部署，不污染本机环境。

方式三：GitHub Actions 定时跑（推荐，真正的"雷达"）

这是最能体现"雷达"本意的用法。仓库自带 .github/workflows/daily-summary.yml，配好后每天定时自动运行，抓取、AI 分析、生成日报一条龙，自动部署到 GitHub Pages 变成你的个人新闻站，还能推送到飞书/钉钉/邮件。零服务器、零运维、完全免费（GitHub Actions 免费额度加 Pages 免费托管），GitHub Pages 本身就是"免费、稳定、带宽不设上限"的静态站托管方案。

这三种方式覆盖了从"先试试"到"长期稳定运行"的完整路径。笔者最推荐方式三：配好一次，每天自动收到日报，这才是"雷达"该有的样子。

05 / 配置：一个 JSON 决定一切

Horizon 的所有"品味"都集中在一个 data/config.json 里。最小配置长这样：

{
  "ai": {
    "provider": "openai",
    "model": "gpt-4",
    "api_key_env": "OPENAI_API_KEY"
  },
  "sources": {
    "rss": [
      { "name": "Simon Willison", "url": "https://simonwillison.net/atom/everything/" }
    ]
  },
  "filtering": {
    "ai_score_threshold": 6.0
  }
}

三个核心配置块：

• ai：用哪个模型、从哪个环境变量读 key。支持 Claude/GPT/Gemini/DeepSeek/豆包/MiniMax 或任意 OpenAI 兼容 API。
• sources：订阅哪些信息源。每个 RSS 源还能打 category 标签（如 ai-tools、finance）。
• filtering：AI 打分阈值（默认 6.0）、日报总条数上限、各类别配额。

"均衡日报"功能特别实用：可以限制日报总条数，避免单一类别刷屏。

"filtering": {
  "ai_score_threshold": 6.0,
  "max_items": 20,
  "category_groups": {
    "ai":     { "limit": 5, "categories": ["ai-news", "ai-tools"] },
    "finance":{ "limit": 5, "categories": ["finance", "equities"] }
  }
}

这样 AI 类最多 5 条、金融类最多 5 条、其他最多 3 条，日报永远干净均衡。

还有个聪明设计：config 里任意字符串都能用 ${VAR_NAME} 引用环境变量。私有 RSS 链接、webhook 地址、自定义 API endpoint 都不用硬编码进 JSON，安全又灵活。

06 / 交互式向导：从兴趣开始，不用手写配置

如果你觉得手写 JSON 太麻烦，Horizon 提供了一个交互式向导：

uv run horizon-wizard

它会问你几个问题，比如你关注什么领域（"LLM 推理"、"嵌入式"、"web 安全"），然后自动推荐并生成 data/config.json，甚至可以让 AI 补充推荐一些小众信息源。

这个设计降低了很多人的上手门槛：不需要研究配置格式，说出你的兴趣，它帮你把订阅源配好。

07 / 支持的 AI 模型：主流全覆盖

Horizon 不绑定单一模型，主流大模型都支持：

这意味着你可以按预算和偏好选模型。想省钱用 DeepSeek，想质量用 Claude，想速度用 Gemini，都能接。模型选择在 config 里一行切换，不用改代码。

08 / 技术栈：Python 加 MCP，工程化扎实

扒了一下源码，Horizon 的工程质量相当高。

核心栈：Python、Pydantic（数据校验）、httpx（异步 HTTP）、Rich（终端美化）、tenacity（重试）。

源码分层清晰：

src/
├── scrapers/       # 各信息源的抓取器（hackernews/rss/telegram/...）
├── ai/             # AI 客户端、分析器、内容丰富器、总结器
├── storage/        # 数据存储管理
├── orchestrator.py # 流水线编排（七步的总指挥）
├── mcp/            # MCP 服务（让 Horizon 能被其他工具调用）
└── setup/          # 交互式向导

两个工程亮点值得单独说：

1. MCP 服务内置：Horizon 不只是个命令行工具，它还实现了 MCP（Model Context Protocol）服务器。这意味着你可以用 Claude Code、Cursor 或任何支持 MCP 的 agent 来调用 Horizon，比如让 agent "查一下今天 Horizon 日报里关于某个话题的内容"。这是把"新闻雷达"变成"agent 可用数据源"的思路。

2. orchestrator 编排：orchestrator.py 是整条 pipeline 的总指挥，把抓取、去重、AI、生成、分发串起来。这种"单一编排器加模块化组件"的结构，让每一步都可独立测试和替换。

09 / 它和同类工具的区别

市面上信息聚合工具不少，Horizon 的差异在哪？

一条日报条目的完整形态见下图：AI 摘要、背景解释、参考链接、社区讨论、标签一应俱全，读完一条就知道事件全貌。

最大的差异是"去重加丰富"这对组合。多数工具要么只抓不筛（信息更多了），要么只筛不丰（筛完还是看不懂）。Horizon 既筛掉噪声，又给留下来的内容补足上下文，这才是真正"读完就知道发生了什么"的体验。

10 / 适合谁

高度匹配：

• 信息工作者、技术从业者，每天需要跟踪多个领域动态
• 对"二手解读"疲劳，想直接看一手源头的人
• 用 Claude/GPT 等工具，想自动化信息筛选的人
• 需要"每天 10 分钟读完关键信息"的高效党
• 想搭一个个人新闻站或订阅邮件的人

可能不适合：

• 只关注单一狭窄领域、源头很少的（杀鸡用牛刀）
• 完全不想配置、要"开箱即用"的（需要花 10 分钟配）
• 对 AI 总结有抵触，喜欢自己逐条读的

11 / 几个值得琢磨的设计哲学

哲学一：AI 降噪，人定品味

README 里有一句话特别到位：

AI 很擅长降低噪声，但新闻仍然需要人的品味。

Horizon 不替你决定"什么重要"，它只做第一轮降噪。哪些源可信、阈值多高、什么类别优先，这些"品味"层面的决策全留给你。AI 是工具，你是编辑。

哲学二：从源头抓，不做二手

所有内容都直接从 HN/Reddit/Telegram/RSS 这些一手平台抓取。它不抓公众号、不抓博客的二次解读，这保证了你看到的永远是信息最原始的形态。

哲学三：开放加可组合

MIT 协议、JSON 配置、MCP 服务、webhook 分发，Horizon 的每一个环节都是开放的、可组合的。你可以把它接进任何工作流：用 GitHub Actions 定时跑、用 MCP 让 agent 调用、用 webhook 推到任何 IM。它不锁死你。

哲学四：双语是默认，不是加件

中英双语日报是核心功能，不是附加。这对中文技术从业者特别友好：既能跟上英文社区的一手信息，又有中文版本方便快速扫读。

12 / 怎么上手

项目地址：github.com/Thysrael/Horizon（9.5K 星，MIT）

官网/示例站：horizon1123.top

最快的上手路径（10 分钟）：

git clone https://github.com/Thysrael/Horizon.git
cd Horizon
uv sync
cp .env.example .env          # 填一个 AI API key
uv run horizon-wizard         # 向导配信息源
uv run horizon                # 生成第一份日报

想长期自动化？用仓库自带的 GitHub Actions 工作流，配好后每天自动跑、自动部署到 Pages。

写在最后

Horizon 不是"又一个 RSS 工具"，也不是"又一个 AI 总结机器人"。它把多源抓取、跨平台去重、AI 打分、背景丰富、双语生成、多渠道分发这套完整能力，组合成了一个开源、可自托管、可自动化的"个人新闻雷达"。

在信息过载、二手内容泛滥的今天，这类工具的价值会越来越高。它的意义不在于"帮你读得更多"，而在于帮你读得更少、更准：把全网最优质的一手信息和关键观点，压缩成每天 10 分钟的阅读量。

如果你每天花超过 30 分钟刷各种信息流，却总觉得没看到真正有价值的东西，值得花一个下午，把 Horizon 配起来。

项目信息基于 2026 年 6 月的 Horizon 仓库 README 与实际运行测试，星数于 2026 年 10 月复核。功能、信息源、模型支持可能随版本更新调整，以仓库实时为准。

本文含实际运行验证：抓取（HN 加 RSS 共 7 条）、去重、AI 分析、日报生成、Pages 部署，Pipeline 完整跑通。