DSH Plugins Marketplace

DSH Plugins

Plugins

/

dsh-ai-radar

x

dsh-ai-radar

Manifest valid

AI 雷达 · DeepSeek Harness 插件:AI 动态日报与 X / Hacker News 评论问题整理。

UI (client)hasBundlePatch

AI 雷达 · AI Radar

在 DeepSeek Harness 左侧栏打开 AI 雷达:看筛过的日报,也看 X 和 Hacker News 评论里反复出现的实操问题。适合想跟进某一行动态、找值得验证的选题,又不想每天刷时间线的人。

默认跑 AI 行业(33 个信源 + 6 条 HN 查询)。v0.2 起行业可以自己改:面板里点「设置行业」,改名称、关键词、信源账号即可,不限于 AI。

安装与第一次使用

本地测试包:先把 dsh-ai-radar-0.2.0.tgz 下载到当前终端目录,任选与你的 Harness 对应的一条:

# Harness Desktop 的 DSH 终端
dsh plugin --profile desktop add "$PWD/dsh-ai-radar-0.2.0.tgz"
# 命令行启动的 dsh web
dsh plugin --profile web add "$PWD/dsh-ai-radar-0.2.0.tgz"

桌面端完全退出后重开;Web 版重启原来的 dsh web。打开左侧栏 AI 雷达,首次启动会自动抓取,也可以点 立即抓取。默认名单较长,完成可能需要几分钟;抓取进度可在面板查看。

  • 运行机器需要能访问 X 的公开页面和 Hacker News 的 Algolia 接口;不需要提供 X 账号或 X API key。X 匿名页面的内容、可用性及更新速度会受网络和上游页面变化影响。
  • 中文摘要、编辑筛选和问题聚类默认使用当前 Harness 配置的模型,可能产生模型用量。候选帖和部分公开评论的文本会发给该模型服务。未配置可用模型时,日报回退到规则排序,问题聚类可能暂不显示。可在插件配置中关闭 editor 和 questions。
  • 插件会保存日报、信源缓存和去重记录到本机,不随安装包分发。建议先按已验证环境试装,不把其他 Harness 版本或操作系统视为已兼容。

换行业(v0.2)

面板右上角 设置行业 打开表单,五项:

字段作用
行业名显示在面板标题行;也是编辑层与问题聚类的口径
关键词一行一个。一条帖子命中几个词,决定它的相关性分(15 分权重里的一项);中文词直接按字面匹配,拉丁词自动含复数
专有名词可选。用来判断「新信号」:拉丁名要带型号或数字才算(gpt-5、qwen3),中文名本身即可
信源账号一行一个 @handle,可写 handle,1 / ,2 / ,3 表示权重档(1 最高)
Hacker News 查询一行一个;留空即关闭。只有科技类行业有意义

保存后会:写入 <数据目录>/industry.json、清空旧日报与去重账本/词库/问题池、按新行业立刻重抓一轮。旧行业的数据不会混进新行业的卡片。

三条限制,先说明白:

  • 跨行业都成立的源只有 X 账号名单,插件不会替你想名单;HN 只服务科技类。非科技行业的效果,取决于你填的账号和关键词。
  • 换行业等于换了一套判断标准,但只有 AI 行业做过完整验收;别的行业目前是「能用,未验收」。
  • 编辑层与问题聚类跑在当前 Harness 配置的模型上,换行业后它的标准跟着行业名和关键词走,不会自己长见识。

标准(怎么算「有意思」)

四层漏斗,前一层不过就直接丢弃:

L0 池子:三类信源,权重不同。

  • tier 1 一手官方:OpenAI / Anthropic / Google DeepMind / Google AI / Mistral / Qwen / DeepSeek
  • tier 2 研究者与评论者:karpathy、simonw、fchollet、Jim Fan、emollick、AK、Teortaxes、scaling01、near、Lucas Beyer、Vikhyat
  • tier 3 工程与工具链:swyx、Mckay Wrigley、Peter Steinberger、Harrison Chase、LangChain、Ollama、Hugging Face、The Turing Post、Rowan Cheung

L1 硬门槛(二元淘汰,不打分)

  • 时间窗:默认 36 小时内(首次安装时回填 7 天,避免卡片空着)
  • 去重:id 记账,见过的永不再上榜
  • 排除转推、敏感内容、非本账号原创、语言不在 en/zh/ja
  • 长度下限(官方号 24 字符、其他 55 字符),排除纯表情
  • 排除招聘、抽奖、返利、促销码、webinar、"link in bio" 这类推广

L2 五维信号(0–1,加权成 0–100 分)

信号权重怎么算
热度异常度25互动量 ÷ 该账号自己近期帖子互动中位数,取对数;比的是「这条比他自己平时的表现热多少」,不是绝对数字
新颖性25提取模型/版本/基准这类可核验的词,比对近 14 天见过的词库;带 introduc/releas/unveil/open-source 这类动词加分
信息密度20有链接、有数字/百分比/延迟/准确率、有代码/安装命令、长度在 90–900 字符
讨论价值15回复数 ÷ 点赞数、引用数 ÷ 点赞数;越有争议越靠前
相关性15命中 AI/LLM/agent/推理/微调/开源/基准 等词汇表,tier 越高的信源加分

L3 LLM 编辑层(src/editor.js) 规则分只做粗排,不决定入选。全部过硬门槛的候选(每人最多 3 条)按规则分取前 24 条,分批(默认每批 12 条)交给 LLM 做二审。编辑给的目标是「刷到会停下来」,不是「做行业简报」。核心判断是钩子:

  • 有钩子才可能入选:反直觉结论、自己跑出来的实测数据、观点冲突/对线、立刻能上手的玩法或小工具、内幕与一线吐槽、改变认知的突破
  • 钩子必须为真:营销、无数字的吹捧、通稿式发布直接砍
  • 例行进展(又一个基准、又一次合作、又一场直播)除非带来新能力或可验证硬数字,否则砍

每条的输出:

  • keep / value(0–10 的「愿意点开程度」)
  • hook:争议 / 实测 / 新玩法 / 内幕 / 突破 / 观点 / 工具,显示成卡片上的小标签
  • why:说清钩子是什么(≤30 字),禁止「值得关注」这类空话
  • zh:中文译文(≤120 字,专名与数字保留原文;原文是中文给润色版)
  • overall:一句整体判断

LLM 用 profile 默模型(agentDefaultModel.currentSelection()),可 editorProvider/editorModel 覆盖。分批是为输出预算服务:一次问 24 条时模型会把预算耗在推理上、正文为空,所以每批 12 条、失败自动用更短的提示重试一次。LLM 不可用时回落规则排序(不翻译,但照出榜单)。

L4 最终选择

  • 默认门槛 30 分进候选池,LLM 裁决后每天上限 6 条,同一作者最多 2 条
  • 同一对话只留一条
  • 分类:模型发布 / 论文与基准 / 开源与工程 / 观点争鸣 / 行业动态
  • 宁少而精:全砍掉也允许,卡片会显示「今天还没有够格的帖子」

评论区问题雷达(选题用)

第二个标签页回答「大家到底在问什么、踩哪个坑」,用来做「白科闪点」的选题。

为什么是 X + Hacker News:未登录的 X 一条帖子只渲染 2 条左右热门回复(实测:1236 条回复的帖子也只给 3 个块),做不出「高频」统计;HN 评论可全文读取,一天几百条,且写的人正是踩坑的人。两者合在一起:X 给「热帖下最扎眼的反应」,HN 给「量」。

  • X 侧:取今天最吵的 N 条帖子(按回复数 + 点赞数排序),逐条抓回复区,每 72 小时最多抓一次
  • HN 侧:用公开 Algolia API 按关键词(claude code、cursor、llm api、ollama、llama.cpp、vllm)抓最近 7 天的评论,每天几十到几百条
  • 过滤:只留疑问、报错、配置/迁移/配额/选型这类「实操与踩坑」发言
  • 攒池:滚动的 7 天池子,最多 1500 条
  • 聚类:抽最新 30 条(X 优先)交给 LLM,聚成 3–5 类,每类给
    • 这一类在问什么(≤18 字)
    • 可直接开做的选题角度(≤40 字)
    • 1–2 条中文示例
    • 来源构成(X 几条 / HN 几条)
  • 每条主题还能点开原帖(links 已存,面板暂未渲染)
  • 计数是「这 30 条采样里提到几类」的规模,不是全网统计;卡片上标了来源构成(X / HN)

已知的坑(都是踩过的):让推理模型一次改写几十条评论,它会把输出预算烧在推理上、正文返回空(finish=max-tokens 且无文本)。所以提取阶段改成启发式选样,模型只做一次小回复;编辑层同理,分批 12 条 + 失败半批重试。

配置:questions(总开关)、hn、hnQueries、hnDays、hnPerQuery、questionPosts(扫多少条 X 帖子)、questionPoolDays、questionClusters。

数据从哪来(没有 X API key)

两个还活着的公开端点,一个主力一个兜底:

  1. 帖子页本身(主力):https://x.com/<账号>。x.com 把最近的帖子连同完整计数(赞/转/回/引)服务端渲染进 HTML,一次 GET 就够,不需要登录、token 或第三方代理。正文里的链接是 t.co 短链,真实地址在旁边的 entity 对象里,解析时按就近原则还原,媒体链接直接丢掉。限制:一页只渲染最近 5 条左右。
  2. 合成时间线(兜底):syndication.twitter.com/srv/timeline-profile/screen-name/<账号> — 结构化 JSON,最干净,但相当一部分账号返回的是「历史最热」而不是「最新」,所以只在第 1 步拿不到页面时用。
  3. 单帖页 /status/<id> 用同一套解析,供评论区问题雷达取「帖子 + 它渲染出的几条回复(含回复数)」。

已废:r.jina.ai 读者代理。 原先用它取「页面上最近的帖子 id」,以及把评论区转成 markdown。它对匿名请求现在直接返回 401 AuthenticationRequiredError(按 IP 信誉判定),2026-11-18 23:59 那轮 30/35 个账号的 http 401 全部来自这里。现已整体移除,抓取不再依赖任何第三方。

「没更新」不是失败。 源能正常返回、但最近一条在时间窗之外,记进 stale(例如 stale (newest 12d old));只有页面和时间线都拿不到才进 failed。分开之后,卡片上的错误数才等于真故障数。

网络:如部署环境已配置 HTTP(S) 代理,插件读取 http_proxy/https_proxy 或对应大写变量;未配置时直接访问。

配置

插件的 config(在 profile 的 cordis.patch.yml 里可改):

- id: ai-radar
  name: 'dsh-ai-radar'
  config:
    refreshHour: 9        # 每天几点抓(本地时间)
    maxItems: 6           # 每天最多几条
    maxPerAuthor: 2       # 同一作者最多几条
    editor: true          # LLM 编辑层(含翻译)总开关
    editorCandidates: 24  # 交给 LLM 的候选数
    editorPerAuthor: 3    # 单个账号最多几条进候选
    editorBatchSize: 12   # 每批问 LLM 几条
    editorThreshold: 6    # LLM 的 value 门槛(0-10)
    questions: true       # 评论区问题雷达总开关
    hn: true              # 是否接入 Hacker News 评论
    hnQueries: [claude code, cursor, llm api, ollama, llama.cpp, vllm]
    hnDays: 7             # HN 回看天数
    questionPosts: 12     # 每轮最多扫多少条 X 帖子的回复区
    # editorProvider: deepseek-account   # 不填则用 profile 默认模型
    # editorModel: deepseek-flash
    windowHours: 36       # 时间窗
    minScore: 30          # 分数门槛
    requestGapMs: 4000    # 请求间隔(毫秒)
    cacheMinutes: 50      # 账号抓取结果的缓存时长
    accounts:             # 覆盖默认名单;可写字符串,也可写 { handle, tier }
      - { handle: OpenAI, tier: 1 }
      - karpathy
    dataDir: /custom/path # 可选,默认 $DSH_HOME/storages/ai-radar

运行

  • Host 半:注册 /plugins/ai-radar/digest(GET)与 /plugins/ai-radar/refresh(POST),每天 refreshHour 抓一次;启动时若上次抓取超过 6 小时则自动补一次。
  • Client 半:「AI 雷达」入口走左侧导航(sidebar.panellist),内容在主区(main)打开,不再覆盖头像区。点「返回对话」回到原会话。数据只从 Host 路由取,浏览器不直接碰 X。
  • 状态文件:~/.dsh/storages/ai-radar/state.json(账号缓存、去重账本、词库、当前摘要)。

已知局限

  • 只按名单抓,不能按关键词全网搜(X 搜索页需要登录)。
  • X 公开页面只暴露少量回复,不能代表完整评论区;问题面板是样本聚类,不是全网频率统计。
  • 规则分只用于粗排;价值判断和翻译由 LLM 编辑层完成。超长帖子截断到 600 字符(重试时 260),所以超长贴的译文只覆盖前半段。
  • 翻译是逐条的:只有入选的帖子才翻译,没入选的不翻。
  • 两个端点都有速率限制,一轮全量抓取约 3–6 分钟,属于后台任务。

Comments

Loading…

Similar plugins

dsh-ai-news

by KeynoWu

DeepSeek Harness AI 新闻插件:多源聚合(HN/ArXiv/官方博客/中文媒体)+ 侧边栏大弹窗新闻流 + 面板内 LLM 总结

Manifest valid

★ 0

MIT

JavaScript

Sep 15, 2026

dsh plugin --profile web add dsh-ai-news

by c-ling

DeepSeek Harness 网页端的 AI 与科技快讯看板:内置 RSS/JSON 源驱动的可拖拽浮窗,支持双语翻译、关键词过滤和设置页。

UI & ExperienceTerminal & ClientsManifest valid

★ 3

MIT

JavaScript

Oct 22, 2026

dsh plugin --profile web add dsh-plugin-newsboard

by zh9411543

DSH 每日 AI 精华插件:自动抓取 + 本地模型撰写,杂志式图文日报。

Manifest valid

★ 0

MIT

JavaScript

Nov 8, 2026

dsh plugin --profile web add @local/ai-daily-digest

by CanglongCl

DeepSeek Harness Web GUI 的网页预览与元素批注插件,让 AI 根据可视化反馈直接修改前端源码。

UI & ExperienceManifest valid

★ 32

↓ 136/wk

HTML

Sep 5, 2026

dsh plugin --profile web add @canglongcl/dsh-web-review

by jo32

A dsh-plugin Hacker News reader with app-scoped AI conversations for DeepDeck.

Development & InfrastructureManifest valid

★ 0

MIT

TypeScript

Aug 24, 2026

dsh plugin --profile web add @deepdeck/dsh-hackernews-reader

by tuogusa

DeepSeek Harness 思维导图插件:AI 回答自动整理为可编辑 Markdown,支持导出文件和生成图片;核心逻辑已内置,单包发布。

Manifest valid

★ 0

↓ 506/wk

JavaScript

Aug 21, 2026

dsh plugin --profile web add dsh-mindmap