@beaverslab/rss-digest

一个可复用的 RSS Digest 包，提供：

• CLI 编排
• RSS 抓取与摘要生成
• Prompt 组装
• 多 LLM 回退

这个包是刻意从 skill 层拆出来的。现在它同时提供：

• 可直接通过 bunx @beaverslab/rss-digest 调用的 CLI
• 可复用的模块接口

而像 skills/beaver-rss-digest 这样的 skill 主要负责：

• 用户配置路径
• 模板目录选择
• skill 特定文档与 prompt

作用范围

@beaverslab/rss-digest 既可以作为可复用包嵌入，也可以作为一个需要显式传入路径参数的 CLI 使用。它不是零配置应用，但已经不再依赖 skill 侧的 package.json 包装。

当前 LLM 行为：

• openai-compatible 模型通过 @ai-sdk/openai-compatible 使用 Vercel AI SDK
• anthropic-compatible 模型使用包内置 adapter
• 启用的 provider 会按配置顺序依次尝试，直到有一个成功

Exports

当前包导出：

• @beaverslab/rss-digest
• @beaverslab/rss-digest/cli
• @beaverslab/rss-digest/file-config
• @beaverslab/rss-digest/digest-core
• @beaverslab/rss-digest/prompts
• @beaverslab/rss-digest/config-types

对应文件：

• ./src/bin.ts
• ./src/cli.ts
• ./src/file-config.ts
• ./src/digest-core.ts
• ./src/prompts.ts
• ./src/types.ts

Standalone CLI

包现在暴露可执行命令：

• rss-digest

适合在只复制 skill 目录时直接运行：

bunx @beaverslab/rss-digest init \
  --config ~/.beaver-skill/beaver-rss-digest/config.yaml \
  --i18n ~/.beaver-skill/beaver-rss-digest/i18n.yaml \
  --templates-dir ./templates

bunx @beaverslab/rss-digest run \
  --config ~/.beaver-skill/beaver-rss-digest/config.yaml \
  --i18n ~/.beaver-skill/beaver-rss-digest/i18n.yaml \
  --templates-dir ./templates

bunx @beaverslab/rss-digest run \
  --config ~/.beaver-skill/beaver-rss-digest/config.yaml \
  --i18n ~/.beaver-skill/beaver-rss-digest/i18n.yaml \
  --templates-dir ./templates \
  --stdout

推荐优先使用 bunx。发布包会预编译到 dist/，因此 npx 也可以直接使用 Node 运行，不需要 tsx。

CLI 内置默认资源：

• config.example.yaml
• i18n.yaml

可选全局参数：

• --config
• --i18n
• --config-example
• --repo-i18n
• --templates-dir

运行命令额外支持：

• --stdout: 将最终生成的报告输出到标准输出，而不是写入文件

主要接口

runCli(args, deps)

源码： cli.ts

用途： 提供一个通用 CLI 外壳，用于配置初始化、配置校验、RSS 源管理和 digest 执行。

所有环境相关行为都通过 DigestCliDeps 注入。

核心接口：

export interface DigestCliDeps<TConfig extends DigestConfigShape = DigestConfigShape> {
  configPath: string;
  defaultLlmApiKeyEnv: string;
  loadConfig: () => Promise<TConfig>;
  initConfig: (force?: boolean) => Promise<{ created: boolean; path: string }>;
  loadI18n: () => Promise<Record<OutputLanguage, Record<string, string>>>;
  saveConfig: (config: TConfig) => Promise<void>;
  validateConfig: (config: TConfig) => Promise<ValidationResult>;
  resolveConfiguredLlmApiKeyEnv: (config: TConfig) => string;
  resolveConfiguredLlmApiKey: (config: TConfig) => string;
  runDigest: (options: {
    feeds: FeedSource[];
    prompts: TConfig['prompts'];
    hours: number;
    topN: number;
    language: OutputLanguage;
    outputPath: string;
    llms: TConfig['llms'];
    llmApiKey: string;
    categories: TConfig['categories'];
    reportTemplate: string;
    i18n: Record<string, string>;
  }) => Promise<DigestRunResult>;
}

典型用法：

• 包使用方负责配置加载和持久化
• 包使用方决定配置文件存放位置
• 包使用方决定如何解析 llmApiKeyEnv

runDigest(options)

源码： digest-core.ts

用途： 执行完整 digest 流程：

1. 抓取 RSS
2. 过滤最近文章
3. 用 LLM 对文章打分
4. 摘要 Top 文章
5. 生成 highlights
6. 用模板渲染 Markdown 输出

核心接口：

export interface RunDigestOptions {
  feeds: FeedSource[];
  prompts: PromptTemplates;
  hours: number;
  topN: number;
  language: OutputLanguage;
  outputPath: string;
  llms: LlmProfile[];
  llmApiKey: string;
  categories: CategoryConfig[];
  i18n?: Record<string, string>;
  reportTemplate: string;
  templatesDir: string;
}

Prompt 构造函数

源码： prompts.ts

导出：

• buildScoringPrompt
• buildSummaryPrompt
• buildHighlightsPrompt

如果你想自己编排流程，但仍然复用本包的 prompt 组装逻辑，可以直接使用这些函数。

核心类型

源码： types.ts

重要导出类型：

• DigestConfigShape
• DigestDefaults
• LlmProfile
• FeedSource
• CategoryConfig
• PromptTemplates
• Article
• ScoredArticle
• OutputLanguage

最小接入模式

推荐模式：

1. 定义你自己的配置模块
2. 让你的配置类型兼容 DigestConfigShape
3. 把配置函数接入 runCli
4. 在注入的 runDigest 依赖中调用包里的 runDigest

示例：

import process from 'node:process';
import { runCli } from '@beaverslab/rss-digest/cli';
import { runDigest } from '@beaverslab/rss-digest/digest-core';

await runCli(process.argv.slice(2), {
  configPath: '/path/to/config.yaml',
  defaultLlmApiKeyEnv: 'LLM_API_KEY',
  initConfig,
  loadConfig,
  loadI18n,
  saveConfig,
  validateConfig,
  resolveConfiguredLlmApiKeyEnv,
  resolveConfiguredLlmApiKey,
  runDigest: (options) =>
    runDigest({
      ...options,
      templatesDir: '/path/to/templates',
    }),
});

如果你仍然想嵌入自己的适配层，也可以继续直接调用 runLocalDigestCli 或 runCli。

包期望的配置结构

包级 CLI 假定配置对象兼容以下结构：

export interface DigestConfigShape {
  version: number;
  llmApiKeyEnv: string;
  defaults: {
    hours: number;
    topN: number;
    language: 'zh' | 'en';
    outputDir?: string;
    reportTemplate: string;
  };
  llms: LlmProfile[];
  categories: CategoryConfig[];
  prompts: PromptTemplates;
  rssFeeds: FeedSource[];
}

这个包不规定：

• 配置存储在哪里
• 配置是 YAML、JSON、数据库还是运行时生成
• 环境变量如何被加载进 process.env

defaults.outputDir 是可选的。未配置时，CLI run 默认将最终报告输出到 stdout；配置后则默认写入该目录，除非显式传入 --stdout。

LLM Provider 模型

这个包在一次运行中只使用一个已经解析好的 API key 字符串：

• 调用方负责解析环境变量名
• 调用方负责读取环境变量值
• 调用方把 llmApiKey 传给 runDigest

这样可以把 provider 解析策略留在 package CLI 核心之外。

Provider 行为：

• openai-compatible: 使用 Vercel AI SDK
• anthropic-compatible: 使用内部 fetch adapter

这样 skill 层可以保持决策逻辑简单，同时复用统一执行引擎。

哪些内容应该留在 Skill 层

这些内容仍然更适合放在 package 外：

• 类似 ~/.beaver-skill/... 的用户目录路径
• skill frontmatter 和用户触发文档
• 模板目录归属

这也是为什么 skills/beaver-rss-digest 仍然保留：

• templates/

当前文件布局

Package 文件：

• package.json
• src/bin.ts
• tsconfig.build.json
• src/cli.ts
• src/file-config.ts
• src/digest-core.ts
• src/prompts.ts
• src/types.ts

备注

• 当前包直接导出源码文件。
• 假定运行时为 Node.js 20+。
• 这个包现在既适合嵌入，也适合通过 bunx 或 npx 直接调用。