r-A-s-I-s(rss & ia)

Agregador RSS inteligente con curado automático por IA

Recoge noticias de múltiples fuentes, elimina duplicados, genera resúmenes en español y publica un feed rss.xml listo para consumir.

English | Español | 日本語 | Català | Euskara | Andaluz | Galego

Cómo funciona

┌─────────────┐     ┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│  Fuentes RSS │────▶│  Normalizar  │────▶│  Deduplicar  │────▶│  Curar (IA) │
│  (BBC, NYT…) │     │  + extraer   │     │  por lote +  │     │  resumir +  │
│              │     │  contenido   │     │  histórico   │     │  clasificar │
└─────────────┘     └─────────────┘     └──────────────┘     └──────┬──────┘
                                                                     │
                    ┌─────────────┐     ┌──────────────┐             │
                    │  GET /rss.xml│◀────│  PostgreSQL  │◀────────────┘
                    │  GET /health │     │  persistencia│
                    └─────────────┘     └──────────────┘

1. Recolección — obtiene artículos de las fuentes configuradas en src/config/sources.ts
2. Normalización — extrae y limpia el contenido HTML; si es insuficiente, enriquece desde el artículo original
3. Deduplicación — elimina duplicados dentro del lote actual y contra ejecuciones previas (similitud de texto)
4. Curado con IA — genera un resumen en español y hasta 4 tags por artículo usando cualquier API compatible con OpenAI
5. Publicación — sirve el feed RSS en /rss.xml y un health-check en /health

Características principales

• Job de refresco ejecutable cada 15 min (npm run refresh)
• Servidor HTTP ligero con GET /health y GET /rss.xml
• Persistencia en PostgreSQL — esquema autogenerado al arrancar
• Proveedor LLM desacoplado — compatible con OpenAI, Anthropic, Ollama o cualquier API OpenAI-compatible
• Fallback sin IA — si no hay API key, genera resúmenes extractivos para no romper la publicación
• Deduplicación inteligente — por lote y contra el histórico, basada en similitud textual
• Pesos por fuente — prioriza fuentes de mayor relevancia en el feed final
• Validación con Zod — toda la configuración se valida al arrancar

Inicio rápido

# 1. Clonar e instalar
git clone https://github.com/tu-usuario/rssai.git
cd rssai
npm install

# 2. Configurar variables de entorno
cp .env.example .env   # editar con tus valores

# 3. Ejecutar tests
npm test

# 4. Iniciar en desarrollo
npm run dev             # servidor con hot-reload

# 5. En otra terminal, lanzar un refresco
npm run refresh

Variables de entorno

| Variable | Descripción | Valor por defecto | |---|---|---| | DATABASE_URL | Cadena de conexión a PostgreSQL | (obligatorio) | | APP_BASE_URL | URL pública del servicio | http://localhost:3000 | | PORT | Puerto del servidor HTTP | 3000 | | FEED_TITLE | Título del feed RSS | RSSAI | | FEED_DESCRIPTION | Descripción del feed | Resumen automatizado de noticias | | FEED_LANGUAGE | Idioma del feed | es | | FEED_MAX_ITEMS | Máximo de artículos en el feed | 50 | | FETCH_TIMEOUT_MS | Timeout de fetch por fuente (ms) | 10000 | | LLM_PROVIDER | Proveedor LLM | openai-compatible | | LLM_BASE_URL | Base URL de la API LLM | https://api.openai.com/v1 | | LLM_API_KEY | API key del proveedor LLM | (opcional — sin ella usa fallback) | | LLM_MODEL | Modelo a utilizar | gpt-4.1-mini |

Si LLM_API_KEY no está configurada, el sistema usa un fallback extractivo que no requiere IA.

Estructura del proyecto

src/
├── config/
│   ├── env.ts              # Validación de env vars con Zod
│   └── sources.ts          # Fuentes RSS configuradas
├── db/
│   ├── database.ts         # Conexión a PostgreSQL
│   └── repository.ts       # Queries y esquema
├── feeds/
│   ├── feed-fetcher.ts     # Descarga y parseo de feeds
│   └── article-extractor.ts # Enriquecimiento de contenido
├── llm/
│   ├── provider.ts         # Interfaz LlmProvider
│   ├── openai-compatible-provider.ts  # Implementación OpenAI
│   └── factory.ts          # Factoría de proveedores
├── rss/
│   └── render-rss.ts       # Generación del XML RSS
├── services/
│   └── curation-service.ts # Orquestación del pipeline
├── utils/
│   ├── dedupe.ts           # Deduplicación por similitud
│   ├── html.ts             # Sanitización HTML
│   └── text.ts             # Utilidades de texto
├── app.ts                  # Handler HTTP
├── server.ts               # Punto de entrada del servidor
└── bin/
    └── refresh.ts          # Script de refresco (cron)

Despliegue

La arquitectura se compone de dos procesos:

| Proceso | Comando | Descripción | |---|---|---| | Servidor web | npm start | Sirve /rss.xml y /health | | Cron de refresco | npm run refresh | Ejecutar cada 15 min |

Ambos comparten la misma base de datos y las mismas variables de entorno.

Ejemplo con Docker Compose

services:
  db:
    image: postgres:16
    environment:
      POSTGRES_DB: rssai
      POSTGRES_PASSWORD: secret
    volumes:
      - pgdata:/var/lib/postgresql/data

  web:
    build: .
    command: npm start
    ports:
      - "3000:3000"
    environment:
      DATABASE_URL: postgres://postgres:secret@db:5432/rssai

  refresh:
    build: .
    command: npm run refresh
    # ejecutar con cron externo o restart policy
    environment:
      DATABASE_URL: postgres://postgres:secret@db:5432/rssai

volumes:
  pgdata:

Scripts disponibles

| Script | Descripción | |---|---| | npm run build | Compila TypeScript a dist/ | | npm run dev | Servidor en desarrollo con hot-reload | | npm run refresh | Ejecuta un ciclo de refresco | | npm start | Servidor en producción | | npm test | Ejecuta los tests con Vitest |

Contribuir

1. Haz un fork del repositorio
2. Crea una rama: git checkout -b mi-mejora
3. Haz commit: git commit -m "Añadir mi mejora"
4. Push: git push origin mi-mejora
5. Abre un Pull Request

Licencia

Este proyecto está bajo la licencia MIT.