arXivRSS

AI 驱动的 arXiv 论文精选 RSS 订阅生成器。每日自动抓取指定领域的最新论文，通过 DeepSeek LLM 两阶段筛选，将精选论文发布为 GitHub Pages RSS Feed，可直接订阅到任意 RSS 阅读器。

功能特性

• 自动抓取 arXiv 指定分类的最新论文（默认过去 24 小时）
• 两阶段 LLM 筛选：先批量粗筛圈定 Top K，再逐篇精读评分，大幅降低 API 成本
• 生成中文推荐理由与核心贡献总结，方便快速判断是否值得精读
• 生成标准 RSS 2.0 XML，兼容 Inoreader、NetNewsWire 等主流阅读器
• 通过 GitHub Actions 每日定时更新，自动部署至 GitHub Pages
• 提示词与代码解耦：兴趣领域、评分标准、输出格式均在独立的 YAML 文件中配置，无需改动代码

快速开始

一键部署到 GitHub Pages

1. Fork 本仓库
2. 进入 Settings → Secrets and variables → Actions，添加 Secret：
   • DEEPSEEK_API_KEY：你的 DeepSeek API Key
3. 按需在 Variables 中添加可选配置变量（见配置说明）
4. 进入 Settings → Pages，将 Source 设置为 GitHub Actions
5. 进入 Actions → Daily arXiv RSS Generator，点击 Run workflow 手动触发一次
6. 完成后，RSS 地址为：https://<your-username>.github.io/<repo-name>/feed.xml

本地运行

# 克隆仓库
git clone https://github.com/your-username/arXivRSS.git
cd arXivRSS

# 安装依赖（推荐使用 uv）
uv sync

# 配置环境变量
cp .env.example .env
# 编辑 .env，填入你的 DeepSeek API Key

# 运行
uv run python main.py

生成的 RSS 文件默认输出至 docs/feed.xml。

配置说明

所有配置均通过环境变量（或 .env 文件，本地开发用）进行设置。

变量名	默认值	说明
DEEPSEEK_API_KEY	必填	DeepSeek API 密钥
ARXIV_CATEGORIES	cs.AI	抓取的 arXiv 分类，多个用英文逗号分隔，如 cs.AI,cs.LG,cs.CV
MAX_RESULTS	50	每次最多从 arXiv 获取的论文总量（粗筛候选池大小）
TOP_K	10	第一阶段 AI 批量粗筛后保留的论文数量，进入第二阶段精读
SCORE_THRESHOLD	6	第二阶段精读评分下限（1-10），低于此值的论文将被过滤
FETCH_HOURS	24	抓取过去多少小时内提交的论文
RSS_TITLE	AI arXiv Daily Digest	RSS 频道标题
RSS_DESCRIPTION	AI-curated top arXiv papers updated daily	RSS 频道描述
RSS_LINK	(自动生成)	RSS 频道链接，通常为 GitHub Pages 地址
DEEPSEEK_MODEL	deepseek-chat	使用的 DeepSeek 模型名称
PROMPT_FILE	prompts/paper_analysis.yaml	提示词配置文件路径
KEEP_DAYS	7	RSS 累积保留天数，设为 0 则每次只保留当天内容
OUTPUT_PATH	docs/feed.xml	RSS 文件输出路径

自定义提示词

提示词配置独立存放于 prompts/paper_analysis.yaml，直接编辑即可调整兴趣领域、评分标准或输出格式，无需修改任何代码。

文件包含两套提示词，分别对应两个分析阶段：

# prompts/paper_analysis.yaml

# 第一阶段：批量粗筛（1 次 API 调用，从全量中选 Top K）
batch_system: |
  你是一位资深 AI/ML 研究员...
  # 在此定义兴趣领域、降权规则

batch_user_template: |
  以下是今日 arXiv 的 {total} 篇候选论文，请从中选出最值得精读的 {top_k} 篇...
  {papers_text}

# 第二阶段：单篇精读评分（Top K 次 API 调用）
system: |
  你是一位顶尖 AI/ML 研究员...
  # 在此定义评分标准、输出格式、分析语言等

user_template: |
  论文标题：{title}
  论文摘要：{abstract}

你也可以创建多套提示词文件，通过 PROMPT_FILE 环境变量切换，方便针对不同领域使用不同的筛选逻辑。

项目结构

arXivRSS/
├── main.py                        # 主入口，串联抓取→分析→生成流程
├── pyproject.toml                 # 项目依赖与元数据
├── .env.example                   # 环境变量配置模板
├── prompts/
│   └── paper_analysis.yaml        # 提示词配置（可自定义，与代码解耦）
├── src/
│   ├── fetcher.py                 # arXiv API 抓取与解析
│   ├── analyzer.py                # DeepSeek LLM 调用与评分
│   └── rss_generator.py           # RSS 2.0 XML 生成
├── docs/
│   ├── index.html                 # GitHub Pages 首页
│   └── feed.xml                   # 生成的 RSS 文件（运行后产生）
└── .github/
    └── workflows/
        └── daily.yml              # GitHub Actions 定时任务

工作流程

1. 抓取：通过 arXiv 官方 API 获取指定分类、指定时间范围内的论文（最多 MAX_RESULTS 篇）
2. 粗筛（1 次 LLM 调用）：将全量论文标题与摘要摘录批量发送给 AI，由其根据兴趣领域选出 Top TOP_K 篇
3. 精读（Top K 次 LLM 调用）：对粗筛后的论文逐篇深度分析，输出 1-10 评分、一句话推荐理由和核心贡献总结
4. 过滤：剔除精读评分低于 SCORE_THRESHOLD 的论文（兜底保障质量），剩余按评分降序排列
5. 生成：将精选论文写入标准 RSS 2.0 XML 文件，部署至 GitHub Pages

常见问题

Q：支持哪些 arXiv 分类？
A：支持所有 arXiv 分类，如 cs.AI、cs.LG、cs.CV、stat.ML、math.OC 等。完整列表见 arXiv 分类表。

许可证

MIT