自动发现信息源 · 多维度核查事实 · 四级深度分析 · 个性化精准推送
Intel-AI 是一个全自动化情报处理系统，旨在帮助个人和团队从海量信息噪音中提炼出真正有价值的洞见。 系统能够主动发现新兴信息源、自动采集内容、交叉核查事实可信度，并通过四级深度分析 将原始信息升华为可执行的战略洞察，最终按用户偏好个性化推送。
┌─────────────────────────────────────────────────────────┐
│ API 层 (Axum) │
└────────────────────────┬────────────────────────────────┘
│
┌────────────────────────▼────────────────────────────────┐
│ Agent 编排层 │
│ MetaAgent → DiscoveryAgent → CollectorAgent │
│ → VerifierAgent → AnalystAgent │
│ → PersonalizerAgent │
└──────┬──────────┬───────────┬────────────┬──────────────┘
│ │ │ │
┌────▼───┐ ┌───▼───┐ ┌────▼────┐ ┌────▼──────┐
│Sources │ │Pipeline│ │Analysis │ │Verification│
│Registry│ │(ETL) │ │Engine │ │Engine │
└────────┘ └───────┘ └─────────┘ └────────────┘
│
┌────────────────┼──────────────────┐
┌────▼────┐ ┌──────▼─────┐ ┌──────▼──────┐
│PostgreSQL│ │ Qdrant │ │ Tantivy │
│(元数据) │ │(向量搜索) │ │(全文检索) │
└──────────┘ └────────────┘ └─────────────┘
| 模块 | 路径 | 职责 |
|---|---|---|
| agents | src/agents/ |
Agent 系统，负责任务编排与执行 |
| sources | src/sources/ |
数据源注册、健康检查、自动发现 |
| pipeline | src/pipeline/ |
数据摄取、NLP 增强、去重 |
| analysis | src/analysis/ |
四级深度分析引擎 |
| verification | src/verification/ |
多策略事实核查 |
| personalization | src/personalization/ |
用户画像与个性化推荐 |
| api | src/api/ |
RESTful API（Axum 0.8） |
| storage | src/storage/ |
PostgreSQL / Qdrant / Tantivy |
| config | src/config/ |
统一配置管理 |
- MetaAgent — 顶层编排，将用户目标分解为子任务
- DiscoveryAgent — 自动发现相关信息源，扩展话题图谱
- CollectorAgent — 从各数据源抓取原始内容
- VerifierAgent — 多源交叉核查，输出可信度评分
- AnalystAgent — 四级分析（摘要→背景→影响→预测）
- PersonalizerAgent — 根据用户画像定制推送内容
| 层级 | 名称 | 输出 |
|---|---|---|
| L1 | 摘要 | 100 字核心内容 |
| L2 | 背景 | 事件脉络与相关历史 |
| L3 | 影响 | 利益相关方分析 |
| L4 | 预测 | 长期趋势与弱信号识别 |
| 类别 | 技术 |
|---|---|
| 语言 | Rust 2021 |
| 异步运行时 | Tokio |
| Web 框架 | Axum 0.8 |
| 向量数据库 | Qdrant |
| 关系数据库 | PostgreSQL (sqlx) |
| 全文检索 | Tantivy |
| 爬虫引擎 | Spider |
| 序列化 | Serde / serde_json |
| 日志追踪 | Tracing |
| 错误处理 | anyhow / thiserror |
第一步：配置环境变量
# 克隆项目
git clone https://github.com/CuriousAbe/intel-ai
cd intel-ai
# 复制配置文件
cp .env.example .env编辑 .env 文件，至少填入 LLM_API_KEY：
LLM_API_KEY=sk-xxxxxxxx # 必填：OpenAI / 任何兼容 API 的密钥
LLM_API_BASE_URL=https://api.openai.com/v1 # 可选：API 地址
LLM_MODEL=gpt-4o # 可选：模型名称第二步：构建并运行
# 构建
cargo build
# 运行情报分析（传入任意主题关键词）
cargo run -- "AI芯片"
cargo run -- "量子计算最新进展"
cargo run -- "OpenAI GPT-5"示例输出：
🔍 正在搜索: AI芯片
找到 8 个相关结果
📥 正在抓取页面内容...
[1/8] 英伟达 H100 芯片供不应求 ... ✓
[2/8] AMD 发布 MI300X 对标英伟达 ... ✓
...
🤖 正在进行 AI 情报分析...
══════════════════════════════════════════════════════════════════════
# 情报摘要：AI芯片
## 核心要点
- 英伟达 H100/H200 持续主导 AI 训练市场，供货紧张
- AMD MI300X 在推理场景展现竞争力，市场份额上升
...
══════════════════════════════════════════════════════════════════════
| 方式 | 配置 | 说明 |
|---|---|---|
| DuckDuckGo（默认） | 无需配置 | 免费，无 API 限制 |
| Google Custom Search | 设置 GOOGLE_SEARCH_API_KEY 和 GOOGLE_SEARCH_ENGINE_ID |
更稳定，每天 100 次免费 |
| 服务 | LLM_API_BASE_URL |
说明 |
|---|---|---|
| OpenAI | https://api.openai.com/v1 |
默认 |
| 本地 Ollama | http://localhost:11434/v1 |
免费本地运行 |
| 其他兼容服务 | 对应地址 | 任何 OpenAI 兼容 API |
| 变量 | 默认值 | 说明 |
|---|---|---|
INTEL_AI__SERVER__HOST |
0.0.0.0 |
监听地址 |
INTEL_AI__SERVER__PORT |
8080 |
监听端口 |
INTEL_AI__DATABASE__URL |
postgres://localhost/intel_ai |
PostgreSQL 连接串 |
INTEL_AI__QDRANT__URL |
http://localhost:6334 |
Qdrant 地址 |
# 启动 API 服务器（需要配置数据库）
cargo runGET /health 健康检查
GET /api/v1/feed 个性化情报推送
GET /api/v1/sources 数据源列表
GET /api/v1/search 全文检索
- 项目结构与模块划分
- Cargo 依赖配置
- API 框架搭建
- 配置管理
- CLI MVP：主题关键词 → 自动搜索抓取 → 情报摘要
- 网页内容抓取与 HTML 清洗（scraper）
- DuckDuckGo / Google Custom Search 搜索集成
- RSS/Atom 订阅解析
- 数据库 schema 设计与迁移
- Qdrant 向量集合初始化
- LLM 接入（OpenAI 兼容 API，支持 Claude / GPT / 本地模型）
- 结构化情报摘要 prompt 工程
- 四级深度分析（L1-L4）
- 实体提取与知识图谱
- 多源交叉核查算法
- 用户画像建模
- 实时推送（WebSocket）
- Docker / Compose 部署
- 监控与告警（Prometheus）
- 水平扩展设计
MIT © CuriousAbe