兴趣雷达 / Interest Radar

给内容，还判断。 兴趣雷达是一个通用相关性判断引擎，不采集、不推送、不存储，只做一件事：告诉你一段外部内容和你有多相关、为什么、该不该看。

特性

• 平台无关 — 不绑定任何 Agent 平台，可在 Hermes、Claude Code、Codex、Cursor、ChatGPT 等任何 Agent 上运行
• 零代码依赖 — 纯 SKILL.md 定义的工作流，不依赖 Python 脚本或外部运行时
• 自适应上下文召回 — 运行时自动探测可用的记忆/搜索工具，不预设任何特定工具
• 反馈闭环 — 用户对判断结果的反馈（confirm/dismiss）自动影响后续判断，越用越准

三个 MVP 能力

能力	触发方式	说明
MVP 1：转发即用	用户发链接 + 询问意图	自动触发 judge，返回相关性判断
MVP 2：batch_judge	其他推送 Skill 调用	批量过滤，只推送高相关内容
MVP 3：反馈闭环	用户回复 confirm/dismiss	自动调整后续评分

安装

将 SKILL.md 和 references/ 复制到你的 Agent skills 目录：

# Hermes
cp -r interest-radar ~/.hermes/skills/research/interest-radar

# Claude Code — 在 CLAUDE.md 中引用
# Codex/Cursor — 在 .codex/rules/ 或 .cursorrules 中引用

使用

转发任何链接或内容，说"帮我看看这个相不相关"，Agent 就会用兴趣雷达帮你判断。

文档

• SKILL.md — 完整工作流定义
• references/batch-interface.md — batch_judge 接口参考
• references/feedback-loop.md — 反馈闭环参考
• references/output-format.md — 输出格式参考
• references/snapshot-cache.md — 快照缓存方案

仓库

https://github.com/Igloo302/interest-radar