AI全自动监控系统 v6 产品系统

想第一时间发现 GitHub 爆款项目的开发者
追踪AI/技术趋势的内容创作者
需要选品依据的 AI 产品团队
自由开发者接单前的情报收集

多数据源采集 GitHub Trending、B站热门、微博热搜、知乎热榜、爱发电热门，每小时自动抓取
智能选品 多维度评分（Star速度、跨平台热度、趋势相似度、情绪共鸣等），0-100分量化潜力
AI 每日简报 每天 9:00 / 18:00 自动生成 Daily Brief，专题分析 + 对比报告
推荐引擎 选品推荐 + 时机推荐 + 策略推荐，附 AI 推理理由和风险提示
全自动调度 定时任务 + 容错降级 + API 限流自动重试
告警通知 重大趋势实时推送（支持飞书 Webhook）
无需前台运行，最好接入任意ai工作流，给ai当作手

1. 架构设计
采用流水线架构：数据采集 → 数据清洗 → 智能选品 → AI总结 → 推荐引擎，模块间低耦合，可单独运行也可联动。

2. 核心模块

模块 技术实现
数据采集（selector.py） 多线程并发请求 GitHub API / 平台 API / opencli 浏览器自动化，定时轮询避免漏采
数据清洗（cleaner.py） 去重算法 + 异常检测 + 质量评分标准化，脏数据自动过滤
智能选品（selector.py） 多维度加权评分模型：Star速度25% + 跨平台热度20% + 趋势相似度20% + 情绪共鸣15% + 新鲜度10% + 质量信号10%
AI 总结（summarizer.py） 调用 SiliconFlow API 批量生成 Daily Brief，支持专题分析和对比报告
推荐引擎（recommender.py） 基于历史爆款特征训练规则 + AI 推理，输出选品/时机/策略三类推荐及置信度
3. 数据模型
用 Python dataclass 定义统一数据模型（models.py），SQLite 统一存储（database.py），star_history 表记录历史快照用于速度计算。

4. 调度与容错
内置调度器（scheduler.py）实现精准定时，支持 API 限流指数退避（最多3次重试）、服务降级到缓存、任务失败日志记录不阻塞后续。

5. 扩展性
config.py 集中配置各数据源开关和评分权重，添加新数据源只需实现统一接口即可接入流水线。