🚀 AutoBlogAgent 技术博文自动生成智能体

基于 RSS 订阅源自动提取热门话题，智能搜索相关文章，生成专业完整的技术博客文档

📖 项目简介

AutoBlogAgent 是一款基于 AI 的自动化技术博客生成工具。通过订阅多个 AI 技术 RSS 源，自动提取热门话题，然后使用搜索引擎抓取相关文章，利用大语言模型分析识别技术热点，并自动生成结构完整、内容专业的技术博客文章，最终导出为可下载的 PDF 文档。

核心特性

📡 多 RSS 订阅源 - 支持 Infinitum AI 日报、AI Hot 等多个订阅源
🔍 智能话题提取 - 自动从 RSS 解析热门关键词和话题
🌐 百度搜索 - 基于话题自动搜索相关文章
🧠 AI 热点识别 - 使用大语言模型智能分析，识别技术热点话题
✍️ 自动博客生成 - 生成结构清晰、内容专业的技术博客文章
📄 PDF 文档导出 - 一键生成可分享的 PDF 文档

🏗️ 系统架构

┌─────────────────────────────────────────────────────────────────────┐
│                    AutoBlogAgent 技术博客生成工作流                      │
├─────────────────────────────────────────────────────────────────────┤
│                                                                      │
│  ┌────────────────┐    ┌────────────────┐    ┌────────────────┐    │
│  │   RSS 订阅      │───▶│   文章搜索      │───▶│   热点分析      │    │
│  │ rss_subscription│    │ article_fetch  │    │hot_topic_analysis│    │
│  └────────────────┘    └────────────────┘    └────────────────┘    │
│                                                           │          │
│                                                           ▼          │
│  ┌────────────────┐    ┌────────────────┐    ┌────────────────┐    │
│  │   文档生成      │◀───│   博客生成      │◀───│   话题选择      │    │
│  │document_generation│  │ blog_generation│    │ topic_selection │    │
│  └────────────────┘    └────────────────┘    └────────────────┘    │
│                                                                      │
└─────────────────────────────────────────────────────────────────────┘

工作流节点说明

节点名称	类型	功能描述
`rss_subscription`	Task	从多个 RSS 订阅源获取热门话题
`article_fetch`	Task	基于话题使用百度搜索抓取相关文章
`hot_topic_analysis`	Agent	使用 LLM 分析文章，识别热点话题
`topic_selection`	Task	从多个热点中选择最热门的话题
`blog_generation`	Agent	基于热点话题生成完整的技术博客
`document_generation`	Task	将博客转换为 PDF 文档

🎯 功能详解

0. RSS 订阅话题获取

支持从多个 RSS 订阅源自动获取热门话题：

订阅源	URL	说明
Infinitum AI 日报	`http://infinitum.shawnxie.top/api/daily/rss`	AI 技术每日热点
AI Hot	`https://aihot.virxact.com/feed/all.xml`	AI 热点资讯

特性：

并行获取多个 RSS 源，提升效率
智能提取标题和描述中的关键词
自动去重和热度排序
支持自定义 RSS 订阅源列表

1. 基于话题的文章搜索

使用百度搜索基于 RSS 话题抓取相关文章：

搜索策略：

直接使用 RSS 提取的热门话题作为搜索关键词
智能构建搜索查询，确保搜索结果相关性
自动去重，保证文章唯一性
智能提取文章标题、摘要、发布时间等信息

2. AI 热点话题识别

使用大语言模型对抓取的文章进行深度分析：

输入：20-30 篇技术文章
      ↓
AI 分析：
  - 提取关键技术主题词
  - 统计主题出现频次
  - 评估话题热度评分
      ↓
输出：3-5 个热点话题列表
      每个话题包含：
      - 话题名称
      - 话题描述
      - 相关文章列表
      - 热度评分 (0-10)

3. 智能话题选择

自动选择热度最高的话题
支持按话题生成对应的技术博客
保留所有识别的热点话题供参考

4. 专业博客生成

生成的技术博客包含完整的文章结构：

# 文章标题

> 自动生成的技术博客 | 基于热点话题分析

---

## 引言
## 话题概述
## 技术细节/核心原理
## 实践应用/案例分析
## 总结与展望
## 参考资料

博客特点：

中文写作，符合国内开发者阅读习惯
结构清晰，逻辑严谨
内容专业但不晦涩
字数通常在 1500 字以上
包含完整的参考资料链接

5. PDF 文档导出

自动将博客转换为专业 PDF 文档
支持中文字体
自动生成目录结构
可直接下载和分享

🛠️ 技术栈

核心技术

工作流编排: LangGraph
大语言模型: 支持多种模型（Coze SDK / OpenAI / 阿里百炼 / DeepSeek / Kimi 等）
文章搜索: Web Search API
文档生成: PDF Generation API
提示词模板: Jinja2

支持的 LLM 提供商

本项目使用统一的 LLM 客户端 (src/utils/llm_client.py)，支持多种大语言模型提供商：

提供商	类型	模型示例	说明
Coze SDK	`coze`	doubao-seed-2-0-pro	通过 Coze 平台调用豆包模型
OpenAI	`openai`	gpt-4o, gpt-4-turbo	OpenAI 官方 API
阿里百炼	`dashscope`	qwen-plus, qwen-max	阿里云通义千问系列
DeepSeek	`deepseek`	deepseek-chat, deepseek-coder	DeepSeek 模型
Kimi	`kimi`	moonshot-v1-8k, moonshot-v1-32k	月之暗面 Kimi 模型

💡 提示: 所有支持的模型列表可参考 LLM Skill 文档

开发框架

Python >= 3.10
├── langgraph          # 工作流编排框架
├── langchain-core     # 消息传递和工具定义
├── coze-coding-dev-sdk # 集成 SDK
└── pydantic           # 数据验证

项目结构

├── src/
│   ├── graphs/                    # 工作流核心代码
│   │   ├── state.py              # 全局状态定义
│   │   ├── graph.py              # 主图编排
│   │   └── nodes/                # 节点实现
│   │       ├── article_fetch_node.py
│   │       ├── hot_topic_analysis_node.py
│   │       ├── topic_selection_node.py
│   │       ├── blog_generation_node.py
│   │       └── document_generation_node.py
│   ├── utils/                    # 工具模块
│   │   └── llm_client.py        # 通用 LLM 客户端（支持多模型）
│   └── main.py                   # 程序入口
├── config/                       # 配置文件
│   ├── hot_topic_analysis_llm_cfg.json
│   ├── blog_generation_llm_cfg.json
│   └── examples/                # 配置示例
│       ├── coze_example.json
│       ├── openai_example.json
│       ├── dashscope_example.json
│       ├── deepseek_example.json
│       └── kimi_example.json
├── tests/                        # 测试用例
├── AGENTS.md                     # 项目规范文档
└── README.md                     # 项目说明文档

🚀 快速开始

环境要求

Python 3.10+
网络连接（用于访问搜索 API）

安装依赖

# 使用 uv 安装依赖（推荐）
uv sync

# 或使用 pip
pip install -r requirements.txt

基本使用

# 一键推送到 GitHub
chmod +x scripts/push_to_github.sh
./scripts/push_to_github.sh <你的GitHub_Token> <仓库名称> [仓库描述]

# 示例
./scripts/push_to_github.sh ghp_xxxxxxxxxxxxxxx tech-blog-generator "技术热点追踪与博客生成"

# 获取 GitHub Token:
# 1. 登录 GitHub → Settings → Developer settings
# 2. Personal access tokens → Generate new token
# 3. 勾选 repo 权限 → 生成并复制

运行工作流

from src.graphs.graph import main_graph

# 定义工作流输入
input_data = {
    "platforms": ["github", "juejin", "csdn", "cnblogs"],  # 要抓取的平台
    "keywords": ["开源", "AI", "编程", "技术趋势"],         # 搜索关键词
    "article_count_per_platform": 10                        # 每个平台的文章数量
}

# 执行工作流
result = main_graph.invoke(input_data)

# 获取结果
print("识别的热点话题:", result["hot_topics"])
print("生成的博客:", result["blog_content"]["title"])
print("文档下载链接:", result["document_url"])

参数说明

参数名	类型	必填	默认值	说明
`platforms`	List[str]	否	`["github", "juejin", "csdn", "cnblogs"]`	要抓取的技术平台
`keywords`	List[str]	否	`["开源", "AI", "编程", "技术趋势"]`	搜索关键词列表
`article_count_per_platform`	int	否	`10`	每个平台抓取的文章数量

输出结构

{
    "hot_topics": [
        {
            "topic": "AI编程工具与实践",
            "description": "介绍AI编程技术发展...",
            "related_articles": ["文章1", "文章2", ...],
            "heat_score": 9.5
        },
        ...
    ],
    "blog_content": {
        "title": "文章标题",
        "outline": ["引言", "话题概述", ...],
        "content": "# Markdown 格式的文章内容",
        "references": ["url1", "url2", ...]
    },
    "document_url": "https://xxx.pdf"
}

💡 使用场景

1. 技术博主

快速获取最新技术热点，生成博客草稿，提高创作效率。

2. 技术团队

定期生成技术趋势报告，帮助团队了解行业动态。

3. 内容运营

自动化生成技术内容，支持公众号、技术社区等内容分发。

4. 个人学习

追踪感兴趣的技术领域，生成学习笔记和总结。

🔧 高级配置

多模型支持说明

本项目采用统一的 LLM 客户端架构，通过配置文件中的 type 字段指定模型类型，支持以下模型提供商：

1. Coze SDK (豆包模型)

通过 Coze 平台调用豆包系列模型，适合国内用户：

{
    "type": "coze",
    "config": {
        "model": "doubao-seed-2-0-pro-260215",
        "temperature": 0.7,
        "max_completion_tokens": 8000
    },
    "sp": "你是一个专业的技术博客写作助手...",
    "up": "根据以下文章内容分析技术热点..."
}

适用场景: 国内用户、需要稳定服务的生产环境

2. OpenAI GPT 系列

使用 OpenAI 官方 API：

{
    "type": "openai",
    "config": {
        "model": "gpt-4o",
        "api_key": "your-openai-api-key",
        "temperature": 0.7,
        "max_tokens": 8000
    },
    "sp": "You are a professional technical blog writer...",
    "up": "Analyze the following articles and identify hot topics..."
}

适用场景: 国际化项目、已有 OpenAI API 的团队

3. 阿里百炼 (通义千问)

使用阿里云百炼平台：

{
    "type": "dashscope",
    "config": {
        "model": "qwen-plus",
        "api_key": "your-dashscope-api-key",
        "temperature": 0.7,
        "max_tokens": 8000
    },
    "sp": "你是一个专业的技术博客写作助手...",
    "up": "根据以下文章内容分析技术热点..."
}

适用场景: 阿里云用户、国内企业、对数据安全有要求的场景

4. DeepSeek

使用 DeepSeek 模型：

{
    "type": "deepseek",
    "config": {
        "model": "deepseek-chat",
        "api_key": "your-deepseek-api-key",
        "temperature": 0.7,
        "max_tokens": 8000
    },
    "sp": "You are a professional technical blog writer...",
    "up": "Analyze the following articles and identify hot topics..."
}

适用场景: 追求性价比、需要代码能力强的模型

5. Kimi (月之暗面)

使用月之暗面 Kimi 模型：

{
    "type": "kimi",
    "config": {
        "model": "moonshot-v1-8k",
        "api_key": "your-kimi-api-key",
        "temperature": 0.7,
        "max_tokens": 8000
    },
    "sp": "你是一个专业的技术博客写作助手...",
    "up": "根据以下文章内容分析技术热点..."
}

适用场景: 长文本处理、长文档分析场景

配置文件模板

配置文件位于 config/ 目录，必须包含以下字段：

{
    "type": "coze|openai|dashscope|deepseek|kimi",  // 模型类型
    "config": {
        "model": "model-id",        // 模型 ID
        "temperature": 0.7,         // 温度参数 (0-1)
        "max_tokens": 8000          // 最大 token 数
        // 其他参数...
    },
    "sp": "系统提示词",
    "up": "用户提示词 (支持 Jinja2 模板)"
}

快速切换模型

只需修改 config/*.json 中的配置，即可切换不同的模型：

# 使用 Coze SDK
# config: "type": "coze", "model": "doubao-seed-2-0-pro-260215"

# 切换到 OpenAI
# config: "type": "openai", "model": "gpt-4o"

# 切换到阿里百炼
# config: "type": "dashscope", "model": "qwen-plus"

自定义搜索平台

在 article_fetch_node.py 中修改 platform_domains：

platform_domains = {
    "github": "github.com",
    "juejin": "juejin.cn",
    "csdn": "csdn.net",
    "cnblogs": "cnblogs.com",
    # 添加自定义平台
    "your_platform": "your-domain.com"
}

📝 示例输出

输入

{
    "platforms": ["github", "juejin"],
    "keywords": ["AI编程", "开源大模型"],
    "article_count_per_platform": 5
}

识别到的热点话题

1. AI编程工具与实践 (热度: 9.5)
   描述: 介绍AI编程技术发展、各类工具评测与工程化落地实践

2. 开源基础概念与普及 (热度: 8.0)
   描述: 讲解开源的定义、优势、常见误区

3. 国产大模型开源 (热度: 7.2)
   描述: 介绍国产顶尖大模型的开源进展

4. 开源许可证合规 (热度: 6.5)
   描述: 解析主流开源许可证的规则

生成的博客节选

从工具到协作伙伴：AI编程工具的技术演进、选型指南与工程化落地全指南

2023年GitHub Copilot正式商业化的时候，很多人还在吐槽它"经常生成错漏百出的代码"，到2024年我们团队做开发效率调研时，已经有超过70%的开发者日常工作中会使用至少一款AI编程工具...

[完整文章已生成并导出为 PDF]

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！

Fork 本仓库
创建特性分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m 'Add amazing feature')
推送到分支 (git push origin feature/amazing-feature)
创建 Pull Request

📄 开源协议

本项目采用 MIT 开源协议，详情请参阅 LICENSE 文件。

🙏 致谢

LangGraph - 工作流编排框架
Coze Coding SDK - 集成开发工具包
所有开源贡献者

📧 联系方式

如有问题或建议，欢迎通过以下方式联系：

提交 GitHub Issue
发送邮件至：your-email@example.com

如果这个项目对你有帮助，请给个 ⭐ Star！

Made with ❤️ by Tech Blog Generator Team

Name		Name	Last commit message	Last commit date
Latest commit History 11 Commits
config		config
scripts		scripts
src		src
.coze		.coze
.gitignore		.gitignore
AGENTS.md		AGENTS.md
LICENSE		LICENSE
README.md		README.md
README_EN.md		README_EN.md
pyproject.toml		pyproject.toml
pyright_agent_f1e2c251.json		pyright_agent_f1e2c251.json
uv.lock		uv.lock

Folders and files

Latest commit

History

Repository files navigation

🚀 AutoBlogAgent 技术博文自动生成智能体

📖 项目简介

核心特性

🏗️ 系统架构

工作流节点说明

🎯 功能详解

0. RSS 订阅话题获取

1. 基于话题的文章搜索

2. AI 热点话题识别

3. 智能话题选择

4. 专业博客生成

5. PDF 文档导出

🛠️ 技术栈

核心技术

支持的 LLM 提供商

开发框架

项目结构

🚀 快速开始

环境要求

安装依赖

基本使用

运行工作流

参数说明

输出结构

💡 使用场景

1. 技术博主

2. 技术团队

3. 内容运营

4. 个人学习

🔧 高级配置

多模型支持说明

1. Coze SDK (豆包模型)

2. OpenAI GPT 系列

3. 阿里百炼 (通义千问)

4. DeepSeek

5. Kimi (月之暗面)

配置文件模板

快速切换模型

自定义搜索平台

📝 示例输出

输入

识别到的热点话题

生成的博客节选

从工具到协作伙伴：AI编程工具的技术演进、选型指南与工程化落地全指南

🤝 贡献指南

📄 开源协议

🙏 致谢

📧 联系方式

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages