Syntopica

Where feeds become topics

Syntopica 是一个 AI-powered RSS 阅读器。
但它的目标不是让你更快刷完文章列表，而是把持续涌入的信息流整理成可以长期追踪的语义主题。

如果你订阅了大量 RSS 源，每天都会面对几百篇新闻、博客、公告和文章。
普通 RSS 阅读器会把它们按时间排成列表，而 Syntopica 会尝试回答另一个问题：

我关心的这些主题，今天到底发生了什么？

例如：

• 「AI Agent」今天有哪些新进展？
• 「金价」上涨背后有哪些连续信号？
• 「中东局势」哪些事件是昨天的延续？
• 「某个产品发布会」后续反应是否还在发酵？
• 哪些文章只是噪音，哪些值得进一步阅读？

Syntopica 希望把 RSS 从“文章时间流”变成“长期主题流”。

为什么做 Syntopica？

很多 RSS 用户的问题不是信息太少，而是信息没有被组织。

你可能订阅了：

• 新闻媒体
• 技术博客
• 产品更新
• 行业资讯
• GitHub / Release / Blog Feed
• RSSHub 生成的各种信息源

结果是：每天打开阅读器，看到的是一长串按时间排列的文章。

这些文章里有些属于你长期关注的议题，但它们通常被打散在不同来源、不同时间、不同标题之中。

普通 RSS 阅读器擅长回答：

今天来了哪些新文章？

但长期关注一个议题时，你真正需要的是：

这个主题今天发生了什么？
它和前几天有什么关系？
有哪些新信号？
哪些内容值得继续看？

Syntopica 就是为这个问题设计的。

核心想法

Syntopica 不把 RSS 只当作“文章列表”，而是把每篇文章理解为某些长期主题的一部分。

它会通过 AI 和语义标签，把文章归入你关心的板块，然后每天为每个板块生成叙事简报。

RSS Feeds
   ↓
Articles
   ↓
AI semantic tags / embedding
   ↓
Topic sections
   ↓
Daily narrative brief

你不再需要从几百篇文章里手动拼线索。 Syntopica 会把信息沉淀成可以持续追踪的 topics。

一个典型使用场景

把 RSS 订阅文章自动归类到几个「长期话题板块」里，每个板块每天生成一份叙事简报——就像雇了个编辑，每天帮你盯几个赛道。

举例：你关注金价，新建一个「金价」板块。系统不是靠关键词硬匹配"金价"两个字，而是通过 AI 提取的小标签（黄金、美联储、贵金属、汇率…）在语义层面筛选相关文章，每天自动生成一份叙事报告——这个板块今天发生了什么。

1. 手动建板块，即刻生效

知道自己想要什么？直接创建板块，填个名字（比如「中东局势」），系统会根据名称+描述自动推荐最相关的标签给你勾选。确认后触发回填，历史文章马上归位。

2. 板块升级建议 — AI 帮你"长出新板块"

不知道手动加什么？点一下「✨ 升级建议」，大模型会分析你订阅的新闻里哪些话题频繁出现，自动聚类后给出板块创建建议——就像系统在跟你说"你最近看了很多 AI 的内容，要不要建个 AI 板块？"

建议分三种：🟢 创建新板块 / 🔵 合并到已有板块 / ⚪ 跳过（太碎片化不值得）。你挑着确认，不满意的直接跳过。

3. 智能标签推荐 — 板块不够丰满？

感觉板块内容少、不相关？打开构成标签面板，LLM 按相似度推荐更多相关小标签，你自己勾选哪些要加进来，板块覆盖范围随手调。

4. 每日叙事简报

每个板块每天自动生成一份叙事报告。不是冷冰冰的摘要堆砌，而是连贯的叙述——"这个板块今天发生了什么，有什么趋势"。

🤔 它和普通 RSS、搜索引擎、RAG 有什么不同？

Syntopica 更像是一个个人议题编辑器。 它每天帮你把订阅源里的内容按长期主题整理好。

✨ 更多功能

主题图谱

• 图谱可视化：日/周双视图，事件/人物/关键词三类节点与关联边，支持权重计算与时间窗口切换
• 特别关注标签：按标签类型（事件/人物/关键词）支持特别关注，后续可直接筛选仅包含该标签的文章

📰 订阅管理

虽然 Syntopica 的重点是主题组织，但它仍然保留了 RSS 阅读器的基础体验：

你可以像使用普通 RSS 阅读器一样添加订阅源，也可以通过 OPML 导入已有订阅。

Syntopica 不替你决定信息来源。 你仍然掌控自己的 feeds

• Feed 管理：添加、编辑、删除、手动刷新、全量刷新
• 分类管理：自定义名称、图标、颜色
• OPML 导入导出
• 可配置自动刷新间隔
• FeedBro 风格三栏布局
• 收藏、已读标记、全屏阅读
• 预览模式与 iframe 模式切换
• 上一篇/下一篇快速导航

你可以把它当作普通 RSS 阅读器使用，也可以逐步启用 AI 主题能力。

🤖 智能增强

• Firecrawl 全文抓取，补全 RSS 摘要内容
• AI 内容整理，生成结构化正文
• 内容源切换：原始内容 / Firecrawl 全文 / AI 整理稿

⚙️ 全局配置

• AI Provider 路由：多模型管理，按能力（总结/正文补全/主题提取/嵌入）分配不同 Provider，支持主备与拖拽排序
• Firecrawl 服务：配置 API 地址、Key、抓取模式、超时与内容长度限制
• 调度器监控：查看 AI 总结、Feed 刷新等定时任务状态，支持手动触发与间隔调整
• 队列管理：实时监控标签打标队列、Embedding 队列的任务状态与失败重试
• Feed 级设置：单独配置每个订阅源的刷新间隔、最大保留文章数、AI 摘要开关

📊 阅读偏好

• 自动追踪阅读行为（打开、关闭、滚动、收藏）
• 偏好分数计算，优化排序
• 阅读统计展示

🛠 技术栈

Frontend

• Nuxt
• Vue
• TypeScript
• Pinia
• Tailwind CSS

Backend

• Go
• Gin
• GORM

Storage

• PostgreSQL

AI

• OpenAI-compatible API
• LLM
• Embedding Model

Optional Services

• RSSHub
• Firecrawl

🚀 快速开始

前置条件

• Docker + Docker Compose

一键部署（推荐）

使用 init.sh 脚本自动完成环境初始化、容器启动和 AI 服务配置：

- bash init.sh  （linux用这个）
- init.ps1   （windows用这个）

脚本会引导完成以下步骤：

1. 基础服务 — 检查 Docker，收集端口/密码配置，启动 PostgreSQL + Syntopica 容器
2. AI 服务（可选）— 配置 AI 连接信息（安装和模型下载参见下方「AI 模型配置指南」）：
   • Ollama — 连接本地 Ollama 实例
   • llama.cpp — 连接本地 llama.cpp 服务
   • 远程 API — 使用 OpenAI 兼容的云端 API（如 OpenAI、DeepSeek）
   • 跳过 — 之后通过 Web UI 手动配置
3. Firecrawl（可选）— 全文抓取服务：
   • 自部署 — 通过 docker-compose.firecrawl.yml 启动本地 Firecrawl 实例
   • 云 API — 使用 Firecrawl 云服务
   • 跳过 — RSS 摘要模式，不抓取全文

手动构建与部署

1. 交叉编译后端二进制（Linux amd64）

cd backend-go
$env:CGO_ENABLED="0"; $env:GOOS="linux"; $env:GOARCH="amd64"; go build -o syntopica ./cmd/server

2. 构建 Docker 镜像并推送

docker build -t zanebonoalter/syntopica:latest .
docker push zanebonoalter/syntopica:latest

镜像构建时会自动编译前端（pnpm generate），最终镜像为单容器：Go 后端同时 serve API 和前端静态文件，端口 5000。

3. 启动服务

# 启动核心服务（PostgreSQL + Syntopica）
docker compose up -d

# 可选：启动 Firecrawl 全文抓取服务
docker compose -f docker-compose.firecrawl.yml up -d
# 可选：启动 RssHub 服务 获取rss源
docker compose -f docker-compose.rsshub.yml up -d

• 访问地址：http://localhost:5000
• PostgreSQL 数据持久化在 ./data/ 目录
• 自定义端口/密码：在 .env 中配置 BACKEND_PORT、POSTGRES_PASSWORD 等

本地开发

# 1. 启动 PostgreSQL（需要 Docker，仅启动数据库）
docker compose -f docker-compose.pg.yml up -d

# 2. 前端
cd front && pnpm install && pnpm dev    # http://localhost:3000

# 3. 后端（需先启动 PostgreSQL）
cd backend-go && go mod tidy && go run cmd/server/main.go  # http://localhost:5000

配套服务

以下服务均为可选，无需在本地开发阶段提前启动，所有配置均可通过 Web UI 完成。

启动后端后访问 http://localhost:5000 → 设置 → AI Provider 中配置 LLM 端点。例如 llama.cpp 默认地址为 http://localhost:8080/v1，选好模型即可使用。

🧠 AI 模型配置指南

init.sh / init.ps1 仅配置 AI 连接信息（IP、端口、模型名），不下载二进制或模型文件。安装和模型下载请参考以下指南。

Ollama

1. 安装：ollama.com
2. 拉取模型：

   ollama pull qwen3:8b           # 文本模型
   ollama pull nomic-embed-text   # 嵌入模型
   

3. 启动服务：ollama serve
4. 因为ollama对json的支持不是强制的，可能导致效果一般，所以不太建议用ollama

llama.cpp

1. 下载预编译二进制：GitHub Releases
   • Windows + NVIDIA GPU：llama-*-bin-win-cuda-*.zip
   • Windows CPU：llama-*-bin-win-*.zip
   • macOS：llama-*-bin-macos-*.zip
   • Linux：llama-*-bin-linux-*.zip
2. 下载模型文件（见下方推荐表），来源：ModelScope / HuggingFace
3. 启动文本服务：

   ./llama-server -m model/Qwen3.5-9B-UD-Q6_K_XL.gguf -c 49152 -ngl 999 --cache-type-k q8_0 --cache-type-v q8_0 --flash-attn on --port 8080 --host 0.0.0.0 --jinja --reasoning-format deepseek --chat-template-kwargs '{\"enable_thinking\":false}' -np 2 > $null 2>&1
   

4. 启动嵌入服务（新终端）：

   ./llama-server -m model/Qwen3-Embedding-4B-Q6_K.gguf -c 8192 --embeddings --host 0.0.0.0 --pooling mean --port 8081 -ngl 0 > $null 2>&1
   

   -ngl 99 表示全部层卸载到 GPU，无 GPU 时去掉此参数。

VRAM 推荐模型表

实际占用受 KV cache 和 context length 影响，以上为模型文件大小。

Docker 网络说明

当 Syntopica 后端运行在 Docker 容器内时，AI 服务运行在宿主机上。后端需要通过宿主机 IP（而非 localhost）访问 AI 服务。init.sh 会自动检测本机 IP 并作为默认值。

手动配置时请使用宿主机局域网 IP（如 192.168.x.x）：

• Ollama：http://192.168.1.100:11434/v1
• llama.cpp 文本：http://192.168.1.100:8080/v1
• llama.cpp 嵌入：http://192.168.1.100:8081/v1

📂 项目结构

Syntopica/
├── front/                              # Nuxt 4 前端（Vue 3 + TypeScript + Pinia）
├── backend-go/                         # Go + Gin 后端（GORM + PostgreSQL）
├── docs/                               # 项目文档
├── tests/                              # Python 集成测试
├── docker/                             # Docker 构建配置
├── img/                                # 截图和图片资源
├── data/                               # PostgreSQL 数据持久化（运行时生成）
├── init.sh                             # 一键部署初始化脚本
├── docker-compose.yml                  # Docker Compose（PostgreSQL + 前后端）
├── docker-compose.pg.yml               # Docker Compose（仅 PostgreSQL，本地开发用）
├── docker-compose.firecrawl.yml        # Docker Compose（Firecrawl 全文抓取，可选）
└── docker-compose.rsshub.yml           # Docker Compose（RSSHub + Redis + Browserless，可选）

Roadmap

当前重点

优化语义板块匹配效果 改进每日简报质量 完善板块生命周期 降低 AI 配置门槛 优化本地部署体验

后续可能方向

更强的主题演化分析 更清晰的板块合并 / 拆分流程 更好的跨天叙事追踪 更多 RSSHub / 全文抓取适配 更完善的图谱视图 移动端体验优化

适合谁使用？

Syntopica 适合这些用户：

• 每天阅读大量 RSS 的人
• 长期关注某些行业、公司、技术或市场的人
• 不想被信息流淹没，但又不想放弃信息密度的人
• 希望用 AI 辅助整理信息，而不是只做单篇摘要的人
• 想搭建个人信息雷达的人

它不太适合：

• 只想偶尔看几篇新闻的人
• 不需要长期主题追踪的人
• 完全不想配置 AI 服务的人
• 只需要极简 RSS 客户端的人

🤝 项目状态

Syntopica 仍在持续开发中。

当前更偏个人使用和实验性产品阶段。 部分能力仍在调整，包括语义匹配、板块推荐、简报生成和本地模型适配。

如果你对 RSS、个人信息管理、AI 内容组织、主题追踪感兴趣，欢迎试用、反馈或参与改进。

License

GNU General Public License v3.0