🦅 OpenHawk

面向智能体时代的全球 AI 情报操作系统

从论文、模型发布到资本市场、政策监管与开源生态， 统一抓取、去重、分析、订阅、推送，并通过 MCP + CLI 对外提供可编排接口。

📣 多渠道订阅推送

🏷️ 重要标签

中文 | English | हिन्दी | Español | العربية | Français | Português | বাংলা | 日本語 | 한국어

🚀 为什么做这个项目

AI 信息分散在不同来源，且更新速度极快。单靠手动跟踪，通常会遇到：

• 信号分散：论文、厂商公告、财报、政策、开源趋势互相割裂。
• 时效噪声：旧新闻反复出现，难以筛出真正增量。
• 去重困难：跨源转载导致重复抓取、重复推送。
• 自动化不足：很难把“信息获取”直接接入 Agent 工作流。

OpenHawk 的目标是把这些环节做成一套可持续运行、可扩展、可被智能体直接调用的情报基础设施。

👥 适合哪些人

• AI 研究者：持续跟踪论文与方法演化。
• 产品/工程团队：跟踪模型发布、开源工具链与开发者信号。
• 投研与商业分析团队：跟踪 AI 相关财报、资本市场与产业报告。
• 政策与合规团队：跟踪多地区监管与安全事件。
• Agent Builder：需要可编排的 MCP/CLI 工具接口。

🧭 六大独立页面（并列关系）

页面	主要用途	典型来源
AI论文雷达	学术追踪与论文深度分析	arXiv 等学术 RSS
AI 前沿雷达	模型/产品/技术进展	厂商官网、技术博客、官方新闻
AI 财经信息	资本市场与公司动态	财报、电话会、市场资讯、投融资
AI 产业报告	产业研究洞察	全球机构报告、白皮书
AI 政策与安全	监管与风险事件	政策机构、监管公告、安全事件源
AI 开源生态与开发者信号	开源工具与社区信号	GitHub Trending、开源项目动态

这 6 个页面互不隶属。每个页面都有独立参数、独立订阅、独立推送配置。

⚙️ 核心能力

• 多源抓取 + 区域化组织（按国家/地区与来源类型组织渠道）。
• 历史持久化与去重（避免重复抓取、重复推送）。
• 默认新鲜度控制（如 90 天窗口）减少陈旧信息噪声。
• 统一翻译管线（任意目标语言），覆盖标题、LLM 分析与推送内容。
• 多渠道通知：feishu、wework、wechat、telegram、dingtalk、ntfy、bark、slack、email。
• 智能推送策略：daily / incremental / realtime。
• 定时抓取与自动订阅推送。
• MCP 工具化接口。
• Agent CLI（本次新增）支持脚本化直接调用工具。

🌐 任意目标语言统一翻译管线

• 统一作用范围：同一条链路覆盖 标题、LLM 摘要/分析、推送正文，避免多套翻译逻辑割裂。
• 目标语言：支持 English、Korean、Japanese、French、Chinese、Traditional Chinese，也支持自定义任意目标语言。
• 成本控制：批量翻译、增量补全、历史持久化复用，默认只翻译缺失或需要更新的字段，减少重复 API 调用。
• 一致性：Web、MCP、CLI 使用同一 output_language 配置语义，页面展示与通知内容保持一致语言输出。

示例（CLI）：

# 将 AI 财经页面输出语言设置为日文
openhawk-ai-cli call save_scope_settings --args '{"scope":"market_finance","output_language":"Japanese"}'

# 触发抓取并按该语言进行后续内容呈现/推送
openhawk-ai-cli call fetch_scope_items --args '{"scope":"market_finance","max_per_source":20}'

🧠 智能推送策略

策略	触发方式	适用场景	特点
daily	每日定时汇总推送	管理层日报、团队晨报	全量主题聚合，适合稳定节奏
incremental	定时窗口内仅推新增	日常监控	去重零重复，噪声更低
realtime	事件触发即时推送	重磅模型发布、政策突发、融资快讯	不等待定时，优先级高、时效强

说明：

• 策略按“订阅规则”独立生效，可在 6 个页面分别配置。
• 可与过滤条件组合（来源、区域、事件类型、关键词）实现精细化告警。

🧱 系统结构

             +---------------------------+
             |      Data Sources         |
             | papers / frontier / ...   |
             +-------------+-------------+
                           |
                           v
+----------------+   +------------+   +-------------------+
| Fetch & Dedupe |-->| Persistence|-->| Analysis & Routing|
+----------------+   +------------+   +-------------------+
                           |                    |
                           v                    v
                    +-------------+     +------------------+
                    | Web Console |     | Notification Push |
                    +------+------+     +------------------+
                           |
                +----------+----------+
                | MCP Server / CLI    |
                | (agent automation)  |
                +---------------------+

🖼️ 项目截图

Web 前端页面（img1 - img4）

页面 1	页面 2

渠道订阅页面（img5）

---

⚡ Quick Start

1) 🧩 环境要求

• Python >= 3.12
• 推荐使用 uv
• Docker 用户需安装 Docker + Docker Compose

2) 🖥️ 本地启动（开发模式）

uv sync --locked

1. 运行爬取主程序（一次执行）：

openhawk-ai

2. 运行交互式 Web 控制台（6 页面 UI）：

python -m openhawk_ai.web.panel_server --port 8080 --output-dir output

3. 启动 MCP 服务（HTTP）：

openhawk-ai-mcp --transport http --host 0.0.0.0 --port 3333

3) 🐳 Docker 启动

docker compose -f docker/docker-compose.yml up -d --build

默认端口：

• 主服务（容器内 Web 端口映射）：WEBSERVER_PORT（默认 8080）
• MCP：http://127.0.0.1:3333/mcp

停止：

docker compose -f docker/docker-compose.yml down

查看日志：

docker compose -f docker/docker-compose.yml logs -f

---

🤖 Agent CLI 接口（新增）

为了让智能体或脚本不走 MCP transport 也能直接调用工具，新增了 openhawk-ai-cli。

🎯 设计目标

• 与 MCP 工具保持同构（同名工具、同参数语义）。
• JSON 输入 / JSON 输出，便于自动化编排。
• 适合 Shell、CI、Python subprocess、Agent 执行器。

🧪 安装后命令

openhawk-ai-cli tools

📌 常用示例

1. 列出所有可调用工具及参数：

openhawk-ai-cli tools

2. 调用工具（内联 JSON 参数）：

openhawk-ai-cli call list_scope_items --args '{"scope":"market_finance","limit":20}'

3. 调用工具（参数文件）：

openhawk-ai-cli call upsert_scope_subscription --args-file ./payload.json

4. 指定项目根目录和输出目录：

openhawk-ai-cli --project-root . --output-dir ./output call get_project_overview

5. 紧凑 JSON 输出（适合管道处理）：

openhawk-ai-cli call list_scopes --compact

Windows PowerShell 示例（推荐）

1. 使用 ConvertTo-Json + --args-file（最稳妥）：

$payload = @{ scope = "market_finance"; limit = 20 } | ConvertTo-Json -Compress
$payload | Set-Content -Encoding utf8 .\payload.json
openhawk-ai-cli call list_scope_items --args-file .\payload.json --compact

2. 使用 Here-String 写参数文件：

@'
{
  "scope": "frontier",
  "max_per_source": 20,
  "source_ids": ["openai-news", "anthropic-news"]
}
'@ | Set-Content -Encoding utf8 .\payload.json

openhawk-ai-cli call fetch_scope_items --args-file .\payload.json --compact

3. 不带参数的工具可直接调用：

openhawk-ai-cli call get_project_overview --compact

🧾 退出码约定

• 0：调用成功。
• 1：执行期异常。
• 2：参数错误 / 工具不存在 / JSON 格式错误。

🛠️ CLI 参数与覆盖范围

CLI 本身的固定参数如下：

级别	参数	说明
全局	--project-root	覆盖项目根目录
全局	--output-dir	覆盖运行输出目录
全局	--compact	输出紧凑 JSON
子命令	tools	列出可调用工具
子命令	call <tool>	调用指定工具
call 选项	--args	内联 JSON 参数
call 选项	--args-file	从 JSON 文件读参数

CLI 业务参数由具体工具决定，直接执行以下命令可查看全部工具参数定义：

openhawk-ai-cli tools --compact

覆盖边界：

• 已覆盖当前 MCP 暴露的全部 22 个工具能力（项目概览、页面抓取、页面设置、页面订阅、论文分析等）。
• 不直接覆盖进程/容器生命周期管理（例如启动或停止 Docker、启动 Web 服务进程）。
• 不直接覆盖前端交互行为本身（例如浏览器点击），但可覆盖其对应的数据层操作（设置、抓取、订阅、推送）。

---

🔌 MCP 服务

启动

# stdio
python -m mcp_server.server --transport stdio

# http
python -m mcp_server.server --transport http --host 0.0.0.0 --port 3333

HTTP Endpoint:

http://127.0.0.1:3333/mcp

MCP 工具分组

1. 项目概览

• get_project_overview
• list_pages
• list_scopes

2. 全局设置

• get_global_settings
• save_global_settings

3. 页面数据与抓取

• list_scope_sources
• list_scope_items
• fetch_scope_items
• get_scope_settings
• save_scope_settings

4. 页面订阅

• list_scope_subscriptions
• upsert_scope_subscription
• delete_scope_subscription
• run_scope_subscriptions

5. 论文能力

• list_papers
• get_paper_detail
• deep_analyze_paper
• set_paper_action

6. 论文订阅

• list_paper_subscriptions
• upsert_paper_subscription
• delete_paper_subscription
• run_paper_subscriptions

---

🧠 配置说明

主要配置目录：config/

关键文件：

• config/config.yaml：主配置（抓取、推送、AI、存储等）
• config/timeline.yaml：定时策略（预设与自定义）
• config/frequency_words.txt：关键词规则
• config/ai_interests.txt：兴趣方向定义
• config/ai_analysis_prompt.txt：分析提示词
• config/ai_translation_prompt.txt：翻译提示词

运行输出目录：output/

常见持久化数据：

• output/ai_progress_items.json
• output/ai_progress_seen.json
• output/panel_settings.json
• output/progress_page_settings.json
• output/panel_subscriptions.json
• output/progress_subscriptions.json
• output/news/*.db
• output/rss/*.db

---

📣 推送渠道

已支持并在后端 + 前端 + MCP + CLI 统一：

• feishu
• wework
• wechat（个人微信，基于 WeCom text）
• telegram
• dingtalk
• ntfy
• bark
• slack
• email

---

🗂️ 项目结构

.
├─ openhawk_ai/                # 核心能力（抓取/分析/通知/Web）
│  ├─ __main__.py             # 主程序入口
│  ├─ agent_cli.py            # Agent CLI 入口（新增）
│  └─ web/panel_server.py     # 交互式控制台服务
├─ mcp_server/                # MCP 服务
├─ config/                    # 配置与提示词
├─ docker/                    # Dockerfile / compose / 入口脚本
├─ docs/assets/               # README 视觉资源（含 OpenHawk SVG）
├─ output/                    # 运行时持久化数据
├─ README.md
└─ README-EN.md

---

❓常见问题

Q1: CLI 和 MCP 有什么关系？

CLI 直接调用 MCP 同构工具函数；MCP 适合协议接入，CLI 适合脚本与本地自动化。

Q2: CLI 能覆盖全部功能吗？

CLI 能覆盖当前 MCP 已暴露的全部能力（22 个工具）。如果你在 UI 上能做的是数据层操作（抓取、查阅、设置、订阅、推送），通常都可以通过 CLI 实现。

Q3: 为什么我看到重复消息？

请检查：

• output/ai_progress_seen.json 是否被挂载并持久化。
• 是否开启了多个重复订阅规则。
• timeline 与页面级订阅是否在同一时间窗重复触发。

Q4: 如何最小化接入 Agent？

最简单方式：让 Agent 先调用

openhawk-ai-cli call get_project_overview

然后按需调用 list_scope_items / list_papers / run_*_subscriptions。

---

🙏 致谢与参考

• 本项目在产品思路与工程实践上参考并致谢 TrendRadar。
• OpenHawk 在此基础上进行了独立演进，包括 6 页面并列体系、区域化数据源、多渠道订阅推送、MCP + Agent CLI 一体化等。

---

📄 许可证

本项目采用 MIT License。