شونيا نت سنتينل (مُحدَّث: 03/02/2026)

شونيا نت سنتينل هو برنامج خفيف الوزن، بتصميم سايبربانك، يقوم بجمع خلاصات RSS (مثل الأخبار العاجلة ووسائل التواصل الاجتماعي)، وإرسالها إلى LLM للتحليل، ثم تسليم التنبيهات والتقارير الموجزة مباشرةً إلى الواجهة الرسومية وسلاك على فترات زمنية منتظمة.

المشروع مبني لاستخدام LLM مستضافة محلياً على نفس الجهاز أو الشبكة (مثال: عبر Tailscale) باستخدام LMStudio أو Ollama (تحديث 02/23). سيعمل أيضاً مع مفتاح OpenAI API (تحديث 02/23).

للتنبيه، يستخدم البرنامج Webhooks سلاك، مما يتيح إرسال إشعارات دفع إلى جهاز محمول.

شونيا نت سنتينل متوافق مع أحدث إصدارات لينكس، ماك أو إس، وويندوز*

جودة التقارير والتحليل تتأثر بالـ prompt، حجم السياق، خلاصات RSS، و LLM المختار. يُنصح بإيقاف ميزات التفكير. النماذج التي يبدو أنها أدت أداءً جيداً وتتبع التعليمات عموماً تشمل:

• GPT OSS 20b (مع ضبط التفكير على LOW في LMStudio)
• GPT OSS 120b (على الأرجح مبالغ فيه)
• Hermes 4 70b (خيارى المفضل)
• Gemma 3 27b it abliterated (نسخة mlabonne)
• Qwen3 32b و/أو VL 30b (لا أتذكر بالضبط...)

*يُوصى بشدة باستخدام ماك أو إس أو لينكس. راجع المشكلات المعروفة أدناه.

لمزيد من المعلومات الهامة، راجع النصائح والحيل والمشكلات المعروفة في النهاية!

سير العمل عالي المستوى

1. يقوم المستخدم بإدخال مواضيع الاهتمام
2. يقدم المستخدم قائمة بخلاصات RSS
3. يقوم سنتينل بسحب خلاصات RSS بفترات زمنية يحددها المستخدم
4. يتم إرسال محتوى RSS إلى خادم LLM الذي يوفره المستخدم
5. يراجع LLM الخلاصات ويبلغ سنتينل بالمواضيع ذات الصلة حسب الاهتمام
6. إذا تم تكوين webhook سلاك، يتم توجيه التنبيهات ويمكن الوصول إلى الإشعارات على ios/android (غالباً مع روابط مباشرة لمحتوى RSS المُشار إليه)
7. تحليل شامل اختياري يحدد الاتجاهات بمرور الوقت

القدرات الأساسية

مراقبة خلاصات RSS

• سحب دوري لخلاصات RSS
• إزالة التكرار وتتبع الطوابع الزمنية
• التعامل مع الخلاصات البطيئة أو غير الصحيحة (...هناك المزيد من العمل الذي يجب القيام به هنا)

التحليل القائم على LLM (اختياري)

• إرسال عناصر خلاصات RSS إلى نقطة نهاية LLM محلية/API
• تصنيف، تلخيص، وفلترة مدفوعة بـ prompt
• يعمل مع أي نقطة نهاية /v1/chat/completions متوافقة مع OpenAI، مصممة لـ LMStudio

التنبيه / توليد الإشارات

• دعم webhook سلاك (لمعلومات إعداد webhook، اذهب هنا: https://docs.slack.dev/messaging/sending-messages-using-incoming-webhooks/)
• مخرجات منظمة مناسبة للأتمتة
• مصمم للتكامل في سير عمل أكبر

محلي وذاتي الاستضافة

• بخلاف سحب خلاصات RSS أو إرسال الردود إلى سلاك (اختياري)، تبقى جميع المعلومات على الأجهزة التي تتحكم بها

المتطلبات

• بايثون 3.10+
• الاعتماديات المدرجة في requirements.txt:
  • PySide6==6.10.0
  • feedparser==6.0.12
  • requests==2.31.0
  • python-dateutil==2.9.0.post0

LLM مُستضافة عبر:

• LM Studio (مُوصى به)
• Ollama
• مفتاح OpenAI API
• (بعض الإضافات قريباً)

التثبيت

1. استنساخ المستودع (...أو تنزيل الضغط) والانتقال إلى المجلد

git clone https://github.com/EverythingsComputer/ShunyaNet-Sentinel.git
cd ShunyaNet-Sentinel

2. (يُوصى بشدة) إنشاء بيئة افتراضية

ماك أو إس / لينكس:

python3 -m venv venv
source venv/bin/activate

ويندوز (PowerShell):

python -m venv venv
venv\Scripts\Activate.ps1

3. تثبيت الاعتماديات

pip install -r requirements.txt

4. التشغيل

ماك أو إس / لينكس:

python3 ShunyaNet_Sentinel.py

ويندوز:

python ShunyaNet_Sentinel.py

بداية سريعة (مع LMStudio) (مُحدَّث 02/23)

1. انقر على "Load Prompt File" وقم بتحميل default_prompt.txt
2. انقر على "Load Data Source File" وقم بتحميل خلاصات RSS Default_test
3. افتح "Additional Settings" وأدخل:
   • LM_PROVIDER = lmstudio
   • LLM_BASE_URL = <عنوان IP لخادم LMStudio الخاص بك، مثال: http://x.x.x.x:port/v1>
   • LLM_MODEL = <أوصي بترك هذا فارغاً. اتبع الخطوة 4 فقط>
   • API_KEY = <اترك فارغاً، ما لم تقم بتعيين واحد للخادم الخاص بك>
4. قم بتحميل النموذج في LM Studio. قم بتشغيل "Serve on Local Network" في إعدادات الخادم. نصائح:
   • في نافذة "Load Model"/اختيار النموذج، قم بتشغيل "Manually choose model load parameters"
   • في نافذة معلمات تحميل النموذج الخاص بك، قم بتعيين الحد الأقصى للتنبؤات المتزامنة إلى 1 (في الوقت الحالي)
   • في علامة التبويب الاستدلال (inference)، قم بإيقاف أو تقليل التفكير، إذا كان هذا الإعداد متاحاً.
   • نموذج متوسط الحجم يعمل بشكل جيد: gpt-oss-20b. مع ضبط التفكير على "low"
5. انقر على القطة! (...أو فقط اضغط Fetch / Send)

التعليمات الكاملة والإعدادات (مُحدَّث 03/02/2026)

1. أدخل مواضيع الاهتمام، أو قم بتحميل إحدى القوائم الافتراضية المتوفرة. يمكن إضافة ما يصل إلى 10 مواضيع لكل قائمة.

2. انقر على "Load Prompt File" لتحميل ملف prompt. يتم توفير prompt افتراضي (default_prompt.txt).

   1. يُشجعك على تعديل وتحسين هذا الـ prompt - فقد يحسن بشكل كبير جودة التقارير وقدرة LLM على تحديد الإشارة وسط الضوضاء. هناك الكثير من المجال للتخصيص هنا.
   2. يوجد ملف 'default_prompt-always-reply.txt' مدرج في المجلد التجريبي (experimental). إنه قديم، ولكن يمكنك استخدامه لتصحيح أخطاء تحليل LLM والتأكد من أنه يُبلغ بشيء ما بالتنسيق الصحيح.
   3. مُحدَّث 03/02/2026 يوجد أيضاً prompt 'default_Summary-Report-Only_prompt.txt' متوفر. هذا الإصدار لا يسعى لانتقاء إشارة من الضوضاء، بل لتلخيص حجم أكبر من الخلاصات ذات الصلة عندما يكون فضاء المعلومات غنياً بالبيانات المتعلقة بالموضوع. وبالتالي، فهو أكثر فائدة بعد حدوث "الحدث" الذي تبحث عنه. كما أنه من الأفضل استخدامه بشكل أقل تواتراً (مثلاً كل نصف ساعة لحدث سريع ومُبلّغ عنه على نطاق واسع، أو كل بضع ساعات لشيء به بيانات أقل) وبهامش كبير من الرموز (token allowance) للـ prompt والرد.

3. انقر على "Load Data Source File" لتحميل قائمة RSS. يتم توفير قائمتين افتراضيتين. قائمة قصيرة "Default_test" وقائمة أطول "Default_long" تركز على الأخبار العالمية والأخبار العاجلة.

   1. تخصيص قوائمك الخاصة بمنطقتك أو مواضيع اهتمامك سيؤثر بشكل كبير على مخرجات المعلومات. مثال على قائمة مركزة على منطقة استخدمتها في رحلة حديثة متوفرة ('India_regional_example-v1.txt'). مثال متعلق بالنزاع في إيران مدرج أيضاً.
   2. يمكن تحويل ريديت وبلو سكاي بسهولة إلى خلاصات RSS. برامج مثل RSSBridge يمكنها أيضاً توليد خلاصات RSS من مواقع الويب ووسائل التواصل الاجتماعي (مثال: تيليجرام) التي لا تحتوي على واحدة.
   3. قائمة "Default_test" هي قائمة قصيرة لمجموعة متنوعة من خلاصات RSS. الغرض هو جعل أول سحب RSS سريعاً وقصيراً، بحيث يمكنك تشخيص ما إذا كانت جميع الأجزاء تعمل كما ينبغي.

4. في "Additional Settings"، قم بتعيين الحقول التالية. سيتم حفظها والاستمرار بها إذا قمت بإنهاء البرنامج وإعادة تشغيله. الإعدادات الافتراضية ستعمل مع معظم التكوينات - ولكن يجب عليك إدخال الحقل #1 بنفسك:

5. قم بتحميل النموذج الخاص بك (مثال: في LMStudio، Ollama) أو احصل على مفتاح API الخاص بك (مثال لـ OpenAI) الذي تختاره وتأكد من تعيين نافذة السياق الخاصة به لتتجاوز بشكل مريح القيمة التي تدخلها في حقول TOKENS_INPUT لشونيا نت سنتينل. البرنامج مصمم حالياً ليكون متوافقاً مع LMStudio وOllama وOpenAI (عبر مفتاح API). ثم، اذهب إلى "Additional Settings" في شونيا نت سنتينل وقم بملء الحقول التالية وفقاً لحل LLM الخاص بك:

LMSTUDIO

• LLM_PROVIDER = lmstudio
• LLM_BASE_URL = <رابط خادم LMStudio الخاص بك، مثال: http://localhost:1234/v1>
• LLM_MODEL = <اختياري. أوصي بترك هذا فارغاً وتحميل النموذج الخاص بك في LMStudio مباشرة. إذا كان لا بد من ذلك، فإن التنسيق يكون مثل: lmstudio-community/mistral-7b-instruct>
• LLM_API_KEY = <اترك هذا فارغاً، ما لم تستخدم مفتاح مصادقة>

OLLAMA

• LLM_PROVIDER = ollama
• LLM_BASE_URL = <رابط خادم LMStudio الخاص بك، مثال: http://localhost:11434/v1>
• LLM_MODEL = llama3
• LLM_API_KEY = = <اترك هذا فارغاً/فارغ>

OPENAI (عبر مفتاح API)

• LLM_PROVIDER = openai
• LLM_BASE_URL = (لا يهم: هذا الحقل يتم تجاهله)
• LLM_MODEL = gpt-4o-mini
• LLM_API_KEY = sk-xxxx

6. تم! - الآن انقر على القطة! (...أو اضغط "Fetch / Send"، أو فقط انتظر عدد الثواني الذي قمت بتعيينه في FETCH_INTERVAL)

ملاحظة: أوصي بإبقاء الأمور بسيطة في التشغيل الأول. استخدم الإعدادات الافتراضية وتأكد من أنها تعمل. ثم، قم بتعديل السياق وخلاصات RSS. ثم، قم بتعديل الـ prompt. سأكون فضولياً لرؤية الـ prompts المحسّنة للأشخاص….

النصائح والحيل والمشكلات المعروفة

المشكلات/التحذيرات:

• ينتهي سنتينل تلقائياً على ويندوز 11 بعد بضع ساعات. لا أعرف السبب. لا تظهر أية أخطاء. لا يواجه هذه المشكلة على ماك أو لينكس - وربما سيكون نظامك مختلفاً! إذا واجهت هذه المشكلة واضطررت لاستخدام ويندوز، فأوصي بإعداد صندوق افتراضي مع لينكس/أوبونتو (أو اقتراح حل أفضل، إذا كان لديك واحد!). ملاحظة، سيعمل هذا البرنامج بشكل جيد على raspberry pi!
• خيارات التكوين السيئة يمكن أن تفرط في تحميل LLM أو الأجهزة الخاصة بك. تأكد من أن LLM الخاص بك يمكنه معالجة والرد بشكل موثوق أسرع من فترة سحب RSS الخاصة بك.
• LMStudio قامت مؤخراً بتطبيق ميزة ("parallel") لتمكين LLM من قبول ومعالجة أكثر من prompt واحد في وقت واحد. قم بإيقاف تشغيل هذا حتى تختبره مع هذا التطبيق، وإلا فقد تتعطل مع أخطاء انتهاء المهلة وتراكم مستمر لمعالجة الـ prompts.
• يظهر رسالة خطأ في بعض الأحيان عند إغلاق التطبيق على ماك أو إس، ربما أيضاً على لينكس. لا يبدو أنه يؤثر على كيفية عمل البرنامج أو استقراره. لقد أصلحت هذا مرة واحدة، لكنه عاد. سأصلحه مرة أخرى ...في وقت ما.
• رابط بطيء أو 404 قد يبطئ سحب الخلاصة، لذا راقب سجلاتك من وقت لآخر لإزالتها. قوائم RSS الافتراضية تتضمن بعضاً من هذه، لكنها مقبولة.

الاقتراحات:

• أول Fetch/Send هو اختبار ضغط: يسحب الحد الأقصى لحجم الخلاصة لإعداداتك وبالتالي من المحتمل أن يحتوي على معلومات قديمة. ومع ذلك، هذه طريقة جيدة لاختبار ما إذا كان كل شيء يعمل، وفهم أطول وقت معالجة للـ prompt لديك، والحصول على عينة لكيفية أداء الـ prompt وقائمة RSS وقائمة المواضيع.
• بعض نماذج "التفكير" تنتج ردوداً غير صحيحة أو تعلق في حلقات. أوصي بإيقاف التفكير أولاً. ضبط التفكير على "low" يعمل بشكل جيد مع GPT OSS.
• هناك جميع أنواع الحيل لبث الخلاصات التي لا تحتوي على RSS افتراضياً (مثال: ابحث في RSSBridge). أيضاً، يمكن تحويل بعض المواقع الاجتماعية إلى خلاصات RSS تلقائياً (مثال: إضافة .rss إلى رابط ريديت، أو /RSS إلى رابط ملف بلو سكاي).
• بعض المواقع، ريديت على وجه التحديد، ستحد من معدل سحبات RSS الخاصة بك. لتقليل هذه المشكلة، أوصي بشدة بتوزيع عشوائي لترتيب قائمة روابط RSS الخاصة بك بحيث لا تضرب نفس الموقع بسرعة كبيرة.

الحالة

ألفا

الترخيص

هذا المشروع مرخص بموجب Apache 2.0.

الإسناد: ShunyaNet / EverythingsComputer

بدون ضمان: البرنامج يُقدم "كما هو"، دون أي ضمان من أي نوع، صريحاً أو ضمنياً.

الاعتماديات

يستخدم هذا المشروع مكتبات الطرف الثالث التالية. يرجى مراجعة تراخيصها عند استخدام و/أو توزيع و/أو تعديل هذا المشروع:

• PySide6 — LGPL
• feedparser — BSD
• requests — Apache 2.0
• python-dateutil — BSD

أصل الاسم

قطتي.