ShunyaNet Sentinel (अद्यतन: 03/02/2026)

ShunyaNet Sentinel एक हल्का, साइबरपंक-थीम वाला प्रोग्राम है जो RSS फ़ीड (जैसे, ब्रेकिंग न्यूज़, सोशल मीडिया) को ग्रहण करता है, उन्हें विश्लेषण के लिए LLM को भेजता है, और नियमित अंतराल पर GUI और Slack पर सीधे अलर्ट और सारांश रिपोर्ट प्रदान करता है।

यह प्रोजेक्ट उसी मशीन या नेटवर्क (जैसे, Tailscale के साथ) पर स्थानीय रूप से होस्ट किए गए LLM का उपयोग करने के लिए बनाया गया है, जो LMStudio या Ollama (02/23 Update) का उपयोग करता है। यह OpenAI API key (02/23 Update) के साथ भी काम करेगा।

अलर्टिंग के लिए, प्रोग्राम Slack Webhooks का उपयोग करता है, जो मोबाइल डिवाइस पर पुश नोटिफिकेशन भेजने में सक्षम बनाता है।

ShunyaNet Sentinel Linux, MacOS और Windows के नवीनतम संस्करणों के साथ संगत है*

रिपोर्टिंग और विश्लेषण की गुणवत्ता प्रॉम्प्ट, कॉन्टेक्स्ट साइज़, RSS फ़ीड और चुने गए LLM से प्रभावित होती है। यह अनुशंसा की जाती है कि आप thinking सुविधाओं को बंद कर दें। जो मॉडल अच्छा प्रदर्शन करते प्रतीत हुए हैं और आम तौर पर निर्देशों का पालन करते हैं, उनमें शामिल हैं:

• GPT OSS 20b (LMStudio में thinking को LOW पर सेट करें)
• GPT OSS 120b (संभवतः बहुत ज़्यादा है)
• Hermes 4 70b (मेरा पसंदीदा)
• Gemma 3 27b it abliterated (mlabonne का संस्करण)
• Qwen3 32b और/या VL 30b (मुझे याद नहीं कौन सा...)

*दृढ़ता से macOS या Linux सुझाया गया है। नीचे ज्ञात समस्याएँ देखें।

महत्वपूर्ण जानकारी के लिए अंत में टिप्स, ट्रिक्स और ज्ञात समस्याएँ देखें!

उच्च-स्तरीय कार्यप्रवाह

1. उपयोगकर्ता रुचि के विषय दर्ज करता है
2. उपयोगकर्ता RSS फ़ीड की एक सूची प्रदान करता है
3. Sentinel उपयोगकर्ता द्वारा कॉन्फ़िगर किए गए समय अंतराल पर RSS फ़ीड खींचता है
4. RSS सामग्री उपयोगकर्ता द्वारा प्रदान किए गए LLM सर्वर को भेजी जाती है
5. LLM फ़ीड की समीक्षा करता है और रुचि के प्रासंगिक विषयों पर Sentinel को रिपोर्ट करता है
6. यदि Slack webhook कॉन्फ़िगर किया गया है, तो अलर्ट अग्रेषित किए जाते हैं और नोटिफिकेशन ios/android पर एक्सेस किए जा सकते हैं (अक्सर संदर्भित RSS सामग्री के लाइव लिंक के साथ)
7. वैकल्पिक बल्क विश्लेषण समय के साथ रुझानों की पहचान करता है

मुख्य क्षमताएँ

RSS फ़ीड मॉनिटरिंग

• RSS फ़ीड का आवधिक पोलिंग
• डीडुप्लिकेशन और टाइमस्टैम्प ट्रैकिंग
• धीमी या दोषपूर्ण फ़ीड को संभालता है (...यहाँ और काम किया जाना बाकी है)

LLM-आधारित विश्लेषण (वैकल्पिक)

• RSS फ़ीड आइटम को स्थानीय/API LLM एंडपॉइंट पर भेजता है
• प्रॉम्प्ट-संचालित वर्गीकरण, सारांशीकरण, फ़िल्टरिंग
• किसी भी OpenAI-संगत /v1/chat/completions एंडपॉइंट के साथ काम करता है, LMStudio के लिए डिज़ाइन किया गया

अलर्टिंग / सिग्नल जनरेशन

• Slack webhook समर्थन (webhook सेटअप जानकारी के लिए, यहाँ जाएँ: https://docs.slack.dev/messaging/sending-messages-using-incoming-webhooks/)
• ऑटोमेशन के लिए उपयुक्त संरचित आउटपुट
• बड़े वर्कफ़्लो में एकीकरण के लिए डिज़ाइन किया गया

स्थानीय और स्व-होस्टेड

• RSS फ़ीड पोलिंग या Slack को जवाब भेजने (वैकल्पिक) के अलावा, सारी जानकारी आपके नियंत्रण वाले हार्डवेयर पर ही रहती है

आवश्यकताएँ

• Python 3.10+
• requirements.txt में सूचीबद्ध निर्भरताएँ:
  • PySide6==6.10.0
  • feedparser==6.0.12
  • requests==2.31.0
  • python-dateutil==2.9.0.post0

LLM होस्ट किया गया:

• LM Studio-होस्टेड (अनुशंसित)
• Ollama
• OpenAI API key
• (जल्द ही कुछ और आ रहे हैं)

स्थापना

1. रिपॉजिटरी क्लोन करें (...या ज़िप डाउनलोड करें) और फ़ोल्डर में जाएँ

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

2. (दृढ़ता से अनुशंसित) वर्चुअल एनवायरमेंट बनाएँ

macOS / Linux:

python3 -m venv venv
source venv/bin/activate

Windows (PowerShell):

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

3. आवश्यकताएँ स्थापित करें

pip install -r requirements.txt

4. चलाएँ

macOS / Linux:

python3 ShunyaNet_Sentinel.py

Windows:

python ShunyaNet_Sentinel.py

त्वरित प्रारंभ (LMStudio के साथ) (अद्यतन 02/23)

1. "Load Prompt File" पर क्लिक करें और default_prompt.txt लोड करें
2. "Load Data Source File" पर क्लिक करें और Default_test RSS सूची लोड करें
3. "Additional Settings" खोलें और दर्ज करें:
   • LM_PROVIDER = lmstudio
   • LLM_BASE_URL = <आपका LMSTUDIO सर्वर IP, जैसे: http://x.x.x.x:port/v1>
   • LLM_MODEL = <मैं अनुशंसा करता हूँ कि आप इसे खाली छोड़ दें। बस चरण 4 का पालन करें>
   • API_KEY = <खाली छोड़ें, जब तक कि आपने अपने सर्वर के लिए कोई सेट न किया हो>
4. LM Studio में मॉडल लोड करें। सर्वर सेटिंग्स में "Serve on Local Network" चालू करें। सुझाव:
   • "Load Model"/मॉडल चयन विंडो में, "Manually choose model load parameters" चालू करें
   • अपने मॉडल के लोड पैरामीटर विंडो में, Max Concurrent Predictions को 1 पर सेट करें (अभी के लिए)
   • अनुमान टैब में, यदि वह सेटिंग उपलब्ध है, तो thinking को बंद या न्यूनतम करें
   • एक मध्यम आकार का मॉडल जो अच्छा काम करता है: gpt-oss-20b। Thinking को "low" पर सेट करें
5. बिल्ली पर क्लिक करें! (...या बस Fetch / Send दबाएँ)

पूर्ण निर्देश और कॉन्फ़िग (अद्यतन 03/02/2026)

1. रुचि के विषय दर्ज करें, या प्रदान की गई डिफ़ॉल्ट सूचियों में से एक लोड करें। प्रत्येक सूची में अधिकतम 10 विषय जोड़े जा सकते हैं।

2. प्रॉम्प्ट फ़ाइल लोड करने के लिए “Load Prompt File” पर क्लिक करें। एक डिफ़ॉल्ट प्रॉम्प्ट प्रदान किया गया है (default_prompt.txt)।

   1. आपको इस प्रॉम्प्ट को ट्वीक और संशोधित करने के लिए प्रोत्साहित किया जाता है - यह रिपोर्टिंग की गुणवत्ता और शोर के बीच सिग्नल की पहचान करने की LLM की क्षमता में काफी सुधार कर सकता है। यहाँ अनुकूलन के लिए बहुत जगह है।
   2. एक 'default_prompt-always-reply.txt' प्रयोगात्मक फ़ोल्डर में शामिल है। यह पुराना है, लेकिन आप इसका उपयोग LLM के विश्लेषण को डीबग/टेस्ट करने और यह सुनिश्चित करने के लिए कर सकते हैं कि यह सही प्रारूप में कुछ रिपोर्ट कर रहा है।
   3. अद्यतन 03/02/2026 एक 'default_Summary-Report-Only_prompt.txt' प्रॉम्प्ट भी प्रदान किया गया है। यह संस्करण शोर से सिग्नल चुनने का प्रयास नहीं करता है, बल्कि प्रासंगिक फ़ीड की अधिक मात्रा का सारांश प्रस्तुत करता है जब सूचना स्थान ऑन-टॉपिक डेटा से समृद्ध होता है। इस प्रकार, यह उस "घटना" के बाद अधिक उपयोगी है जिसे आप ढूंढ रहे हैं। इसका उपयोग कम बार करना सबसे अच्छा है (जैसे, तेज़ी से चलने वाली और व्यापक रूप से रिपोर्ट की गई घटना के लिए हर आधे घंटे में, या कम रिपोर्ट किए गए डेटा वाली चीज़ के लिए हर कुछ घंटों में) और प्रॉम्प्ट और रिप्लाई के लिए बड़े टोकन भत्ते के साथ।

3. RSS सूची लोड करने के लिए “Load Data Source File” पर क्लिक करें। दो डिफ़ॉल्ट सूचियाँ प्रदान की गई हैं। एक छोटी “Default_test” सूची और एक लंबी “Default_long” सूची, जो दुनिया भर के समाचारों और ब्रेकिंग न्यूज़ पर केंद्रित है।

   1. अपने क्षेत्र या रुचि के विषयों के अनुसार अपनी स्वयं की सूचियाँ तैयार करना सूचना के आउटपुट को महत्वपूर्ण रूप से प्रभावित करेगा। एक उदाहरण क्षेत्र-केंद्रित सूची जो मैंने एक हालिया यात्रा के लिए उपयोग की थी, प्रदान की गई है ('India_regional_example-v1.txt')। एक उदाहरण ईरान-संघर्ष सूची भी शामिल है।
   2. Reddit और Blue-sky को आसानी से RSS फ़ीड में परिवर्तित किया जा सकता है। RSSBridge जैसे प्रोग्राम उन वेबसाइटों और सोशल मीडिया (जैसे, टेलीग्राम) से RSS फ़ीड उत्पन्न कर सकते हैं जिनमें एक नहीं है।
   3. “Default_test” सूची विभिन्न RSS फ़ीड की एक छोटी सूची है। इसका उद्देश्य पहले RSS पुल को त्वरित और छोटा रखना है, ताकि आप निदान कर सकें कि सभी भाग जिस तरह से काम करने चाहिए वैसे काम कर रहे हैं या नहीं।

4. "Additional Settings" में, निम्नलिखित फ़ील्ड सेट करें। ये प्रोग्राम बंद करने और पुनरारंभ करने पर सहेजे जाएँगे और बने रहेंगे। डिफ़ॉल्ट सेटिंग्स अधिकांश कॉन्फ़िगरेशन के साथ काम करेंगी - लेकिन आपको अभी भी फ़ील्ड #1 स्वयं दर्ज करना होगा:

6. अपना मॉडल लोड करें (जैसे, LMStudio, Ollama में) या अपनी API कुंजी प्राप्त करें (जैसे, OpenAI के लिए) और सुनिश्चित करें कि इसका कॉन्टेक्स्ट विंडो ShunyaNet Sentinel में TOKENS_INPUT फ़ील्ड में दर्ज किए गए मान से आराम से अधिक हो। प्रोग्राम वर्तमान में LMStudio, Ollama और OpenAI (API कुंजी के माध्यम से) के साथ संगत होने के लिए डिज़ाइन किया गया है। फिर, ShunyaNet Sentinel में "Additional Settings" पर जाएँ और अपने LLM समाधान के अनुसार निम्नलिखित फ़ील्ड भरें:

LMSTUDIO

• LLM_PROVIDER = lmstudio
• LLM_BASE_URL = <आपका LMStudio सर्वर URL, जैसे: http://localhost:1234/v1>
• LLM_MODEL = <वैकल्पिक। मैं अनुशंसा करता हूँ कि इसे खाली छोड़ दें और अपना मॉडल सीधे LMStudio में लोड करें। यदि आपको करना ही है, तो प्रारूप इस प्रकार है: lmstudio-community/mistral-7b-instruct>
• LLM_API_KEY = <इसे खाली छोड़ें, जब तक कि आप प्रमाणीकरण कुंजी का उपयोग न करें>

OLLAMA

• LLM_PROVIDER = ollama
• LLM_BASE_URL = <आपका LMStudio सर्वर URL, जैसे: http://localhost:11434/v1>
• LLM_MODEL = llama3
• LLM_API_KEY = <इसे खाली/रिक्त छोड़ें>

OPENAI (API कुंजी के माध्यम से)

• LLM_PROVIDER = openai
• LLM_BASE_URL = (कोई फर्क नहीं पड़ता: इस फ़ील्ड को अनदेखा किया जाता है)
• LLM_MODEL = gpt-4o-mini
• LLM_API_KEY = sk-xxxx

7. हो गया! - अब बिल्ली पर क्लिक करें! (...या "Fetch / Send" दबाएँ, या बस FETCH_INTERVAL में सेट किए गए सेकंड की संख्या तक प्रतीक्षा करें)

नोट: मैं अनुशंसा करता हूँ कि पहले रन के लिए इसे सरल रखें। डिफ़ॉल्ट सेटिंग्स का उपयोग करें और सुनिश्चित करें कि यह काम करता है। फिर, कॉन्टेक्स्ट और RSS फ़ीड को ट्वीक करें। फिर, प्रॉम्प्ट को समायोजित करें। मुझे लोगों के बेहतर प्रॉम्प्ट देखने में उत्सुकता होगी....

टिप्स, ट्रिक्स और ज्ञात समस्याएँ

समस्याएँ/चेतावनियाँ:

• Windows 11 पर Sentinel कुछ घंटों के बाद स्वतः बंद हो जाता है। पता नहीं क्यों। कोई त्रुटि नहीं फेंकी जाती। Mac या Linux पर यह समस्या नहीं है - और हो सकता है कि आपका सिस्टम अलग हो! यदि आप इस समस्या का सामना करते हैं और Windows का उपयोग करना ही है, तो मैं अनुशंसा करता हूँ कि आप Linux/ubuntu के साथ एक वर्चुअल बॉक्स सेट करें (या कोई बेहतर समाधान सुझाएँ, यदि आपके पास कोई हो!)। नोट, यह प्रोग्राम रास्पबेरी पाई पर ठीक चलेगा!
• खराब कॉन्फ़िगरेशन विकल्प आपके LLM या हार्डवेयर को ओवरलोड कर सकते हैं। सुनिश्चित करें कि आपका LLM आपके RSS पुल अंतराल की तुलना में तेज़ी से प्रसंस्करण और उत्तर दे सकता है।
• LMStudio ने हाल ही में एक LLM के लिए एक साथ एक से अधिक प्रॉम्प्ट स्वीकार करने और संसाधित करने की क्षमता ("parallel") लागू की है। इस ऐप के साथ परीक्षण करने तक इसे बंद कर दें, अन्यथा आप टाइम-आउट त्रुटियों और लगातार प्रॉम्प्ट प्रसंस्करण के बैकलॉग में फंस सकते हैं।
• जब MacOS पर ऐप बंद किया जाता है, तो कभी-कभी एक त्रुटि संदेश फेंका जाता है, हो सकता है Linux पर भी। हालाँकि, ऐसा प्रतीत नहीं होता है कि यह प्रोग्राम के संचालन या इसकी स्थिरता को प्रभावित करता है। मैंने इसे एक बार ठीक किया था, लेकिन यह वापस आ गया। मैं इसे फिर से ठीक करूँगा ...किसी समय।
• एक धीमा या 404 URL फ़ीड पुल को धीमा कर सकता है, इसलिए उन्हें हटाने के लिए समय-समय पर अपने लॉग की निगरानी करें। डिफ़ॉल्ट RSS सूचियों में उनमें से कुछ शामिल हैं, लेकिन यह प्रबंधनीय है।

सुझाव:

• पहला fetch / send एक तनाव परीक्षण है: यह आपकी सेटिंग्स के लिए अधिकतम फ़ीड वॉल्यूम खींचता है और इस प्रकार इसमें पुरानी जानकारी होने की संभावना है। हालाँकि, यह जाँचने का एक अच्छा तरीका है कि सब कुछ काम कर रहा है या नहीं, अपने सबसे लंबे प्रॉम्प्ट प्रसंस्करण समय को समझने के लिए, और यह जानने के लिए कि आपका प्रॉम्प्ट, RSS सूची और विषय सूची कैसा प्रदर्शन करेगी।
• कुछ "thinking" मॉडल दोषपूर्ण उत्तर उत्पन्न करते हैं या लूप में फंस जाते हैं। मैं पहले thinking को बंद करने की अनुशंसा करता हूँ। GPT OSS के लिए thinking को "low" पर सेट करना ठीक काम करता है।
• उन फ़ीड को प्रसारित करने के लिए कई तरह की तरकीबें हैं जिनमें डिफ़ॉल्ट रूप से RSS नहीं है (जैसे, RSSBridge देखें)। साथ ही, कुछ सोशल साइटों को स्वचालित रूप से RSS फ़ीड में परिवर्तित किया जा सकता है (जैसे, Reddit URL में .rss जोड़ना, या Bluesky प्रोफ़ाइल URL में /RSS जोड़ना)।
• कुछ साइटें, विशेष रूप से Reddit, आपके RSS पुल को रेट-लिमिट करेंगी। इस समस्या को कम करने के लिए, मैं दृढ़ता से अनुशंसा करता हूँ कि आप अपनी RSS URL सूची के क्रम को यादृच्छिक (randomize) करें ताकि आप एक ही साइट पर बहुत तेज़ी से न पहुँचें।

स्थिति

Alpha

लाइसेंस

यह प्रोजेक्ट Apache 2.0 के तहत लाइसेंस प्राप्त है।

एट्रिब्यूशन: ShunyaNet / EverythingsComputer

कोई वारंटी नहीं: सॉफ़्टवेयर "जैसा है" प्रदान किया जाता है, बिना किसी प्रकार की वारंटी, स्पष्ट या निहित।

निर्भरताएँ

इस प्रोजेक्ट में निम्नलिखित तृतीय-पक्ष लाइब्रेरी का उपयोग किया गया है। कृपया इस प्रोजेक्ट का उपयोग, वितरण और/या परिवर्तन करते समय उनके लाइसेंस की समीक्षा करें:

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

नाम की उत्पत्ति

मेरी बिल्ली।