ShunyaNet Sentinel (업데이트: 2026-03-02)

ShunyaNet Sentinel은 가볍고 사이버펑크 테마의 프로그램으로, RSS 피드(예: 속보, 소셜 미디어)를 수집하여 LLM에 전송하고, 분석 결과를 GUI와 Slack으로 정기 간격으로 알림 및 요약 보고서를 제공합니다.

이 프로젝트는 LMStudio 또는 Ollama (02/23 업데이트) 를 사용하여 로컬 머신이나 동일 네트워크(예: Tailscale 사용)에서 호스팅되는 LLM을 활용하도록 설계되었습니다. 또한 OpenAI API 키 (02/23 업데이트) 와도 작동합니다.

알림을 위해 프로그램은 Slack Webhook을 사용하여 모바일 장치로 푸시 알림을 보낼 수 있습니다.

ShunyaNet Sentinel은 최신 버전의 Linux, macOS 및 Windows*와 호환됩니다.

보고 및 분석의 품질은 프롬프트, 컨텍스트 크기, RSS 피드 및 선택한 LLM에 따라 영향을 받습니다. 생각(thinking) 기능은 끄는 것이 좋습니다. 일반적으로 지침을 잘 따르고 성능이 좋은 모델은 다음과 같습니다:

GPT OSS 20b (LMStudio에서 생각을 LOW로 설정)
GPT OSS 120b (아마 과도할 수 있음)
Hermes 4 70b (제가 자주 사용하는 모델)
Gemma 3 27b it abliterated (mlabonne 버전)
Qwen3 32b 및/또는 VL 30b (정확히 기억나지 않음...)

*macOS 또는 Linux를 강력히 권장합니다. 아래 알려진 문제 참조.

중요 사항은 마지막의 팁, 요령 및 알려진 문제 섹션을 참조하세요!

높은 수준의 워크플로우

사용자가 관심 주제를 입력합니다.
사용자가 RSS 피드 목록을 제공합니다.
Sentinel이 사용자가 설정한 시간 간격으로 RSS 피드를 가져옵니다.
RSS 콘텐츠가 사용자가 제공한 LLM 서버로 전송됩니다.
LLM이 피드를 검토하고 관심 주제에 대해 Sentinel에 보고합니다.
Slack webhook이 설정된 경우 알림이 전달되며 iOS/Android에서 알림에 액세스할 수 있습니다(종종 참조된 RSS 콘텐츠에 대한 라이브 링크 포함).
선택적 대량 분석을 통해 시간에 따른 트렌드를 식별합니다.

핵심 기능

RSS 피드 모니터링

RSS 피드 정기적 폴링
중복 제거 및 타임스탬프 추적
느리거나 잘못된 형식의 피드 처리 (...여기에 더 많은 작업이 필요함)

LLM 기반 분석 (선택 사항)

RSS 피드 항목을 로컬/API LLM 엔드포인트로 전송
프롬프트 기반 분류, 요약, 필터링
모든 OpenAI 호환 /v1/chat/completions 엔드포인트와 작동하며 LMStudio용으로 설계됨

알림 / 신호 생성

Slack webhook 지원 (webhook 설정 방법: https://docs.slack.dev/messaging/sending-messages-using-incoming-webhooks/)
자동화에 적합한 구조화된 출력
대규모 워크플로우에 통합하도록 설계됨

로컬 및 자체 호스팅

RSS 피드 폴링 또는 Slack으로의 응답 전송(선택 사항)을 제외한 모든 정보는 사용자가 제어하는 하드웨어에 남아 있습니다.

요구 사항

Python 3.10+
requirements.txt에 나열된 종속성:
- PySide6==6.10.0
- feedparser==6.0.12
- requests==2.31.0
- python-dateutil==2.9.0.post0

LLM 호스팅 방식:

LM Studio 호스팅 (권장)
Ollama
OpenAI API 키
(추가 예정)

설치

1. 저장소 복제 (...또는 Zip 다운로드) 및 폴더로 이동

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

2. (강력 권장) 가상 환경 생성

macOS / Linux:

python3 -m venv venv
source venv/bin/activate

Windows (PowerShell):

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

3. 요구 사항 설치

pip install -r requirements.txt

4. 실행

macOS / Linux:

python3 ShunyaNet_Sentinel.py

Windows:

python ShunyaNet_Sentinel.py

빠른 시작 (LMStudio 사용) (업데이트: 02/23)

"Load Prompt File"을 클릭하고 default_prompt.txt를 로드합니다.
"Load Data Source File"을 클릭하고 Default_test RSS 목록을 로드합니다.
"Additional Settings"를 열고 다음을 입력합니다:
- LM_PROVIDER = lmstudio
- LLM_BASE_URL = <LMSTUDIO 서버 IP, 예: http://x.x.x.x:port/v1>
- LLM_MODEL = <비워 두는 것을 권장합니다. 4단계를 따르세요.>
- API_KEY = <서버에 설정한 키가 없으면 비워 둡니다.>
LM Studio에서 모델을 로드합니다. 서버 설정에서 "Serve on Local Network"를 켭니다. 팁:
- "Load Model"/모델 선택 창에서 "Manually choose model load parameters"를 켭니다.
- 모델 로드 매개변수 창에서 Max Concurrent Predictions를 1로 설정합니다(당분간).
- 추론 탭에서 생각(thinking) 기능을 사용할 수 있으면 끄거나 최소화합니다.
- 적당한 크기로 잘 작동하는 모델: gpt-oss-20b. 생각(thinking)을 "low"로 설정합니다.
고양이를 클릭합니다! (...또는 Fetch / Send를 누릅니다.)

전체 지침 및 설정 (업데이트: 2026-03-02)

관심 주제를 입력하거나 제공된 기본 목록 중 하나를 로드합니다. 각 목록에 최대 10개의 주제를 추가할 수 있습니다.
"Load Prompt File"을 클릭하여 프롬프트 파일을 로드합니다. 기본 프롬프트가 제공됩니다(default_prompt.txt).
1. 이 프롬프트를 수정하고 개선하는 것을 권장합니다. 보고 품질과 LLM이 잡음 속에서 신호를 식별하는 능력을 크게 향상시킬 수 있습니다. 사용자 정의 가능성이 매우 많습니다.
2. experimental 폴더에 'default_prompt-always-reply.txt'가 포함되어 있습니다. 오래되었지만 LLM 분석을 디버깅/테스트하고 올바른 형식으로 응답을 보내는지 확인하는 데 사용할 수 있습니다.
3. UPDATED 03/02/2026 'default_Summary-Report-Only_prompt.txt' 프롬프트도 제공됩니다. 이 버전은 잡음에서 신호를 찾는 대신, 관련 데이터가 풍부한 정보 공간에서 관련 피드의 더 많은 양을 요약하는 데 중점을 둡니다. 따라서 찾고 있는 "사건"이 발생한 후에 더 유용합니다. 또한 덜 자주 사용하는 것이 좋습니다(예: 빠르게 진행되고 널리 보도되는 사건의 경우 30분마다, 덜 보고된 데이터가 있는 경우 몇 시간마다). 프롬프트와 응답에 충분한 토큰 허용량이 필요합니다.
"Load Data Source File"을 클릭하여 RSS 목록을 로드합니다. 두 개의 기본 목록이 제공됩니다. 짧은 "Default_test" 목록과 전 세계 뉴스와 속보에 중점을 둔 긴 "Default_long" 목록입니다.
1. 사용자 지역이나 관심 주제에 맞게 자신만의 목록을 조정하면 정보 출력에 큰 영향을 미칩니다. 최근 여행에서 사용한 지역 중심 목록 예시('India_regional_example-v1.txt')가 제공됩니다. 이란 분쟁 관련 예시도 포함되어 있습니다.
2. Reddit과 Bluesky는 RSS 피드로 쉽게 변환할 수 있습니다. RSSBridge와 같은 프로그램은 RSS 피드가 없는 웹사이트 및 소셜 미디어(예: 텔레그램)에서도 RSS 피드를 생성할 수 있습니다.
3. "Default_test" 목록은 다양한 RSS 피드의 짧은 목록입니다. 첫 RSS 가져오기를 빠르고 짧게 유지하여 모든 구성 요소가 제대로 작동하는지 진단할 수 있도록 합니다.
"Additional Settings"에서 다음 필드를 설정합니다. 이 설정은 프로그램을 종료하고 다시 시작해도 저장됩니다. 기본 설정은 대부분의 구성에서 작동하지만, 필드 #1은 직접 입력해야 합니다:

원하는 모델을 로드(예: LMStudio, Ollama)하거나 API 키를 획득(예: OpenAI) 하고 컨텍스트 창이 ShunyaNet Sentinel의 TOKENS_INPUT 필드에 입력한 값을 충분히 초과하도록 설정합니다. 이 프로그램은 현재 LMStudio, Ollama 및 OpenAI(API 키 사용)와 호환되도록 설계되었습니다. 그런 다음 ShunyaNet Sentinel의 "Additional Settings"로 이동하여 LLM 솔루션에 따라 다음 필드를 적절히 입력합니다:

LMSTUDIO

LLM_PROVIDER = lmstudio
LLM_BASE_URL = <LMStudio 서버 URL, 예: http://localhost:1234/v1>
LLM_MODEL = <선택 사항. 비워 두고 LMStudio에서 직접 모델을 로드하는 것을 권장합니다. 꼭 필요한 경우 형식은 다음과 같습니다: lmstudio-community/mistral-7b-instruct>
LLM_API_KEY = <인증 키를 사용하지 않는 경우 비워 둡니다>

OLLAMA

LLM_PROVIDER = ollama
LLM_BASE_URL = <LMStudio 서버 URL, 예: http://localhost:11434/v1>
LLM_MODEL = llama3
LLM_API_KEY = <비워 둡니다>

OPENAI (API 키 사용)

LLM_PROVIDER = openai
LLM_BASE_URL = (상관없음: 이 필드는 무시됨)
LLM_MODEL = gpt-4o-mini
LLM_API_KEY = sk-xxxx

완료! - 이제 고양이를 클릭하세요! (...또는 "Fetch / Send"를 누르거나 FETCH_INTERVAL에 설정한 시간(초)만큼 기다립니다.)

참고: 첫 번째 실행은 간단하게 유지하는 것이 좋습니다. 기본 설정을 사용하고 작동하는지 확인합니다. 그런 다음 컨텍스트 및 RSS 피드를 조정합니다. 그런 다음 프롬프트를 조정합니다. 개선된 프롬프트를 보게 되어 궁금할 것입니다....

팁, 요령 및 알려진 문제

문제/경고:

Windows 11에서 Sentinel이 몇 시간 후에 자발적으로 종료됩니다. 이유를 알 수 없습니다. 오류가 발생하지 않습니다. Mac 또는 Linux에서는 이 문제가 발생하지 않습니다. 사용자 시스템은 다를 수 있습니다! 이 문제가 발생하고 Windows를 사용해야 하는 경우 Virtual Box에 Linux/Ubuntu를 설정하는 것이 좋습니다(또는 더 나은 해결책이 있다면 알려주세요!). 참고, 이 프로그램은 Raspberry Pi에서도 잘 실행됩니다!
잘못된 구성 선택으로 LLM 또는 하드웨어에 과부하가 걸릴 수 있습니다. LLM이 RSS 가져오기 간격보다 빠르게 안정적으로 처리하고 응답할 수 있는지 확인하세요.
LMStudio는 최근 LLM이 한 번에 둘 이상의 프롬프트를 수락하고 처리할 수 있는 기능("parallel")을 구현했습니다. 이 앱으로 테스트할 때까지 이 기능을 끄십시오. 그렇지 않으면 시간 초과 오류와 계속되는 프롬프트 처리 백로그에 빠질 수 있습니다.
macOS에서 앱을 닫을 때 가끔 오류 메시지가 나타납니다. Linux에서도 마찬가지일 수 있습니다. 프로그램 작동이나 안정성에는 영향을 미치지 않는 것으로 보입니다. 한 번 수정했지만 다시 재발했습니다. 언젠가 다시 수정하겠습니다.
느리거나 404 URL이 피드 가져오기를 느리게 할 수 있으므로 가끔 로그를 모니터링하여 제거하세요. 기본 RSS 목록에도 몇 개 포함되어 있지만 관리할 수 있습니다.

제안:

첫 번째 가져오기/전송은 스트레스 테스트입니다: 설정에 대한 최대 피드 볼륨을 가져오므로 오래된 정보가 포함될 가능성이 높습니다. 그러나 이것은 모든 것이 작동하는지 테스트하고, 가장 긴 프롬프트 처리 시간을 이해하며, 프롬프트, RSS 목록 및 주제 목록이 어떻게 작동하는지 샘플을 얻는 좋은 방법입니다.
일부 "생각(thinking)" 모델은 잘못된 응답을 생성하거나 루프에 빠질 수 있습니다. 먼저 생각 기능을 끄는 것이 좋습니다. 생각을 "low"로 설정하면 GPT OSS에서 잘 작동합니다.
기본적으로 RSS가 없는 피드를 방송하는 다양한 방법이 있습니다(예: RSSBridge 참조). 또한 일부 소셜 사이트는 자동으로 RSS 피드로 변환될 수 있습니다(예: Reddit URL에 .rss 추가, Bluesky 프로필 URL에 /RSS 추가).
일부 사이트(특히 Reddit)는 RSS 가져오기를 속도 제한합니다. 이 문제를 최소화하려면 RSS URL 목록의 순서를 무작위로 지정하여 동일한 사이트에 너무 빠르게 접근하지 않도록 하는 것이 좋습니다.

상태

알파

라이선스

이 프로젝트는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다.

저작자 표시: ShunyaNet / EverythingsComputer

보증 없음: 이 소프트웨어는 명시적이든 묵시적이든 어떠한 종류의 보증 없이 "있는 그대로" 제공됩니다.

종속성

이 프로젝트는 다음 타사 라이브러리를 사용합니다. 이 프로젝트를 사용, 배포 및/또는 수정할 때 해당 라이선스를 검토하십시오:

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

이름의 유래

제 고양이 이름입니다.

LLM_PROVIDER	다음 단계 참조	—	—
LLM_BASE_URL	다음 단계 참조	—	—
LLM_MODEL	다음 단계 참조	—	—
LLM_API_KEY	다음 단계 참조	—	—
SLACK_WEBHOOK_URL	Slack에 알림을 보내기 위한 선택적 Slack webhook URL입니다.	선택 사항	`https://hooks.slack.com/services/...`
MAX_INPUT_TOKENS	RSS 가져오기당 LLM으로 전송되는 최대 토큰 수입니다. 경험적 규칙: 1토큰 ≈ 4자. 모델 컨텍스트 크기를 초과하는 경우 Chunked Mode를 활성화합니다.	4000	LLM의 컨텍스트 창에 따라 신중하게 증가시키세요.
MAX_OUTPUT_TOKENS	LLM이 응답에서 보낼 최대 토큰 수입니다. (참고: 최대/상한이며 목표값이 아닙니다!)	4000	변경하지 않는 것이 좋습니다. 4000은 아마도 여유가 너무 많을 수 있습니다.
MAX_INPUT_TOKENS_BULK	대량 처리 보고를 위해 LLM으로 전송되는 RSS 피드의 최대 토큰 길이입니다. 대량 처리가 활성화되면 RSS 피드가 저장되고 특별한 트렌드 분석 프롬프트(현재 하드코딩된 프롬프트)와 함께 전송됩니다. 청크는 사용되지 않으므로 컨텍스트 한도를 초과하지 않도록 주의하세요.	4000	의미 있는 대량 보고를 위해 증가가 필요할 수 있습니다. VRAM 및 컨텍스트 한도에 부담을 줄 수 있습니다. 처음에는 대량 모드를 비활성화하는 것이 좋습니다.
MAX_OUTPUT_TOKENS_BULK	대량 처리 보고서 자체의 최대 토큰 길이입니다.	4000	의미 있는 대량 보고를 위해 증가가 필요할 수 있습니다. VRAM 및 컨텍스트 한도에 부담을 줄 수 있습니다. 처음에는 대량 모드를 비활성화하는 것이 좋습니다.
FETCH_INTERVAL	RSS 가져오기와 LLM 분석 사이의 시간(초)입니다.	600 (초, 즉 10분)	총 처리 시간보다 낮게 설정하지 마십시오. 그렇지 않으면 백로그가 발생할 수 있습니다.
ITEMS_PER_FEED	사이클당 피드당 가져오는 최대 RSS 항목 수입니다. 이전에 가져온 항목은 무시됩니다.	50	값이 높을수록 첫 번째 가져오기가 커집니다. 대부분의 RSS 피드는 10분마다 20개 이상의 새 항목을 생성하지 않으며, 일부는 훨씬 적습니다.
USE_CHUNKED_MODE	RSS 콘텐츠가 토큰 허용량을 초과하는 경우 자동 분할을 활성화합니다. `1 = On`, `0 = Off`.	1	컨텍스트 오버플로를 방지하지만 청크 간에 이벤트 보고가 중복될 수 있습니다.
CHUNK_SIZE	각 청크의 크기(토큰이 아닌 문자 단위)입니다.	8000	대략적 변환: 4자 ≈ 1토큰. 반복합니다: 이는 문자 단위입니다. 토큰이어야 할까요? 아마도 그렇습니다! 하지만 그렇지 않습니다.
WRITE_TO_FILE	선택 사항. 가져온 모든 RSS 콘텐츠를 외부 벤치마킹, 프롬프트 테스트 또는 모델 비교를 위해 롤링 파일에 기록합니다. 핵심 Sentinel 기능에는 영향을 미치지 않습니다. `1 = On`, `0 = Off`.	0	오프라인 LLM 테스트 및 평가에 유용합니다.
ANALYSIS_WINDOW	각 대량 처리 보고서에 사용되는 시간 간격입니다.	3600 (초, 즉 1시간)	대량 처리가 활성화된 경우에만 사용됩니다.
BULK_ANALYSIS	주기적인 대량 RSS 트렌드 보고서를 활성화합니다. `1 = On`, `0 = Off`. 일반 보고에 비해 매우 실험적입니다. 특수 프롬프트는 현재 하드코딩되어 있습니다.	0	누적된 RSS 피드를 단일 트렌드 분석 보고서를 위해 LLM으로 전송합니다. 처리 부하가 크게 증가할 수 있습니다.

ShunyaNet-Sentinel

인기