ShunyaNet Sentinel (v3.3) — КРУПНОЕ ОБНОВЛЕНИЕ (ОБНОВЛЕНО: 22.10.2026)
ShunyaNet Sentinel — это лёгкая программа в киберпанк-стиле, которая принимает RSS-ленты (срочные новости, социальные сети, правительственные оповещения), отправляет их в LLM для анализа и через регулярные интервалы доставляет оповещения и сводные отчёты в GUI и ваши каналы уведомлений.
Проект использует LLM, размещённую локально на той же машине или в сети (например, через Tailscale), посредством LM Studio, Ollama или llama.cpp — либо OpenAI API. Оповещения работают через Slack, Discord, Telegram, ntfy, любой универсальный вебхук и всплывающие уведомления на рабочем столе (используйте сколько угодно одновременно).
Совместимо с актуальными версиями Linux, macOS и Windows.
Качество отчётов зависит от вашего промпта, размера контекста, RSS-лент и LLM. Возможно, вам потребуется отключить функции «размышления», если они есть в вашей модели. Чаще всего я использую это с Qwen3.8 27B и Qwen3.8 Flash Next. Модели Gemma тоже должны показывать неплохие результаты.
Общий рабочий процесс
- Укажите интересующие темы (мастер настройки проведёт вас через это при первом запуске)
- Предоставьте список RSS-лент (в комплекте есть готовые списки, по одному URL на строку)
- Sentinel опрашивает ленты с заданным вами интервалом
- Содержимое лент отправляется на ваш LLM-сервер
- LLM отбирает оповещения и периодически пишет отчёты о трендах
- Оповещения/сводки попадают в GUI и во все настроенные вами каналы уведомлений (push на телефон через Slack/Discord/Telegram/ntfy)
- Каждый отчёт также сохраняется в виде текстового файла — включая индекс
agent_handoff.json, чтобы скрипты и ИИ-агенты могли использовать вывод Sentinel без обращения к GUI
Основные возможности
- Периодический опрос, загрузка параллельная, но сериализованная по хосту (вежливо по отношению к ограничителям частоты, таким как Reddit)
- Дедупликация по GUID записи; журналирование сбоев по каждому источнику
- Обрабатывает медленные или некорректные ленты, не блокируя интерфейс
Анализ на основе LLM
- Работает с любой совместимой с OpenAI конечной точкой
/v1/chat/completions: LM Studio, Ollama, llama.cpp, OpenAI
- Один файл промпта управляет обоими режимами через секции
#> ALERT / #> SUMMARY / #> MEMORY
- Автоматическое разбиение на части, когда объём загрузки превышает ваш лимит токенов
Оповещения
- Входящий вебхук Slack
- Вебхук канала Discord
- Бот Telegram (токен + chat ID)
- URL темы ntfy (бесплатный push на телефон без аккаунта; можно разместить самостоятельно)
- Универсальный вебхук (отправляет JSON методом POST — Home Assistant, скрипты, что угодно)
- Всплывающие уведомления на рабочем столе через системный трей
- Кнопка Test для каждого канала в разделе Settings → Notifications, использующая только что введённые значения, до сохранения
- Переключатель, отправлять ли также периодические сводки или только мгновенные оповещения
Локальность и самостоятельное размещение
Помимо опроса RSS-лент и отправки ваших уведомлений (и то, и другое необязательно), вся информация остаётся на оборудовании, которое вы контролируете.
Интеграция с агентами / скриптами
Sentinel записывает стабильные машиночитаемые артефакты рядом с каждым отчётом: Report_Output/agent_handoff.json указывает на новейший файл оповещения/сводки и файлы памяти. Любой локальный агент может опрашивать этот единственный JSON-файл, чтобы отслеживать, что видит Sentinel. Полный контракт см. в docs/AGENT-INTEGRATION.md, а также в разделе Help → Agent / Script Integration внутри приложения.
Требования
- Python 3.10+
- Зависимости (см.
requirements.txt): PySide6, feedparser, requests
LLM, размещённая через:
- LM Studio (рекомендуется)
- Ollama
- сервер llama.cpp
- ключ OpenAI API
Установка
1. Клонируйте (или скачайте ZIP) и перейдите в папку
git clone https://github.com/EverythingsComputer/ShunyaNet-Sentinel.git
cd ShunyaNet-Sentinel
2. (Настоятельно рекомендуется) Создайте виртуальное окружение
macOS / Linux:
python3 -m venv venv
source venv/bin/activate
Windows (PowerShell):
python -m venv venv
venv\Scripts\Activate.ps1
3. Установка зависимостей
pip install -r requirements.txt
4. Запуск
macOS / Linux: python3 ShunyaNet_Sentinel.py
Windows: python ShunyaNet_Sentinel.py
Быстрый старт
При первом запуске Sentinel проведёт вас через настройку с помощью пошагового мастера настройки (открыть повторно можно в любой момент через Ctrl+W или Help → Setup Wizard):
- Темы – ваша общая тема и сигналы (по одному в строке). Автосохранение по мере ввода.
- Подключение к модели – выберите провайдера (LM Studio и другие локальные серверы находятся в разделе "OpenAI-compatible"; среди облачных вариантов — OpenAI, Claude, Gemini, OpenRouter, Groq, Mistral, DeepSeek, Together, Grok); мастер показывает, что именно нужно ввести, и содержит кнопку Test Connection, чтобы вы убедились в работоспособности до того, как начнёте на неё полагаться.
- Ленты – одним щелчком загружается встроенный список: Quick-Start (короткий), World News (длинный) или тематический список (AI & Technology, Cybersecurity, Finance & Markets, Climate & Disasters, Health & Outbreaks, Geopolitics & Conflict).
- Подтверждение – проверьте и запустите первую выборку (кнопка действительно выполняет выборку).
Ручная настройка (в обход мастера):
- Введите темы в панели Targeting.
- Выберите отправную точку: Profiles → выберите встроенный профиль темы, а затем File → Bundled Source Lists → выберите соответствующий список лент (или загрузите свой
.txt, по одному RSS URL в строке — загруженный список сохраняется между перезапусками).
- Run → Settings (
Ctrl+,) → вкладка Connection: выберите провайдера, задайте Server URL (пример для LM Studio: http://localhost:1234/v1), нажмите Test Connection, затем Save & Apply.
- Загрузите модель в LM Studio и включите "Serve on Local Network" в Server Settings. Советы:
- В окне Load Model включите "Manually choose model load parameters"
- Установите Max Concurrent Predictions равным 1 (пока что)
- Отключите или сведите к минимуму thinking, если доступно
- Надёжный умеренный выбор: gpt-oss-20b, thinking "low"
- Нажмите на кота! (...или нажмите Fetch / Send с
Ctrl+Enter, или дождитесь обратного отсчёта авто-выборки в строке состояния)
Чтобы отправлять оповещения на телефон: Settings → Notifications → заполните один канал (Slack/Discord/Telegram/ntfy), нажмите Send Test Notification, затем Save & Apply. Подсказки по настройке для каждого сервиса находятся во всплывающих подсказках на этой вкладке.
У каждой настройки есть всплывающая подсказка при наведении; Help (F2) перечисляет сочетания клавиш. Скринсейвер с матричным дождём: F1.
Полные инструкции и конфигурация
- Темы — введите темы в панели Targeting (автосохранение). Сохраняйте именованные наборы как Profiles, чтобы быстро переключать списки отслеживания. Загруженный список лент является частью состояния приложения и сохраняется между перезапусками.