把开源项目的真实变化，变成可理解、可练习、可复习的学习路径。
从项目雷达开始，到 Change Brief、Learning Task 和 Review Card，形成一条可追溯的学习闭环。
跑起来 · 改成你的行业 · 它是怎么工作的 · 文档 · 社区交流
RaderLearning 是一个面向个人开发者的开源学习工作区。它跟踪 GitHub Release、Issue、Pull Request、官方文档和 Changelog，把项目变化整理成有证据的学习内容：
Project → Change Event → Change Brief → Learning Task → Review Card
它关注的不是“再生成一篇摘要”，而是让每条重要变化回答三个问题：发生了什么、为什么需要关心、怎样证明自己理解了。Radar 负责发现变化，Change Brief 解释影响，Learning Task 让读者完成一次安全练习，Review Card 把错误和复习时间留在自己的 Workspace 里。
这个仓库保留了完整的采集、判重、归组、来源快照、公开 API 和 Web 界面。内容必须能回到原始来源，来源冲突会显示为 disputed，证据不足时不会生成看似确定的结论。
- 来源先于模型。 模型可以帮助分类和解释，但不能补写来源没有说过的事实；每个 Change Brief 都保留来源链接和证据片段。
- 学习先于消费。 页面按“变化 → 影响 → 练习 → 复习”组织，而不是让读者停在一段摘要上。
- 本地优先。 项目和公开变化存放在服务端，个人保存项、任务结果、复习卡和笔记存放在当前浏览器；V0 不需要账号，也不做云端同步。
- 安全边界清晰。 V0 不执行用户代码；读者打开页面不会触发模型调用，模型只在后端任务中运行。
flowchart LR
P[Project] --> E[Change Event]
E --> B[Change Brief]
B --> T[Learning Task]
T --> R[Review Card]
R --> W[(Browser Workspace)]
这张图把设计原则放回一条真实的学习路径：你选择项目和目标，RaderLearning 保存可追溯证据，把相关变化归成事件，解释影响，提供不执行代码的练习，再把你的理解留在本地复习里。你用什么、怎么用、愿意回看多深，决定了最后能学到什么。
开源是因为每个人关注的项目和学习目标都不一样。你知道哪些信源值得盯、哪些变化会影响自己的系统，也知道哪些概念需要反复练习；RaderLearning 把采集、证据和学习循环交给你配置。
- 这是一份快照。 它来自 RaderLearning 正在线上跑的代码，不是精心打磨的通用框架。以后 RaderLearning 的更新，我会尽量同步过来，但没法保证每一次都同步。
- 里面没有 RaderLearning 的运营数据。 仓库带了公开信源和示范配置，够你跑起来看效果；发布自己的站点前，请在
industry/中确认站名、条款和品牌资源。
一条资料从信源进来，先判重，再保留原始快照；可能重要的变化会被归组为 Change Event，经过证据检查后进入 Radar。读者从 Radar 打开 Change Brief，先看发生了什么和为什么重要，再完成一项不执行代码的 Learning Task，最后由本地 Review Card 安排复习。每一步的提示词都在 industry/prompts/，改标准不用改代码；完整运行方式见 V0 runbook。
同一个项目变化可能同时出现在 Release、Pull Request、Changelog 和官方文档里，读者只需要看到一次。RaderLearning 把它们聚成一个Change Event：先用标题摘要的向量（没配向量服务时比文字重合度）找候选，再判断是同一变化、后续进展，还是两件事；拿不准的合并会保留不确定性，不会把猜测写成事实。
重要性按事件算，不按重复快照算：同一来源的重复抓取不会重复计入，独立来源和变化类型会影响排序。每个事件都保留主来源和支持来源，读者可以从 Change Brief 回到原始证据。
项目变化与来源快照由服务端保存，个人保存项、任务结果、复习卡和笔记留在当前浏览器。学习任务只做代码阅读、Diff 判断和迁移选择，不执行任意用户代码；页面阅读也不会触发模型调用。
| 项目雷达 | 关注 GitHub Release、Issue、Pull Request、官方文档和 Changelog；同一个项目变化只保留一个可追踪的 Change Event |
| Change Brief | 用原始来源回答“发生了什么、为什么重要、谁会受影响”；证据不足或来源冲突时明确显示不确定性 |
| Learning Task | 从变化中生成代码阅读、Diff 判断或迁移选择练习；只展示安全材料，不执行任意用户代码 |
| Workspace / Review | 在当前浏览器保存变化、任务结果、复习卡和纯文本笔记；错误回答会更快进入复习，掌握后延后复习 |
| 来源快照 | 保存来源 URL、内容哈希、抓取时间和状态；失败来源不会被伪装成成功内容 |
| 项目来源 | GitHub Release、Issue、Pull Request、官方文档和 Changelog；适配器保留 URL、发布时间、抓取时间、版本和失败状态 |
| 去重与归组 | 同一个项目变化只保留一个可追踪的 Change Event，支持后续进展、来源冲突和不确定性标记 |
| 重要性排序 | 规则先识别 breaking change、deprecation、security、API change、documentation 和 performance，再结合项目关注关系排序 |
| 公开出口 | Radar、Project 页面、公开 API、RSS、Agent Markdown 和 MCP 共用同一份来源发布读取层 |
| 管理员工作台 | 管理项目与来源、运行同步、查看失败快照和任务日志；页面阅读不会触发模型调用 |
| 运行产物 | 继承的日报、周报、月报出口仍可按配置使用，但核心阅读路径是 Radar → Change Brief → Learning Task → Review Card |
RaderLearning 不预设一套所有人都一样的课程。你选择关注什么项目、使用什么工具、打开哪些原始证据、完成哪些练习，决定了你会学到什么。
学习的深度和能力的成长，也取决于你怎样使用它：是只看一眼变化，还是继续读 Change Brief、完成 Learning Task、记录自己的理解，并在 Review 中回来验证。RaderLearning 提供变化、背景、练习和复习的结构，学习的方向、节奏和深度由你自己决定。
What you learn depends on what you use. How deeply you learn depends on you.
截图来自用示范信源跑起来的本地站，站名是默认的 RaderLearning。
想创建自己的独立站点，可以先点 Use this template，再克隆你生成的仓库。想持续合并上游更新或贡献代码，建议先 Fork。下面的命令适合直接试用。
需要 Docker，和一个 OpenAI 兼容的模型 API Key（DeepSeek、千问、智谱都可以）。
git clone https://github.com/ceyyy427/raderlearning.git raderlearning
cd raderlearning
node scripts/init-env.ts --llm-key <你的模型 API Key>
docker compose up -d --build打开 http://localhost:3000。后台在 /admin，管理员密码在 .env 的 ADMIN_PASSWORD 里。一两分钟后开始有内容，第一次导入的资料大约半小时处理完。
机器上没有 Node、服务器在中国大陆、要配域名和 HTTPS，见 部署。
部署后打开 /agent，可以复制 Agent Markdown、MCP、RSS 或 API 的接入方式（默认打开 Agent Markdown，MCP 在 /agent?tab=mcp）。只支持网页读取的 Agent 从 /api/v1/agent 开始，那里列出精选、搜索、热点、事件、日报、周报和月报的 Markdown 地址。结构化数据用 /api/v1/，周报与月报在 /api/v1/weeklies、/api/v1/monthlies，追加 /latest 或一期的 ISO 周、月份即可读取；接口契约在 /openapi-v1.json。这些出口共同遵循文章撤回与全文许可，站名、链接和分类取自你的行业配置。
最省事的办法：打开你的 Agent（Claude Code、Codex 都可以），把这个仓库交给它，然后说：
请读 AGENTS.md 和 docs/customize.md，把这个站改成「法律」行业的热点站。
我关心的是：……（你想盯哪些信源，你觉得什么消息重要、什么不重要，越具体越好）。
要改的东西几乎都在 industry/ 这一个文件夹里，代码基本不用动：
| 文件 | 改什么 |
|---|---|
site.ts |
站名、行业词、首页文案、关于页 |
taxonomy.ts、topics.json |
分类、标签、主题 |
chronicle.ts |
主题页“大事记”的规则；公司的人工历史放 chronicles/（可选） |
sources.json |
首次启动时导入的信源 |
prompts/ |
精选标准和写作要求。你的行业 KnowHow，就写在这里 |
selection.ts |
入选门槛 |
features.ts |
模型榜、Codex 重置监控的开关 |
brand/、pages/ |
图标、使用规则和隐私说明 |
最值得花时间的是评分标准（prompts/selection-score.md）和门槛：拿一两百条你自己标注过的资料，用 scripts/eval-selection.ts 跑一遍，看它选得准不准，再回去改。怎么做写在 精选与校准 里。
| 文档 | 内容 |
|---|---|
| 把它改成你的行业 | 站名、分类、主题与大事记、信源、提示词、门槛、品牌，一步一步来 |
| 信源 | 六种信源怎么配，分级和全文，外部推送接口 |
| 精选与校准 | 一条资料怎么变成精选、怎么编进日报周报月报，怎么用自己的样本校准 |
| 事件归组与关系评测 | 事件关系怎么判断，怎么用自己的 pairwise gold set 评测 |
| 部署 | Docker、域名和 HTTPS、中国大陆、更新、备份、花多少钱 |
| 架构 | 三个进程、几条不变的规则、目录、对外出口 |
| 模型榜与 Codex 重置监控 | 两个 AI 专属模块 |
技术栈：Node.js 24 · TypeScript · React Router（服务端渲染）· Fastify · PostgreSQL · pg-boss · Tailwind CSS · Docker Compose。
部署和使用问题到 问答区，新想法到 想法交流区，欢迎在 作品展示区 分享你做出的行业热点站。
发现 Bug 或有明确的功能建议，可以 提交 Issue。准备改代码前，先看 贡献说明；安全漏洞请走 私密报告入口。
代码使用 MIT 许可证。品牌资产和第三方标志各有自己的许可和商标归属。字体、模型厂商和评测来源的标志各有自己的许可和商标归属，见 NOTICE。
In English: RaderLearning (github.com/ceyyy427/raderlearning) is a local-first learning workspace for individual developers. It tracks open-source project changes, keeps source-backed snapshots, groups them into Change Events, and turns important changes into Change Briefs, safe Learning Tasks, and browser-local Review Cards. Evidence stays linked to the original source, disputed or failed evidence remains visibly uncertain, and V0 executes no arbitrary user code or cloud sync. Use AGENTS.md, docs/customize.md, and the V0 runbook to adapt the workspace to your own projects and learning goals.