Secretary 是一个自动化的社交媒体分析工具，专门用于监控和分析社交媒体平台上的内容，并通过 AI 进行智能分析。该工具能够自动抓取指定账号的最新发言，根据配置的分析提示词进行内容分析，并将分析结果通过企业微信机器人、个人微信号推送给指定用户。通过灵活配置分析提示词，可以针对不同主题（如财经、政治、科技等）进行定制化分析。
- 支持多个社交媒体平台的监控（目前支持 Truth Social 和 Twitter）
- 可配置多个监控账号，每个账号可以设置不同的分析提示词
- 支持自定义分析主题和维度，通过配置提示词实现灵活的分析策略
- 使用 AI 进行内容翻译和分析
- 灵活的消息推送支持：
- 使用 AI 进行内容翻译和分析，支持多种 LLM 模型：
- 支持配置任意符合 OpenAI 接口标准的模型
- 可自定义模型参数（API 地址、密钥等）
- 支持多维度分析，例如：
- 财经分析（市场影响、投资机会等）
- 政治分析（政策影响、国际关系等）
- 科技分析（技术趋势、创新影响等）
- 其他自定义分析维度
- 支持调试模式，方便开发和测试
- 克隆项目到本地：
git clone https://github.com/yourusername/secretary.git
cd secretary- 安装并配置 uv（推荐）：
# 安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh
# 使用 uv 安装依赖
uv sync或者使用传统的 venv 方式（不推荐）：
python -m venv .venv
source .venv/bin/activate # Linux/Mac
# 或
.venv\Scripts\activate # Windows
pip install -e .- 配置环境变量：
创建
.env文件并添加以下配置：
# Redis 配置
REDIS_URL=redis://your_redis_url
# Truth Social 配置
TRUTHSOCIAL_TOKEN=your_truthsocial_token
# Twitter 配置
TWITTER_USERNAME=your_twitter_username
TWITTER_PASSWORD=your_twitter_password
# LLM API 配置
LLM_API_MODEL=your_model_name
LLM_API_KEY=your_api_key
LLM_API_BASE=your_api_base_url
# 企业微信机器人配置（可配置多个）
ENABLE_WECOM_BOT=true
WECOM_TRUMP_ROBOT_ID=your_wecom_robot_id_1
WECOM_FINANCE_ROBOT_ID=your_wecom_robot_id_2
# 个人微信号配置
ENABLE_WECHAT_BOT=true
WECHAT_ROBOT_IP=your_wechat_robot_ip
WECHAT_ROBOT_TOKEN=your_wechat_robot_token
WECHAT_ROBOT_APP_ID=your_wechat_robot_app_id
WECHAT_ROBOT_CHATROOM_ID=your_wechat_robot_chatroom_id
# QQ 群机器人配置
ENABLE_QQ_BOT=true
QQ_BOT_URL=your_qq_bot_url
QQ_BOT_GROUP_ID=your_qq_group_id
# 调试模式（可选）
DEBUG=1
# LLM 处理失败时的最大重试次数，默认为 3
LLM_PROCESS_MAX_RETRIED=3
- 配置监控账号：
创建
config/social-networks.yml文件，配置需要监控的社交媒体账号：
social_networks:
- type: truthsocial
socialNetworkId: realDonaldTrump
prompt: >-
你现在是一名财经专家，请对以下美国总统的发言进行分析，并给按我指定的格式返回分析结果。
这是你需要分析的内容：{content}
这是输出格式的说明：
{
"is_relevant": "是否与财经相关，且与美股市场或美债市场或科技股或半导体股或中国股票市场或香港股票市场或人民币兑美元汇率或中美关系相关。如果相关就返回1，如果不相关就返回0。只需要返回1或0这两个值之一即可",
"analytical_briefing": "分析简报"
}
其中analytical_briefing的值是一个字符串，它是针对内容所做的分析简报，仅在is_relevant为1时会返回这个值。
analytical_briefing的内容是markdown格式的，它需要符合下面的规范
```markdown
原始正文，仅当需要分析的内容为英文时，这部分内容才会以markdown中引用的格式返回，否则这部分的内容为原始的正文
翻译后的内容，仅当需要分析的内容为英文时，才会有这部分的内容。
## Brief Analysis
分析结果。这部分会展示一个列表，列表中分别包含美股市场、美债市场、科技股、半导体股、中国股票市场、香港股票市场、人民币兑美元汇率、中美关系这8个选项。
每个选项的值为分别为📈利多和📉利空。如果分析内容对于该选项没有影响，就不要针对这个选项返回任何内容。
## Summarize
这部分需要用非常简明扼要的文字对分析结果进行总结，以及解释为什么在上面针对不同选项会得出不同的结论。
```
weComRobotId: $WECOM_TRUMP_ROBOT_ID
sendToWeChat: true
- type: twitter
socialNetworkId:
- myfxtrader
- zaobaosg
- business
- HAOHONG_CFA
prompt: >-
你现在是一名财经专家，请对以下财经博主的发言进行分析，并给按我指定的格式返回分析结果。
# ... 其他配置与上面类似 ...
weComRobotId: $WECOM_FINANCE_ROBOT_ID
⚠️ 重要提示：
- 在配置 prompt 时，必须确保大模型返回的结果是一个合法的 JSON 字符串，并且包含以下两个必需属性：
is_relevant：表示内容是否相关，值为 1 或 0analytical_briefing：分析简报内容，仅在is_relevant为 1 时返回- 在配置企业微信机器人 ID 时，需要使用
$前缀来引用环境变量，例如：$WECOM_TRUMP_ROBOT_ID如果返回的 JSON 格式不正确或缺少必需属性，程序将无法正常处理分析结果。
环境变量说明：
REDIS_URL: Redis 数据库连接地址，用于数据缓存TRUTHSOCIAL_TOKEN: Truth Social 平台的访问令牌TWITTER_USERNAME: Twitter 平台的用户名TWITTER_PASSWORD: Twitter 平台的密码TWITTER_SESSION: 之前登录过的 Twitter 平台的登录票据LLM_API_MODEL: 使用的 LLM 模型名称LLM_API_KEY: LLM API 密钥LLM_API_BASE: LLM API 基础地址LLM_PROCESS_MAX_RETRIED: LLM 处理失败时的最大重试次数，默认为 3ENABLE_WECOM_BOT: 是否启用企业微信机器人，值为 true/falseWECOM_*_ROBOT_ID: 企业微信机器人的 ID，可以配置多个（如 WECOM_TRUMP_ROBOT_ID, WECOM_FINANCE_ROBOT_ID 等）ENABLE_WECHAT_BOT: 是否启用个人微信机器人，值为 true/falseWECHAT_ROBOT_IP: 个人微信部署服务器 IP/域名WECHAT_ROBOT_TOKEN: 个人微信 Gewechat 会话 TokenWECHAT_ROBOT_APP_ID: 个人微信部署设备唯一 IDWECHAT_ROBOT_CHATROOM_ID: 个人微信群聊 ID，也可以为好友 IDENABLE_QQ_BOT: 是否启用QQ机器人，值为 true/falseQQ_BOT_URL: QQ机器人 HTTP 服务器地址QQ_BOT_GROUP_ID: QQ群号DEBUG: 调试模式开关，设置为 1 时启用调试模式
环境变量支持两种引用格式：
${VAR}格式：例如${WECOM_TRUMP_ROBOT_ID}$VAR格式：例如$WECOM_TRUMP_ROBOT_ID
这两种格式可以在 YAML 配置文件中的任何值中使用，包括但不限于：
- 企业微信机器人 ID
- 社交媒体账号 ID
- API 密钥
- 其他配置项
系统会自动递归处理所有配置项中的环境变量，将其替换为对应的环境变量值。如果环境变量不存在，将替换为空字符串。
例如，以下配置都是合法的：
social_networks:
- type: truthsocial
socialNetworkId: $TRUTH_SOCIAL_ID
apiKey: ${API_KEY}
weComRobotId: $WECOM_ROBOT_ID
customField: "前缀_${CUSTOM_VAR}_后缀"创建 config/social-networks.yml 文件，配置需要监控的社交媒体账号：
social_networks:
- type: truthsocial
socialNetworkId: realDonaldTrump
prompt: >-
你现在是一名财经专家，请对以下美国总统的发言进行分析，并给按我指定的格式返回分析结果。
这是你需要分析的内容：{content}
这是输出格式的说明：
{
"is_relevant": "是否与财经相关，且与美股市场或美债市场或科技股或半导体股或中国股票市场或香港股票市场或人民币兑美元汇率或中美关系相关。如果相关就返回1，如果不相关就返回0。只需要返回1或0这两个值之一即可",
"analytical_briefing": "分析简报"
}
其中analytical_briefing的值是一个字符串，它是针对内容所做的分析简报，仅在is_relevant为1时会返回这个值。
analytical_briefing的内容是markdown格式的，它需要符合下面的规范
```markdown
原始正文，仅当需要分析的内容为英文时，这部分内容才会以markdown中引用的格式返回，否则这部分的内容为原始的正文
翻译后的内容，仅当需要分析的内容为英文时，才会有这部分的内容。
## Brief Analysis
分析结果。这部分会展示一个列表，列表中分别包含美股市场、美债市场、科技股、半导体股、中国股票市场、香港股票市场、人民币兑美元汇率、中美关系这8个选项。
每个选项的值为分别为📈利多和📉利空。如果分析内容对于该选项没有影响，就不要针对这个选项返回任何内容。
## Summarize
这部分需要用非常简明扼要的文字对分析结果进行总结，以及解释为什么在上面针对不同选项会得出不同的结论。
```
weComRobotId: $WECOM_TRUMP_ROBOT_ID
sendToWeChat: true
- type: twitter
socialNetworkId:
- myfxtrader
- zaobaosg
- business
- HAOHONG_CFA
prompt: >-
你现在是一名财经专家，请对以下财经博主的发言进行分析，并给按我指定的格式返回分析结果。
# ... 其他配置与上面类似 ...
weComRobotId: $WECOM_FINANCE_ROBOT_ID
⚠️ 重要提示：
- 在配置 prompt 时，必须确保大模型返回的结果是一个合法的 JSON 字符串，并且包含以下两个必需属性：
is_relevant：表示内容是否相关，值为 1 或 0analytical_briefing：分析简报内容，仅在is_relevant为 1 时返回- 在配置企业微信机器人 ID 时，需要使用
$前缀来引用环境变量，例如：$WECOM_TRUMP_ROBOT_ID如果返回的 JSON 格式不正确或缺少必需属性，程序将无法正常处理分析结果。
- 确保已正确配置环境变量和监控账号
- 运行主程序：
python main.py程序会自动：
- 抓取配置的社交媒体账号的最新发言
- 根据每个账号配置的提示词进行 AI 分析和翻译
- 生成分析报告
- 通过配置的企业微信机器人、个人微信推送分析结果
分析结果将以 Markdown 格式推送，包含：
- 发言时间
- 原文内容（如果是英文内容会以引用格式显示）
- 中文翻译（仅当原文为英文时显示）
- 分析结果（根据提示词配置的格式）
- 分析总结
- 确保网络连接正常
- 企业微信机器人、个人微信需要正确配置，未配置则不会发送
- 建议使用 Python 3.11 或更高版本
- 需要有效的企业微信机器人 ID
- 调试模式下，消息将直接打印到控制台而不会发送
- 每个监控账号可以配置不同的分析提示词和推送目标
- 提示词配置决定了分析的主题和维度，可以根据需求灵活调整
- Twitter登录后会生成会话文件（*.tw_session），该文件已被添加到.gitignore中，不会被提交到代码仓库
- 当 LLM 返回的 JSON 格式无法解析时，系统会自动重试，重试次数由环境变量
LLM_PROCESS_MAX_RETRIED控制，默认为 3 次 - 如果重试次数用完仍然无法解析 JSON，系统会跳过当前内容的处理并继续处理下一条内容
本项目采用 MIT 许可证。详见 LICENSE 文件。