每日一句 是 AI Skill Hub 本期精选AI工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
每日一句 依赖 Markdown 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Markdown 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 每日一句 的版本更新，及时通知重要功能变化。
📋 工具概览
每日一句 是一款基于 Markdown 开发的开源工具，专注于 ai、markdown、创意故事 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
每日一句 是一款基于 Markdown 开发的开源工具，专注于 ai、markdown、创意故事 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 克隆仓库 git clone https://github.com/Liao-Ke/everyday cd everyday # 查看安装说明 cat README.md # 按 README 完成环境依赖安装后即可使用
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 查看帮助 everyday --help # 基本运行 everyday [options] <input> # 详细使用说明请查阅文档 # https://github.com/Liao-Ke/everyday
# everyday 配置说明 # 查看配置选项 everyday --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export EVERYDAY_CONFIG="/path/to/config.yml"
everyday - AI 每日故事生成器
根据金山词霸每日一句，通过多个 AI 模型并行生成故事，保存为 Markdown 文件，由 VitePress 静态站点展示。
特性
- 多模型并行：同时调用 7+ AI 模型（DeepSeek、智谱、Kimi、豆包、通义千问、ModelScope、Gemini），ThreadPoolExecutor 并发运行
- 插件式模型配置：每个模型一个
*_config.py文件，导出 6 个标准化符号即可注册，无需修改核心代码 - 惰性数据加载：import 时不发起 HTTP 请求，金山词霸每日句和网络搜索结果通过
model_configs/_shared.py惰性获取 - 流水线架构：PREPROCESSORS → chat → POSTPROCESSORS → 文件持久化，各环节可插拔
- JSON Lines 日志：
chat_logs/story_records.json追加写入，O(1) 持久化，兼容旧 JSON 数组格式 - 自动归档：
check.py监控日志文件大小，超过阈值自动归档 - 每周词云：
wordcloud_analysis.py对全量故事做分词、词频统计，生成词云图 + 分析报告 - 自动化部署：GitHub Actions 每日自动生成并提交故事，Cloudflare Pages 自动构建部署
快速开始
git clone https://github.com/Liao-Ke/everyday.git && cd everyday
conda create -n storygen python=3.11 && conda activate storygen
pip install -r requirements.txt部署
- GitHub Actions：
main.yml每日 23:00 UTC 自动运行python main.py并提交生成的故事 - Cloudflare Pages：自动从
story/目录构建部署，无需在 CI 中运行npm run docs:build
使用
```bash
运行测试
pytest -v
运行单个测试文件
pytest tests/test_pipeline.py -v ```
本地预览 VitePress 站点
npm install && npm run docs:dev
配置
复制 .env.example 为 .env，填入 API 密钥：
| 环境变量 | 说明 | 获取地址 |
|---|---|---|
API_KEY | 智谱 AI（GLM-4.7/4.5/Z1 Flash） | https://bigmodel.cn |
API_KEY_DS | DeepSeek（V4 Pro + Reasoner） | https://platform.deepseek.com |
API_KEY_KIMI | Kimi（Thinking + K2） | https://platform.moonshot.cn |
API_KEY_DOUBAO | 豆包（1.5 Pro + Thinking） | https://console.volcengine.com/ark |
API_KEY_QWEN | 通义千问（Qwen 3-235B） | https://bailian.console.aliyun.com |
API_KEY_MODELSCOPE | ModelScope（体验模型） | https://modelscope.cn |
API_KEY_GEMINI | Gemini 2.5 Pro | https://aistudio.google.com |
添加新模型
- 在
.env中添加API_KEY_XXX - 创建
model_configs/xxx_config.py，导出 6 个符号：
| 符号 | 说明 |
|---|---|
API_KEY | os.getenv("API_KEY_XXX") |
CLIENT_PARAMS | OpenAI 客户端参数（base_url） |
CHAT_PARAMS | Chat 参数（model、messages、stream 等） |
PREPROCESSORS | API 调用前预处理函数列表 |
POSTPROCESSORS | API 响应后处理函数列表 |
POSTPROCESSOR_FILES | 持久化输出函数列表 |
- 若需排除（如思维链模型），在
main.py:13的EXCLUDED_MODELS中添加模型名 - 将
API_KEY_XXX添加到 GitHub Secrets 和.github/workflows/main.yml
everyday 是一个创新的 AI 每日故事生成器。本项目通过获取金山词霸的“每日一句”作为灵感源泉，利用多个 AI 模型并行协作，自动创作富有创意的故事。生成的内容将以 Markdown 格式进行持久化存储，并利用 VitePress 构建静态站点进行在线展示，为用户提供每日更新的 AI 创意阅读体验。
本项目具备强大的工程化特性：支持多模型并行处理，利用 ThreadPoolExecutor 同时调用 DeepSeek、智谱、Kimi、Gemini 等 7 个以上的 AI 模型；采用插件式模型配置，通过标准化的配置文件即可实现新模型注册，无需改动核心逻辑；引入惰性数据加载机制，优化了网络请求效率；流水线架构设计支持各环节可插拔；日志系统采用 JSON Lines 格式，实现 O(1) 复杂度的高效持久化与自动归档。
本项目推荐使用 Conda 进行环境管理。首先通过 git clone 克隆仓库，随后创建一个 Python 3.11 的虚拟环境并激活。接着通过 pip install -r requirements.txt 安装必要的依赖。对于自动化部署，项目已集成 GitHub Actions 实现每日定时运行，并支持通过 Cloudflare Pages 自动构建部署生成的 story 目录，实现全自动化的 CI/CD 流水线。
开发者可以通过 pytest 进行自动化测试。若需运行全量测试，请直接执行 `pytest -v`；若只想针对特定模块进行验证，可以使用 `pytest tests/test_pipeline.py -v` 来运行单个测试文件，确保流水线逻辑的正确性。
项目配置通过 `.env` 文件进行管理。请将项目根目录下的 `.env.example` 复制并重命名为 `.env`，然后根据需要填入各 AI 平台的 API 密钥。支持的平台包括智谱 AI、DeepSeek、Kimi 以及豆包等，请确保填写的 API_KEY 与对应的服务商匹配，以保证模型调用的正常进行。
添加新模型遵循标准化的工作流：首先在 `.env` 文件中配置对应的 `API_KEY_XXX`；随后在 `model_configs/` 目录下创建新的 `xxx_config.py` 文件；最后在该文件中导出 6 个标准化的符号（包括 API_KEY、CLIENT_PARAMS、CHAT_PARAMS、PREPROCESSORS、POSTPROCESSORS 等），即可实现模型的无缝接入与流水线集成。
创新性AI工具，丰富的创意故事
- 需要 everyday 解决具体问题的开发者与运营人员
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 需要 everyday 解决具体问题的开发者与运营人员
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
经综合评估，每日一句 在AI工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | everyday |
| 原始描述 | 开源AI工具：✨ 让经典名言焕发新生！基于LLM模型动态生成创意故事，用AI重新诠释金山每日一句的智慧结晶。⭐66 · Markdown |
| Topics | aimarkdown创意故事 |
| GitHub | https://github.com/Liao-Ke/everyday |
| License | MIT |
| 语言 | Markdown |
收录时间：2026-06-28 · 更新时间：2026-07-03 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。