agents-radar: taegliche KI-Uebersicht aus zehn Quellen, zweisprachig per GitHub Actions

Taeglicher Lauf um 07:00 Uhr CST und was dabei passiert

agents-radar ist zunaechst ein GitHub-Actions-Workflow, der jeden Morgen um 07:00 Uhr CST startet. Der Lauf sammelt Daten aus zehn Quellen, uebergibt das Material an ein Sprachmodell zur Analyse und Verdichtung und schreibt daraus zweisprachige Berichte, jeweils in Chinesisch und Englisch. Die Ergebnisse landen als committete Markdown-Dateien unter digests/YYYY-MM-DD/ und zusaetzlich als GitHub-Issues, sodass die Versionsgeschichte des Repositorys zugleich ein Archiv der Berichte ist.

Das Projekt ist in TypeScript geschrieben und steht unter der MIT-Lizenz. Die Metadaten zeigen 992 Stars und 184 Forks bei 209 offenen Issues. Das Verhaeltnis ist auffaellig und erklaert sich aus der Natur des Projekts: Die Issue-Liste dient zugleich als Ablage der generierten Tagesberichte, sammelt also mit jedem Lauf neue Eintraege. Releases gibt es nicht, weil der Workflow selbst das ausgelieferte Produkt ist.

Zehn Datenquellen von GitHub bis zu Sitemap-Diffs

Die Quellentabelle im README unterscheidet nach Zugriffsart. GitHub-Repos werden ueber die API abgefragt und liefern Issues, Pull Requests und Releases aus 18 verfolgten KI-Tool-Repositories, darunter anthropics/claude-code, openai/codex, google-gemini/gemini-cli und github/copilot-cli. Hacker News laeuft ueber die Algolia-API mit sechs parallelen Abfragen und nimmt die Top 30 KI-Stories der letzten 24 Stunden, Product Hunt wird per GraphQL nach den meistgevoteten KI-Produkten des Vortags gefragt.

ArXiv liefert Papiere aus cs.AI, cs.CL und cs.LG der letzten 48 Stunden, Hugging Face beisteuert 30 Trendmodelle nach woechentlichen Likes, wobei dieser Teil laut README nur an Montagen laeuft. Dev.to und Lobste.rs werden ueber ihre jeweiligen APIs gezogen. Am anderen Ende der Skala stehen Anthropic und OpenAI: Dort vergleicht der Workflow lastmod-Zeitstempel der Sitemaps mit einer persistenten Statusdatei und meldet neue Artikel. Claude Code Skills werden aus dem anthropics/skills-Repository geholt und nach Kommentarzahl sortiert, nicht nach Datum.

Zehn Berichtstypen von ai-cli.md bis ai-community.md

Die Ausgabeseite ist fein aufgeteilt. ai-cli.md vergleicht die verfolgten KI-CLI-Tools, ai-agents.md vertieft OpenClaw samt Vergleich gegen mehrere Peer-Projekte wie Hermes Agent, QwenPaw, ZeroClaw und IronClaw, ai-infra.md behandelt die Laufzeitschicht mit Ollama, llama.cpp, vLLM, Unsloth und LiteLLM. Jeder Bericht existiert in einer chinesischen und einer englischen Variante, etwa ai-cli.md und ai-cli-en.md.

Einige Berichte erscheinen nur bedingt: ai-web.md entsteht nur, wenn neue Anthropic- oder OpenAI-Inhalte erkannt wurden, ai-ph.md nur bei vorhandenem Product-Hunt-Token und verfuegbaren Daten. ai-trending.md klassifiziert GitHub-Trend-Repos nach Dimensionen, ai-hn.md verdichtet die Hacker-News-Stories mit Stimmungsanalyse, ai-arxiv.md, ai-hf.md und ai-community.md runden den Satz ab. Laut README wurden woechentliche und monatliche Rollups im Juli 2026 eingestellt, aeltere Ausgaben bleiben im digests/-Verzeichnis durchsuchbar.

Ausspielung ueber GitHub Pages, RSS und Chatkanaele

Neben dem Repository selbst betreibt das Projekt eine Web-UI unter duanyytop.github.io/agents-radar, die die Markdown-Dateien rendert und ohne Anmeldung zugaenglich macht. Ein RSS-Feed unter feed.xml enthaelt die letzten 30 Berichte aller Typen und wird taeglich zusammen mit einer manifest.json aktualisiert. Wer klassische Reader wie Feedly oder Reeder nutzt, bekommt neue Ausgaben damit automatisch.

Ergaenzend gibt es einen Telegram-Kanal unter t.me/agents_radar und eine Feishu-Gruppe. Beide verteilen Taeglich je eine Nachricht mit Links zu allen Berichten des Tages in beiden Sprachen sowie zur Web-UI und zum RSS-Feed. Diese Kanalschar ist der praktische Unterschied zu einem gewoehnlichen Sammel-Repository: dieselben Daten, vier Rezeptionswege, je nach Lesegewohnheit.

MCP-Server fuer Claude Desktop und OpenClaw

Ein gehosteter MCP-Server unter agents-radar-mcp.duanyytop.workers.dev stellt die Berichtsdaten als Werkzeuge bereit. Vier Tools sind dokumentiert: list_reports listet verfuegbare Daten und Berichtstypen, get_latest liefert den juengsten Bericht eines Typs, get_report ruft einen bestimmten Bericht nach Datum und Typ ab, search fuehrt eine Stichwortsuche ueber aktuelle Berichte aus.

Die Einbindung in Claude Desktop erfolgt durch einen Eintrag in claude_desktop_config.json unter ~/Library/Application Support/Claude/, der auf die Server-URL verweist. Fuer OpenClaw lautet der Weg openclaw mcp add --transport http agents-radar https://agents-radar-mcp.duanyytop.workers.dev oder ein manueller Eintrag in ~/.openclaw/openclaw.json. Wer lieber eigene Infrastruktur nutzt, deployt aus dem mcp/-Verzeichnis mit pnpm install und wrangler deploy eine eigene Instanz auf Cloudflare Workers.

Eigene Instanz: config.yml, Secrets und lokaler Lauf

Der eigene Betrieb beginnt mit einem Fork des Repositorys. Die config.yml im Wurzelverzeichnis steuert die verfolgten Repositories; das README fuehrt Beispiele an, wie sich ein CLI-Tool, ein Agent-Peer oder ein Infrastrukturprojekt ergaenzen laesst, inklusive eines paginated-Flags fuer Repos mit mehr als 100 taeglichen Updates. Secrets werden unter Settings, Secrets and variables, Actions hinterlegt.

LLM_PROVIDER waehlt zwischen anthropic, openai, github-copilot und openrouter, Voreinstellung ist anthropic; jeder Anbieter braucht seinen eigenen Schluessel. GITHUB_TOKEN stellt GitHub Actions automatisch bereit. Telegram- und Feishu-Secrets sind optional, ohne sie wird der Benachrichtigungsschritt uebersprungen. Fuer einen Lauf auf dem eigenen Rechner nennt das README pnpm install, das Exportieren der Schluessel, optional DIGEST_REPO und anschliessend pnpm start. Die Anbieterabstraktion liegt in src/providers/, eine Datei je Anbieter gegenueber dem LlmProvider-Interface.

Fazit: Fuer wen die agents-radar-Pipeline lohnt

agents-radar ist fuer Leser gedacht, die KI-Entwicklungen quer ueber Code, Forschung, Foren und Produktstarts verfolgen wollen, ohne zehn Abos zu pflegen. Der doppelte Nutzen liegt in der Archivierung: Die Berichte bleiben als Markdown im Repository und als Issues durchsuchbar, die Web-UI und der RSS-Feed machen den Zugriff ohne GitHub-Konto moeglich, und der MCP-Server erlaubt Abfragen aus Claude Desktop oder OpenClaw heraus.

Abgrenzen sollte man zwei Dinge. Erstens haengt die Berichtsqualitaet am hinterlegten LLM und an dessen Schluesselbudget, das README macht dazu keine Kostenangaben. Zweitens deckt die MIT-Lizenz nur die Software ab, nicht die Inhalte der Drittanbieterquellen. Wer einen Fork startet, sollte mit pnpm start zuerst einen einzelnen lokalen Lauf gegen die eigene config.yml pruefen, bevor der taegliche Workflow in Aktion tritt.

Redaktionelles Fazit

agents-radar eignet sich fuer Leserinnen und Leser, die den KI-Alltag aus einem Querschnitt verfolgen wollen, statt zehn Einzelquellen zu abonnieren. Der Betrieb ueber einen Fork ist Voraussetzung, ein LLM-Schluessel wird benoetigt, Benachrichtigungen sind optional. Vor dem Start pruefen, welche der zehn Quellen im eigenen Interesse liegen und ob die Token-Kosten des taeglichen Laufs zu den eigenen Budgets passen.

Offizielle Quellen

1. Official documentation
2. Official README
3. Project repository