tm-news — Trojmiasto News Aggregator

WordPress-плагин для сайта trojmiasto.online. Собирает свежие польскоязычные новости по теме Труймяста (Гданьск, Гдыня, Сопот), кластеризует их по инфоповодам, оценивает «горячесть» и с помощью LLM готовит короткие рерайты на русский и украинский — в виде черновиков CPT tm_news_digest, которые редактор утверждает вручную.

Архитектура пайплайна

 [RSS источники] → Fetcher → items ──┐
                                      ├─ Clusterer (Jaccard по заголовкам)
                                      ↓
                                   clusters
                                      ↓
                                   Scorer (Σ weight × recency × topic_match)
                                      ↓
                                   Publisher → Translator (OpenAI)
                                      ↓
                                   черновики в tm_news_digest

Таблицы: wp_tm_news_items, wp_tm_news_clusters. CPT: tm_news_digest. Планировщик: wp_schedule_event( 'hourly', 'tm_news_cron_tick' ).

Формирование «горячей» ленты

1. Fetch — RSS всех включённых источников, последние 48 часов, до 25 айтемов с фида.
2. Normalize — канонический URL (+ хеш), нормализованный заголовок (lowercase, без польских стоп-слов).
3. Cluster — для каждого нового айтема Jaccard на токенах заголовка против открытых кластеров за 48 ч. Порог слияния ≥ 0.35.
4. Score — для каждого кластера: Σ source_weight(src_i) × exp(-age_i/τ) × topic_match. τ и список ключевых слов — в админке.
5. Publish — топ-K кластеров со score ≥ min_score → Translator → черновик в CPT tm_news_digest.

Юридическая рамка

Плагин намеренно не перепечатывает статьи источников. В пост попадают только:

• рерайт своими словами в 2–3 предложениях (на русском и украинском);
• жирная ссылка на оригинал и название издания.

Это соответствует практике агрегатора (Google News и т.п.) и польской реализации ст. 15 EU DSM Directive (2024).

Установка

git clone git@github.com:valentinych/tm-news.git wp-content/plugins/tm-news

Затем в WP:

wp plugin activate tm-news

Настройка

Инструменты → News aggregator:

• OpenAI API key и модель (по умолчанию gpt-4o-mini).
• Список источников (ключ, URL, вес 0..1, enabled).
• Ключевые слова темы (по одному на строку).
• τ recency, top K, min score.
• Рубрика (WordPress category) для черновиков.
• Кнопка «Запустить пайплайн сейчас» + dry-run.

WP-CLI

wp tm-news fetch           # только тянуть RSS
wp tm-news cluster         # только кластеризовать необработанные
wp tm-news score           # только пересчитать score
wp tm-news publish --dry-run
wp tm-news run             # весь пайплайн целиком
wp tm-news status

Системный cron

Плагин регистрирует WP-cron на hourly. На проде, где WP-cron отключён, добавь системный cron, который триггерит WP-cron (см. основной репо trojmiasto, scripts/wp-cron.sh).

Разработка

PHP 8.1+, WP 6.4+. Без composer-зависимостей, только WordPress core (SimplePie для RSS идёт с ядром).

Лицензия

MIT.