Skip to content

README_fr.md

Latest commit

 

History

History
215 lines (158 loc) · 8.41 KB

README_fr.md

File metadata and controls

215 lines (158 loc) · 8.41 KB

🦞 OpenClaw DeepReader

La passerelle de contenu web par défaut pour les agents OpenClaw. Lit X (Twitter), Reddit, YouTube et toute page web — zéro configuration, zéro clé API.

DeepReader est le lecteur de contenu intégré pour le framework d'agents OpenClaw. Collez n'importe quelle URL dans une conversation, et DeepReader récupère, analyse et sauvegarde automatiquement du Markdown de haute qualité dans la mémoire à long terme de l'agent. Conçu pour les réseaux sociaux et le web moderne.

🌍 Traductions : English · 中文 · Español · 한국어 · 日本語 · العربية

⚡ Installation

npx clawhub@latest install deepreader

Ou installation manuelle :

git clone https://github.com/astonysh/OpenClaw-DeepReeder.git
cd OpenClaw-DeepReeder
python3 -m venv .venv && source .venv/bin/activate
pip install -e .

🎯 Utilisez Quand

  • Vous avez besoin de lire un tweet, un fil ou un article X et de l'ajouter à la mémoire d'OpenClaw
  • Vous avez besoin d'ingérer un post Reddit avec les meilleurs commentaires et le contexte de discussion
  • Vous voulez sauvegarder une transcription YouTube pour référence ou analyse ultérieure
  • Vous voulez clipper n'importe quel blog, article ou documentation en Markdown propre
  • Votre agent a besoin d'un lecteur web par défaut qui fonctionne tout simplement — sans clé API, sans configuration

✨ Sources Supportées

Parser Sources Méthode Clé API ?
🐦 Twitter / X Tweets, fils, X Articles FxTwitter API + Nitter fallback ❌ Aucune
🟠 Reddit Posts + fils de commentaires Reddit .json API ❌ Aucune
🎬 YouTube Transcriptions vidéo youtube-transcript-api ❌ Aucune
🌐 Toute URL Blogs, articles, docs Trafilatura + BeautifulSoup ❌ Aucune

Zéro clé API. Zéro connexion. Zéro limite. Collez et lisez.

🐦 Twitter / X — Intégration Approfondie

Propulsé par l'API FxTwitter. Inspiré par x-tweet-fetcher.

Type de Contenu Support
Tweets classiques ✅ Texte complet + statistiques d'engagement
Tweets longs (Twitter Blue) ✅ Texte complet
X Articles (contenu long) ✅ Article complet + nombre de mots
Tweets cités ✅ Contenu imbriqué inclus
Médias (images, vidéo, GIF) ✅ URLs extraites
Fils de réponses ✅ Via Nitter fallback (5 premières)
Statistiques d'engagement ✅ ❤️ likes, 🔁 RTs, 👁️ vues, 🔖 signets

🟠 Reddit — Intégration JSON Native

Utilise le suffixe URL .json intégré de Reddit — sans clé API, sans OAuth, sans inscription.

Type de Contenu Support
Self posts (texte) ✅ Corps Markdown complet
Link posts ✅ URL + métadonnées
Meilleurs commentaires (par score) ✅ Jusqu'à 15 commentaires
Fils de réponses imbriqués ✅ Jusqu'à 3 niveaux
Médias (images, galeries, vidéo) ✅ URLs extraites
Statistiques du post ✅ ⬆️ score, 💬 commentaires, ratio de votes
Tags Flair ✅ Inclus

🚀 Démarrage Rapide

from deepreader_skill import run

# Lire un tweet → sauvegarde dans la mémoire de l'agent
result = run("Regarde ce tweet : https://x.com/elonmusk/status/123456")

# Lire une discussion Reddit → capture post + commentaires
result = run("Super discussion : https://www.reddit.com/r/python/comments/abc123/my_post/")

# Lire une vidéo YouTube → sauvegarde la transcription complète
result = run("Regarde ça : https://youtube.com/watch?v=dQw4w9WgXcQ")

# Lire n'importe quel article → extrait le contenu propre
result = run("Lecture intéressante : https://example.com/blog/ai-agents-2026")

# Traitement par lots de plusieurs URLs
result = run("""
  Voici quelques liens :
  https://x.com/user/status/123456
  https://www.reddit.com/r/MachineLearning/comments/xyz789/new_paper/
  https://youtube.com/watch?v=dQw4w9WgXcQ
  https://example.com/article
""")

📓 Intégration NotebookLM & Audio

DeepReader s'intègre désormais parfaitement à Google NotebookLM.

Si votre message inclut des mots-clés tels que notebooklm, audio ou podcast, DeepReader va automatiquement :

  1. Analyser les URL demandées en Markdown.
  2. Créer un nouveau carnet (Notebook) dans votre compte Google NotebookLM.
  3. Télécharger le contenu Markdown propre comme source.
  4. (Facultatif) Générer un Audio Overview (format podcast) captivant et le télécharger directement dans le dossier mémoire de votre agent.

Génération d'Artefacts NotebookLM Supportés : Outre les résumés audio, cette intégration peut être facilement étendue pour générer et sauvegarder automatiquement :

  • 🎙️ Audio Overview (Podcast)
  • 🎥 Video Overview (Résumé vidéo)
  • 🧠 Mind Map (Carte mentale)
  • 📄 Reports (Rapports)
  • 📇 Flashcards (Cartes mémoire)
  • ❓ Quiz (Questionnaire)
  • 📊 Infographic (Infographie)
  • 🖥️ Slide Deck (Présentation)
  • 📈 Data Table (Tableau de données)

⚠️ Remarque : Authentification requise Avant d'utiliser l'intégration NotebookLM, vous devez vous authentifier dans votre terminal (à faire une seule fois) :

notebooklm login

🏗️ Architecture

deepreader_skill/
├── __init__.py          # Point d'entrée — fonction run()
├── manifest.json        # Métadonnées du skill
├── SKILL.md             # Description pour ClawHub
├── requirements.txt     # Dépendances
├── core/
│   ├── router.py        # Routage URL → Parser
│   ├── storage.py       # Génération et sauvegarde Markdown
│   └── utils.py         # Extraction d'URLs et utilitaires
└── parsers/
    ├── base.py          # Parser de base abstrait
    ├── generic.py       # Parser générique (Trafilatura)
    ├── twitter.py       # Parser Twitter/X (FxTwitter + Nitter)
    ├── reddit.py        # Parser Reddit (.json API)
    └── youtube.py       # Parser YouTube

🔧 Configuration

Variable Par défaut Description
DEEPREEDER_MEMORY_PATH ../../memory/inbox/ Chemin de sauvegarde
DEEPREEDER_LOG_LEVEL INFO Niveau de verbosité
FIRECRAWL_API_KEY "" Optionnel. Clé API Firecrawl utilisée pour contourner les protections (paywalls, etc.) en cas d'échec de la requête initiale.

💡 Pourquoi DeepReader ?

Fonctionnalité DeepReader Scraping manuel Outils navigateur
Déclenchement Automatique par URL Code manuel Action manuelle
Twitter/X ✅ Support complet ❌ Bloqué ⚠️ Partiel
Fils Reddit ✅ + commentaires ⚠️ Complexe ⚠️ Lent
Transcriptions YouTube ✅ Intégré ❌ Outil séparé ❌ Non disponible
Clés API ❌ Aucune ✅ Souvent ✅ Parfois
Format sortie Markdown propre HTML brut Captures d'écran
Intégration mémoire ✅ Auto-sauvegarde ❌ Manuel ❌ Manuel

🙏 Remerciements

🤝 Contribuer

Les contributions sont les bienvenues !

  1. Forkez le dépôt
  2. Créez une branche (git checkout -b feature/parser-genial)
  3. Commitez (git commit -m 'Ajouter un parser génial')
  4. Poussez (git push origin feature/parser-genial)
  5. Ouvrez une Pull Request

📄 Licence

Licence MIT — consultez LICENSE pour plus de détails.

Construit avec 🦞 par OpenClaw