医生手搓5MB开源RSS阅读器Cento，AI翻译助科研

背景

在临床医学的硕博研究阶段，文献阅读是日常工作的核心组成部分。然而，对于许多非英语母语的研究者而言，阅读英文文献存在语言障碍，传统上需要借助翻译工具辅助。作者作为一名临床医学专业的研究者，曾热衷于使用 Zotero 进行文献管理与翻译，并尝试安装各类插件。但在实际使用中，作者发现 Zotero 功能过于庞大，且为了仅仅使用其 RSS 追踪功能而下载数百 MB 的软件显得不够轻量。

作者倾向于更简洁、直观的工作流：直接在官网阅读文献以保持“纯享”体验，遇到优质文献后再使用 Obsidian 进行笔记管理。这种轻量化需求与市面上现有的 RSS 阅读器形成了矛盾：大多数阅读器要么功能臃肿，要么侧重于抓取全文（而医学论文往往难以直接抓取全文），要么缺乏针对快速判断文献价值的优化。

在此背景下，作者决定利用 AI 辅助编程（Vibe Coding），在夏季闲暇期间，从零开始“手搓”一个轻量级的 RSS 阅读器。该项目旨在解决一个核心痛点：帮助用户快速判断一篇文献是否值得打开原文阅读，而非提供完整的文献管理或知识库功能。

核心内容

项目概况 Cento 是一个面向中文用户的轻量级 macOS 风格 RSS 阅读器，整体安装包大小约为 5MB。该项目由临床医学背景、无专业编程经验的作者开发，完全开源（MIT License），并通过 AI 模型辅助完成代码编写与 UI 设计。

核心功能与设计理念

1. 快速价值判断：Cento 的核心目标不是成为完整的 RSS 阅读器或文献管理器，而是通过 AI 翻译英文 RSS 标题和摘要，帮助用户快速筛选内容。
2. AI 翻译集成：应用内置 DeepSeek API，自动翻译英文文献的标题和摘要。作者选择 deepseek-v4-flash 模型，因其翻译能力足够且成本低廉（约 100 条翻译仅需 1 毛钱）。
3. 文献信息提取：除了翻译，Cento 还能自动抓取文献的关键元数据，包括第一作者、通讯作者以及第一通讯单位，进一步辅助用户评估文献的相关性和权威性。
4. AI 简报功能：引入 AI 简报功能，可定期总结订阅源在特定周期内的文献进展。该功能使用 deepseek-v4-pro 模型，并允许用户自定义 Prompt 以调整简报形式。
5. 低门槛订阅源管理：
   • 支持自然语言生成 PubMed 索引链接。用户只需输入关注领域的关键词（支持中文，建议不过多），App 即可自动转换为 PubMed 可识别的 RSS 订阅链接。
   • 支持通用的 RSS 源订阅，用户可直接在首页左栏输入框添加任意订阅源。
   • 提供订阅源管理功能，包括设置图标、刷新频率、通知开关及修改名称。

技术实现与开发过程

• 开发工具：作者主要依赖 Claude、Codex 和 DeepSeek 等 AI 模型进行 Vibe Coding。
• UI 设计：界面设计主要借助 Claude design 反复修改，力求呈现 macOS 原生质感，但作者自认距离理想效果仍有差距，并邀请社区协助优化。
• 成本与部署：由于缺乏预算，应用未进行 macOS 签名认证。用户安装后若遇到“无法打开”提示，需在系统设置-隐私中手动选择“仍要打开”。

使用流程

1. 下载并安装 Cento。
2. 在设置中输入 DeepSeek API Key（需在 DeepSeek 官网充值）。
3. 在订阅源界面输入关键词，生成 PubMed RSS 链接，或直接添加其他 RSS 源。
4. 在主界面查看自动翻译后的标题、摘要及作者信息，决定是否阅读原文。
5. 利用 AI 简报功能获取周期性文献综述。

关键要点

• 极简主义定位：Cento 舍弃了传统 RSS 阅读器的复杂功能（如全文抓取、复杂笔记系统），安装包仅 5MB，专注于“快速判断文献价值”这一单一场景。
• AI 驱动的工作流：
  • 翻译层：使用 deepseek-v4-flash 进行标题和摘要的中英互译，平衡成本与效果。
  • 分析层：使用 deepseek-v4-pro 生成周期性 AI 简报，支持自定义 Prompt。
  • 生成层：利用自然语言处理技术，将中文关键词自动转换为 PubMed RSS 订阅链接，降低技术门槛。
• 元数据增强：自动提取第一作者、通讯作者及单位信息，弥补了单纯翻译标题摘要在评估学术权威性时的不足。
• 开源与社区协作：项目采用 MIT 协议开源，作者承认自身编程能力有限，呼吁社区贡献代码以优化 UI 和体验，体现了 AI 时代“非程序员也能创造工具”的可能性。
• 低成本运行：通过选用高性价比的 AI 模型，使得个人用户以极低的成本（约 1 毛钱/100 条）享受 AI 翻译服务。

意义与影响

1. 降低技术门槛，赋能非技术人员 Cento 的成功开发证明了在 AI 辅助编程（Vibe Coding）的支持下，即使是没有专业编程背景的领域专家（如医生），也能构建出解决实际问题的软件工具。这打破了传统软件开发对专业代码能力的依赖，让“动笔写文章一样写代码”成为可能。

2. 探索 AI 在垂直领域的轻量化应用 不同于大而全的 AI 应用，Cento 展示了如何将 AI 能力嵌入到极轻量的工具中，解决特定痛点（如医学文献筛选）。这种“小而美”的思路为其他垂直领域的工具开发提供了参考：即通过聚焦核心需求，利用 AI 增强单一功能，而非堆砌功能。

3. 重新定义文献管理的工作流 作者提出的“官网阅读 + Obsidian 笔记 + Cento 筛选”的轻量化工作流，挑战了传统文献管理软件（如 Zotero）的垄断地位。它表明，对于部分用户而言，去中心化的、基于 RSS 的轻量级信息流管理可能比重型文献管理软件更高效、更纯粹。

4. 开源社区的互动与监督 作者主动遵循社区推广规范，公开 AI 生成内容的截图，并接受社区监督，体现了开源精神中的透明与诚信。同时，项目对 UI 优化的开放态度，展示了 AI 生成代码与人类审美/专业审核相结合的必要性——AI 可以让工具跑起来，但专业的人工审核与优化依然具有不可替代的价值。