AI Insights

搜索并分析过去N天内AI领域的重大事件，生成深度洞察报告。当用户需要了解最新AI动态、行业趋势、头部厂家新闻、政策变化时触发此技能。输出为标准Markdown格式的结构化报告文件。

Install

openclaw skills install ai-insights

AI 领域最新大事件洞察

生成过去 N 天内全球 AI 领域重大事件的深度洞察报告。

触发条件

当用户表达以下意图时触发此技能：

"帮我看看最近 AI 有什么大事"
"生成一份 AI 行业周报"
"过去 3 天 AI 领域发生了什么"
"AI 最新动态洞察"
"帮我整理 AI 新闻"

执行流程

步骤 1：确定时间范围

从用户输入中提取时间范围：

默认：过去 3 天
用户可指定：1天、3天、7天、14天等

计算搜索关键词中的日期范围，格式如："2026年4月7日至2026年4月9日"

步骤 2：搜索策略（三层结构）

核心原则：先抓热榜，再分维度，最后补厂商。不依赖预设关键词词表。

使用 web_search 工具，分三层执行搜索：

第1层 - 热榜发现（优先级最高，不带厂商名）

目的：让搜索引擎的排序算法自动发现指定时间范围内最热的事件，不遗漏任何忽然冒出来的新厂商/新事件。

时间范围 → 自然时间词映射：

用户指定	时间词	说明
1 天	今天	单日热榜
3 天	近3天	最近3天
7 天	本周	自然周维度
14 天	近两周	双周维度
30 天	本月	自然月维度
其他	{{range}}	沿用用户描述的时间范围

执行 2-3 条搜索，时间词使用上表映射，不带具体厂商名：

"AI 重大新闻 {{time_word}} {{current_year}}"
"人工智能 热榜 {{time_word}} {{current_year}}"
"AI 大事件 {{time_word}} {{current_year}}"

如用户指定 1 天，额外加：

"今日 AI 头条 {{current_year}}年{{current_month}}"

说明：当搜索不含具体厂商名时，搜索引擎会基于热度/点击量返回结果，任何厂商的重大发布都会被自动捕获。DeepSeek V4、Minimax S3、Step-2-Fun 都能在这一层被发现，无需预设。{{time_word}} 和 {{current_year}} 在执行时由 LLM 替换为实际的时间词和年份。

第2层 - 多维度查询（不带具体厂商名）

目的：确保覆盖技术突破、商业动态、政策监管、产业应用等维度。

按以下维度各执行 1 条搜索，时间词使用第1层映射表：

技术突破："AI大模型发布开源突破 {{time_word}} {{current_year}}"
商业动态："AI 融资投资并购上市 {{time_word}} {{current_year}}"
政策监管："AI 政策监管法规安全 {{time_word}} {{current_year}}"
产业应用："AI 落地医疗教育金融自动驾驶 {{time_word}} {{current_year}}"

年份处理：{{current_year}} 在执行时由 LLM 动态替换为当前年份（如 2026），无需硬编码，确保 2027 年及以后仍可正常使用。

第3层 - 头部厂商查漏（仅补充验证）

目的：确保老牌厂商（OpenAI、Google、Anthropic、Meta、Microsoft、NVIDIA）的动态不遗漏。

执行 1 条综合搜索，年份动态替换：

"OpenAI Google Anthropic Meta Microsoft NVIDIA 腾讯 阿里 字节 百度 最新动态 {{current_year}}"

说明：这一层放在第三层，不是第一优先级。因为大厂发布往往也会出现在热榜里，只有当热榜和多维度搜索都没覆盖到大厂动态时才需要补充。

搜索次数控制

时间范围	第1层	第2层	第3层	总计
1 天	3	4	1	8
3 天	2	4	1	7
7 天	2	4	1	7
14 天	1	4	1	6

重要：以上为最大搜索次数。如果某一层的前几条结果已经覆盖了足够多的事件，该层剩余搜索可跳过，避免过度重复。

步骤 3：筛选与排序

从搜索结果中筛选 TOP 5-10 条 最具影响力的事件，评估标准：

基础筛选（至少满足 2 项）：

影响力：对行业/社会的潜在影响程度
权威性：信息来源的可信度（优先官方、权威媒体）
时效性：事件发生的具体时间
多样性：覆盖技术、商业、政策等不同维度

媒体权重：

权重	媒体名称
100	机器之心、新智元、量子位、AIbase、AI 科技评论
80	新华社、人民日报、央视新闻、新华网、中证网
60	36 氪、钛媒体、虎嗅、雷锋网
40	新浪、网易、凤凰网
30	财联社、同花顺、金融界

黑名单过滤：

以下媒体来源直接过滤（质量较低或非权威）：

百家号（除非是权威媒体的官方百家号，如机器之心、新智元等）
搜狐号、今日头条、知乎专栏
云南网、陕西网等地方性未验证媒体

去重规则：

同一事件多源报道时，只保留权重最高的一条
如果权重相同，选择信息最全面、来源最权威的
通过 URL 和标题相似度判断是否为同一事件

数量限制：

最少不少于 5 条，最多不超过 10 条

步骤 4：内容分级

将筛选出的事件分为两类：

A类 - 深度解读（3-5条） 选择最具影响力的 3-5 条事件，标准：

头部厂家的重大发布（如 GPT-5、Claude 4等）
可能改变行业格局的融资/并购
重要的政策监管变化
重大技术突破

B类 - 简要汇总（剩余条数） 其余事件归入简要汇总章节。

步骤 5：深度解读撰写

对 A 类事件，每条撰写独立章节，结构如下：

## 事件X：[事件标题]

**发生时间**：YYYY-MM-DD

**事件概述**：
2-3句话概括事件核心内容。

**关键细节**：
- 细节点1
- 细节点2
- 细节点3

**数据摘要**：（若有具体数值，必须用表格呈现；若无数据则标注「暂无详细数据披露」）
| 指标 | 数值 | 单位 |
|------|------|------|
| 指标1 | 数值 | 单位 |
| 指标2 | 数值 | 单位 |

**影响分析**：
分析该事件对行业、技术、商业、政策等方面的影响。

**洞察理解**：
提炼关键洞察，说明为什么这件事重要，可能带来什么变化。

数据表格要求：

如果事件涉及具体数值（市场规模/增速、市占率/份额、金额、用户数、性能指标、时间、其他关键指标等），必须使用 Markdown 表格呈现
所有数字必须精准，带单位（亿/万/%），加粗突出
市场份额、增速类数据用表格呈现，方便直接做图表
严禁编造数据，来源仅用权威机构的数据，并且在数据摘要结尾必须附注数据来源

步骤 6：简要汇总撰写

对 B 类事件，统一归入一个章节：

## 其他重要动态

### 1. [事件标题]
内容摘要：1-2句话概括
来源链接：[URL]

### 2. [事件标题]
内容摘要：1-2句话概括
来源链接：[URL]

...

步骤 7：生成报告文件

文件名格式：AI-Insights-YYYYMMDD_hhmm.md

报告的完整结构模板见下方「附录：报告结构示例」。执行时按该模板填充内容即可。

步骤 8：保存与交付

将报告保存到工作目录：./artifacts/ai-insights-report/AI-Insights-YYYYMMDD_hhmm.md
向用户展示报告摘要
告知用户完整报告文件路径

步骤 9：可选 - 自动推送

如果需要每日自动推送，可配置 cron job：

{
  "name": "AI 洞察报告",
  "enabled": true,
  "schedule": {"kind": "cron", "expr": "0 9 * * *", "tz": "Asia/Shanghai"},
  "payload": {
    "message": "【每日 AI 洞察】\n\n请执行 ai-insights skill 生成过去 24 小时报告，并推送到指定频道。"
  }
}

附录：报告结构示例

以下为完整报告的 Markdown 模板，步骤 7 中直接引用此模板生成报告：

# AI 领域最新大事件洞察

**报告周期**：YYYY年MM月DD日 - YYYY年MM月DD日
**生成时间**：YYYY-MM-DD HH:MM
**事件总数**：X 条

---

## 核心洞察摘要

用 3-5 句话概括本期最重要的趋势和发现。

---

## 趋势观察

基于本期事件，提炼宏观趋势：

1. **趋势 1**：[标题]
   - 简要分析（1-2句）

2. **趋势 2**：[标题]
   - 简要分析（1-2句）

3. **趋势 3**：[标题]
   - 简要分析（1-2句）

---

## 数据摘要（供 PPT 自动提取）

以下为 YAML 数据结构示例（YAML 内嵌 triple backticks 会导致外层 markdown 块提前闭合，故改用 HTML 格式）：

<pre><code>charts:
  - type: bar_chart
    title: 2026年Q1全球AI融资额TOP3
    categories: [OpenAI, Anthropic, 其他AI企业]
    values: [1220, 300, 900]
    unit: 亿美元
    source_event: 事件2

  - type: line_chart
    title: 中国AI日均Token调用量增长趋势
    x_axis: [2025-Q4, 2026-Q1, 2026-Q2-预估]
    y_axis: [100, 140, 200]
    unit: 万亿
    source_event: 事件1

  - type: timeline
    title: 全球AI监管政策时间轴
    events:
      - date: 2026-04-23
        description: 中国五部门联合发布《人工智能拟人化互动服务管理暂行办法》
        region: 中国
    source_event: 事件4

event_types:
  - title: "OpenAI发布GPT-5.5"
    type: model_release
    icon: cpu
  - title: "中国出台AI拟人化互动监管办法"
    type: regulation
    icon: scale</code></pre>

---

## 深度解读

### 事件1：[标题]

**发生时间**：YYYY-MM-DD

**事件概述**：
2-3句话概括事件核心内容。

**关键细节**：
- 细节点1
- 细节点2

**数据摘要**：
| 指标 | 数值 | 单位 |
|------|------|------|
| 指标1 | **数值** | 单位 |

**影响分析**：
分析该事件对行业、技术、商业、政策等方面的影响。

**洞察理解**：
提炼关键洞察，说明为什么这件事重要。

### 事件2：[标题]
...

---

## 其他重要动态

### 1. [事件标题]
内容摘要：1-2句话概括
来源链接：[URL]

### 2. [事件标题]
...

---

*报告由 AI 自动生成，仅供参考*

质量标准

准确性：所有信息必须来自可靠来源，不确定的信息标注"据...报道"
客观性：避免主观臆断，基于事实进行分析
深度：深度解读部分要有真正的洞察，不只是复述新闻
时效性：优先使用最新信息，过期信息（超出用户指定时间范围）不纳入
媒体权重：优先选择高权重媒体的报道，提升信息质量
热榜优先：新厂商/新事件优先通过热榜层发现，不要因为第3层关键词列表遗漏而漏报

注意事项

如果搜索结果不足 5 条，扩大时间范围或调整搜索词重试
如果某条新闻来源存疑，标注信息来源并降低其优先级
去重：同一事件多源报道时，只保留权重最高的一条
避免重复报道同一事件的不同角度新闻，选择最全面的一篇
深度解读的事件数量根据实际搜索到的内容质量灵活调整（3-5条）
趋势观察应基于本期事件的共性提炼，避免空泛

版本历史

v1.1.1 (2026-04-25)
- 修复时间范围参数化：热榜查询的时间词改为动态映射（今天/近3天/本周/近两周/本月），避免硬编码"今天"
- 年份改为动态变量 {{current_year}}，支持 2027 年及以后
- 第2层多维度查询的时间词同步参数化
v1.1.0 (2026-04-25)
- 重构搜索策略：从固定关键词列表 → 三层搜索结构（热榜发现 → 多维度查询 → 厂商查漏）
- 解决"新厂商/新事件无法预设关键词"的核心问题
v1.0.0 (2026-04-14)
- 初始版本
- 添加媒体权重、黑名单、去重规则
- 新增趋势观察章节
- 支持 cron 自动推送