科技新闻日报

科技新闻日报技能。每日科技新闻热榜整理与报告生成。当用户说"科技新闻日报"、"整理今日科技新闻"、"生成科技新闻热榜"、"tech-news-daily"、"TechNews-Daily-Report"或类似表达时触发。功能包括：(1) 使用 Tavily 搜索引擎近7天科技/AI 新闻进行搜索；(2) 按相关度和推荐度评分整理；(3) 自动写入本地 markdown 文件；(4) 同步创建飞书文档到个人知识库；(5) 直接发送报告到飞书群；(6) 生成主题关联图帮助快速定位知识节点。

科技新闻日报 | Tech News Daily

版本： 0.3.0（主题关联图 · 快速定位知识节点）

概述

ClawHub slug： TechNews-Daily-Report

按日收集、整理并生成科技新闻热榜报告，包含相关度评分、推荐度评分、来源链接，自动同步到本地文件和飞书文档。

---

工作流程

第一步：搜索新闻

使用 tavily_search 并行搜索中英文科技新闻：

text

搜索词（英文）: "tech news today April YYYY" + "AI artificial intelligence"
搜索词（中文）: "科技新闻 YYYY年MM月DD日 热榜" + "AI 人工智能 科技 最新消息"
时间范围: time_range="week"  （近7天，过滤掉更早的新闻）
结果数量: max_results=10~15

并行搜索策略：

• 英文 TechCrunch / The Guardian / Fortune / Ars Technica
• 中文 新华网 / 证券时报 / 行业垂直媒体

第二步（插入）：合并去重

先合并，再去重，最后评分。

将所有搜索结果（英文 + 中文）合并后，执行两轮去重：

第一轮：URL 精准去重

• 同一 URL 只保留一条（不同搜索词可能返回相同链接）
• 保留信息最完整的那条（摘要更长、来源更权威优先）

第二轮：语义去重（核心事实去重 + 独立价值保留）

两步判断，先去重，后判断是否保留独立价值：

Step A — 识别「同一核心事实」的重复： 提取每条新闻的核心三元组（主体 + 动作 + 客体），判断两条新闻是否属于同一核心事实：

• 示例：微软(主体) 投资(动作) 日本100亿美元(客体)
• 中文"微软宣布向日本投资100亿美元"和英文"Microsoft to invest $10B in Japan" → 核心三元组相同，判定为「同一核心事实」

Step B — 判断独立保留价值（同一核心事实的多条报道，是否都保留）：

同一核心事实的报道，仅在以下条件同时满足时才都保留，否则只保留最权威的一条：

1. 来源有独立信息（记者独立采写，非转载，且有补充事实/数据/背景）
2. 角度/维度不同（财务分析 vs 技术解读 vs 政策分析）

去重优先级：来源权威性 > 摘要完整性 > 发布时间更新

具体判断规则：

• 同一核心事实 + 无独立信息 + 无新角度 → 去重，保留最权威一条
• 同一核心事实 + 有独立信息 + 有新角度 → 保留，合并摘要精华
• 不同核心事实（哪怕相关）→ 保留

具体例子：

• ✅ 微软投资日本（Reuters）+ 微软投资日本（新华网）→ 同一核心事实，均为转载，无独立信息 → 去重，保留 Reuters
• ✅ 微软投资日本（Reuters）+ 微软投资日本（36kr独立分析）→ 同一核心事实，但36kr有独立分析视角 → 都保留
• ✅ OpenAI收购TBPN（确认报道）+ OpenAI收购TBPN（谈判进展）→ 核心事实相同，但阶段不同 → 都保留
• ✅ OpenAI收购TBPN（中文翻译版）→ 与英文同一核心事实，无独立信息 → 去重

第三步：评估与筛选

对每条新闻评估两个维度：

维度	说明	评分标准
相关度	与科技/AI 领域的关联程度	⭐1-5 星
推荐度	对读者的阅读价值	0-100 分

评分原则：

• 相关度 5星：AI 技术、芯片、太空探索、重大产品发布
• 相关度 4星：科技政策、行业趋势、并购融资
• 相关度 3星：间接相关的科技新闻
• 推荐度综合考虑：时效性、重要性、独家性、可操作性

第四步（插入）：生成主题关联图

在分类完成后、写入文件前，根据当日新闻内容生成「主题关联图」。

生成原则：

• 提取3-5个核心主题（基于新闻内容自动归纳）
• 标注主题间的关联关系（支持、竞争、因果、衍生等）
• 每个主题下列出相关新闻编号，便于快速跳转

关联类型标签：

• → 因果关系（A导致B）
• ⟶ 支撑关系（A证实/支持B）
• ⇄ 竞争关系（A与B竞争）
• ↙ 衍生关系（A衍生出B）

示例格式：

text

## 🗺️ 主题关联图

text

                ┌─ AI安全

AI芯片 ──⟶ ──┤ │ └─ 大模型 ──→ AI监管 ↑ 半导体 ──────────────⟶ ┘

text

- **AI芯片** → 大模型（算力支撑）
- **半导体** ⟶ 大模型（硬件基础）
- **AI安全** ↙ AI监管（监管对象）

关联图生成规则：

• 主题数量：3-5个为宜（太多则复杂，太多则冗余）
• 关系数量：每对主题间最多1条关系
• 新闻归属：每条新闻可归属1-2个主题（跨主题新闻归入主要主题）
• ASCII图形用于本地文件；飞书文档使用列表格式呈现

---

第五步：写入本地文件

保存路径：memory/YYYY-MM-DD-tech-news.md

文件格式要求：

• 文件头包含整理时间和来源
• 主题关联图（紧接在国际/国内分类之后）
• 按国际/国内分类
• 每条新闻包含：标题、相关度(⭐)、推荐度(分)、摘要、来源、链接
• 底部包含数据总览表格
• 末尾同步记录（本地文件 ✅、飞书文档链接）

第六步：同步飞书文档

创建飞书文档：

1. 调用 feishu_wiki(action="spaces") 获取个人知识库 space_id
2. 调用 feishu_doc(action="create", title="科技新闻日报 | YYYY年MM月DD日", folder_token="首页节点token", owner_open_id="请求用户open_id")
3. 调用 feishu_doc(action="write", doc_token="新文档token", content="markdown内容") 写入完整报告

文档格式： 与本地文件内容一致（飞书不支持表格，使用列表+粗体替代）

飞书文档中的主题关联图格式： 由于飞书富文本不支持ASCII图形，使用列表格式呈现：

text

## 🗺️ 主题关联图

**核心主题：**
- AI芯片（关联新闻：#1, #3）
- 大模型（关联新闻：#2, #4, #5）
- 半导体（关联新闻：#6, #7）

**关联关系：**
- AI芯片 → 大模型（算力支撑）
- 半导体 ⟶ 大模型（硬件基础）
- AI安全 ↙ AI监管（监管对象）

第七步：更新本地文件同步记录

在本地文件末尾添加：

text

## 📋 同步记录
- ✅ 本地文件：`memory/YYYY-MM-DD-tech-news.md`
- ✅ 飞书文档：`科技新闻日报 | YYYY年MM月DD日`
  - 文档链接：https://feishu.cn/docx/xxxxx
  - 知识库：个人知识库

---

输出模板

text

# 科技新闻日报 | YYYY年MM月DD日

> 整理时间：YYYY-MM-DD HH:MM GMT+8
> 来源：Tavily 搜索 + 公开新闻聚合

---

## 🌐 国际科技热榜

### 1. [新闻标题]
- 相关度：⭐⭐⭐⭐⭐ | 推荐度：XX/100
- 摘要：[1-2句话描述]
- 来源：[媒体名称]
- 链接：[URL]

[... 7条国际新闻 ...]

---

## 🇨🇳 国内 AI 热榜

### 1. [新闻标题]
- 相关度：⭐⭐⭐⭐⭐ | 推荐度：XX/100
- 摘要：[1-2句话描述]
- 来源：[媒体名称]
- 链接：[URL]

[... 8条国内新闻 ...]

---

---

## 🗺️ 主题关联图

本日核心主题及其关联：

text

                ┌─ [主题A]

[主题X] ──⟶ ──┤ │ └─ [主题B] ──→ [主题C] ↑ [主题Y] ────────────⟶ ┘

text

- **[主题X]** → [主题B]（关联说明）
- **[主题Y]** ⟶ [主题B]（关联说明）
- **[主题A]** ↙ [主题C]（关联说明）

---

## 📊 数据总览

- 国际：X 条，平均推荐度 XX
- 国内：X 条，平均推荐度 XX
- 合计：XX 条，平均推荐度 XX

---

## 🔗 关键来源

- [来源1名称]：URL
- [来源2名称]：URL
[...]

---

整理：牛管家 | 整理工具：Tavily 搜索

## 📋 同步记录

- ✅ 本地文件：`memory/YYYY-MM-DD-tech-news.md`
- ✅ 飞书文档：`科技新闻日报 | YYYY年MM月DD日`
  - 文档链接：https://feishu.cn/docx/xxxxx
  - 知识库：个人知识库

---

参考资源

• 飞书文档操作： 见 references/feishu-doc.md
• Tavily 搜索： 使用 tavily_search 工具，topic="news"，search_depth="basic" 或 "advanced"

---

注意事项

1. 并行搜索：中英文搜索同时进行，提高效率
2. 时效过滤：只收录近7天内的新闻，老旧新闻（超过7天）不再收藏，已过期的新闻不计入报告
3. 链接有效性：优先使用原始来源链接，避免短链接
4. 评分一致性：相关度和推荐度应有明显区分，相关度高不等于推荐度高
5. 飞书权限：创建文档时必须传入 owner_open_id 确保用户有编辑权限
6. 文件命名：使用 YYYY-MM-DD-tech-news.md 格式，便于排序检索
7. 去重时机：去重必须在合并所有搜索结果之后、评分之前进行，先去重再评分，不能边搜边去重

---

⚠️ 执行建议（重要）

本任务涉及多轮搜索 + 内容整理 + 飞书文档写入，建议使用子会话执行以避免超时：

markdown

使用 `sessions_spawn` 启动子会话执行：
- runtime: "subagent"
- mode: "run"
- runTimeoutSeconds: 600（10分钟足够）
- task: 完整的科技新闻日报任务描述

不建议在主会话直接执行的原因：

• 任务包含多轮 Tavily 搜索（4-6次）
• 需要整理15-20条新闻并评分
• 写入飞书文档操作较重
• 主会话超时窗口（默认180s）可能不够

子会话执行流程：

1. 并行中英文搜索（tavily_search）
2. 合并所有搜索结果（不评分，不分类，先拢到一起）
3. 两轮去重： a) URL精准去重（同一链接只一条） b) 语义去重：提取核心三元组（主体+动作+客体），同一核心事实的报道：无独立信息无新角度 → 只保留最权威那条；有独立信息或新角度 → 保留多条
4. 评分（去重完成后，才开始评分）
5. 分类（国际/国内）
6. 生成主题关联图（根据当日新闻内容，提取3-5个核心主题，标注关联关系）
7. 写入本地文件 memory/YYYY-MM-DD-tech-news.md
8. 创建飞书文档并写入内容
9. 直接发送报告到飞书群（使用 message 工具，channel="feishu"，target="chat:群组ID"）
10. 更新本地文件同步记录

进度 Checkpoint（v0.2.4 新增）：每步必须写checkpoint 子会话在每个关键步骤完成后，立即将进度写入 checkpoint 文件 memory/YYYY-MM-DD-tech-news-checkpoint.json：

json

{
  "step": 6,
  "stepName": "飞书文档创建完成",
  "feishuDocUrl": "https://feishu.cn/docx/xxx",
  "localFile": "memory/2026-04-17-tech-news.md",
  "timestamp": 1776396500000,
  "pendingAction": "发送飞书消息"
}

步骤说明：

• step 1: 搜索完成 → 写入 checkpoint
• step 2: 去重完成 → 写入 checkpoint（附上去重后条数）
• step 3: 评分完成 → 写入 checkpoint
• step 4: 主题关联图生成完成 → 写入 checkpoint
• step 5: 本地文件写入完成 → 写入 checkpoint（标记 localFile 路径）
• step 6: 飞书文档创建完成 → 写入 checkpoint（标记 feishuDocUrl）
• step 7: 发送飞书消息 → 最后一步，必须成功，完成后写入 step: done

超时补救机制（v0.2.4 强化版）： 如果主会话收到子会话超时事件，按以下顺序检查：

1. 读取 checkpoint 文件 memory/YYYY-MM-DD-tech-news-checkpoint.json
2. 如果 step >= 5（本地文件已写）→ 读取本地文件，直接发送飞书消息
3. 如果 step >= 6（飞书文档已建）→ 跳过创建，直接发送飞书消息
4. 如果 step == done → 任务已完成，无需补救（但用户没收到消息，说明channel问题）
5. 如果 step < 5 → 任务早期失败，需要重新执行

⚠️ 关键修复（v0.2.3/v0.2.4）：子会话必须直接发飞书消息

• 步骤6（发送飞书消息）是整个流程中最后一步，也是唯一向用户传递报告的途径
• 飞书群组 ID（目标）：oc_d591432cedf9a00c01878c24754cb050
• 必须使用 message(action="send", channel="feishu", target="chat:oc_d591432cedf9a00c01878c24754cb050", message="完整报告内容")
• 禁止在发送飞书消息之前结束会话——即使所有文件/文档操作都完成了，也要留足时间发送消息
• 飞书消息发送成功后，才更新 checkpoint 为 step: done