ClawHub

Scalingup Daily

Productivity

搜广推领域模型 Scaling Up 日报生成技能。每日自动检索6类优先级信息源（ArXiv论文、微信公众号、知乎、技术博客、GitHub Trending、行业会议），生成结构化日报并写入IMA知识库。触发词：搜广推日报、ScalingUp日报、推荐系统日报、推荐Scaling Law日报、生成式推荐日报、To...

Install

openclaw skills install @fandywang87/scalingup-daily

搜广推领域模型 Scaling Up 日报生成技能 v2.0

适用场景

  • 用户说"生成今天的搜广推日报"或"跑一下 ScalingUp 日报"
  • 自动化任务每周一 08:00 触发（任务 ID: scaling-up-2）
  • 需要系统性追踪搜广推领域最新论文、技术文章、开源项目动态

信息源（6 类优先级）

优先级 1：ArXiv 论文 — 最新学术论文

使用 web_search 搜索以下关键词（最近 7 天的新论文）：

  • "arxiv recommendation system scaling law {year}"
  • "arxiv CTR prediction transformer {year}"
  • "arxiv generative recommendation advertising {year}"
  • "arxiv sequential recommendation token mixer {year}"
  • "arxiv unified modeling search recommendation {year}"
  • "arxiv recommendation foundation model {year}"
  • "arxiv scaling law recommendation {year}"
  • "arxiv ads ranking model {year}" 每个搜索取前 5 条结果。 对每篇论文记录：标题、arXiv ID、作者/机构、核心贡献、链接。

优先级 2：微信公众号 — 国内技术深度解读

使用 wechat-article-search skill 搜索以下关键词（最近 7 天）：

  • "推荐系统 Scaling Law"
  • "搜广推 大模型"
  • "序列建模 推荐"
  • "生成式推荐"
  • "TokenMixer 排序" 每个关键词搜索 3-5 条。 对每篇文章记录：标题、公众号名、链接、发布日期、核心内容。

微信搜索命令格式：

cd {skill_dir} && NODE_PATH={skill_dir}/node_modules {node_path} scripts/search_wechat.js "关键词" -n 5

其中 {skill_dir} 为本 skill 的安装路径，{node_path} 为 Node.js 可执行文件路径。

优先级 3：知乎 — 深度技术分析

使用 web_search 搜索以下关键词（最近 7 天）：

  • "site:zhuanlan.zhihu.com 推荐系统 Scaling Law {year}"
  • "site:zhuanlan.zhihu.com TokenMixer 推荐 {year}"
  • "site:zhuanlan.zhihu.com 生成式推荐 广告 {year}"
  • "site:zhuanlan.zhihu.com 搜广推 序列建模 {year}"
  • "site:zhuanlan.zhihu.com OneRec OneRanker GR4AD"
  • "site:zhuanlan.zhihu.com 推荐系统 大模型 {year}"
  • "site:zhuanlan.zhihu.com UniMixer 推荐 {year}"
  • "site:zhuanlan.zhihu.com 推荐系统 MoE 稀疏 {year}" 每个搜索取前 5 条结果。

优先级 4：技术博客 — 大厂团队博客

使用 web_search 搜索以下关键词：

  • "site:ai.meta.com blog recommendation {year}"
  • "site:research.google blog recommendation {year}"
  • "美团技术团队 推荐 {year}"
  • "字节跳动技术博客 推荐 {year}"
  • "阿里巴巴技术 推荐系统 {year}"
  • "快手技术博客 生成式推荐 {year}"
  • "腾讯技术 推荐系统 {year}"

优先级 5：GitHub Trending — 热门开源项目

使用 web_search 搜索以下关键词：

  • "GitHub recommendation system trending {year} stars"
  • "GitHub awesome recommendation system {year}"
  • "GitHub bytedance recommendation model open source"
  • "GitHub Meta HSTU recommendation"
  • "GitHub Kuaishou OneRec OpenOneRec"
  • "github.com/trending 机器学习 推荐系统"

优先级 6：行业会议 — KDD/WWW/ICML/NeurIPS/SIGIR 等

使用 web_search 搜索以下关键词：

  • "KDD {year} accepted papers recommendation"
  • "WWW {year} recommendation system paper"
  • "ICML {year} recommendation transformer paper"
  • "NeurIPS {year} recommendation system paper accepted"
  • "SIGIR {year} recommendation scaling sequential"
  • "RecSys {year} accepted papers call"
  • "WSDM {year} recommendation paper"
  • "AAAI {year} recommendation system paper"

重点关注的技术方向

  • Scaling Law 在搜广推领域的验证与落地（Wukong/SUAN/EST/TokenMixer-Large 路线）
  • TokenMixer 架构演进（RankMixer → TokenMixer-Large → UniMixer）
  • 生成式端到端统一建模（OneRec/OneRanker/GR4AD）
  • 稀疏注意力与 MoE 高效扩展（ULTRA-HSTU/LightSUAN）
  • 多行为序列推荐与基础模型

已知核心论文（去重用，不需要重复列出）

参考 references/known_papers.md 文件。

日报生成格式

  1. 标题：搜广推领域模型 Scaling Up 日报 | {当天日期}
  2. 驱动模型声明：标题下方紧跟 > 驱动模型：{AI模型名称}（如 Claude-Opus-4.6、Gemini-3.0-Pro 等），标注本次辅助生成所使用的大模型名称
  3. 趋势概览：简要总结当日最重要的 2-3 个动态
  4. 按信息源优先级分章节展示内容
  5. 每个条目必须包含：标题/论文名、来源、可访问的真实链接、核心要点
  6. 文末附「引文索引」，按平台分类整理所有链接
  7. 在每个章节末尾标注当日该源检索到的条目数量
  8. 强制结构化排版：使用多级标题、列表、加粗高亮等 Markdown 元素增强可读性，严禁大段纯散文

日报模板参考 templates/daily_report_template.md。

引用链接规范（P0 级，强制执行）

日报中所有条目必须附上真实可访问的引用链接，严禁使用占位符或编造链接。

  1. ArXiv 论文：必须通过 web_search 搜索论文标题确认真实的 arxiv.org/abs/XXXX.XXXXX 链接，绝不允许编造 abs ID（如 2504.xxxxx）
  2. GitHub 项目：必须搜索确认真实的仓库 URL，不允许猜测 URL 路径
  3. 微信公众号文章：必须通过 wechat-article-search skill 搜索获取真实 mp.weixin.qq.com 链接
  4. 知乎/博客文章：必须提供可点击访问的原始链接
  5. 学术会议：必须提供会议官网或具体 proceedings 链接
  6. 每条引用在写入报告前必须通过 web_search 验证其真实性
  7. 如果确实无法找到可验证的链接，应明确标注「链接待补充」，而非编造假链接

事实准确性

  • 论文的作者归属、机构、发表会议等信息必须经过验证
  • 机构归属必须基于作者 affiliation，不可按部署场景/业务线推断（详见 references/known_papers.md）
  • 会议论文数量、录取率等统计数据需从官方来源获取
  • 遇到不确定的信息，优先 web_fetch arxiv 页面核对作者 affiliation，而非凭记忆填写

发布同步（双平台，强制执行）

日报生成后，必须同时同步到以下两个平台（缺一不可）：

平台 1：IMA 知识库「龙虾-模型ScalingUp」

  • 知识库 ID：6peD1tTQj2UYi41MTaDgLpfVnbCegcA-sjzZLJ0zVPA=
  • 上传流程：
    1. create_media 获取 COS 上传凭证
      • 必填参数：file_name, file_size, content_type=text/markdown, knowledge_base_id, file_ext=md
    2. 使用 cos-upload.cjs 脚本上传文件到 COS
    3. add_knowledge 将文件挂到知识库（media_type=7）
      • 必填参数：media_type, media_id, title, knowledge_base_id, file_info.cos_key/file_size/file_name
  • 认证：ima-openapi-clientid + ima-openapi-apikey（凭证存于 ~/.config/ima/client_id、~/.config/ima/api_key）
  • Base URL：https://ima.qq.com（Base Path: /openapi/wiki/v1/）
  • 限流处理：遇 code=220030 时 sleep 15 秒后重试即可

平台 2：腾讯文档（Markdown 格式）

  • 上传命令： 
    # 用 jq 生成参数文件，避免命令行转义问题
jq -Rn --arg title "搜广推模型ScalingUp日报_{日期}" \
       --rawfile mdx "{report_file}" \
       '{title:$title, mdx:$mdx, content_format:"markdown"}' > /tmp/td_args.json
mcporter call tencent-docs create_smartcanvas_by_mdx --args "$(cat /tmp/td_args.json)"
  • 标题上限 36 字符（按字符数计算），超长会报 business 400001
  • 前置条件：mcporter 已注册 tencent-docs server，token 有效

双平台一致性要求

  • 两平台文件名/标题保持一致：搜广推领域模型 Scaling Up 日报_YYYY-MM-DD（腾讯文档标题可适当缩短以满足 36 字符限制）
  • 日报以纯 Markdown 文本为主，图片若为外链可直接引用
  • 若含本地图片或 base64，腾讯文档版需替换为 upload_image 返回的 image_id
  • IMA 和腾讯文档上传链应并行启动，不要串行等待

输出文件

将日报保存为：{workspace_dir}/搜广推领域模型 Scaling Up 日报_YYYY-MM-DD.md

效率优化

  • 并行化：IMA 上传链与腾讯文档上传链必须并行启动
  • 长流程三段分离：检索 → 落盘 → 上传，每段完成后立即持久化到文件
  • subagent 并发上限 2 个：每完成一个信息源就 append 到草稿文件
  • 质量校验合并：用一条 Python 脚本输出所有指标，不要分 5-6 条命令

依赖说明

前置 Skill

  • wechat-article-search：微信公众号文章搜索（需先安装）
  • ima-skills（或"腾讯ima"）：IMA 知识库操作（需先安装）
  • tencent-docs：腾讯文档 MCP（需通过 mcporter 注册）

运行时依赖

  • Node.js >= 18（微信搜索脚本）
  • Python 3（IMA 上传脚本）
  • npm 包：cheerio（微信搜索脚本依赖）
  • jq（腾讯文档参数构建）

凭证要求

  • IMA API：~/.config/ima/client_id + ~/.config/ima/api_key
  • 腾讯文档 MCP：mcporter 已注册 tencent-docs server（token 存于 ~/.mcporter/mcporter.json）

安装后首次运行检查清单

  1. 确认 wechat-article-search skill 已安装
  2. 确认 ima-skills skill 已安装
  3. 运行 npm install 安装 cheerio 依赖
  4. 确认 IMA API 凭证已配置
  5. 创建 IMA 知识库并记录 KB ID
  6. 确认 mcporter 已注册 tencent-docs MCP server 且 token 有效（双平台发布所需）
  7. 配置自动化任务（每周一 08:00）
  8. 执行一次测试运行验证全流程（需验证 IMA 和腾讯文档双平台均同步成功）
More in Productivity