Daily Ai Brief Skill

一个简洁高效的AI新闻简报生成技能，专为Claude Code和OpenClaw优化。每日自动从多个可靠数据源采集AI领域最新动态，生成干净的Markdown格式简报，帮助您快速掌握AI行业前沿信息。

AI Daily Brief Skill

一个专为Claude Code和OpenClaw设计的AI新闻聚合技能，每日自动从数十个高质量数据源采集AI领域最新动态，生成结构化、热度排序的新闻简报。

功能特性

• 多源采集: 支持RSS、Reddit、X/Twitter、网页爬虫、API、WebSearch（搜索引擎）等多种数据源
• 智能过滤: 基于关键词和时效性自动过滤内容
• 热度评估: 根据多家媒体报道、社区传播、权威性等多维度评估新闻热度
• 多格式输出: 支持Markdown、JSON等多种报告格式
• 并发执行: 使用异步并发技术快速抓取多个数据源
• 可配置性强: 通过YAML配置文件轻松添加/删除数据源

数据源覆盖

• 国内媒体: 36氪、机器之心、量子位、新智元、InfoQ、AI科技评论等
• 国际媒体: MIT Technology Review、TechCrunch、The Verge、Ars Technica、VentureBeat、Wired等
• 学术研究: OpenAI Blog、Hugging Face Blog、arXiv CS.AI/CS.LG等
• 社区平台: Reddit (MachineLearning, LocalLLaMA等)、X/Twitter关键账号
• 行业动态: Hacker News、行业博客等
• 搜索引擎: Google、Bing等（通过WebSearch集成）

安装使用

1. 安装依赖

pip install -r requirements.txt

依赖安装若出现失败、速度慢、超时情况，尝试使用国内镜像重试

2. 配置数据源

编辑 src/data_sources.yaml 配置文件，根据需要启用/禁用数据源，调整抓取参数。

3. 运行技能

python src/main.py

4. 查看报告

报告将自动生成在 reports/ 目录下：

• ai_news_report_YYYYMMDD_HHMMSS.md - 最全最优的Markdown报告（包含所有新闻条目，按类别结构化组织）
• ai_news_report_YYYYMMDD_HHMMSS.json - JSON格式数据（机器可读）

配置说明

数据源配置

技能使用YAML格式配置文件 (src/data_sources.yaml)，包含以下主要部分：

1. rss_sources: RSS订阅源配置
2. reddit_sources: Reddit社区配置
3. x_sources: X/Twitter账号配置
4. web_scrapers: 网页爬虫配置
5. api_sources: API接口配置
6. fetch_config: 抓取全局配置
7. search_keywords: 搜索关键词矩阵
8. web_search_sources: WebSearch搜索引擎配置

过滤配置

每个数据源支持以下过滤选项：

filters:
  include_keywords: ["AI", "人工智能", "大模型"]  # 包含关键词
  exclude_keywords: ["广告", "推广"]              # 排除关键词

抓取配置

fetch_config:
  max_items_per_source: 15      # 每个源最大抓取数量
  timeout_seconds: 30           # 请求超时时间
  max_retries: 2                # 重试次数
  max_age_hours: 72             # 最大新闻年龄（小时）
  exclude_keywords:             # 全局排除关键词
    - "sponsored"
    - "advertisement"

热度评估算法

技能使用多维度热度评估算法，权重如下：

信号	权重	说明
多家媒体报道同一事件	⭐⭐⭐ 高	3+ 来源 = 确认热点
社区病毒传播证据	⭐⭐⭐ 高	GitHub star暴涨、Twitter刷屏、HN首页
来自权威来源	⭐⭐⭐ 高	顶会、大厂官宣等
实际用户体验分享	⭐⭐ 中	有人真的在用 > 只是发布了
技术突破性/影响范围	⭐⭐ 中
争议性（安全、伦理讨论）	⭐⭐ 中	争议往往说明影响力大
时效性（越新越热）	⭐ 中低	辅助排序

扩展开发

添加新的抓取器

1. 在 src/modules/ 目录下创建新的抓取器类，继承 BaseFetcher
2. 实现 async def fetch(self) -> List[NewsItem] 方法
3. 在 fetcher_factory.py 中注册新的抓取器类型

添加新的数据源

1. 在 src/data_sources.yaml 中添加新的数据源配置
2. 根据数据源类型选择相应的抓取器类型
3. 调整过滤参数和抓取数量

报告格式

技能生成的报告包含以下关键字段：

字段	说明	是否必须
标题 (title)	新闻标题	是
热度 (hotness_score)	新闻热度评分 (0-10)	是
来源 (source)	新闻来源（如36氪、Reddit等）	是
发布时间 (publish_date)	新闻发布时间	是
链接 (ref)	新闻原文链接，用户可点击查询原文	必须展示
摘要 (summary)	新闻摘要	是

Ref字段（原文链接）说明

Ref字段是必须展示的，用户可以点击查询原文。具体要求如下：

1. 必须性：每个新闻条目都必须包含ref字段（原文链接）
2. 可点击性：在Markdown报告中，ref字段必须以[阅读原文](URL)格式展示，确保用户可以直接点击访问原文
3. 可追溯性：ref链接必须指向新闻的原始出处，确保信息的可追溯性
4. 数据一致性：在JSON报告中，ref对应url字段

示例：

**链接**: [阅读原文](https://example.com/news/123)

翻译功能

技能生成的报告主要为英文和中文新闻。如需将英文新闻翻译为中英双语，可以使用以下提示词让大模型自行翻译：

请将以下英文新闻翻译成中文，并保持中英双语对照格式：

[英文新闻标题]
[英文新闻摘要]

翻译要求：
1. 保持专业术语准确性
2. 译文自然流畅
3. 中英文对照显示
4. 保留原文链接和出处信息

也可以使用更简洁的提示词：

"将以下英文AI新闻翻译为中文，并提供中英双语对照："

使用示例

假设报告中有以下英文新闻条目：

## 1. OpenAI releases new multimodal model
**热度**: 8.5/10
**来源**: OpenAI Blog (rss)
**发布时间**: 2024-05-13 10:30
**链接**: [阅读原文](https://openai.com/blog/new-multimodal-model)
**摘要**: OpenAI has announced a new multimodal model that can process text, images, and audio simultaneously...

使用提示词后，大模型将生成：

## 1. OpenAI发布新的多模态模型
**热度**: 8.5/10
**来源**: OpenAI Blog (rss)
**发布时间**: 2024-05-13 10:30
**链接**: [阅读原文](https://openai.com/blog/new-multimodal-model)

**英文摘要**: OpenAI has announced a new multimodal model that can process text, images, and audio simultaneously...
**中文翻译**: OpenAI宣布了一个新的多模态模型，可以同时处理文本、图像和音频...

**中英双语摘要**:
- **英文**: OpenAI has announced a new multimodal model that can process text, images, and audio simultaneously.
- **中文**: OpenAI宣布了一个新的多模态模型，可以同时处理文本、图像和音频。

计划功能

• 支持更多社交媒体平台 (LinkedIn, 微博等)
• 添加情感分析功能
• 支持自定义报告模板
• 添加定时任务调度
• 支持数据库存储历史数据
• 添加Web界面

问题反馈

如遇问题或建议，请提交Issue或联系维护者。