Insight Radar (洞察雷达)
Two modes, one skill:
🧠 For AI Self-Evolution
扫描新闻，提取概念与战略模式，写入知识库:
- Concepts (主要) →
concepts.md: 当前事件、技术发展、市场变化
- Thinking Patterns (偶尔) →
patterns/*.md: 仅当新闻揭示可复用模式时
📰 For User Learning
CORE 分析的战略简报，不是新闻聚合:
- [C] Core Logic: 第一性原理（不是发生了什么，而是 WHY）
- [O] Opportunity: 价值流向，谁赢了？
- [R] Risk: 反共识，隐藏黑天鹅
- [E] Execution: 你今天该做什么？
News categories: 由 news-source-manager 管理，默认 AI/Tech。
Workflow
1. Load News Config
调用 news-source-manager 获取用户的活跃新闻类别:
{
"active_categories": [{
"name": "AI/Tech",
"keywords": ["AI", "machine learning", "LLM", "AI agents", "semiconductor", "robotics"],
"sources": ["TechCrunch", "MIT Tech Review"],
"search_params": {"count": 5}
}]
}
If news-sources.json 不存在: 触发 news-source-manager 初始化流程。
Fallback: 用户跳过配置时，默认 "AI/Tech" 类别。
2. Search Recent News
搜索策略: 宽泛扫描 + 智能补搜 + 中英双语。
核心原则: 不预定义固定 hints。越简单的 query 返回越全面的结果（测试验证："AI technology news March 2026" 比精心设计的关键词组合覆盖度更高）。
For each active category, 分两步:
Step 2a: 宽泛扫描（每类别固定 2 次）
英文: "{category_name} news {current_month} {current_year}"
中文: "{类别中文名} 新闻 {current_year}"
count: 5
示例 (Finance/Crypto, 当前 March 2026):
WebSearch("Finance Crypto news March 2026", count: 5)
WebSearch("金融 加密货币 新闻 2026", count: 5)
类别名称映射:
| category_name | 类别中文名 |
|---|
| AI/Tech | AI 科技 |
| Business Strategy | 商业战略 |
| Finance/Crypto | 金融 加密货币 |
| Health/Bio | 生物医药 数字健康 |
| Energy/Climate | 新能源 气候科技 |
| Policy/Regulation | AI监管 科技政策 |
| Product Design | 产品设计 用户体验 |
Step 2b: 覆盖度评估 + 智能补搜（每类别 0-2 次）
扫描 Step 2a 结果后，用 news-sources.json 中的 keywords 评估覆盖度:
1. 将该类别的 keywords 分为 3-4 个子领域簇
例如 AI/Tech: [模型/Agent] [芯片/硬件] [安全/治理] [应用/商业]
2. 检查 Step 2a 结果覆盖了哪些簇
例如: 结果中有 GPT-5.4、Agent 部署 → [模型/Agent] ✅
结果中没有芯片相关 → [芯片/硬件] ❌
3. 对未覆盖的簇，生成 1 条补搜 query
例如: WebSearch("AI chips semiconductor news March 2026", count: 3)
4. 最多补搜 2 次/类别（硬上限，防止无限膨胀）
总调用量: 3 类别 × 2 底线 + 0-6 补搜 = 6-12 次（实际通常 8-9 次）。
Fallback
仅当某类别 Step 2a + 2b 合计 < 2 条结果时，将 {current_month} 改为上月重搜。
If ALL categories fail: 通知用户 "过去 24h 无重大新闻，建议扩展类别或时间范围。"
后处理
去重: 合并所有类别结果，按 URL/title 去重，优先保留高权威来源（sources 中 priority: 1）。
URL 验证: 检查返回 URL 是否为具体文章。首页/分类页 → 用 web_fetch 提取具体链接。
战略价值筛选 — 从去重结果中选 TOP 3-5 条:
高价值信号 (优先): 揭示行业本质变化 / 反共识观点 / 跨领域影响 / 基础设施机会
低价值信号 (跳过): 纯融资公告 / 常规产品发布 / 无新洞察的共识观点
类别覆盖: 选出的 3-5 条至少覆盖 2 个不同类别。如果都来自同一类别 → 补 1 条次要类别。
输出格式: 每条标注类别、时间、来源链接
### 1️⃣ 中国AI Agent爆火 【AI/Tech】
📅 1 day ago (2026-03-22)
🔗 [Reuters](https://www.reuters.com/...)
3. Analyze with CORE Framework
对每条选中的新闻，调用 core-prism skill 进行 CORE 分析。传入 USER.md 中的用户上下文用于 [E] Execution 维度个性化。
4. Generate Strategic Briefing
4 个 mandatory sections:
-
📰 核心资讯 (Core News)
- 3-5 items with CORE analysis
- 每条含: 类别标签【】, 时间 📅, 来源链接 🔗, C/O/R/E 分析
-
🎯 战略简报 (Strategic Briefing)
- 今日破局点: 这些故事一起揭示了什么？
- So What? 给用户一个尖锐的可操作问题
-
🧠 认知沉淀 (Cognitive Digest)
- 今日关键事件摘要 (写入 news-log)
- 候选概念 (如果今日新闻揭示了一个全新的认知框架，标记为候选，累积验证后才入 concepts.md)
- 候选模式 (如果同一模式已在 3+ 条不同新闻中反复出现，才提炼入 patterns/*.md)
- 判断力复盘 (哪些旧假设被验证/推翻？)
-
🤔 盲区质询 (Blind Spot Questions)
5. Write to Knowledge Base — 三层架构
每日新闻和深度认知分层存储，避免知识库被新闻复述淹没。
三层写入规则
| 层级 | 文件 | 入库标准 | 频率 |
|---|
| Layer 1: 新闻日志 | memory/news-log/YYYY-MM-DD.md | 每条分析过的新闻 | 每天 |
| Layer 2: 概念 | memory/knowledge-base/concepts.md | 真正的新认知框架，不是事件记录 | 每周 1-3 个 |
| Layer 3: 思维模式 | memory/knowledge-base/patterns/*.md | 同一模式在 3+ 条不同新闻中反复出现 | 每月 1-2 个 |
Step 5.1: 写入新闻日志（每次必须）
创建/追加 ~/.openclaw/workspace/memory/news-log/YYYY-MM-DD.md:
# 资讯早报 - YYYY-MM-DD
## 1. [新闻标题] 【类别】
- **来源**: [链接]
- **CORE 摘要**: C: ... | O: ... | R: ... | E: ...
- **候选概念**: [如有，标记为候选] 或 "无"
- **关联旧模式**: [如能关联到 patterns/*.md 中已有模式] 或 "无"
Step 5.2: 概念入库（高门槛，非每日）
入库条件（必须同时满足）:
- ✅ 这是一个新的认知框架，不是事件/产品/公司名
- ✅ 具有持久解释力（6 个月后仍然有用）
- ✅ 无法用已有概念解释
Bad: "LightGen 光芯片"（这是一条新闻）
Good: "光计算范式"（这是一个持久概念，但需要更多数据点确认才入库）
暂不入库的标记为"候选概念"记录在 news-log 中，等累积验证。
Step 5.3: 思维模式入库（最高门槛）
入库条件: 同一模式在 3+ 条不同日期的新闻中反复出现。
在 news-log 中标记 "关联旧模式"，当累积到 3+ 条时，提炼入 patterns/{id}.md。
写入格式必须与 cognitive-forge 一致（YAML frontmatter + 7 字段正文）：
---
id: {kebab-case-english}
name_zh: {中文名}
name_en: {English Name}
source: Insight Radar, {触发该模式的 3+ 条新闻来源概述}
category: {investing|startup|systems|ai-thinking|positioning|management|growth|cognitive-bias|influence|economics}
tags: [{3-5个中文标签}]
scenarios: [{3-5个应用场景}]
related_models: [{2-4个已有模型id}]
difficulty: {beginner|intermediate|advanced}
date: {YYYY-MM-DD}
---
**核心逻辑**: {模式的本质，一段话}
**思维框架**: {核心机制，一句话}
**决策原则**: {在XX场景下，应该XX而非XX}
**盲区警告**: {何时失效}
**反射弧**: {看到XX信号 → 联想到模型 → 行动}
**锚定案例**: {触发该模式的真实新闻案例}
**反共识**: {❌ "旧常识" → ✅ 新真相}
注意：insight-radar 产出的模式 source 字段标注为 "Insight Radar, ..."（而非书籍来源），以区分来源渠道。
Step 5.4: 验证写入
写入后，用 Read 工具读取 news-log 文件确认条目存在。
Completion Checkpoint:
- □ news-log/YYYY-MM-DD.md 已写入？
- □ 概念入库？（仅当满足高门槛条件时）
- □ 思维模式入库？（仅当同一模式 3+ 次出现时）
- □ 用 Read 验证了写入？
6. Deliver Briefing
通过触发通道发送给用户。
用户上下文个性化 (强制步骤):
-
读取 USER.md (~/.openclaw/workspace/USER.md):
- 工作经历/现在 → profession
- 兴趣/爱好 → interests
- 当前焦虑/未来规划 → challenges
- 不存在 → 使用通用第二人称
-
映射到 [E] Execution:
- 引用职业: "如果你在做 AI 产品..."
- 关联兴趣: "鉴于你对 fintech 的关注..."
- 回应挑战: "对于你建立第二曲线的目标..."
-
始终使用第二人称 ("你/你的")
Configuration
| 优先级 | 来源 | 用途 |
|---|
| 1 | memory/news-sources.json | 新闻类别 (由 news-source-manager 管理) |
| 2 | USER.md | 个性化 [E] Execution 维度 |
| 3 | 默认值 | AI/Tech 类别, 通用第二人称 |
Knowledge base paths (auto-created if missing):
~/.openclaw/workspace/memory/knowledge-base/concepts.md~/.openclaw/workspace/memory/knowledge-base/patterns/*.md
Quality Standards
Forbidden: 新闻聚合无分析 / 表面评论 / 重复新闻稿 / "AI is changing everything" 式空话 / 空 briefing
Required: 一针见血的洞察 / 反共识视角 / 可操作 / 跨文章找暗线 / 最少 2-3 条新闻 / 🧠 认知库更新 section is MANDATORY
Execution Flow
Daily trigger
↓
1. Load news-source-manager config
↓
2. Search recent news (search_hints + fallback)
↓
3. Call core-prism for CORE analysis
↓
4. Generate briefing (4 mandatory sections)
↓
5. Write to knowledge base (MANDATORY)
├─ concepts.md
├─ patterns/*.md (if patterns found)
└─ Verify with Read
↓
6. Deliver briefing (personalized via USER.md)
References
- See example-output.md for output format
- See category-config.md for adding custom categories
- See
core-prism skill for detailed CORE framework
- See
news-source-manager skill for category management
