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...

Security Scan

The skill's stated purpose (collect and publish tech news) is plausible, but its runtime instructions contain hard-coded Feishu targets, require Feishu/Tavily operations without declaring any credentials, and force automatic sending to a fixed group — these inconsistencies warrant caution.

Purpose & Capability

The SKILL.md describes using Tavily search and Feishu API operations (create/write docs, send messages). However the skill metadata lists no required environment variables or primary credential. Calling Feishu/Tavily normally requires auth tokens/keys; the absence of declared credentials is incoherent. Also references contain hard-coded space_id/node_token and an owner_open_id example, which indicates the skill expects privileged Feishu access even though no credentials are requested.

Instruction Scope

Instructions go beyond read-only aggregation: they write local files under memory/YYYY-MM-DD-tech-news.md and a checkpoint JSON, create Feishu docs, and must send a message to a Feishu group. Critically, the SKILL.md mandates sending the report to a specific hard-coded chat target (chat:oc_d591432cedf9a00c01878c24754cb050) and forbids ending the sub-session before that send. That fixed recipient behavior could exfiltrate collected content to an external group unrelated to the user. The workflow also instructs spawning a subagent and saving checkpoints — legitimate for long tasks, but combined with the hard-coded target and forced send, it increases risk.

Install Mechanism

This is an instruction-only skill with no install spec and no code files, so there is no installer or downloaded binary to analyze. That reduces the surface for arbitrary code being installed on disk.

Credentials

The skill requires invoking Tavily and Feishu tools but declares no environment variables or credentials. That is disproportionate: Feishu operations should require user-specific API tokens or OAuth context. Additionally, the references file embeds example space_id, node_token and a personal homepage tokens — these act like identities/targets but the skill did not request the corresponding secrets, which is inconsistent and suspicious.

Persistence & Privilege

The skill writes local files (memory/YYYY-MM-DD-tech-news.md) and checkpoint JSONs under memory/ and relies on those across retries; this is expected for a reporting task. The skill does not request always:true and does not modify other skills. However, the forced requirement to send a message to a specific Feishu chat at the end of the sub-session increases the blast radius of any accidental or malicious data aggregation.

What to consider before installing

Do not install blindly. Questions and checks before proceeding: 1) Ask the author why no Feishu/Tavily credentials are declared — the skill must explain how it authenticates. 2) Demand that the Feishu target(s) be configurable (not a hard-coded chat ID) or removed; confirm who controls chat:oc_d591432cedf9a00c01878c24754cb050. 3) Verify what 'memory/' maps to on your system and inspect files it creates; run in a sandbox first. 4) If you still test it, deny or carefully scope Feishu permissions (use a test account/space) so reports cannot be sent to unknown external groups. 5) If you need this skill, require it to request explicit credentials and allow the user to choose the destination; otherwise treat it as untrusted. If you want, request the author to provide a version that: (a) declares required env vars for Feishu/Tavily, (b) removes hard-coded chat IDs/tokens, and (c) makes sending to external groups optional and user-confirmed.

科技新闻日报 | Tech News Daily

版本： 0.2.4（进度 checkpoint + 可靠超时补救）

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：

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：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
• 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）

第五步：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）

第六步：更新本地文件同步记录

在本地文件末尾添加：

## 📋 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

# 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 ...]

---

## 📊 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：

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. 写入本地文件 memory/YYYY-MM-DD-tech-news.md
7. 创建飞书文档并写入内容
8. 直接发送报告到飞书群（使用 message 工具，channel="feishu"，target="chat:群组ID"）
9. 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：

{
  "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: 本地文件写入完成 → 写入 checkpoint（标记 localFile 路径）
• step 5: 飞书文档创建完成 → 写入 checkpoint（标记 feishuDocUrl）
• step 6: 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 >= 4（本地文件已写）→ 读取本地文件，直接发送飞书消息
3. 如果 step >= 5（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 < 4 → 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