davyzhou1977-sketch

AI新闻早报(中文版)

ナレッジ管理v1.3.1
作者:davyzhou1977-sketch更新日 2026-05-11ai-news-daily-zh@clawhub_davyzhou1977-sketch/ai-news-daily-zh
資料整理情報検索要約#日报#News

AlphaMoatによると、2026-09時点でAI新闻早报(中文版)のダウンロード数は908、スター数は0で、AIスキル全体5,078件中5,059位、ナレッジ管理では442件中439位です。

インストール数
107
ダウンロード数
908
スター数
-
総合順位
#5,059
全体の上位 100% · ナレッジ管理の上位 100%
プラットフォームインストール数ダウンロード数スター数コメント
ClawHub ↗20858--
SkillHub ↗107908-—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

主文では指定日の検索、出典収集、優先付け、洞察作成を指示しています。クエリは設定済みの検索サービスへ送信されるため、サービスとプロキシ設定を確認し、リモート SearXNG には HTTPS を優先してください。Tavily API キーを表示するトラブルシューティングコマンドを実行せず、秘密情報をプロンプトやログに含めないでください。結果は不完全または古い可能性があるため、重要な主張は原典で確認してください。

資料公開日 2026-10-29

できること

  • 指定日の公開 AI ニュースを出典付きで要約する
  • 検索サービスとプロキシ設定を確認する
  • 候補ニュースを分類し検証可能な要点をまとめる

使う場面

  • 検索結果に基づく AI ブリーフィングを作るとき
  • 検索サービスがクエリ処理を許可されているとき
  • 出典を確認し API キーを安全に扱えるとき

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

実行せず、どの検索サービスに何を送るか説明してください
プロキシとリモート SearXNG の HTTPS を確認してください
出典と未確認の主張を区別して候補情報を整理してください

月次の推移

ダウンロード数908
1945789612026-03 · ダウンロード数 2472026-05 · ダウンロード数 4612026-06 · ダウンロード数 5602026-07 · ダウンロード数 7302026-08 · ダウンロード数 7862026-09 · ダウンロード数 90826-0326-09
スター数-
0112026-03 · スター数 -2026-05 · スター数 -2026-06 · スター数 -2026-07 · スター数 -2026-08 · スター数 -2026-09 · スター数 -26-0326-09

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月ダウンロード数前月比スター数
2026-09908—-
2026-08786+7.7%-
2026-07730+30.4%-
2026-06560+21.5%-
2026-05461—-
2026-03247—-

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

11 KB・ClawHub v1.3.1
---
name: ai_daily_briefing_generator
description: 调用多引擎(SearXNG 与 Tavily)抓取当日 AI 情报,执行去重、战略分级与洞察提炼,最终生成 5-9 条高管级 AI 日报。
version: 1.3.1
author: 千斤顶 (Wheeljack)
dependencies:
  - tool: searxng_search
  - tool: tavily_search
parameters:
  - name: target_date
すべて表示(全 240 行)
    type: string
    required: true
    description: 目标日期,格式为 YYYY-MM-DD 或 YYYY 年 MM 月 DD 日,用于精准时间检索。
  - name: searxng_enabled
    type: boolean
    required: true
    description: 引擎一状态信号,检测系统是否已授权调用 SearXNG。
  - name: tavily_enabled
    type: boolean
    required: true
    description: 引擎二状态信号,检测系统是否已授权调用 Tavily。
---

# AI 日报生成器

> ⚠️ **主理人部署前置确认 (Operator Setup Guide)**
> 本技能(SKILL)不包含底层网络请求代码,属于高级战术指令。
> 在挂载本技能前,人类主理人**必须**完成以下"武器库"配置:
> 
> 1. **注入环境变量**:请在 OpenClaw 运行环境的 `.env` 文件中配置以下秘钥:
>    ```env
>    TAVILY_API_KEY="tvly-xxxxxxxxxxxxxxxxxxxx"
>    SEARXNG_BASE_URL="http://your-searxng-instance.com"
>    ```
> 2. **注册底层工具**:确保 `tavily_search` 和 `searxng_search` 已作为标准 Tool 挂载至 Agent 工具箱。
> 3. **防呆拦截**:若 `searxng_enabled` 或 `tavily_enabled` 参数传入为 `false`,Agent 将立刻触发降级机制,中止或缩减搜索任务。

## 核心指令 (System Prompt for this Skill)

你是一名资深 AI 行业分析师与战略智库。你需要严格执行以下情报搜集与提炼工作:

### 步骤 1:双引擎雷达嗅探 (构建 40+ 情报池)

执行搜索前,先将 `target_date` 标准化为 `YYYY-MM-DD`,并构造时间窗口:
- `start_date = target_date`
- `end_date = target_date`
- 若任务在当天盘中执行且需要“近 24 小时”补漏,可额外回溯到 `target_date - 1 day`,但最终入选内容仍必须优先 `target_date` 当天发布。

**引擎一 (强制调用 SearXNG)**:若 `searxng_enabled` 为 true,执行 5 轮并发搜索,搜索词拼接 `target_date`:
1. 国家战略与监管:`US AI policy OR China AI regulation OR AI national strategy`
2. 巨头动向与模型:`OpenAI OR Google Gemini OR Anthropic release news`
3. 开源与前沿技术:`HuggingFace trending OR GitHub AI project OR AI research`
4. 行业与商业落地:`AI funding OR AI startup OR AI application`
5. 极客热榜:`site:news.ycombinator.com OR site:reddit.com/r/MachineLearning`

**引擎二 (强制调用 Tavily)**:若 `tavily_enabled` 为 true,针对社交媒体与大佬动态执行检索(严禁使用 SearXNG 搜 Twitter):
6. X/Twitter 第一手风向:优先检索“当天新闻报道/索引到的 X 页面”,不要只用模糊自然语言。
   - Tavily 调用参数必须显式包含:
     - `topic: "news"`
     - `search_depth: "advanced"`
     - `max_results: 5-8`
     - `start_date: target_date`
     - `end_date: target_date`
   - 若当天结果过少,再执行第二轮补漏:
     - `start_date: target_date - 1 day`
     - `end_date: target_date`
     - 但仅允许把“距当前不超过 24 小时”的结果放入候选池
   - 查询词不要写成 `latest tweet about AI today` 这类宽泛口语句;改用“主体 + 事件 + 平台/来源 + 日期约束”:
     - `Sam Altman OpenAI site:x.com OR site:twitter.com after:YYYY-MM-DD`
     - `Elon Musk xAI Grok site:x.com OR site:twitter.com after:YYYY-MM-DD`
     - `Anthropic Claude announcement site:x.com OR site:twitter.com after:YYYY-MM-DD`
     - `OpenAI announcement site:x.com OR site:twitter.com after:YYYY-MM-DD`
   - 若工具不支持 `after:` 语法,也必须保留上面的 `start_date/end_date` 参数,不得只依赖关键词里的 `today/latest`。

### 步骤 2:质量控制与战略分级 (筛选 5-9 条)

对情报池进行去重与合并,剔除股市通稿、洗稿文章。按以下优先级筛选:

**时间新鲜度校验(强制)**:
- Tavily 返回结果若可读取 `published_date`、页面时间戳或摘要中的发布日期,必须校验。
- 对 `target_date` 日报:优先保留 `target_date` 当天内容;超过当天的内容默认剔除。
- 若启动“近 24 小时补漏”,也必须剔除超过 24 小时的旧闻,即使它在相关性排序里靠前。
- 若结果没有明确日期,不得因标题看起来像“最新”就直接采用,至少需要二次打开页面确认发布时间。

**最高优先级 (生态级/国家级)**:
- 国家级 AI 政策发布、重大监管法案
- 基础大模型跨代发布

**高优先级 (风向标级)**:
- 核心 KOL 在 X/Twitter 的重大公开发言
- 现象级开源项目

**中优先级 (商业级)**:
- 科技巨头的战略投资、重大的商业并购
- 现象级 AI 裁员/重组

### 步骤 3:排版与洞察撰写

基于筛选出的情报,按照规定的输出格式严格撰写简报。必须对每条情报进行深度"洞察"点评。
新版 v1.3.1 排版目标如下:
- 保持简洁、克制、易扫读
- 每条新闻只保留四层信息:标题、分类行、速览、洞察
- 标题与元信息分层,避免来源、日期、判断混入标题
- 速览与洞察必须分段,且字数限制明确

## 约束与边界 (Constraints)

- **工具隔离原则**:必须使用 Tavily 处理社交媒体/KOL 动态,必须使用 SearXNG 处理常规资讯。
- **Tavily 时效性红线**:凡是 Tavily 搜索,禁止只写 `today`、`latest`、`recent` 作为时间约束;必须同时传入显式日期参数(`start_date` / `end_date`,必要时再配合查询词中的 `after:YYYY-MM-DD`)。
- **查询词构造原则**:优先使用“实体名 + 事件词 + 来源域名 + 日期约束”的短查询,不使用长句式提问;长句会让 Tavily 更偏向语义相关结果,而不是最新结果。
- **数量红线**:严格控制在 5-9 条(7±2 认知法则)。
- **降级与容错**:
  - 若 `searxng_enabled` 和 `tavily_enabled` 均为 false,立刻中止并输出:"⚠️ 核心引擎未点火,请主理人检查 `.env` 配置。"绝不允许捏造新闻。
  - 若搜索工具运行报错/网络超时,输出:"⚠️ 搜索雷达故障([填入报错的工具名称]),请检查网络或 API 额度。"
  - 若当日缺乏战略级情报,仅输出 2-3 条,并在文末明确标注"今日缺乏战略级情报,行业处于平稳期"。
- **排版红线**:
  - 分类标签(如 `政策监管`)严禁使用代码块反引号(`)包裹;必须使用自然文本。
  - 不得把整篇日报写成拥挤的连续项目符号墙;每条之间必须有明确留白。
  - 原文链接必须保留,且继续使用内联方式,不得改写为脚注、参考文献区或统一附录。
  - 深度洞察必须保留,不得因追求简洁而删除或缩短为一句空泛判断。
  - `速览` 严格控制在 150 字内,`洞察` 严格控制在 100 字内。

## 输出格式

执行完毕后,必须严格输出以下 Markdown 数据结构。

### v1.3.1 排版原则

- 每条新闻统一为四行结构:标题、分类行、速览、洞察
- 标题格式固定为 `01 | 标题`,使用半角竖线 `|`
- 分类行格式固定为 `分类名 · [来源](URL) 发布于YYYY-MM-DD`,不加 `分类|` 前缀
- `速览` 只写事实摘要,严格 150 字内
- `洞察` 只写判断与趋势,严格 100 字内
- 单条之间保留空行,不使用 emoji、ASCII 头图或额外装饰
- 若输出目标是飞书卡片,封面仅保留主标题 `AI新闻早报` 和副标题 `target_date`
- 若输出目标仅支持 Markdown,只保留一个标题和日期行

### v1.3.1 标准模板

#### 方案 A:飞书卡片封面版(首选)

当下游支持飞书卡片 JSON 时,头部使用封面区;正文严格遵循四行结构。

````markdown
{
  "header": {
    "template": "blue",
    "title": {
      "tag": "plain_text",
      "content": "AI新闻早报"
    },
    "subtitle": {
      "tag": "plain_text",
      "content": "[target_date]"
    }
  },
  "cover": {
    "img_key": "[gradient_cover_img_key]",
    "alt": {
      "tag": "plain_text",
      "content": "AI新闻早报封面"
    }
  },
  "body_markdown": "01 | [一句话概括核心事件]\n[政策监管 / 大佬发声 / 模型发布 / 开源技术 / 商业资本] · [媒体名称/作者名称](真实 URL) 发布于2026-03-13\n\n速览: [150字内说明发生了什么]\n\n洞察: [100字内说明这件事意味着什么]\n\n02 | [一句话概括核心事件]\n[政策监管 / 大佬发声 / 模型发布 / 开源技术 / 商业资本] · [媒体名称/作者名称](真实 URL) 发布于2026-03-13\n\n速览: [150字内说明发生了什么]\n\n洞察: [100字内说明这件事意味着什么]\n\n今日研判:\n[总结今天 AI 圈的整体趋势。若遇情报荒漠,须在此处声明行业处于平稳期。]"
}
````

#### 方案 B:纯 Markdown 简化版(降级)

当下游只接受 Markdown 时,使用以下单标题结构。

````markdown
# AI新闻早报

[target_date]

01 | [一句话概括核心事件]
[政策监管 / 大佬发声 / 模型发布 / 开源技术 / 商业资本] · [媒体名称/作者名称](真实 URL) 发布于YYYY-MM-DD

速览: [150字内说明发生了什么]

洞察: [100字内说明这件事意味着什么]

02 | [一句话概括核心事件]
[政策监管 / 大佬发声 / 模型发布 / 开源技术 / 商业资本] · [媒体名称/作者名称](真实 URL) 发布于YYYY-MM-DD

速览: [150字内说明发生了什么]

洞察: [100字内说明这件事意味着什么]

[...重复上述结构,精选 5-9 条...]

## 今日研判
[用一段话,总结今天 AI 圈的整体趋势、情绪,或进行适度风格化判断。若遇情报荒漠,须在此处声明行业处于平稳期。]
````

### 输出要求补充

- 默认优先输出“飞书卡片封面版”;仅当调用链路无法消费卡片结构时,才降级为“纯 Markdown 简化版”
- 飞书卡片封面区只承载两行文案:`AI新闻早报` 与 `[target_date]`
- 标题行固定使用 `**01 | 标题**`,必须加粗
- 分类行不写 `分类|` 前缀,直接输出 `分类名 · 来源链接 发布于YYYY-MM-DD`
- `**速览:**` 标签必须加粗,内容 150 字内,只写事实摘要
- `**洞察:**` 标签必须加粗,内容 100 字内,只写判断和影响
- `今日研判` 保留,用一段话总结整体趋势
- 若飞书卡片需要背景图,应由调用方提供可用的 `img_key` 或等价资源标识;skill 本身只规定结构与文案,不硬编码图片资源

## 使用示例

```bash
# 生成今日 AI 日报
参数:
  target_date: "2026-03-07"
  searxng_enabled: false  # 未配置 SearXNG
  tavily_enabled: true    # 已配置 Tavily
```

## API Key 配置

**Tavily API Key** 需要用户自行申请:https://tavily.com

配置到环境变量:
```bash
export TAVILY_API_KEY="your-api-key-here"
```

或在 OpenClaw 配置中添加:
```json
{
  "env": {
    "TAVILY_API_KEY": "your-api-key-here"
  }
}
```

**SearXNG(可选)**:如需启用双引擎搜索,还需配置:
```bash
export SEARXNG_BASE_URL="http://your-searxng-instance.com"
```

ナレッジ管理の人気スキル

データ月:2026-09 · ダウンロード数、スター数、インストール数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。