H

每日话题助手

ナレッジ管理v1.0.2
作者:user_fd308b11更新日 2026-11-05hot-news-summary@user_fd308b11/hot-news-summary
情報検索要約

AlphaMoatによると、2026-10時点で每日话题助手のダウンロード数は14,735、スター数は15で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中1,901位、ナレッジ管理では745件中121位です。

一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。

ダウンロード数
1.5万
スター数
15
累計ダウンロード順位
#1,901
全体の上位 18% · ナレッジ管理の上位 17%
プラットフォームダウンロード数スター数コメント
SkillHub ↗1.5万15—

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

聚合8大平台热榜数据(微博/知乎/B站/抖音/百度/36氪/少数派/贴吧),通过结构化评分模型智能筛选10条热点,生成三层洞察点评(What/So What/Now What),支持四种点评风格(严肃分析/毒舌吐槽/投资视角/吃瓜八卦),输出群聊/知识库/可视化看板/语音播报四种格式;当用户需要了解今日热点、生成每日资讯摘要或追踪热门话题时使用

月次の推移

ダウンロード数1.5万
079421.6万2026-03 · ダウンロード数 3702026-05 · ダウンロード数 9852026-06 · ダウンロード数 14482026-07 · ダウンロード数 22602026-08 · ダウンロード数 33882026-09 · ダウンロード数 69792026-10 · ダウンロード数 1.5万26-0326-0926-10
スター数15
08162026-03 · スター数 -2026-05 · スター数 22026-06 · スター数 42026-07 · スター数 102026-08 · スター数 122026-09 · スター数 122026-10 · スター数 1526-0326-0926-10

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
2026-101.5万—15
2026-096979—12
2026-083388+49.9%12
2026-072260+56.1%10
2026-061448+47.0%4
2026-05985—2
2026-03370—-

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。

7.4 KB・SkillHub v1.0.2
---
name: hot-news-summary
description: 聚合8大平台热榜数据(微博/知乎/B站/抖音/百度/36氪/少数派/贴吧),通过结构化评分模型智能筛选10条热点,生成三层洞察点评(What/So What/Now What),支持四种点评风格(严肃分析/毒舌吐槽/投资视角/吃瓜八卦),输出群聊/知识库/可视化看板/语音播报四种格式;当用户需要了解今日热点、生成每日资讯摘要或追踪热门话题时使用
dependency:
  python:
    - requests==2.31.0
    - beautifulsoup4==4.12.2
---

# 热榜摘要器 v2.0
すべて表示(全 171 行)

## 任务目标
- 本Skill用于:每日聚合8大平台热榜数据,通过结构化评分模型筛选热点,生成深度洞察摘要
- 能力包含:多源数据抓取、重试降级兜底、结构化评分、三层洞察点评、四种点评风格、多格式输出、历史数据归档
- 触发条件:用户询问"今日热点"、"生成每日摘要"、"有什么热门话题"、"投资热点"、"毒舌点评"等

## 架构概览

```
数据层:8平台 Fetcher(插件化,注册即生效)
   ↓
健壮层:重试(3次) → 降级(备用API) → 缓存(1h) → 优雅失败
   ↓
算法层:结构化评分模型(热度40% + 跨平台共振50% + 基础分10%)
   ↓
内容层:三层洞察(What / So What / Now What)× 四种风格
   ↓
输出层:群聊 / 知识库 / 可视化看板 / 语音播报
   ↓
持久层:按日归档历史数据,支持趋势分析
```

## 前置准备
- 依赖说明:scripts脚本所需的依赖包及版本
  ```
  requests==2.31.0
  beautifulsoup4==4.12.2
  ```

## 操作步骤

### 步骤1:数据抓取
调用 `scripts/hot_list_fetcher.py` 获取8大平台实时热榜数据:
```bash
python scripts/hot_list_fetcher.py
```

脚本将自动抓取以下数据源(每个fetcher独立,互不影响):

| 平台 | 数据量 | 降级方案 |
|------|--------|---------|
| 微博热搜 | 前50条 | 缓存兜底 |
| 知乎热榜 | 前50条 | 第三方聚合 → 缓存兜底 |
| B站热门 | 前100条 | 缓存兜底 |
| 抖音热榜 | 前50条 | 第三方聚合 → 缓存兜底 |
| 百度热搜 | 前50条 | 缓存兜底 |
| 36氪热榜 | 前50条 | 缓存兜底 |
| 少数派热榜 | 前40条 | 缓存兜底 |
| 贴吧热议 | 前50条 | 缓存兜底 |

**健壮机制**:
- 每个请求最多重试3次,间隔递增(2s/4s/6s)
- 主API失败自动切换降级方案
- 所有方案失败则读取本地缓存(1小时内有效)
- 每条数据经过字段校验,缺必要字段则丢弃
- 抓取成功的数据自动缓存 + 按日归档

数据将保存为 `./hot_lists.json` 文件,包含:
- `version`: "2.0"
- `timestamp`: 抓取时间
- `platform_stats`: 各平台抓取状态
- `data`: 所有热点数据(含评分字段)

### 步骤2:结构化评分与筛选

读取 `./hot_lists.json` 文件,脚本已自动完成评分,智能体需要:

1. **确认数据完整性**:检查 `platform_stats`,记录哪些平台成功/降级/失败
2. **选取TOP10**:按 `final_score` 降序取前10条
3. **多样性校验**:检查10条热点的领域分布,同领域超过4条时,向下替换为其他领域高分热点
4. **去重确认**:脚本已做跨平台语义归并,智能体需最终确认无重复

**评分算法**:
```
综合得分 = 热度标准化分 × 0.4 + 跨平台共振分 × 0.5 + 基础分 10
- 热度标准化:各平台热度归一化到 0-100
- 跨平台共振:每多一个平台同时热议 +20 分
- 基础分:保底 10 分,避免零分
```

**筛选标准**(优先级从高到低):
1. 跨平台共振(3平台以上同时热议 → 强入选信号)
2. 热度绝对值(高热度但仅单平台 → 领域标志性事件)
3. 话题多样性(科技/社会/娱乐/财经/文化/健康/体育 兼顾)
4. 平台平衡(避免单平台超过4条入选)

### 步骤3:生成三层洞察点评

为每条选中的热点生成**三层洞察**,而非一句话点评:

| 层级 | 含义 | 要求 |
|------|------|------|
| **What** | 事件本质(一句话定义) | 15-25字,直击核心,不加修饰 |
| **So What** | 为什么重要(影响链) | 30-50字,分析因果与结构性影响 |
| **Now What** | 后续关注什么(预判) | 20-35字,指出后续关键变量或时间节点 |

**点评风格**:根据用户指定或默认选择

| 风格 | 调性 | 触发词 |
|------|------|--------|
| **严肃分析**(默认) | 客观、专业、克制 | "分析"、"严肃"、或不指定 |
| **毒舌吐槽** | 犀利、反讽、解构 | "毒舌"、"吐槽"、"讽刺" |
| **投资视角** | 机会导向、数据驱动 | "投资"、"股票"、"标的" |
| **吃瓜八卦** | 轻松、八卦、猎奇 | "吃瓜"、"八卦"、"聊聊" |

**点评质量红线**:
- What 禁止复述标题,必须是"翻译"后的本质
- So What 禁止空洞判断(如"引发广泛关注"),必须有具体影响链条
- Now What 禁止泛泛而谈,必须给出可验证的后续观察点
- 全程避免主观臆断,基于已知事实推演

### 步骤4:格式化输出

根据用户需求选择输出格式,参见 [references/output-format.md](references/output-format.md):

| 格式 | 适用场景 | 触发词 |
|------|---------|--------|
| **群聊格式**(默认) | 微信/钉钉/飞书群 | 不指定、"群聊"、"简洁" |
| **知识库格式** | Notion/Obsidian/语雀 | "知识库"、"详细"、"归档" |
| **可视化看板** | 汇报演示/PPT | "看板"、"图表"、"可视化" |
| **语音播报** | 通勤听热点 | "语音"、"播报"、"听" |

若用户未指定格式,默认使用群聊格式。
若用户未指定风格,默认使用严肃分析风格。

输出末尾附加提示:
> 如需详细版本,请说明"知识库格式";如换口味,试试"毒舌吐槽"/"投资视角"/"吃瓜八卦"风格

### 步骤5:数据清理

- 处理完成后可删除 `./hot_lists.json` 临时文件
- `./cache/` 目录保留,供下次降级使用
- `./history/` 目录长期保留,供趋势分析使用

## 资源索引
- 数据抓取脚本:[scripts/hot_list_fetcher.py](scripts/hot_list_fetcher.py) - 插件化8平台抓取 + 评分模型 + 历史归档
- 输出格式规范:[references/output-format.md](references/output-format.md) - 群聊/知识库/可视化看板/语音播报四种格式 + 四种点评风格

## 扩展能力

### 趋势分析(基于历史数据)
当用户询问"热点趋势"、"对比昨天"、"本周回顾"时:
1. 读取 `./history/` 目录下对应日期的数据
2. 对比不同日期的热点变化(新进/退出/持续)
3. 生成趋势分析报告

### 定制化筛选
当用户指定领域偏好时:
- "只看科技" → 筛选时提高科技领域权重,其他领域降权
- "排除娱乐" → 筛选时过滤娱乐类热点
- "只看投资机会" → 自动切换投资视角风格

## 注意事项
- 数据抓取频率:建议每日最多执行2-3次,避免对平台服务器造成压力
- 时效性:热榜数据变化快,建议在需要时实时抓取,不要使用过时数据
- 内容合规:筛选热点时注意内容合规性,避免敏感话题
- 降级透明:输出中必须标注各平台抓取状态(✅正常/⚠️降级/❌失败),让用户知道数据可信度
- 评分可解释:每条热点附评分理由,用户可追溯筛选逻辑
- 缓存有效期:默认1小时,超时自动重新抓取
- 历史数据:按日归档,长期保留,不要自动清理

ナレッジ管理の人気スキル

搜索引擎ナレッジ管理

通过公开搜索URL在16个搜索引擎(7个国内直连+9个国际)中做跨引擎检索、结果去重与多源交叉验证,无需API Key,内置零依赖Python脚本。Use when 用户要求“搜一下/查资料/多找几个来源/核实消息/找公众号文章/排查报错/找论文或开源项目”时。输入自然语言查询词,输出带来源链接与可信度标注的结构化结果。不适用于私有数据检索、批量抓取、需要登录后可见的内容。

↓ 1075.9万★ 147u_8ee34d77
ima-skillsナレッジ管理

IMA OpenAPI を通じてノートとナレッジベースを操作します。

↓ 108.4万★ 566u_1742680f
Summarizeナレッジ管理

長いテキストや文書、ウェブページを要点とキーワードに圧縮する要約ツールです。

↓ 87.6万★ 1048paudyyin
全网搜索ナレッジ管理

通过“查一下、搜一下、搜索、找一下”等自然语言检索公开网页,整理来源并交付横版 PDF、Markdown 与标题链接表。支持用户主动开启、查看和取消技能收藏,保留原报告取回。

↓ 50.9万★ 2u_32d99f8a
web-tools-guideナレッジ管理

ウェブ要求に適切なツールを割り当てるための必読ガイドです。

↓ 40万★ 220user_ec205dbb
Aihot Skill Liteナレッジ管理

AI HOT (aihot.virxact.com) 中文 AI 资讯查询 Skill。当用户想知道"今天 AI 圈有什么"、"AI 日报"、"AI HOT"、"AI 资讯"、"AI 热点"、"最近 AI"、"OpenAI/Anthropic/Google 最近发布了什么"、"AI hot today"、"AI...

↓ 32.1万★ 92Khazix
全球12亿文献知识库(8千万中文期刊可下载)ナレッジ管理

全球12亿文献知识库(8千万中文期刊可下载)——通过 SmartLib 开放平台 API 提供中外文学术文献检索与下载能力,覆盖 8000 万篇授权中文期刊全文 + 12.28 亿条全球文献元数据(期刊 7.19 亿 / 专利 2.15 亿 / 会议 7155 万 / 学位论文 2473 万 / 标准 268 万)。 能力:中英文关键词检索、文献详情、中文期刊 PDF 全文下载、外文 OA 文献十级渠道免费下载(不消耗配额)、智能关键词扩展、核心期刊优先排序、相关性重排、引文追溯、分类号检索。 配额:首次使用自动注册,免费 100 次检索 + 10 次下载 / 月;耗尽自动弹出套餐(体验卡 / 个人版月 / 专业版月 / 单篇下载 / 下载包),可说「升级 / 充值」唤起;企业 / 机构定制联系 [email protected]。 触发:用户表达"查论文""找文献""检索学术""搜期刊""查专利""找标准""下论文""写文献综述""找参考文献""查 SCI/EI"等意图时启用;也适用"帮我找关于 XX 的论文""写文献综述""找几篇引用支撑论点"。英文:"find papers" "search literature" "write literature review" "find supporting citations"。 调用前必须先用 /consume 获取 consume_token,再凭 token 调 /search(每次计费接口调用都需一次 /consume)。

↓ 30.3万★ 189user_164f4c1f
Markdown Converterナレッジ管理

uvx 経由で markitdown を呼び、さまざまな形式のファイルを Markdown に変換します。

↓ 20.4万★ 256Peter Steinberger

データ月:2026-10 · ダウンロード数とスター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。