Roger Yang

Multisource Intel Radar

資料分析v0.1.1
作者:Roger Yang更新於 2026-05-17共 2 個版本 · 最新版本釋出於 2026-02-28multisource-intel-radar@clawhub_rogerrrr18/multisource-intel-radar
資料洞察網頁抓取競品分析#RSS#WeChat#金融

據 AlphaMoat 統計,截至 2026-09,Multisource Intel Radar 累計下載 1,392 次、獲 1 個星標,在全部 5,078 個 AI 技能中排名第 4,840 位,在「資料分析」分類(399 個)中排名第 385 位。

累計安裝
234
累計下載
1392
星標
1
全站排名
#4,840
全站前 96% · 「資料分析」前 97%
平台累計安裝累計下載星標評論
ClawHub ↗351274--
SkillHub ↗23413921—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

該技能為 C 端創始人與營運者構建高訊雜比的資訊雷達:解析 OPML 訂閱源(scripts/parse_opml.py),按關鍵詞白名單(預設:創業、AI、增長、金融)抓取過濾最近 48 小時內容,對小紅書等無 RSS 的渠道用瀏覽器搜尋與觀察清單補充,再按相關性 40%、7 天可行動性 30%、新穎性 20%、證據密度 10% 加權評分,輸出固定契約:Top 3 必讀訊號、Top 5 觀察項、噪聲過濾摘要、過濾透明度計數與一個下一步實驗建議,總量控制在 10 條以內。

資料釋出於 2026-10-27

可以用來做什麼

  • 把 OPML 訂閱與微信/小紅書觀察清單變成每日早/晚兩份行動導向情報摘要
  • 按創業/AI/增長/金融關鍵詞過濾並加權排序,剔除雞湯與重複觀點
  • 為每條入選訊號給出一句話洞察、對當前產品的意義與今天可做的一步行動

什麼時候用

  • 當創始人和營運者需要從 YouTube、X、Reddit、公眾號、小紅書聚合高價值訊號時
  • 當需要 OPML/RSS 攝取、關鍵詞白名單過濾與降噪日報時
  • 當需要把資訊流變成可執行的下一步增長/營運動作時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

根據我的 follow.opml 生成本週的資訊雷達日報
把關鍵詞白名單加上『出海』,重新過濾今天的摘要
給入選訊號評分並告訴我今天最該做的一個增長實驗

月度資料趨勢

累計下載1392
556100514542026-03 · 累計下載 6182026-05 · 累計下載 8372026-06 · 累計下載 9462026-07 · 累計下載 11232026-08 · 累計下載 11922026-09 · 累計下載 139226-0326-09
星標1
0112026-03 · 星標 -2026-05 · 星標 12026-06 · 星標 12026-07 · 星標 12026-08 · 星標 12026-09 · 星標 126-0326-09

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份累計下載環比星標
2026-091392—1
2026-081192+6.1%1
2026-071123+18.7%1
2026-06946+13.0%1
2026-05837—1
2026-03618—-

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

2.8 KB · ClawHub v0.1.1
---
name: multisource-intel-radar
description: Build and run a high-signal information radar for C-end founders and operators across YouTube, X/Twitter, Reddit, WeChat Official Accounts, and Xiaohongshu. Use when the user wants OPML/RSS ingestion, keyword-whitelist filtering (创业/AI/增长/金融), daily digests, noise reduction, and action-oriented summaries.
---

# Multi-Source Intel Radar

Create a founder-grade signal system: less junk, more decisions.

## Inputs
展開全部(共 77 行)
- OPML file (default: `/Users/rogeryang/Downloads/follow.opml`)
- Keyword whitelist (default: 创业, AI, 增长, 金融)
- Optional source lists for non-RSS channels (X list links, subreddit list, WeChat/XHS accounts)

## Output Contract
Always output:
1. **Top 3 must-read signals** (one-line why + one action + clickable source link)
2. **Top 5 watchlist items** (with source link)
3. **Dropped noise summary** (what got filtered and why)
4. **Filter transparency** (counts + rates: scanned -> matched -> shortlisted -> top3)
5. **Next experiment** (one concrete growth/ops move)

## Workflow

### Step 1) Ingest feed sources
- Parse OPML with `scripts/parse_opml.py`
- Generate normalized feed list: `assets/feeds.txt`

### Step 2) Fetch + filter
- Run `scripts/build_digest.py` with keyword whitelist
- Time window default: last 48h
- Keep only items that match whitelist in title/summary
- For Xiaohongshu: do browser search (not watchlist-dependent), using keyword combos like:
  - 创业 AI 增长
  - AI 产品 复盘
  - 增长运营 案例
  Then append top findings with profile/note links.

### Step 3) Score items
Use this weighted scoring:
- Relevance to whitelist (40%)
- Actionability in 7 days (30%)
- Novelty / non-obviousness (20%)
- Evidence density (10%)

### Step 4) Summarize for execution
For each selected item, provide:
- Core insight (1 sentence)
- Why it matters for current product
- Suggested action today (1 step)

## Source Coverage Notes
- YouTube/X/Reddit often available via RSSHub or platform feeds in OPML
- WeChat OA and Xiaohongshu are often not natively RSS; add via:
  - RSS bridge links (if available)
  - Manual watchlist files (`assets/wechat_watchlist.txt`, `assets/xhs_watchlist.txt`)
- If a source has no feed, include it in watchlist and mark as **manual scan required**

## Anti-Noise Rules
- Do not output generic motivational posts
- Drop repeated观点 without new evidence
- Prefer first-hand data / concrete case over opinion
- Keep digest under 10 items total

## Daily Cadence (recommended)
- 09:30: morning digest (strategic)
- 18:30: evening digest (tactical)

## Keyword Defaults
创业, AI, 增长, 金融

If user provides new keywords, merge and deduplicate.

## Files
- Parser: `scripts/parse_opml.py`
- Digest builder: `scripts/build_digest.py`
- Notes: `references/scoring-and-ops.md`

「資料分析」分類下的熱門技能

AdMapix資料分析

AdMapix 的取數層:把廣告與應用相關的查詢轉成介面呼叫,只回原始 JSON。

↓ 36.6萬★ 304fly0pants
Tavily Search資料分析

透過 Tavily 搜尋公開網頁,並回傳含連結與摘要的結構化結果。

↓ 12.2萬★ 286Xiaoran Li
Data Analysis資料分析

把資料庫、表格與匯出的原始資料變成可決策結論的資料分析技能。

↓ 10.1萬★ 244Iván
Stock Analysis資料分析

用 Yahoo Finance 資料做股票與加密貨幣分析、組合跟蹤的技能。

↓ 7.5萬★ 299udiedrichsen
Stock Watcher資料分析

管理本地自選股清單,並按代碼彙總同花順行情與近期表現的技能。

↓ 6.5萬★ 122Robin797860
全國招標中標查詢及分析【知了標訊】資料分析

全網招中標資料查詢與分析助手。當用戶涉及以下任何場景時,必須使用此SKILL:查詢招標/中標公告、搜尋標訊、查詢臨期/即將到期專案、商機預測、推薦潛在投標供應商、分析公司主營業務/歷史中標、查詢公司上下游合作客戶與供應商、分析競爭對手/競對企業、查詢Top採購單位/Top中標單位/Top中標品牌、招中標資料統計分析(按月/季/年/省份/品牌等維度)、查詢品牌型號歷史中標單價/價格趨勢、市場分析/行業分析/採購尋源/渠道拓展等採購與投標相關場景。即使使用者沒有提到「知了標訊」,只要涉及招投標、採購、中標、供應商、競爭對手等關鍵詞,都應使用本SKILL。

↓ 5.6萬★ 13user_98035bfb
Blogwatcher資料分析

用命令列監控部落格與 RSS/Atom 源的更新。

↓ 5.4萬★ 75Peter Steinberger
Model Usage資料分析

彙總 Codex 或 Claude 按模型計費的使用成本。

↓ 5萬★ 114Peter Steinberger

資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。