据 AlphaMoat 统计,截至 2026-10,每日话题助手 累计下载 14,735 次、获 15 个星标,按累计下载量在本次参与排名的 10,914 个 AI 技能中排名第 1,901 位,在「知识管理」分类(745 个)中排名第 121 位。
列表默认按累计下载量排序,也可按星标排序;详情页排名按累计下载量计算。
| 平台 | 累计下载 | 星标 | 评论 |
|---|---|---|---|
| SkillHub ↗ | 1.5万 | 15 | — |
各平台的计数口径不同,统计时间不一致。
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
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-10 | 1.5万 | — | 15 |
| 2026-09 | 6,979 | — | 12 |
| 2026-08 | 3,388 | +49.9% | 12 |
| 2026-07 | 2,260 | +56.1% | 10 |
| 2026-06 | 1,448 | +47.0% | 4 |
| 2026-05 | 985 | — | 2 |
| 2026-03 | 370 | — | - |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。
---
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## 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
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。
通过 IMA OpenAPI 管理笔记与知识库内容。
把长文本、文档与网页内容压缩成要点和关键词的摘要工具。
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。
规定如何为网页请求选择合适工具的必读指引。
AI HOT(aihot.virxact.com)中文 AI 资讯查询 Skill,帮助用户获取今日 AI 圈动态、AI 日报、AI 热点、最新 AI 资讯以及 OpenAI、Anthropic、Google 等公司的最新发布信息。
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)。
用 uvx 直接调用 markitdown,把各类文件转成 Markdown。
数据月份:2026-10 · 下载/星标数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。