🦞 clawCat-BRIEF — 通用 AI 简报引擎
这个 skill 是什么
clawCat-BRIEF 可以帮你生成各种题材的结构化简报：周报、日报、行业分析、竞品对比等。
你只需要告诉我你想了解什么，我会自动选择合适的数据源、抓取最新信息、分析整理、生成可交付的 HTML 报告。
我能帮你做什么
- 📰 科技/AI 新闻简报 — 每日或每周的行业动态汇总
- 📊 股市/金融日报 — A 股、港股行情与宏观经济数据分析
- 🔍 技术专题周报 — 如 OCR、LLM、具身智能等特定领域的技术追踪
- ⚔️ 开源竞品分析 — GitHub 上竞品项目的横向对比（stars、活跃度、技术路线）
- 📑 自定义主题 — 任意你关心的话题，我会自动匹配合适的数据源
开始之前
在生成报告前，我需要确认几个事情，以确保报告符合你的预期：
1. 你想了解什么主题？
请告诉我你关注的领域或话题，例如： - "OCR 技术"、"大模型"、"新能源汽车" - "A 股市场"、"中国宏观经济" - "AI Agent"、"具身智能"
2. 报告类型和周期？
- 日报 — 覆盖过去 24-48 小时 - 周报 — 覆盖过去 7 天
3. 你有特别关注的方向吗？
可选。例如： - "重点关注阿里、百度等大厂动态" - "需要开源项目的竞品分析" - "关注政策变化和监管动向" - "想看学术论文的最新进展"
4. 报告风格？
- 专业分析型 — 数据驱动，适合投研和决策 - 行业资讯型 — 快速概览，适合了解动态 - 深度评论型 — 带有 Claw 锐评，观点鲜明
示例用法
"做个每日 AI 新闻"
"OCR 技术周报，重点关注大厂开源动态和竞品分析"
"今天 A 股怎么样"
"帮我做一份 LLM 推理优化的周报"
"中国宏观经济周报，关注 PMI 和 CPI"数据源覆盖
我会根据你的主题自动选择最合适的数据源组合：
| 数据类型 | 来源 | 说明 |
|---|---|---|
| 🔍 搜索引擎 | DuckDuckGo、百度 | 全网搜索行业新闻，覆盖大厂动态 |
| 🐙 开源项目 | GitHub | 三策略搜索（新发布 + 快速上升 + 活跃维护） |
| 📰 科技新闻 | 36 氪、HackerNews | 中国 + 全球科技行业新闻 |
| 📚 学术论文 | HuggingFace Papers、arXiv | AI/ML 最新研究 |
| 💹 金融数据 | AKShare、华尔街见闻 | A 股行情、宏观经济指标 |
| 🗣 社交热点 | 微博、V2EX | 社交舆情和开发者讨论 |
| 📡 综合新闻 | 腾讯新闻、东方财富、RSS | 多渠道信息补充 |
报告包含什么
每份报告包含以下内容：
- 全文摘要 — 2-3 句话概括核心要点
- 焦点头条 — 本期最重要的 1-3 个事件
- 行业动态/大厂新闻 — 主要企业的最新动向
- 开源竞品分析（如选择了 GitHub）— 相关项目的横向对比
- 学术/研究进展（如选择了论文源）— 最新研究成果
- 社区热议 — 开发者社区的讨论焦点
- Claw 锐评 — 犀利、有态度的 AI 点评（有理有据）
输出格式
- HTML 报告 — 美观的网页格式，可直接浏览器打开
- PDF 报告 — 可打印的文档格式（需要安装 Playwright）
- JSON 数据 — 结构化的
Brief对象，可供程序消费
注意事项
- 所有分析严格绑定时间范围，日报不会混入旧闻，周报只覆盖本周
- 重要结论会尽量附带数据来源和证据
- 已报道过的条目会自动去重，下次不会重复
- 报告生成需要调用 LLM，通常需要 4-8 分钟
技术实现
基于 LangGraph 编排的多步管道：
Planner → Fetch(并行) → Dedup → Select → Summarize(并行) → Plan → Write(并行) → Check → Render使用 instructor 确保 LLM 输出为结构化 Pydantic 对象，4 维 Grounding 校验确保事实准确性。
*clawCat-BRIEF · Built by llx & Luna 🐱* 🦞