news-aggregator-skill（新闻聚合技能）

新闻聚合技能 (News Aggregator Skill)

从多个来源获取实时热点新闻。

支持的数据源

工具使用

基本命令

uv run --directory .agents/skills/news-aggregator-skill python scripts/fetch_news.py [参数]

参数说明

• --source <源>: 指定数据源

- 单个源：hackernews, weibo, github, 36kr, producthunt, v2ex, tencent, wallstreetcn - 多个源（逗号分隔）：hackernews,github,producthunt - 所有源：all

• --limit <数量>: 每个源返回的最大条目数（默认：10）
• --keyword <关键词>: 关键词过滤（逗号分隔）

- 示例："AI,LLM,GPT" - 不区分大小写，支持单词边界匹配

• --deep: 启用深度抓取

- 下载并提取文章正文内容（截取前 3000 字符） - 并发抓取以提高速度 - 结果中会包含 content 字段

输出格式

JSON 数组，每个条目包含：

• source: 来源名称
• title: 标题
• url: 链接
• heat: 热度指标（点数、回复数、星标数等）
• time: 时间信息
• content: 文章内容（仅在使用 --deep 时）

使用策略

1. 全局扫描（广泛获取）

适用场景：每日新闻汇总、全面了解各领域动态

# 从所有源获取，每源 15 条，启用深度抓取
uv run --directory .agents/skills/news-aggregator-skill python scripts/fetch_news.py --source all --limit 15 --deep

注意：全局扫描会返回约 120 条数据，你需要根据用户兴趣进行语义过滤和分类。

2. 单一数据源

适用场景：专注特定平台或领域

# Hacker News 前 10 条
uv run --directory .agents/skills/news-aggregator-skill python scripts/fetch_news.py --source hackernews --limit 10 --deep

# GitHub Trending 前 15 条
uv run --directory .agents/skills/news-aggregator-skill python scripts/fetch_news.py --source github --limit 15 --deep

3. 关键词搜索（智能扩展）

关键规则：自动扩展用户关键词以覆盖整个领域

• 用户说 "AI" → 使用："AI,LLM,GPT,Claude,DeepSeek,Gemini,机器学习,RAG,Agent,大模型"
• 用户说 "前端" → 使用："前端,React,Vue,Next.js,TypeScript,JavaScript,CSS,Vite"
• 用户说 "金融" → 使用："金融,股票,市场,经济,加密货币,比特币,黄金,A股"

# 示例：用户问 "有什么 AI 相关的新闻"
uv run --directory .agents/skills/news-aggregator-skill python scripts/fetch_news.py \
  --source hackernews,github,36kr \
  --limit 20 \
  --keyword "AI,LLM,GPT,Claude,DeepSeek,Agent,大模型" \
  --deep

4. 精确搜索

仅用于非常具体的专有名词

# 搜索 "DeepSeek" 相关新闻
uv run --directory .agents/skills/news-aggregator-skill python scripts/fetch_news.py --source all --limit 10 --keyword "DeepSeek" --deep

输出规范

报告格式要求

语言与风格：

• 使用简体中文
• 采用杂志/新闻通讯风格（如《经济学人》或 Morning Brew）
• 专业、简洁、引人入胜

报告结构：

1. 头版头条（3-5 条）

- 跨领域最重要的新闻

1. 科技与 AI

- AI、LLM、技术相关内容的专门板块

1. 财经/社会

- 其他重要类别（根据相关性）

单条新闻格式：

### 序号. [标题文本](原始URL)

**来源**：<数据源> | **时间**：<时间信息> | **热度**：<热度指标>

**核心要点**：一句话概括"所以呢？"

**深度解读**：
- 要点 1：为什么重要
- 要点 2：技术细节或背景
- 要点 3：影响和启示

关键规则：

• ✅ 标题必须是 Markdown 链接：[OpenAI 发布 GPT-5](https://...)
• ❌ 禁止纯文本标题：OpenAI 发布 GPT-5
• 元数据行必须包含：来源、时间、热度
• 深度扫描时必须提供 2-3 条解读要点

时间过滤与智能补充

当用户指定时间窗口（如"过去 X 小时"）且结果稀少（< 5 条）时：

1. 优先用户窗口：先列出严格符合时间要求的条目
2. 智能补充：如果列表过短，必须包含更大范围内的高价值/高热度条目（如过去 24 小时）
3. 明确标注：清楚标记补充条目（如 "⚠️ 18h ago"、"🔥 24h 热门"）
4. 价值优先：即使略微超出时间窗口，也要优先展示 SOTA、重大发布或高热度内容

GitHub Trending 特例：

• 严格返回抓取列表中的有效条目（如 Top 10）
• 列出所有抓取的条目
• 不进行智能补充
• 必须对每个项目进行深度分析：

- 核心价值：解决什么问题？为何流行？ - 启发思考：技术或产品洞察 - 场景标签：3-5 个关键词（如 #RAG #本地优先 #Rust）

输出文件

• 保存位置：工作区根目录的 reports/ 文件夹
• 文件命名：带时间戳（如 hn_news_20260131_1430.md）
• 完整路径示例：/Users/dio/Documents/new_vault/reports/tech_news_20260131_1430.md
• 用户展示：在聊天中呈现完整报告内容

交互菜单

当用户说 "news-aggregator-skill 如意如意"（或类似的"菜单/帮助"触发词）时：

1. 读取技能目录中的 templates.md 文件
2. 向用户展示文件中的可用命令列表
3. 引导用户选择编号或复制命令执行