feedship-ai-daily（FeedshipAI 日报）

AI 日报 (Feedship AI Daily)

Version: 1.21.0 For: OpenClaw compatible agents Description: Generate daily AI news digest via feedship article extraction + AI strategic analysis

为什么需要引用替换（Step 3.5）

LLM 生成的引用有两大幻觉风险：

1. 编号幻觉：引用列表中不存在的编号（如 ${999}）
2. 展开幻觉：在引用中直接输出标题/链接时捏造内容

解决方案： LLM 只输出 ${N} 占位符，标题和链接由 replace_refs.py 脚本从权威 JSON 中注入。脚本对无效编号会输出 [无效引用 #N] 并打印警告。

1. Setup

This skill requires feedship v1.8.0+. Use the local project version:

cd /Users/y3/feedship && uv run feedship --version

Verify article command is available:

cd /Users/y3/feedship && uv run feedship article --help

2. Usage

On-Demand (Manual)

User triggers: "生成今日日报", "今日新闻摘要", "daily digest", "AI日报", "生成简报", "大模型日报"

The agent will activate this skill and run the Generate Daily Report flow (see section 3).

Automatic (Cron)

Schedule daily reports at 8:00 AM Beijing time.

openclaw cron add \
  --name "feedship-ai-daily" \
  --agent feedship-ai-daily \
  --cron "0 8 * * *" \
  --tz Asia/Shanghai \
  --session isolated \
  --announce \
  --channel <your-channel> \
  --to <your-destination> \
  --timeout-seconds 900 \
  --message "使用 feedship-ai-daily skill 生成今日日报。" \
  --thinking xhigh

3. Generate Daily Report

Step 1. 提取今日文章（带过滤）

# 提取今日文章
cd /Users/y3/feedship && uv run feedship article list \
  --since $(date -v-1d +%Y-%m-%d) \
  --until $(date +%Y-%m-%d) \
  --limit 3333 \
  --json > /tmp/today_articles_raw.json

# 过滤出 AI/技术相关标题（节省 token，提升信号比）
python3 -c "
import json, sys
data = json.load(open('/tmp/today_articles_raw.json'))
items = data.get('items', [])
keywords = 'AI|model|agent|LLM|GitHub|open.?source|developer|software|tech|coding|compute|GPU|inference|ML|neural|benchmark|API|protocol|framework|tool'
filtered = [item for item in items if any(k in (item.get('title','') + item.get('description','')) for k in keywords.split('|'))]
# 输出过滤后标题
for i, item in enumerate(filtered):
    t = item.get('title','').strip()
    if t:
        print(f'{i+1}. {t}')
# 保存过滤后数据供替换脚本使用
with open('/tmp/today_articles_filtered.json', 'w') as f:
    article_map = {}
    for i, item in enumerate(filtered):
        t = item.get('title','').strip()
        if t:
            article_map[str(i+1)] = {'title': t, 'link': item.get('link', '')}
    json.dump(article_map, f, ensure_ascii=False, indent=2)
print(f'过滤后: {len(filtered)} 篇 / 原始: {len(items)} 篇', file=sys.stderr)
" > /tmp/article_titles.txt

验证结果:

head -10 /tmp/article_titles.txt
echo "---"
python3 -c "import json; print(f'替换脚本使用 {len(json.load(open(\"/tmp/today_articles_filtered.json\")))} 篇文章')"

Step 2. 拼接提示词

从 references/prompt.md 读取提示词模板，拼接过滤后的标题列表：

ARTICLE_TITLES=$(cat /tmp/article_titles.txt)
PROMPT=$(cat skills/feedship-ai-daily/references/prompt.md)
# 拼接：将 # Input Data 后追加标题列表
FULL_PROMPT=$(echo "$PROMPT"; echo ""; echo "$ARTICLE_TITLES")

Step 3. 发送至 LLM

将 $FULL_PROMPT 发送给 LLM（MiniMax-M2.7 或同类模型）生成分析。

⚠️ 重要提示给 LLM： 在回复中，严格只使用 ${N} 格式引用新闻，禁止展开标题或链接。

Step 3.5. 替换引用占位符

TODAY_ARTICLES=$(python3 -c "import json; print(json.dumps(json.load(open('/tmp/today_articles_filtered.json'))))")
cat LLM_OUTPUT.txt | TODAY_ARTICLES="$TODAY_ARTICLES" \
  python3 skills/feedship-ai-daily/scripts/replace_refs.py > /tmp/daily_report_final.md

脚本功能：

• ${N} → [标题](链接)
• ${3,7} → 展开为两个独立链接（空格分隔）
• 无效编号 → [无效引用 #N]（带警告）
• 列表项格式 ${N}｜中文标题 → ${N} 被替换，保留 ｜中文标题
• 脚本底部打印统计：[replace_refs] N 处引用已替换

Step 4. 输出最终报告

读取 /tmp/daily_report_final.md 输出给用户。

4. Prompt 模板参考

完整的提示词模板位于 references/prompt.md，包含：

• Role: Principal Tech Strategist & Open-Source Trend Forecaster
• Citation Rules: 防幻觉核心规则——LLM 只输出 ${N}，禁止展开标题/链接
• Execution Steps: 4个步骤（分类解构 → 根本原因 → 暗线发现 → 价值翻译）
• Output Rules: 语气、结构、约束条件

5. Troubleshooting

6. Change Log

• v1.21.0: 新增文章过滤步骤（AI/Tech 关键词过滤）；强化 Citation Rules 防幻觉约束；替换脚本支持逗号分隔多引用和无效编号警告
• v1.20.0: 初始版本，从 feedship report 迁移到手动提取 → LLM → 替换 pipeline