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
| 数据源 | 标识符 | 类型 |
|---|---|---|
| Hacker News | hackernews | 科技/创业 |
| 微博热搜 | weibo | 社会/娱乐 |
| GitHub Trending | github | 开源项目 |
| 36氪 | 36kr | 科技/商业 |
| Product Hunt | producthunt | 产品发布 |
| V2EX | v2ex | 技术社区 |
| 腾讯新闻 | tencent | 综合新闻 |
| 华尔街见闻 | wallstreetcn | 财经 |
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 --deep3. 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" \
--deep4. 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：
- 头版头条（3-5 条）
- 跨领域最重要的新闻
- 科技与 AI
- AI、LLM、技术相关内容的专门板块
- 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：
- 优先用户窗口：先列出严格符合时间要求的条目
- 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）
- 明确标注：清楚标记补充条目（如 "⚠️ 18h ago"、"🔥 24h 热门"）
- 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：
- 读取技能目录中的
templates.md文件 - 向用户展示文件中的可用命令列表
- 引导用户选择编号或复制命令执行