walter-info（沃尔特信息）

walter-info Skill

跨境电商 + 天气的双模块 skill，支持一键运行和单独运行。

目录结构

walter-info/
├── SKILL.md
├── config.json          # 本地配置（key 等敏感信息，不上传 clawhub）
├── config.example.json  # clawhub 上传的示例配置（无真实 key）
├── scripts/
│   ├── run.py              # 统一入口（完整流程）
│   ├── fetch_news.py        # 资讯核心脚本
│   └── fetch_weather.py    # 天气脚本
└── output/
    ├── news_report_YYYYMMDD.md   # 最终报告（含 LLM 摘要）
    ├── news_report_YYYYMMDD.json # JSON 数据
    ├── ennews_YYYYMMDD.md       # ennews 原始数据
    ├── cifnews_YYYYMMDD.md      # cifnews 原始数据
    ├── weather_report_YYYYMMDD.md
    └── weather_report_YYYYMMDD.json

快速开始

方式一：一键完整运行（推荐）

python scripts/run.py

自动完成：

1. Step 1：抓取 ennews + cifnews → 权重排序 → Top 10 → 初始 JSON
2. Step 2：AI Agent 生成 cifnews 摘要（读取 llm_input_*.json → 生成摘要 → 更新 JSON）
3. Step 3：输出 ennews / cifnews 分源文件

方式二：仅 Python 抓取（跳过 LLM）

python scripts/run.py --python-only

方式三：单独运行各模块

python scripts/fetch_news.py           # 仅抓取资讯
python scripts/fetch_weather.py       # 仅抓取天气

资讯模块详解

数据来源

完整流程

fetch_news.py
  ↓
1. 抓取 ennews + cifnews（原始数据）
2. 计算 Impact Score（业务相关性 + 影响程度 + 品类加成 + 时间衰减）
3. Greedy 去重（≥2 核心关键词重叠 = 同一事件）
4. 取 Top 10 → 初始 JSON（cifnews 摘要为正文前两段）
  ↓
run.py 写入 llm_input_*.json（cifnews Top 10 全文）
  ↓
AI Agent 读取 → 为每篇 cifnews 生成 LLM 摘要（50 字以内）
  ↓
update_summaries.py 更新 JSON + Markdown
  ↓
最终文件：news_report_*.md（含 LLM 摘要）

权重体系（Impact Score 0-100）

ennews / cifnews 暂无权威评级，默认 +0

关键词分层体系

Amazon FBA 确认（+30）：

• 直接词（命中即确认）：FBA、amazon fba、亚马逊FBA、亚马逊物流、fba头程、fba仓储、fba费用、fba标签、亚马逊卖家、亚马逊店铺
• 间接词（命中即确认）：亚马逊

TikTok Shop 确认（+18）：

• 直接词：TikTok Shop、tiktok shop
• 间接词：tiktok、抖音电商

其他平台（+12）：temu、shein、速卖通、美客多 等

摘要生成策略

配置说明

clawhub 下载后，参考 config.example.json 创建本地 config.json：

{
  "cities": {
    "亚洲": [["上海", "Shanghai"], ["东京", "Tokyo"], ...]
  }
}

news_api_key（GNews）目前脚本中未使用，可留空或填入真实 key。

天气模块

见 fetch_weather.py，使用 wttr.in API，无需 key。

输出文件说明