AI 每日资讯采集技能
什么时候用这个技能：用户提到"AI 日报 / AI 新闻 / 今天 AI 圈有什么动态 / 推送日报 / 写入飞书表格"等意图时，按本文件流程执行。
用户可能怎么说："帮我跑一下今天的 AI 日报" / "看看今天 AI 圈有什么大事" / "把日报推到我飞书"。
抓取当日 AI 资讯，筛选摘要成日报；按配置落地到飞书三件套（多维表格 / 机器人推送 / 云文档归档）。每条信息保留原始链接，可溯源。
不配置飞书也能用（L0）：第 3 步会检测配置并自动跳过，日报直接输出在对话里。
工作流程（Agent 按此执行）
第 0 步：环境准备
cd <skill目录>/scripts
# 依赖自检：报 ModuleNotFoundError 时先执行 pip install feedparser requests
python -c "import feedparser, requests" 2>/dev/null || pip install feedparser requests
# 代理探测：通则启用（海外源需要），不通则直连（中文源本就强制直连，海外源失败自动容错）
curl -s -o /dev/null -m 5 -x http://127.0.0.1:7897 https://openai.com \
&& export HTTPS_PROXY=http://127.0.0.1:7897 \
|| unset HTTPS_PROXY HTTP_PROXY
lark-cli 无需手动指定：脚本会自动探测 PATH 和常见安装位置（含 Windows npm 全局目录）；仅非标准安装时才需要 export LARK_CLI=<完整路径>。
第 1 步：采集原始条目
python fetch_sources.py --hours 24 # 输出 items.json（每日定时跑建议 --hours 26，覆盖跨日缝隙）
- 每个源在
sources.json声明network: proxy|direct：海外源走代理（环境变量HTTPS_PROXY），中文源强制直连 - 个别源失败（如 arXiv 偶发 502）会记入
items.json的errors，继续执行，不要中断
第 2 步：筛选与摘要（Agent/LLM 的职责）
读取 items.json 全部条目，然后：
- 去噪：剔除与 AI 无关的条目（HN/InfoQ 混入大量非 AI 内容）
- 去重合并：同一事件多源报道合并，保留最权威的原文链接
- 摘要：每条 2-3 句中文，只陈述事实
- 打标：
category（前沿动态/社区热点/中文资讯/论文速递/产品动态）、importance（高=行业级发布·融资·政策 / 中 / 低）、自由tags - 当日总评：写一段 2-3 句的
digest，概括今天的爆点与大势，放在 selection.json 顶层——它会成为日报开头
把结果写入 scripts/selection.json，格式如下（idx 引用 items.json 的数组下标；source_override 可选，用于把来源归一为表格选项名如 TechCrunch / The Verge）：
{
"digest": "2-3 句当日总评",
"items": [
{"idx": 0, "title": "可覆盖标题", "summary": "摘要", "importance": "高",
"category": "前沿动态", "tags": ["标签"], "source_override": "OpenAI"}
]
}
然后：
python make_curated.py # 合成 curated.json（10-30 条）
铁律：url 只能取自 items.json 原文，不得改写或猜测——可溯源是本技能的核心价值。
第 3 步：飞书落地（按配置分支，必须先判断）
先检查 scripts/config.json：文件不存在、或 base_token/table_id/user_open_id/base_url 任一为空 → 判定为未配置飞书，跳过本步全部命令，直接进入"完成后报告"（日报正文输出给用户）；并在报告末尾附一句：配置飞书可获得表格归档与每日推送，见仓库 docs/setup.md。
已配置则执行：
python run_daily.py curated.json # 写表格 + 卡片推送 + 云文档归档
- 写入前自动合并标签选项池（自由标签不会失配），逐条写入
- 推送为飞书消息卡片（分栏、标题可点击），三级降级保送达（卡片→markdown→纯文本）
- 归档插入云文档锚点块后（callout 爆点块 + 分类分节，最新在最上）；未配置归档则自动跳过
- 重复运行会重复写入，勿重跑
完成后：向用户报告
- 未配置飞书（L0）：把 curated.json 整理成日报正文输出（总评 + 每条"标题 / 摘要 / 原文链接"），再附配置提示
- 已配置飞书：按四项报告——今日条数、分类分布、总评一句话、失败源
若端到端失败：报告具体错误即可，不要重试超过一次。
用户配置（scripts/config.json）
复制 config.example.json 为 config.json 填写——每项的获取方式都写在模板注释里，
lark-cli 的安装与飞书应用配置步骤见仓库 docs/setup.md。全部字段支持环境变量覆盖。
本 skill 目录不含任何密钥，飞书凭据由 lark-cli 全局配置管理。
前置依赖
- Python 3.10+：
pip install feedparser requests - 飞书落地（第 3 步）需 lark-cli（官方 CLI，
npx @larksuite/cli@latest install）已完成config init与auth login；lark-cli 寻址不到时用环境变量LARK_CLI指定其完整路径
信息源清单（sources.json，可增删）
| 源 | 方式 | 网络 |
|---|---|---|
| OpenAI 官方新闻 | RSS | 代理 |
| Google DeepMind / Google AI 博客 | RSS | 代理 |
| Anthropic 新闻 | sitemap（官方无 RSS） | 代理 |
| Hugging Face 博客 | RSS | 代理 |
| TechCrunch / The Verge AI | RSS | 代理 |
| MIT Tech Review AI | RSS | 代理 |
| Hacker News AI 热帖 | Algolia API（时间窗+票数+关键词词边界过滤） | 直连 |
| InfoQ 中文 | RSS（AI 相关由第 2 步筛） | 直连 |
| arXiv cs.AI / cs.CL | arXiv API | 代理 |
失效处理：RSS 地址变更时先 curl 验证再更新 sources.json；机器之心/量子位的免费接口、xAI 与 Stability 的 sitemap（导航页噪音/反爬）均已不可用，不要浪费时间重试。
定时执行
技能无状态，任意调度器可调。推荐每天 08:00（Asia/Shanghai）。各宿主配置方式见 docs/scheduling.md，prompt 模板见 examples/cron-prompt.txt。