功能说明: 本技能涵盖 中文交互、化工作流场景 等核心能力。

AI新闻工具(专业版)

概述

本工具是企业级新闻聚合与情报分析工具,在免费版核心能力之上,扩展了多源新闻聚合、AI 自动摘要、个性化推荐、历史检索、定时推送与趋势分析能力,适合企业舆情监控、行业趋势研究、团队新闻订阅与竞品动态追踪场景。专业版与免费版完全兼容:免费版的所有 API 调用、工作流均可直接在专业版中使用.

免费版 vs 专业版对比

| 能力 | 免费版 | 专业版 | |---|---|---| | 每日新闻列表 | 支持 | 支持 | | 新闻详情阅读 | 支持 | 支持 | | 热点排行 | 支持 | 支持 | | 分类筛选 | 支持 | 支持 | | 多源新闻聚合 | 不支持 | 支持 | | AI 自动摘要 | 不支持 | 支持 | | 个性化推荐 | 不支持 | 支持 | | 历史新闻检索 | 不支持 | 支持 | | 定时推送 | 不支持 | 支持 | | 趋势分析 | 不支持 | 支持 | | 竞品动态追踪 | 不支持 | 支持 | | 优先技术支持 | 不支持 | 支持 |

核心能力

1. 多源新闻聚合(专业版新增)

输入格式

| 参数名 | 类型 | 必填 | 说明 | |:-----|:-----|:-----|:-----| | input | string | 是 | AI新闻工具-专业版处理的输入数据或指令 | | options | object | 否 | 附加配置选项,如模式选择、格式偏好等 | | callback_url | string | 否 | 异步处理完成后的回调通知URL |

news-pro aggregate --sources "daily,tech,finance,business" --date 2026-03-10
news-pro aggregate --sources "daily,tech" --dedup --date 2026-03-10
news-pro aggregate --sources "daily,tech,finance" --format json > aggregated-news.json

处理: 解析多源新闻聚合(专业版新增)的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回多源新闻聚合(专业版新增)的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

2. AI 自动摘要与关键词提取(专业版新增)

news-pro summarize --article-id 8533
news-pro summarize --batch --date 2026-03-10
news-pro keywords --article-id 8533 --top 10
news-pro digest --date 2026-03-10 --length 500

处理: 解析AI 自动摘要与关键词提取(专业版新增)的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回AI 自动摘要与关键词提取(专业版新增)的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

3. 个性化推荐与订阅(专业版新增)

news-pro subscribe --tags "ai,科技,财经"
news-pro recommend --limit 10
news-pro subscribe --keywords "AI智能体,大模型" --alert

处理: 解析个性化推荐与订阅(专业版新增)的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回个性化推荐与订阅(专业版新增)的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

4. 历史新闻全文检索(专业版新增)

news-pro search "人工智能" --from 2026-01-01 --to 2026-03-10
news-pro search "芯片" --category tech --from 2026-02-01
news-pro search "新能源" --min-heat 80

处理: 解析历史新闻全文检索(专业版新增)的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回历史新闻全文检索(专业版新增)的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

5. 定时推送与告警(专业版新增)

news-pro schedule add --cron "0 9 * * *" --channels "email,webhook" --digest
news-pro alert add --keyword "竞品公司名" --channel webhook
news-pro subscribe list

处理: 解析定时推送与告警(专业版新增)的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回定时推送与告警(专业版新增)的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

6. 趋势分析与热点追踪(专业版新增)

news-pro trend --topic "AI智能体" --period 30d
news-pro hot --period 7d --top 20
news-pro track --company "竞品A" --period 30d

处理: 解析趋势分析与热点追踪(专业版新增)的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回趋势分析与热点追踪(专业版新增)的响应数据,包含状态码、结果和日志. 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：企业级新闻聚合与、情报分析、支持多源聚合、定时推送与趋势分、情报分析工具、在免费版核心能力、历史检索、析能力、核心能力、免费版全部能力、完全兼容、多源新闻聚合与去等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

使用场景

场景一:企业舆情监控

企业需要监控自身相关舆情,每日生成舆情报告并推送.

#!/bin/sh
COMPANY="示例公司"
DATE=$(date +%Y-%m-%d)
news-pro aggregate --sources "daily,tech,finance,social" --date "$DATE" \
  --filter "$COMPANY" > /tmp/today-news.json
news-pro summarize --batch --filter "$COMPANY" --date "$DATE"
news-pro sentiment --filter "$COMPANY" --date "$DATE" > /tmp/sentiment.json
news-pro report --company "$COMPANY" --date "$DATE" \
  --format pdf > "reports/sentiment-${DATE}.pdf"
news-pro push --channel email --to "pr-team@company.com" \
  --subject "${COMPANY} 舆情日报 ${DATE}" \
  --attachment "reports/sentiment-${DATE}.pdf"
echo "舆情监控完成,报告已推送"

场景二:行业趋势研究

研究团队分析某行业话题的趋势变化,生成趋势报告.

#!/bin/sh
TOPIC="AI智能体"
PERIOD="30d"
echo "=== 趋势分析 ==="
news-pro trend --topic "$TOPIC" --period "$PERIOD" --format json > trend.json
echo "=== 热点事件 ==="
news-pro hot --topic "$TOPIC" --period "$PERIOD" --top 20
echo "=== 关键实体 ==="
news-pro entities --topic "$TOPIC" --period "$PERIOD" --type person,org
news-pro report --topic "$TOPIC" --period "$PERIOD" \
  --format markdown > "reports/trend-${TOPIC}-$(date +%Y%m%d).md"
news-pro trend --topic "$TOPIC" --period "$PERIOD" \
  --format csv > "reports/trend-data.csv"
echo "趋势分析完成,报告已生成"

场景三:竞品动态追踪

持续追踪竞品公司动态,关键事件即时告警.

#!/usr/bin/env python3
"""竞品动态追踪与告警示例"""
import subprocess
import json
from datetime import datetime, timedelta
COMPETITORS = [
    {"name": "竞品A", "keywords": ["竞品A", "CompetitorA"], "alert_keywords": ["融资", "发布", "收购"]},
    {"name": "竞品B", "keywords": ["竞品B", "CompetitorB"], "alert_keywords": ["融资", "发布", "收购"]},
    {"name": "竞品C", "keywords": ["竞品C", "CompetitorC"], "alert_keywords": ["融资", "发布", "收购"]},
]
def track_competitor(competitor):
    """追踪单个竞品动态"""
    name = competitor["name"]
    keywords = competitor["keywords"]
    alert_keywords = competitor["alert_keywords"]
    result = subprocess.run([
        "news-pro", "search",
        " OR ".join(keywords),
        "--from", (datetime.now() - timedelta(days=30)).strftime("%Y-%m-%d"),
        "--to", datetime.now().strftime("%Y-%m-%d"),
        "--format", "json"
    ], capture_output=True, text=True)
    try:
        news = json.loads(result.stdout)
    except json.JSONDecodeError:
        news = []
    alerts = []
    for article in news:
        for alert_kw in alert_keywords:
            if alert_kw in article.get("title", "") or alert_kw in article.get("summary", ""):
                alerts.append({
                    "competitor": name,
                    "title": article["title"],
                    "alert_type": alert_kw,
                    "url": article.get("url", ""),
                    "date": article.get("publish_time", "")
                })
    return {"competitor": name, "total_news": len(news), "alerts": alerts}
for comp in COMPETITORS:
    report = track_competitor(comp)
    print(f"[{report['competitor']}] 近30天 {report['total_news']} 条新闻,{len(report['alerts'])} 条关键告警")
    for alert in report["alerts"]:
        print(f"  [告警] {alert['alert_type']}: {alert['title']}")
        subprocess.run([
            "news-pro", "push", "--channel", "webhook",
            "--message", f"[竞品告警] {alert['competitor']} - {alert['alert_type']}: {alert['title']}"
        ])

不适用场景

以下场景AI新闻工具-专业版不适合处理：

• 实时流数据处理
• 小规模数据手动分析
• 非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求.

快速开始

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

1. 初始化

news-pro init
news-pro config set sources "daily,tech,finance,business,social"
news-pro config set ai.summarize true
news-pro config set alerts.webhook "https://hooks.example.com/news-alerts"

2. 多源聚合工作流

news-pro aggregate --date $(date +%Y-%m-%d) --dedup
news-pro digest --date $(date +%Y-%m-%d) --length 800
news-pro push --channel webhook --digest

3. 订阅与告警

news-pro subscribe --tags "ai,科技,财经" --digest daily
news-pro alert add --keyword "竞品公司" --channel "email,webhook"
news-pro subscribe list

响应解析: 完成完成后,查看输出响应确认任务状态。成功时输出包含解析摘要和响应数据;失败时根据错误信息排查问题,查阅错误解析章节获取恢复步骤.

示例

企业级配置文件

edition: pro
sources:
  - daily
  - tech
  - finance
  - business
  - social
aggregate:
  dedup: true
  dedup_algorithm: semantic
ai:
  summarize: true
  model: gpt-4o-mini
  digest_length: 500
subscriptions:
  default_tags: [ai, 科技, 财经]
  digest_frequency: daily
search:
  index_path: $HOME/.news-pro/index
  retention_days: 365
alerts:
  webhook: https://hooks.example.com/news-alerts
  email:
    smtp_host: smtp.example.com
    from: news-bot@example.com
  on_keyword: true
  on_sentiment_negative: true
schedule:
  daily_digest:
    cron: "0 9 * * *"
    channels: [email, webhook]
trends:
  analysis_interval: 3600
  export_format: csv

监控与统计示例

news-pro stats
news-pro stats --export json > stats.json

优选实践

舆情监控规范

1. 多源聚合:聚合多个新闻源,避免单一来源信息偏差.
2. AI 摘要:对长篇新闻自动生成摘要,提升阅读效率.
3. 情感分析:对舆情进行情感分析,及时发现负面舆情.
4. 即时告警:关键事件(如负面报道)即时推送,快速响应.

趋势研究方法

1. 长期追踪:对话题进行长期(30/90/365 天)追踪,识别趋势.
2. 多维分析:从热度、情感、实体(人物/机构)多维度分析.
3. 对比研究:对比不同话题的趋势,发现关联与机会.
4. 可视化报告:定期生成趋势报告,支持 CSV/JSON 导出供可视化.

团队协作

1. 订阅共享:团队共享订阅配置,统一信息来源.
2. 定时推送:每日定时推送新闻综述到团队 IM.
3. 关键词告警:对关键竞品/话题设置即时告警.
4. 报告归档:定期生成报告并归档,便于复盘.

常见问题

Q1: 专业版是否兼容免费版 API?

完全兼容。免费版的所有 API 调用、参数、返回格式在专业版中均保持一致。专业版在原有能力之上扩展高阶特性.

Q2: 如何从免费版升级?

news-pro init --migrate

升级过程保留全部历史缓存与配置.

Q3: 多源聚合如何避免重复?

专业版提供语义去重(dedup_algorithm: semantic),基于内容相似度而非 URL 去重,能有效识别同一事件的不同来源报道.

Q4: AI 摘要的准确率如何?

专业版使用先进语言模型生成摘要,准确率较高。对专业性强的内容,建议人工复核关键信息。可通过 ai.model 配置切换更强模型.

Q5: 告警如何避免噪音?

• 设置告警关键词时尽量具体(如公司全称而非简称)
• 配合情感分析,仅对负面情感告警
• 设置告警冷却时间,避免同一事件重复告警

Q6: 历史检索能追溯多久?

默认保留 365 天,可通过 search.retention_days 配置延长。历史数据建立全文索引,支持快速检索.

与免费版的兼容性

| 维度 | 兼容性 | |---:|---:| | API 调用 | 100% 兼容 | | 返回数据格式 | 100% 兼容 | | 脚本工作流 | 100% 兼容(无需修改即可运行) | | 分类参考 | 100% 兼容 | | 升级路径 | 平滑升级(保留全部历史数据) |

依赖说明

运行环境

• Agent 平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux
• 网络: 需可访问新闻 API 服务
• 推荐内存: >= 2GB(AI 摘要场景建议 4GB+)

依赖详情

| 依赖项 | 类型 | 是否必需 | 获取方式 | |:---:|:---:|:---:|:---:| | news-pro | CLI 工具 | 必需 | 随 Skill 安装 | | curl | 网络工具 | 必需 | 系统自带 | | jq | JSON 处理 | 推荐 | 系统包管理器安装 | | Node.js | 运行环境 | 可选 | 系统包管理器安装(>= 16) | | 新闻 API | 数据源 | 必需 | 第三方新闻 API 服务 | | AI 模型 | AI 服务 | AI 摘要必需 | 本地或 API 服务 | | LLM API | API | 必需 | 由Agent内置LLM提供 | | 监控系统 | 可观测性 | 可选 | Prometheus / Grafana |

API Key 配置

• 本 Skill 基于Markdown指令,无需额外API Key(除内容中明确标注的外部API)
• 新闻 API:专业版支持配置多个新闻源 API Key
• AI 摘要:若使用云端 AI 模型,配置对应服务的 API Key
• 推送通知:配置邮件 SMTP 或 webhook 地址

可用性分类

• 分类: MD+execute(纯Markdown指令,部分功能需exec命令行执行)
• 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成操作
• 版本: 专业版(兼容免费版全部能力)

错误处理

| 错误场景 | 原因 | 处理方式 | |:------|------:|:------| | 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 | | 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 | | 网络错误 | 连接超时或不可达 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案 |

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响

安全注意事项

| 风险类型 | 防范措施 | |----------|---------| | API密钥泄露 | 通过环境变量配置，禁止硬编码到代码或配置文件中 | | 命令执行风险 | 仅执行白名单命令，避免拼接用户输入到命令行参数中 | | 网络通信安全 | 使用HTTPS协议，验证SSL证书有效性 | | 敏感数据暴露 | 输出结果中不包含密钥、令牌等敏感信息 |

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

核心功能

• 自动化执行: 企业级新闻聚合与情报分
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据