shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

今日简报

今日 AI 信息流（今日简报）。并行抓取 49 个信源（OpenAI/Google/Anthropic/DeepMind/Meta/DeepSeek/Qwen/Kimi/百度/腾讯/字节豆包/智谱/华为/Microsoft/NVIDIA/Intel/Apple/Amazon/Stability/Cohere/Mistral + Nature/Science/Nature Communications/ScienceDaily/ScienceNews/IEEE Spectrum + Business Wire/GlobeNewswire 官方新闻稿 + arXiv + OpenAlex OA免费论文），过滤今日内容，应用导向精选论文（arXiv + OpenAlex 均免费全文），输出 md 工作表 + 美观 HTML，由 Agent 逐条汉化并强制自审后交付。零依赖、零 API key。

personAuthor: user_72e89c6bhubcommunity
downloadDownload package

/daily-brief 今日 AI 信息流

把"追踪一手官方发布 + 亲自体验产品 + 解读论文"的信源策略，做成每日可跑的 Agent 工作流。

核心设计

  • 零依赖：仅用 Python 3.8+ 标准库（urllib/re/json），无需 pip install
  • 零 key：不调用任何 LLM API、不需要任何密钥
  • 并行抓取：concurrent.futures 线程池（默认 8 线程），慢源/失败源不阻塞整体，端到端约 30~60 秒
  • 面向中文：脚本输出英文原始材料，汉化由你（执行 Agent）完成——这是本 skill 的关键

Resolve SKILL_DIR（任何命令前先做）

所有 python ... 命令运行 SKILL_DIR/scripts/today_digest.py。把 SKILL_DIR 设为你刚 Read 的这份 SKILL.md 所在目录的绝对路径。Guard 一次：

SKILL_DIR="<absolute path of the directory containing this SKILL.md>"
if [ ! -f "$SKILL_DIR/scripts/today_digest.py" ]; then
  echo "ERROR: scripts/today_digest.py not found under SKILL_DIR=$SKILL_DIR" >&2
  exit 1
fi

Python 解释器：本 skill 的命令示例用 python3（macOS/Linux）。Windows 上用 python——python3 是 Microsoft Store 桩，跑不了脚本。

When to use

  • 用户说"生成今日 AI 信息流"、"今天有什么 AI 新消息"、"跑一下今日信息流"
  • 用户输入 /daily-brief
  • 用户指定日期要回顾："生成 2026-08-10 的 AI 信息流"

How to invoke

Step 1 — 跑脚本生成今日"待翻译工作表" + 美观 HTML

默认今天、UTC+8 时区。脚本会同时输出两个文件：

  • 今日AI信息流_待翻译工作表_YYYY-MM-DD.md — 英文原始材料 + 中文任务指令（供你汉化）
  • 今日AI信息流_YYYY-MM-DD.html — 美观排版的信息流页面（浏览器打开即看）
python3 "${SKILL_DIR}/scripts/today_digest.py"

可选参数：

  • --date YYYY-MM-DD — 指定日期（默认今天）
  • --tz N — 时区偏移小时（默认 8 即 UTC+8）
  • --max-arxiv N — arXiv 应用导向精选上限（默认 15）
  • --out DIR — 输出目录（默认脚本所在目录）
  • --mode agent|json|html — agent(默认,md工作表+HTML双文件) / json(结构化英文数据) / html(仅HTML)
  • --template PATH — 自定义 HTML 模板路径（默认用 SKILL_DIR/templates/digest_template.html）
  • --proxy URL — 代理地址，如 http://127.0.0.1:7890
  • --prefer-mirror — 优先使用 RSSHub/镜像源，失败后再回官方源（国内无代理环境推荐）
  • --mirror-file PATH — 自定义镜像源 JSON 文件路径，覆盖内置镜像源

示例：无代理时优先走镜像源

python3 "${SKILL_DIR}/scripts/today_digest.py" --prefer-mirror

示例：回顾 8 月 10 日，精选 20 篇：

python3 "${SKILL_DIR}/scripts/today_digest.py" --date 2026-08-10 --max-arxiv 20

Step 2 — Read 脚本生成的待翻译工作表

脚本会在输出目录生成 今日AI信息流_待翻译工作表_YYYY-MM-DD.md。用 Read 读它。

工作表顶部有中文任务指令，结构：

  • ## 🏢 今日官方源发布 — 今日官方博客/GitHub releases/期刊 RSS（英文标题+链接）
  • ## 📄 今日精选论文 — 今日 arXiv 论文（英文标题+摘要+链接）

Step 3 — 你来汉化（这是核心一步）

按工作表顶部指令，逐条为每个条目生成：

  1. 汉化主题：英文标题翻译成简洁中文（≤30 字）
  2. 一句话中文总结（≤50 字）：基于摘要概括核心价值
  3. 保留原文标题和原文链接

输出格式（Markdown）：

### [汉化主题]

**【总结】** [一句话中文总结]

**【原文标题】** [英文原标题]

**【原文链接】** [链接]

Step 4 — 写出最终中文信息流（md + HTML 双文件，缺一不可）

⚠️ 强制要求（不能跳过）：你的最终交付物必须是中文化版本，不是脚本生成的英文原版。 HTML 内置了汉化检测：只要有任何一张卡片的标题或摘要仍是英文，页面顶部就会显示红色警告 "⚠️ 检测到 N 张卡片尚未中文化"。交付英文原版 = 任务失败，会被退回重做。 脚本生成的 待翻译工作表_*.md 是中间件，仅用于阅读，不要把它当作最终交付物。

你的最终交付物是 两个文件，都必须汉化：

  1. md 文件 今日AI信息流_YYYY-MM-DD.md（放用户工作目录）
  2. HTML 文件 今日AI信息流_YYYY-MM-DD.html（必须原位替换英文，浏览器打开后不能还有英文大段残留）

4.1 汉化 md 文件

按 Step 3 的格式，逐条写出中文主题 + 一句话总结 + 原文标题 + 原文链接。

4.2 汉化 HTML 文件（重点，很多 Agent 会漏）

脚本生成的 HTML 里，每个卡片结构如下（示意）：

<li class="card" data-kind="paper">
  <div class="card-top">
    <span class="num">01</span>
    <span class="badge paper"><span class="dot"></span>论文精选</span>
    <span class="badge src">arXiv</span>
  </div>
  <!-- 必须替换：英文主题 → 中文主题 -->
  <h3>Tokenizer Generator Coupling in Medical Image Generation</h3>
  <!-- 必须替换：英文摘要/占位 → 中文一句话总结 -->
  <p class="sum">Latent medical image generators usually treat the tokenizer as fixed preprocessing</p>
  <div class="card-foot">
    <!-- 保留英文原标题，不要改 -->
    <span class="orig">Tokenizer Generator Coupling in Medical Image Generation</span>
    <a class="more" href="...">阅读原文 →</a>
  </div>
</li>

你需要做的是：用 edit_file 工具，把每个卡片的 <h3> 和 <p class="sum"> 替换成你在 md 里写好的中文主题和中文总结。<span class="orig"> 保留英文原标题，不要动。

操作顺序建议：

  1. 先完成 md 文件的中文内容。
  2. 用 Read 打开 HTML，找到第一个卡片的 <h3> 和 <p class="sum">。
  3. 用 edit_file 逐条替换。示例：
old: <h3>Tokenizer Generator Coupling in Medical Image Generation</h3>
     <p class="sum">Latent medical image generators usually treat the tokenizer as fixed preprocessing</p>
new: <h3>医学图像生成中分词器与生成器的耦合研究</h3>
     <p class="sum">研究表明分词器与生成器选择相互依赖，重构 PSNR 不可靠，提出免生成器统计量评估量化器。</p>
  1. 全部替换完后，用浏览器或预览面板打开 HTML 快速扫一遍，确保：
    • 没有英文大段标题/摘要残留
    • 中文能正常换行、不被截断
    • 原文标题（.orig）和链接都还在

4.3 今日速览

在 HTML 的 <div class="glance"> 里，把占位条目换成 3~5 句中文亮点总结。支持 <b> 加粗。

示例：

<li><b>医疗 AI</b>：谷歌 AMIE 视频版首次在实时视频问诊中达到专家级水平，8 篇医疗相关论文集中涌现。</li>

4.4 交付前自检清单（每一条都要确认，不满足禁止交付）

  • [ ] md 文件 今日AI信息流_YYYY-MM-DD.md 已写入全部汉化条目（不是英文原版）
  • [ ] HTML 文件 今日AI信息流_YYYY-MM-DD.html 已原位替换所有卡片的 <h3> 和 <p class="sum"> 为中文
  • [ ] 用浏览器/预览打开 HTML，顶部没有红色警告横幅（有警告 = 还有卡片没汉化，必须回去改）
  • [ ] .orig 英文原标题和 .more 链接全部保留，没有误删
  • [ ] 今日速览（.glance）已替换为中文亮点
  • [ ] 交付的文件名就是 今日AI信息流_YYYY-MM-DD.md / .html（中文化版本），不是 待翻译工作表_*.md

任何一项未满足 → 立即回去修改，完成后再交付。

Step 5 — Agent 最终审核（交付前的最后一道关卡，必须执行）

写完后不能直接交付。你要切换成"审核员"视角，对两个交付文件做一次独立复审。

5.1 怎么审

  1. 用 Read 重新打开 今日AI信息流_YYYY-MM-DD.md 和 .html（不是工作表）。
  2. 用浏览器/预览打开 HTML，看渲染效果和警告横幅。

5.2 审核清单（全部通过才算合格）

  • [ ] HTML 打开后顶部无红色"尚未中文化"警告横幅
  • [ ] 每张卡片：<h3> 为中文主题、<p class="sum"> 为中文总结、.orig 保留英文原标题
  • [ ] 中文质量：主题 ≤30 字、总结 ≤50 字、语句通顺无机翻腔
  • [ ] 信息准确：中文总结与英文摘要一致，无编造、无夸大
  • [ ] 今日速览（.glance）为 3~5 条中文亮点，覆盖今日重点
  • [ ] md 与 HTML 内容一致，无遗漏条目
  • [ ] 交付文件名是 今日AI信息流_YYYY-MM-DD.md/.html，不是 待翻译工作表_*

5.3 输出审核报告（交付时附给用户）

## 交付审核报告
- 审核人：执行 Agent（交付前自审）
- 审核结果：✅ 通过 / ❌ 不通过
- 检查项：N/7 通过
- 发现的问题：无 / [列出具体问题]
- 处理动作：无需处理 / 已返回修改并复审

审核不通过 → 必须返回 Step 4 修改 → 重新审核，直到通过才能交付。

5.4 双人复核（可选，更强）

条件允许时，可让另一个 Agent/会话扮演独立审核员交叉复核，避免"自己审自己"的盲区。

关于网络与代理

脚本抓取大量国外官方源（OpenAI、Google、Anthropic、DeepMind、Meta、GitHub、Nature、Science、arXiv 等）。如果你在中国大陆运行，强烈建议开启系统代理（如 Clash/V2Ray/Shadowsocks 的 TUN 模式或全局代理）。

脚本已支持读取环境变量 HTTP_PROXY / HTTPS_PROXY，无需改代码。例如：

export HTTPS_PROXY=http://127.0.0.1:7890
export HTTP_PROXY=http://127.0.0.1:7890
python3 "${SKILL_DIR}/scripts/today_digest.py"

Windows 上在 PowerShell：

$env:HTTPS_PROXY="http://127.0.0.1:7890"
$env:HTTP_PROXY="http://127.0.0.1:7890"
python "${SKILL_DIR}\scripts\today_digest.py"

不开代理时，国外源大概率连接超时/SSL 错误，脚本会跳过并标记 ✗，这是预期容错行为。

Failure modes and handling

  • 今日 arXiv 精选 0 篇 → 属正常。arXiv RSS 每日凌晨更新，若运行时今日论文尚未发布则为 0。在工作表里如实记录，不要编造论文。
  • 个别信源 ✗ 失败 → 脚本对单源失败有容错（网络抖动/API 限流），会跳过继续抓其他源。告诉用户哪几个源失败了即可，不要重试到死。
  • GitHub 源全部 0 条 → 可能是 API 限流（60次/时）或仓库未发 formal release。脚本已优先走 releases.atom（不耗配额），通常稳定。
  • 网络全挂 → 脚本会快速失败退出。告诉用户网络问题，建议稍后重试。
  • 今日无任何内容 → 告诉用户"今日各大厂未发新品、arXiv 尚未更新"，这是真实情况，不要硬凑。

信源清单（49 个）

  • 官方博客（23）：OpenAI、Google 官方、Google AI、DeepMind、Meta AI Engineering、HuggingFace、MIT、Anthropic（社区镜像 ×2）、Science News、Nature、Nature Communications、Microsoft AI、NVIDIA、Intel AI、Apple ML、Amazon Science、Stability AI、Cohere、Mistral、ScienceDaily、ScienceNews、IEEE Spectrum
  • 官方新闻稿（2）：Business Wire、GlobeNewswire（公司一手公告：融资 / 产品 / 合作，聚合全行业，按关键词过滤）
  • 开源模型 GitHub（16）：DeepSeek（V3/R1/V2）、Qwen（Qwen3/2.5/主仓/阿里）、Kimi（CLI/K2/K3）、百度（ERNIE/PaddleNLP）、腾讯混元、字节豆包、智谱 GLM、华为 MindSpore
  • 学术（8）：arXiv（AI/LG/CL/quant-ph）+ OpenAlex（AI应用/LLM产品/医疗AI/生成式AI，OA 免费全文）

💡 付费墙说明：Nature / Science 期刊正文为订阅付费，本工作流只用其 RSS 摘要（摘要已够总结）。需要读全文时，用 OpenAlex 补充源——它只输出开放获取（OA）论文，链接直接是免费 PDF/机构库，绕开付费墙。

Token efficiency

  • 抓取过程零 token 消耗（脚本自己跑）
  • 汉化阶段只读工作表 + 写最终文件，token 用在翻译总结上
  • 一次运行约产出 15~30 条汉化内容，可控

Security & Permissions

做什么：

  • 用 Python 标准库 urllib 抓取公开 RSS/atom feed 和 arXiv 摘要 API
  • 把抓取结果写成本地 .md 工作表

不做什么：

  • 不调用任何 LLM API（汉化由 Agent 本身完成）
  • 不需要任何 API key / 密钥
  • 不上传任何数据到外部
  • 不访问任何需要登录的平台

自定义

  • 加/减信源：编辑 scripts/today_digest.py 顶部的 RSS_SOURCES / GITHUB_REPOS / ARXIV_SOURCES
  • 调筛选口味：编辑 APP_KEYWORDS（应用白名单）和 THEORY_BLACKLIST（理论黑名单）
  • 调并行度：fetch_all(tz, max_workers=N)，默认 8