🦞 clawCat-BRIEF — 通用 AI 简报引擎

这个 skill 是什么

clawCat-BRIEF 可以帮你生成各种题材的结构化简报：周报、日报、行业分析、竞品对比等。

你只需要告诉我你想了解什么，我会自动选择合适的数据源、抓取最新信息、分析整理、生成可交付的 HTML 报告。

我能帮你做什么

• 📰 科技/AI 新闻简报 — 每日或每周的行业动态汇总
• 📊 股市/金融日报 — A 股、港股行情与宏观经济数据分析
• 🔍 技术专题周报 — 如 OCR、LLM、具身智能等特定领域的技术追踪
• ⚔️ 开源竞品分析 — GitHub 上竞品项目的横向对比（stars、活跃度、技术路线）
• 📑 自定义主题 — 任意你关心的话题，我会自动匹配合适的数据源

开始之前

在生成报告前，我需要确认几个事情，以确保报告符合你的预期：

1. 你想了解什么主题？

请告诉我你关注的领域或话题，例如：

• "OCR 技术"、"大模型"、"新能源汽车"
• "A 股市场"、"中国宏观经济"
• "AI Agent"、"具身智能"

2. 报告类型和周期？

• 日报 — 覆盖过去 24-48 小时
• 周报 — 覆盖过去 7 天

3. 你有特别关注的方向吗？

可选。例如：

• "重点关注阿里、百度等大厂动态"
• "需要开源项目的竞品分析"
• "关注政策变化和监管动向"
• "想看学术论文的最新进展"

4. 报告风格？

• 专业分析型 — 数据驱动，适合投研和决策
• 行业资讯型 — 快速概览，适合了解动态
• 深度评论型 — 带有 Claw 锐评，观点鲜明

示例用法

"做个每日 AI 新闻"
"OCR 技术周报，重点关注大厂开源动态和竞品分析"
"今天 A 股怎么样"
"帮我做一份 LLM 推理优化的周报"
"中国宏观经济周报，关注 PMI 和 CPI"

数据源覆盖

我会根据你的主题自动选择最合适的数据源组合：

| 数据类型 | 来源 | 说明 | |---------|------|------| | 🔍 搜索引擎 | DuckDuckGo、百度 | 全网搜索行业新闻，覆盖大厂动态 | | 🐙 开源项目 | GitHub | 三策略搜索（新发布 + 快速上升 + 活跃维护） | | 📰 科技新闻 | 36 氪、HackerNews | 中国 + 全球科技行业新闻 | | 📚 学术论文 | HuggingFace Papers、arXiv | AI/ML 最新研究 | | 💹 金融数据 | AKShare、华尔街见闻 | A 股行情、宏观经济指标 | | 🗣 社交热点 | 微博、V2EX | 社交舆情和开发者讨论 | | 📡 综合新闻 | 腾讯新闻、东方财富、RSS | 多渠道信息补充 |

报告包含什么

每份报告包含以下内容：

1. 全文摘要 — 2-3 句话概括核心要点
2. 焦点头条 — 本期最重要的 1-3 个事件
3. 行业动态/大厂新闻 — 主要企业的最新动向
4. 开源竞品分析（如选择了 GitHub）— 相关项目的横向对比
5. 学术/研究进展（如选择了论文源）— 最新研究成果
6. 社区热议 — 开发者社区的讨论焦点
7. Claw 锐评 — 犀利、有态度的 AI 点评（有理有据）

输出格式

• HTML 报告 — 美观的网页格式，可直接浏览器打开
• PDF 报告 — 可打印的文档格式（需要安装 Playwright）
• JSON 数据 — 结构化的 Brief 对象，可供程序消费

注意事项

• 所有分析严格绑定时间范围，日报不会混入旧闻，周报只覆盖本周
• 重要结论会尽量附带数据来源和证据
• 已报道过的条目会自动去重，下次不会重复
• 报告生成需要调用 LLM，通常需要 4-8 分钟

技术实现

基于 LangGraph 编排的多步管道：

Planner → Fetch(并行) → Dedup → Select → Summarize(并行) → Plan → Write(并行) → Check → Render

使用 instructor 确保 LLM 输出为结构化 Pydantic 对象，4 维 Grounding 校验确保事实准确性。

---

clawCat-BRIEF · Built by llx & Luna 🐱 🦞