--- name: daily-news-report description: 基于预设 URL 列表抓取内容，筛选高质量技术信息并生成每日 Markdown 报告。 argument-hint: [可选: 日期] disable-model-invocation: false user-invocable: true allowed-tools: Task, WebFetch, Read, Write, Bash(mkdir*), Bash(date*), Bash(ls*), mcp__chrome-devtools__* --- # Daily News Report v3.0 > **架构升级**：主 Agent 调度 + SubAgent 执行 + 浏览器抓取 + 智能缓存 ## 核心架构 ``` ┌─────────────────────────────────────────────────────────────────────┐ │ 主 Agent (Orchestrator) │ │ 职责：调度、监控、评估、决策、汇总 │ ├─────────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 1. 初始化 │ → │ 2. 调度 │ → │ 3. 监控 │ → │ 4. 评估 │ │ │ │ 读取配置 │ │ 分发任务 │ │ 收集结果 │ │ 筛选排序 │ │ │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 5. 决策 │ ← │ 够20条？ │ │ 6. 生成 │ → │ 7. 更新 │ │ │ │ 继续/停止 │ │ Y/N │ │ 日报文件 │ │ 缓存统计 │ │ │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │ │ │ └──────────────────────────────────────────────────────────────────────┘ ↓ 调度 ↑ 返回结果 ┌─────────────────────────────────────────────────────────────────────┐ │ SubAgent 执行层 │ ├─────────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ Worker A │ │ Worker B │ │ Browser │ │ │ │ (WebFetch) │ │ (WebFetch) │ │ (Headless) │ │ │ │ Tier1 Batch │ │ Tier2 Batch │ │ JS渲染页面 │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ ↓ ↓ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ 结构化结果返回 │ │ │ │ { status, data: [...], errors: [...], metadata: {...} } │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────────┘ ``` ## 配置文件 本 Skill 使用以下配置文件： | 文件 | 用途 | |------|------| | `sources.json` | 信息源配置、优先级、抓取方法 | | `cache.json` | 缓存数据、历史统计、去重指纹 | ## 执行流程详解 ### Phase 1: 初始化 ```yaml 步骤: 1. 确定日期（用户参数或当前日期） 2. 读取 sources.json 获取源配置 3. 读取 cache.json 获取历史数据 4. 创建输出目录 NewsReport/ 5. 检查今日是否已有部分报告（追加模式） ``` ### Phase 2: 调度 SubAgent **策略**：并行调度，分批执行，早停机制 ```yaml 第1波 (并行): - Worker A: Tier1 Batch A (HN, HuggingFace Papers) - Worker B: Tier1 Batch B (OneUsefulThing, Paul Graham) 等待结果 → 评估数量 如果 < 15 条高质量: 第2波 (并行): - Worker C: Tier2 Batch A (James Clear, FS Blog) - Worker D: Tier2 Batch B (HackerNoon, Scott Young) 如果仍 < 20 条: 第3波 (浏览器): - Browser Worker: ProductHunt, Latent Space (需要JS渲染) ``` ### Phase 3: SubAgent 任务格式 每个 SubAgent 接收的任务格式： ```yaml task: fetch_and_extract sources: - id: hn url: https://news.ycombinator.com extract: top_10 - id: hf_papers url: https://huggingface.co/papers extract: top_voted output_schema: items: - source_id: string # 来源标识 title: string # 标题 summary: string # 2-4句摘要 key_points: string[] # 最多3个要点 url: string # 原文链接 keywords: string[] # 关键词 quality_score: 1-5 # 质量评分 constraints: filter: "前沿技术/高深技术/提效技术/实用资讯" exclude: "泛科普/营销软文/过度学术化/招聘帖" max_items_per_source: 10 skip_on_error: true return_format: JSON ``` ### Phase 4: 主 Agent 监控与反馈 主 Agent 职责： ```yaml 监控: - 检查 SubAgent 返回状态 (success/partial/failed) - 统计收集到的条目数量 - 记录每个源的成功率 反馈循环: - 如果某 SubAgent 失败，决定是否重试或跳过 - 如果某源持续失败，标记为禁用 - 动态调整后续批次的源选择 决策: - 条目数 >= 25 且高质量 >= 20 → 停止抓取 - 条目数 < 15 → 继续下一批 - 所有批次完成但 < 20 → 用现有内容生成（宁缺毋滥） ``` ### Phase 5: 评估与筛选 ```yaml 去重: - 基于 URL 完全匹配 - 基于标题相似度 (>80% 视为重复) - 检查 cache.json 避免与历史重复 评分校准: - 统一各 SubAgent 的评分标准 - 根据来源可信度调整权重 - 手动标注的高质量源加分 排序: - 按 quality_score 降序 - 同分按来源优先级排序 - 截取 Top 20 ``` ### Phase 6: 浏览器抓取 (MCP Chrome DevTools) 对于需要 JS 渲染的页面，使用无头浏览器： ```yaml 流程: 1. 调用 mcp__chrome-devtools__new_page 打开页面 2. 调用 mcp__chrome-devtools__wait_for 等待内容加载 3. 调用 mcp__chrome-devtools__take_snapshot 获取页面结构 4. 解析 snapshot 提取所需内容 5. 调用 mcp__chrome-devtools__close_page 关闭页面 适用场景: - ProductHunt (403 on WebFetch) - Latent Space (Substack JS 渲染) - 其他 SPA 应用 ``` ### Phase 7: 生成日报 ```yaml 输出: - 目录: NewsReport/ - 文件名: YYYY-MM-DD-news-report.md - 格式: 标准 Markdown 内容结构: - 标题 + 日期 - 统计摘要（源数量、收录数量） - 20条高质量内容（按模板） - 生成信息（版本、时间戳） ``` ### Phase 8: 更新缓存 ```yaml 更新 cache.json: - last_run: 记录本次运行信息 - source_stats: 更新各源统计数据 - url_cache: 添加已处理的 URL - content_hashes: 添加内容指纹 - article_history: 记录收录文章 ``` ## SubAgent 调用示例 ### 使用 general-purpose Agent 由于自定义 agent 需要 session 重启才能发现，可以使用 general-purpose 并注入 worker prompt： ``` Task 调用: subagent_type: general-purpose model: haiku prompt: | 你是一个无状态的执行单元。只做被分配的任务，返回结构化 JSON。 任务：抓取以下 URL 并提取内容 URLs: - https://news.ycombinator.com (提取 Top 10) - https://huggingface.co/papers (提取高投票论文) 输出格式： { "status": "success" | "partial" | "failed", "data": [ { "source_id": "hn", "title": "...", "summary": "...", "key_points": ["...", "...", "..."], "url": "...", "keywords": ["...", "..."], "quality_score": 4 } ], "errors": [], "metadata": { "processed": 2, "failed": 0 } } 筛选标准： - 保留：前沿技术/高深技术/提效技术/实用资讯 - 排除：泛科普/营销软文/过度学术化/招聘帖 直接返回 JSON，不要解释。 ``` ### 使用 worker Agent（需重启 session） ``` Task 调用: subagent_type: worker prompt: | task: fetch_and_extract input: urls: - https://news.ycombinator.com - https://huggingface.co/papers output_schema: - source_id: string - title: string - summary: string - key_points: string[] - url: string - keywords: string[] - quality_score: 1-5 constraints: filter: 前沿技术/高深技术/提效技术/实用资讯 exclude: 泛科普/营销软文/过度学术化 ``` ## 输出模板 ```markdown # Daily News Report（YYYY-MM-DD） > 本日筛选自 N 个信息源，共收录 20 条高质量内容 > 生成耗时: X 分钟 | 版本: v3.0 > > **Warning**: Sub-agent 'worker' not detected. Running in generic mode (Serial Execution). Performance might be degraded. > **警告**：未检测到 Sub-agent 'worker'。正在以通用模式（串行执行）运行。性能可能会受影响。 --- ## 1. 标题 - **摘要**：2-4 行概述 - **要点**： 1. 要点一 2. 要点二 3. 要点三 - **来源**：[链接](URL) - **关键词**：`keyword1` `keyword2` `keyword3` - **评分**：⭐⭐⭐⭐⭐ (5/5) --- ## 2. 标题 ... --- *Generated by Daily News Report v3.0* *Sources: HN, HuggingFace, OneUsefulThing, ...* ``` ## 约束与原则 1. **宁缺毋滥**：低质量内容不进入日报 2. **早停机制**：够 20 条高质量就停止抓取 3. **并行优先**：同一批次的 SubAgent 并行执行 4. **失败容错**：单个源失败不影响整体流程 5. **缓存复用**：避免重复抓取相同内容 6. **主 Agent 控制**：所有决策由主 Agent 做出 7. **Fallback Awareness**：检测 sub-agent 可用性，不可用时优雅降级 ## 预期性能 | 场景 | 预期时间 | 说明 | |------|----------|------| | 最优情况 | ~2 分钟 | Tier1 足够，无需浏览器 | | 正常情况 | ~3-4 分钟 | 需要 Tier2 补充 | | 需要浏览器 | ~5-6 分钟 | 包含 JS 渲染页面 | ## 错误处理 | 错误类型 | 处理方式 | |----------|----------| | SubAgent 超时 | 记录错误，继续下一个 | | 源 403/404 | 标记禁用，更新 sources.json | | 内容提取失败 | 返回原始内容，主 Agent 决定 | | 浏览器崩溃 | 跳过该源，记录日志 | ## 兼容性与兜底 (Compatibility & Fallback) 为了确保在不同 Agent 环境下的可用性，必须执行以下检查： 1. **环境检查**: - 在 Phase 1 初始化阶段，尝试检测 `worker` sub-agent 是否存在。 - 如果不存在（或未安装相关插件），自动切换到 **串行执行模式 (Serial Mode)**。 2. **串行执行模式**: - 不使用 parallel block。 - 主 Agent 依次执行每个源的抓取任务。 - 虽然速度较慢，但保证基本功能可用。 3. **用户提示**: - 必须在生成的日报开头（引用块部分）包含明显的警告信息，提示用户当前正在运行于降级模式。