Ch News Reporter

CH News Reporter

目标

从用户配置的财经、AI、宏观与地缘风险信源采集当天信息，默认写入统一 PostgreSQL 新闻库；在报告时间点按 profile 生成 evidence packet，并可对关键 GitHub 项目、Product Hunt 产品和外链做二次加工；最后由 Agent 基于方法论、模板和证据包输出中文报告。

本 skill 不提供买卖建议，不把单一快讯当作结论，不在采集阶段过早过滤“财经/AI/地缘”边界。它面向需要日常跟踪市场、AI 产业、开源生态、政策、地缘冲突和风险资产传导的主动研究者。

环境变量设置

默认使用共享 PostgreSQL 数据库。进入 skill 目录后，先在当前 shell 设置：

export ALPHA_DB_BACKEND=postgresql
export ALPHA_PG_URL="${ALPHA_PG_URL:-postgresql://alpha_user:alpha_pass@/alpha_data?host=/tmp}"
python3 scripts/_shared/db_ping.py --alpha-schema   # 同步后的 skill 包
# 源仓库开发态用: python3 ../shared/data/db_ping.py --alpha-schema
python scripts/collect_news.py --date today

如果安装包中没有 scripts/_shared/db_ping.py，说明 shared bundle 没同步，回到源仓库运行 python scripts/skill_sync.py。如果当前环境不能使用 Unix socket，把 ALPHA_PG_URL 改成 postgresql://alpha_user:alpha_pass@localhost:5432/alpha_data。

只有在需要离线或本机临时 fallback 时才使用 SQLite：

export ALPHA_DB_BACKEND=sqlite
python scripts/collect_news.py --date today --db data/news_research.sqlite

SQLite fallback 下的 --db 参数仅指定本地 SQLite 文件；PostgreSQL 模式下连接信息完全由 ALPHA_PG_URL 决定。

可选：GITHUB_TOKEN 用于 GitHub Trending 的 repo 元数据抓取。未认证时 api.github.com 限额只有 60 次/小时/IP（脚本按 0.8 次/秒限速、429 自动退避），设置后脚本带 Authorization: Bearer 调用并放宽限速，元数据缺失率显著降低。

DB-first 的取数/回写脚本(collect_news.py / prepare_report_data.py / save_report_state.py)在 PostgreSQL 不可达时不会抛裸栈,而是先做一次连接预检,失败就打印可执行的恢复提示并以非零码退出:要么把库拉起来 / 修 ALPHA_PG_URL 后重跑,要么按上面的方式切到 ALPHA_DB_BACKEND=sqlite 离线跑。不会静默回退到可能为空的本地库,以免发出"看起来正常其实没数据"的报告。

适用场景与边界

使用本 skill 的典型场景：

• 用户要抓取或刷新“今天”的财经与 AI 新闻库。
• 用户要把金十、GitHub Trending、Product Hunt、Hacker News、RSS 汇总成统一数据表。
• 用户要生成 AI 日报，跟踪模型能力、Agent、开源生态、端侧运行时、AI 资本与产品发布。
• 用户要生成每日宏观日报，跟踪金十电报中的中国/美国经济数据、利率、汇率、大宗商品和风险资产价格信号。
• 用户要输出地缘日报，覆盖全球主要地缘冲突、能源与航运通道、制裁、联盟行动和风险资产传导。

不要使用本 skill 的场景：

• 做三类固定日报之外的临时、自由主题新闻检索或研究。
• 只总结用户粘贴的一篇文章。
• 只查询一个公开事实，不需要多信源采集。
• 用户要求实时交易指令、买卖点或确定性预测。

工作流程

生产运行契约

生产任务只按 capabilities.yaml 中的能力 ID 执行，入口为 scripts/_shared/skill_runtime/runner.py（源仓库开发态用 ../shared/skill_runtime/runner.py）。下文直接调用 scripts/*.py 的命令仅用于理解参数或底层调试，不形成交付凭证。

模型写报告时只写 reports/.staging/<文件名>.md，随后调用 report.finalize-markdown；HTML 只调用 report.render-html。运行时会按 outputs.yaml 编译出的 gate-plan.json 校验结构、证据收据与哈希、源 Markdown 收据、文本保全和浏览器 attestation，通过后才原子晋级到 reports/ 正式路径。成功 audit 按运行保存在 reports/.audits/<run_id>/；失败时不得发布或清理，必须保留 .staging、reports/.receipts.jsonl 和失败 audit。最终回复必须报告 artifact、run_id、audit 与 gate_pass。完整规则见 scripts/_shared/output_gate/references/output_gate.md。

1. 刷新新闻库（DB-first）

进入 skill 目录后运行采集脚本。默认日期为 Asia/Shanghai 的当天。默认走 DB-first:先看库里当天有没有数据,缺哪个源才补哪个源。

python scripts/_shared/skill_runtime/runner.py --skill-root . run news.collect -- --date today --only-missing

--only-missing 会先查库里目标日期各源的行数,只对行数低于阈值的源发起采集,已有的源连网络请求都不发。阈值按源取 config/sources.yaml 的 collect_min_rows(金十 300 / rss 45 / github_trending 20 / product_hunt 10 / hacker_news 20 / polymarket 10,约为各源典型日产量),--min-rows N 可全源统一覆盖;配置缺失时回退默认 1。今天首跑时库空→全采;重跑或补历史日→读库不重采,保证同一报告日的证据可复现(这也是 watchboard 跨天结算能成立的前提)。需要强制重抓时用 --replace-date(优先级高于 --only-missing)。

常用参数：

• --date today 或 --date YYYY-MM-DD：采集目标日期。
• --only-missing：DB-first,只补库里当天缺失的源;已有的源跳过,不发请求。
• --min-rows N:配合 --only-missing,全源统一覆盖 collect_min_rows 的每源阈值;不传则按配置逐源判定。
• --no-watermark：禁用金十翻页水位线(默认从第 2 页起,某页过半条目已入库即停止翻页),强制翻满 10 页上限。
• --source all|jin10|github|rss|product_hunt|hacker_news|polymarket：限制采集来源，默认 all。
• --config config/sources.yaml：RSS 配置文件。
• --db data/news_research.sqlite：仅 SQLite fallback 使用的本地文件路径；PostgreSQL 模式下忽略。
• --limit N：每个来源最多写入 N 条，适合调试。
• --replace-date：先删除目标日期内所选来源的旧数据，再重新写入；修正规则或重跑当天库时使用（覆盖 --only-missing）。

来源说明：

• 金十电报通过金十 MCP list_flash 接入，需要环境变量 JIN10_AUTH_TOKEN；脚本会尝试按 cursor 翻页，实际返回量取决于 MCP 服务。
• RSS 只写入目标日期内有明确发布时间的条目；没有发布时间的 RSS 条目默认跳过。feed 抓取成功但当日 0 条时会写一条 error_type=feed_empty 的诊断行，与抓取异常区分，coverage 里可见。
• GitHub Trending 会采集 daily 榜单，并补充 GitHub API 中的 repo 元数据。
• Product Hunt 使用 PRODUCTHUNT_TOKEN 调用官方 GraphQL API，只采集热门/高排名产品发布，保留 votes、comments、dailyRank、topics、makers 等结构化字段。
• Hacker News 只采集官方 Firebase API 的 topstories 和 beststories，不采集 newstories。另对分数最高的若干 story 采集热门一级评论，写入该 story 的 metadata.comments（author/text/kids_count，HTML 已去标签）；深度由常量 HN_COMMENT_STORY_LIMIT（默认 10）和 HN_COMMENT_LIMIT（默认 5）封顶，也可用 --hn-comment-stories / --hn-comments-per-story 覆盖，评论抓取失败时静默降级（该 story 无 comments 键）。
• Polymarket 走公开免 key 的 Gamma API（gamma-api.polymarket.com/markets），按 24h 成交量榜选品：保留头部高热市场 + 地缘/宏观关键词命中的市场（关键词常量 POLYMARKET_KEYWORDS 与 report_profiles.yaml 地缘主题保持同步），上限约 50 条。属快照型信源（同 GitHub Trending）：published_at 压成当日 00:00，stable_id 带日期，同日重跑去重、跨天各自成行；概率、volume、liquidity、endDate 等结构化字段在 metadata。

2. 按报告 profile 准备基础证据包

日报、动态跟踪等固定报告优先走 profile 流程。脚本只检索、排序、截断，并输出可二次加工的候选对象池；是否 enrichment 由 Agent 读取日报子方法后判断。

python scripts/_shared/skill_runtime/runner.py --skill-root . run news.prepare-evidence \
  --capture-stdout reports/evidence/ai_daily_YYYY-MM-DD.json -- \
  --profile ai_daily --date YYYY-MM-DD --format json

常用参数：

• --profile ai_daily|geopolitical_daily|macro_daily：报告画像；信源、RSS 类别、关键词过滤、状态预算、reference 目录和渲染配置在 config/report_profiles.yaml。
• --include-enrichments：把 enrichments 表里的二次加工结果拼回证据包。
• --format json|markdown：JSON 适合 Agent 继续处理，Markdown 适合人工核查。

evidence packet 现在还带两块新内容(DB-first 与活动状态):

• coverage：本 profile 各期望源在库里当天的行数、缺失源、profile 相关 feed 失败，以及最终 packet 的分源选择摘要。某源缺数或具体 feed 失败时,报告里相应判断要降级标注；不能用 RSS 总行数掩盖关键官方源抓取失败。
• prior_state：state_enabled 的 profile(三个日报都已开启)会带上最近一期 watchboard(date < 今天)。markdown 输出里是 ## Prior Watchboard 段,列出今天必须逐条结算的 open 跟踪项;冷启动(无上一期)时按各 profile methodology 的种子/默认构造第一份。机制见 references/reports/watchboard.md。

prepare_report_data.py 会按 profile 的 rss_categories 过滤 RSS，避免地缘 RSS 污染 AI 日报。RSS 池现有三类 category：ai(25 个源)、geopolitics(8)、finance(2)；三个日报都声明了 rss_categories，新增源只会进它声明的那一类。macro_daily 会先从当天金十和 RSS 中筛选宏观相关新闻；每日固定附加两类行情 evidence：

• 基础行情（金十/Stooq/AV）：Brent、WTI、黄金、天然气、USDCNH、纳指期货等。
• 位置富数据（Yahoo）：美国 10Y / 5Y 国债收益率、DXY、VIX、BTC，以及核心估值锚——纳斯达克综合（^IXIC）与上证指数（000001.SS）。每个标的额外计算 52 周高低、距 52 周高 %、YTD、20/60 日均线、pct_vs_ma20，作为"市场相对位置"判断依据。

evidence packet 同时按 groups 字段把行情分组为 liquidity_rates_fx / equity_position / risk_appetite / commodities，对应方法论中的流动性三维度 + 商品维度。markdown 输出会先打印「Liquidity & Position Snapshot」表格，再附原始 JSON。

CPI、PPI、社融、PMI 等中国月度数据只在电报识别到当天发布/更新事件时触发 Tushare 细项补查，不做每日机械抓取。

3. 执行二次加工

当日报需要 enrichment 时，先读取对应子方法，例如 AI 日报读取：

• references/reports/ai_daily/enrichment.md

Agent 从 evidence packet 的 enrichment_candidates 中挑选目标，再把明确 target 交给脚本执行。脚本只做抓取和写库，不负责判断哪些对象值得抓。

AI 日报走两轮 enrichment：广度 pass（默认，5-15 个对象、每个抓一个 URL，核实对象是什么）跑完并完成实体 / 事件聚类后，先按 framework.md 判 S-candidate / A+；候选一成立就进入深挖 pass，不能等到“已确认 S”才补证。候选与 S-confirmed 共用每天 0-2 个对象的硬预算，每个对象目标 3-6 个 URL——用 scripts/_shared/web_search/tavily_search.py 搜第三方评测 / 竞品回应 / benchmark 复核，把命中 URL 连同官方公告页、docs、pricing 一起喂给 enrich_targets.py。深挖后再定为 S-confirmed 或保留 S-candidate；证据客观不可得可提前停止，但必须记录阻断项与缺口。判级标准见 references/reports/ai_daily/framework.md（价值定级），深挖清单见 references/reports/ai_daily/enrichment.md（深挖 pass）。

$json = '{"item_id":"...","target_type":"github_repo","target_url":"https://github.com/owner/repo"}'
$json | python scripts/enrich_targets.py --targets-file -

批量执行时，把 target 列表写成 JSON 后传入：

python scripts/enrich_targets.py --targets-file selected_targets.json

二次加工层只做确定性补充：

• GitHub repo：README、repo metadata、语言占比、latest release、license、homepage 等。
• Product Hunt：官网或产品页 title/meta/H1/H2/CTA/pricing/about/docs/API 等链接与正文片段。
• Hacker News / RSS 外链：score/rank 等基础字段来自 items.metadata_json，脚本补充外链页面 title/meta/正文片段；若外链是 GitHub repo，Agent 应选择 github_repo target_type。

重复运行不会让数据膨胀；同一 item_id + target_type + target_url 会更新已有 enrichment。

截断 RSS 全文回填（硬规则）：prepare_report_data.py 会对 content 被源站截断（以「…」/「...」结尾）的 RSS 条目，在 enrichment_candidates 里给其自身 URL 的 article_url 候选打上 truncated: true 标记，reason 标为「RSS content truncated — fetch full article from source URL」。这类候选必须全部纳入本轮 enrichment——抓取条目原文 URL，抓回的 text_excerpt 即为该条目的权威正文，报告引用以全文为准，不得只依据截断摘要下结论。全文回填是补全动作，不计入 5-15 个广度 pass 预算。Juya AI Daily 等每日聚合类 feed（feed summary 被源站截断在「…」）必然触发此规则；长文（如 27 条聚合早报）抓取时显式传 --website-max-chars 16000 避免正文被二次截断。

完成 enrichment 后，再生成 enriched evidence packet：

python scripts/prepare_report_data.py --profile ai_daily --date today --include-enrichments --format markdown

4. 研究分析

按报告 profile 读取对应方法论：

• references/reports/<profile>/framework.md：当前分析框架（唯一可信源）——frame schema、path/维度定义、watchlist、输出板块、写作要点、冷启动种子。每个 state_enabled profile 先读这个。 改框架/换 regime 也只改这个文件。
• references/reports/watchboard.md：活动状态层通用机制（所有 state_enabled 的 profile 共用）。
• references/reports/ai_daily/methodology.md（方法论常量：数据分层 / 输出边界 / 反例）
• references/reports/ai_daily/enrichment.md：AI 日报 enrichment 子方法，包含 target 选择契约和解读方法。
• references/reports/macro_daily/methodology.md（方法论常量：月度数据规则 / 结论约束）
• references/reports/geopolitical_daily/methodology.md（方法论常量：边际判定 / 证据处理 / 可信度 / 降级策略）
• references/reports/geopolitical_daily/cross_asset_impact_framework.md

根据问题选择财经、AI、产品观察、开源生态或地缘风险框架。state_enabled 的 profile 先读各自 framework.md（当前分析框架，唯一可信源） 与 watchboard.md（活动状态机制），再读 methodology.md（方法论常量），并逐条结算 packet 里 prior_state 的 open 跟踪项——结算是必做动作，但它只落在 watchboard 里，不在报告正文里露面（见第 5 步「过程声明不进正文」）。geopolitical_daily 当前使用 v2 战时路径（W1/W2/W3/W4/De）；主战线、并行战线、关键通道、升级阶梯、传导渠道和信号清单都在 framework.md 定义、在 watchboard 里每日滚动，没有独立 frame 相位文件。按 framework.md 的 path 判定逻辑用近 7-14 天证据现判，再按需要加载跨资产传导框架。框架本身的换代（regime 质变时改 framework.md）是慢思考层 + 人在环的动作，不在日报流程里。

macro_daily 必须优先读取 references/reports/macro_daily/framework.md（当前框架）与 methodology.md（方法论常量），并以 macro_data_events 判断当天是否有中国 CPI/PPI/社融/PMI 月度数据更新；没有事件时不引用旧月度数据做“今日更新”。

分析时必须区分：

• 确认事实：多源一致、原文明确、时间可追溯。
• 市场/产业信号：价格、政策、融资、产品发布、开源热度、供需关系等可观察变化。
• 模型推断：基于证据链的判断，必须说明不确定性和可能反例。

geopolitical_daily 还必须区分：

• 事实层：军事行动、外交/调解、制裁、军援、核活动、航运/能源设施、联盟声明。
• 行为体压力变量：主要国家、联盟、国际组织、代理人网络各自的能力、动机和约束是否改变。
• 市场定价信号：Brent、天然气、黄金、美元、美债、VIX、航运保险、通胀预期等可观察反应。
• 战争轨迹判定：当前处于 W1 封锁执行与代理战 / W2 美伊直接军事对抗 / W3 多战线扩大战 / W4 核阈值与系统性战争 / De 去升级与停火重建哪条路径；主战线、并行战线和升级阶梯为何如此，路径切换信号是否出现。概率调整必须回到当日证据。

5. 输出报告

按报告 profile 读取对应模板：

• references/reports/ai_daily/template.md
• references/reports/macro_daily/template.md
• references/reports/geopolitical_daily/template.md

默认输出对应主题的中文研究报告。关键证据使用：

时间 - 标题 [来源]

报告不应只罗列新闻，要把证据转化为观点：发生了什么、为何重要、影响哪些资产/产业/公司类型、后续观察什么。

过程声明不进正文（所有 profile 通用）：报告只写读者要的判断和证据，不写自己是怎么跑出来的。「本期变更（框架 × 跟踪合并）」「跟踪项结算」「覆盖说明 / 数据源说明 / 通道状态 / 检索预算用量」这类台账与数据维度声明，一律不设章节、不逐条罗列。它们照常执行——第 4 步逐条结算 open 项、第 6 步回写 watchboard、脚本的 silent-drop 与到期校验一条不放松——只是痕迹留在 watchboard JSON 里，读者看不到。两种例外，都写进正文相应位置而不是单开一段：

• 结算结果本身就是今天的判断变化（某跟踪项被证实或被证伪、框架因此移动）：当作观点写进「一句话结论」或它所属的正文板块，说清什么变了、为什么，不带 T 编号流水。
• 数据异常动摇了判断（某源缺数、某通道降级、关键品种取不到）：就地写在被影响的那条判断旁边，说明缺的是什么、判断因此降到什么强度。没有异常就什么都不写。

成稿后选择对应 output ID（ai-daily-markdown、macro-daily-markdown、macro-brief-markdown、geopolitical-daily-markdown、geopolitical-brief-markdown）执行晋级：

python scripts/_shared/skill_runtime/runner.py --skill-root . run report.finalize-markdown \
  --output-id macro-daily-markdown --staged-path reports/.staging/macro_daily_YYYY-MM-DD.md \
  --final-path reports/macro_daily_YYYY-MM-DD.md \
  --evidence reports/evidence/macro_daily_YYYY-MM-DD.json

macro_daily 报告采用"流动性优先"范式：流动性 → 折现率/风险溢价 → 权益估值 → 市场相对位置 → 边际方向。报告必须覆盖：

1. 一句话结论（必含"流动性边际方向 + 纳指/上证位置档位 + 对权益估值的影响方向"三要素）
2. 流动性总图表（利率/美元/风险偏好/人民币/商品的当日值与边际变化）
3. 市场相对位置表（纳指、上证、纳指期货的收盘、距 52 周高 %、YTD、20 日趋势、位置档位"高/中/低"）
4. 今日 3 个关键边际信号（每条走"信号属性 → 市场定价校验 → 位置约束"三步法）
5. 流动性传导推断（美元体系 / 人民币体系 / 跨市场验证）
6. 宏观新闻与数据事件、中国政策与流动性、美国政策与流动性
7. 反向场景与风险（流动性方向 vs 市场位置是否矛盾、何种证据会推翻判断）
8. 后续观察（24-72h 关键数据/会议/价格位）

geopolitical_daily 报告必须把新闻证据写成 时间 - 新闻 [来源]，并包含 v2 战争轨迹（W1/W2/W3/W4/De）、主战线、并行战线、关键通道状态、升级阶梯与核阈值、今日边际变化、能源/航运/市场重定价、下一关键节点、路径概率今日变动和 24-72h 观察清单。

5b. 简版输出（≤600 字，可选）

当用户要“简版 / 精简 / 速览 / 短版 / 600 字以内”的日报时改读简版模板，仅 geopolitical_daily 与 macro_daily 提供简版；ai_daily 不做简版，仍走完整版。

• references/reports/geopolitical_daily/template_brief.md
• references/reports/macro_daily/template_brief.md

简版只换展示密度，不换分析动作：采集、证据包、读 framework / methodology、读 Prior Watchboard 并逐条结算 open 项、第 6 步回写今天的 watchboard——全部照常跑。简版省掉的是正文的逐条铺开（不按国家板块罗列每条快讯、不画流动性总图与位置大表），但一句话结论 / 路径判定、今日边际变化、月度数据无更新明示、反向风险、不给交易建议这些方法论底线必须保留；正文压到 600 字内；跟踪项与覆盖状态同样不进正文（同第 5 步「过程声明不进正文」）。文件名用 reports/<profile>_<date>_brief.md，与完整版并存不冲突，需要网页版时照常用 render_report_html.py（按前缀识别 profile）。

6. 回写活动状态（watchboard）

state_enabled 的 profile（ai_daily / macro_daily / geopolitical_daily）出完报告后,必须把今天的新 watchboard 存回去,供明天 carry-forward:

cat today_watchboard.json | python scripts/_shared/skill_runtime/runner.py --skill-root . run news.save-state -- \
    --profile geopolitical_daily --date today --state-file -

watchboard 的 JSON 结构(regime / tracking_items / next_nodes / falsifiers / frame)通用骨架见 references/reports/watchboard.md;各 profile 的 frame schema 见各自 framework.md 机器区(脚本即从这里读取校验规则,读不到才回退 report_profiles.yaml)。ai_daily 还必须回写顶层 grading_audit：当天无候选写 []，有候选则记录触发条件、候选排除检查、证据类型、确认阻断项和深挖 URL / 状态。脚本做结构校验(必填字段、frame 字段齐全、概率求和、定级审计、上一期 open 项有没有被漏结算),报错就按提示补全再存——它只查结构,不评判分析内容。--check-only 可只验证不写。

若 profile 重命名，需要先迁移历史状态，避免 watchboard 冷启动断链。迁移脚本会检查同日期冲突，冲突时停止且不覆盖：

python scripts/migrate_profile_state.py --from-profile iran_dynamic --to-profile geopolitical_daily --check-only
python scripts/migrate_profile_state.py --from-profile iran_dynamic --to-profile geopolitical_daily

7. 按需生成 HTML（展示层）

当用户要 HTML、网页、可视化或截图风格的日报时，先让 Markdown 通过终端门禁，再用注册能力渲染成一份自包含单页 HTML（AlphaVault 站点风格，图表不依赖外部 CDN，本地浏览器直接打开；另有 --theme claude 暖色风格）。HTML 只是展示层：不新增任何研报判断，也不删减 Markdown 正文；文本保全或浏览器契约失败会阻断晋级。

python scripts/_shared/skill_runtime/runner.py --skill-root . run report.render-html \
  --output-id macro-daily-html --final-path reports/macro_daily_2026-05-19.html \
  --source-artifact reports/macro_daily_2026-05-19.md \
  --evidence reports/evidence/macro_daily_2026-05-19.json -- \
  --theme default

三个 profile 通用的处理：

• 一句话结论 段自动升格成醒目的 hero 摘要卡。
• 表格里的 +/- 数值、涨跌方向自动染色；非加粗的分类格（如宏观日报「性质」列的"数据事件/政策表态"）渲染成彩色 pill。
• --theme print 出黑白衬线、A4 友好版，适合导出 PDF 或邮件附件；文件名非标准前缀时用 --profile 手动指定。

geopolitical_daily 的渲染配置启用 v2 路径概率图（W1/W2/W3/W4/De），把当天 watchboard 传进来即可：

python scripts/_shared/skill_runtime/runner.py --skill-root . run report.render-html \
  --output-id geopolitical-daily-html --final-path reports/geopolitical_daily_2026-06-04.html \
  --source-artifact reports/geopolitical_daily_2026-06-04.md \
  --evidence reports/evidence/geopolitical_daily_2026-06-04.json -- \
  --watchboard today_watchboard.json

ai_daily 的渲染配置启用两张双轴图，同样只要把当天 watchboard 传进来（回写 state 之后再渲染，图才是今天的）：

python scripts/_shared/skill_runtime/runner.py --skill-root . run report.render-html \
  --output-id ai-daily-html --final-path reports/ai_daily_2026-08-01.html \
  --source-artifact reports/ai_daily_2026-08-01.md \
  --evidence reports/evidence/ai_daily_2026-08-01.json -- \
  --watchboard today_watchboard.json

• 双轴定位图挂在「一句话结论」段末：纵轴能力成熟度 × 横轴渗透度，坐标 = 档位 + 档内完成度（graduation / five_asks），矢量按 links 站到它服务的形态那一列、没挂钩的落进"未挂钩"带，axis_objects 里当天的对象高亮叠在上面。
• 档位迁移带挂在「待跟踪」之前：近 16 天每条矢量 / 形态的档位轨迹（--history-days 可调），标出进档、退档，以及没结算就从 frame 里消失的项——最后这类是台账异常，图注会点出来，看到就回去把 watchboard 补干净，不要在正文里另写交代段。
• 两张图都是构建时生成的静态 SVG，不靠运行时 JS，所以 pushplus 推到微信、导出 PDF、邮件里照样看得见（这也是它们不走 ChartHook 的原因）。
• 缺字段只退化不报错：没有 watchboard 就两张都不画；取不到 report_state 历史就只留定位图；没有 graduation 的矢量画在格子正中。

渲染框架来自仓库通用 shared/html_report（随 shared bundle 同步到 scripts/_shared/html_report/），与 A 股各 skill 共用同一套主题与图表工具；新增样式主题只需在该目录 themes/ 下放一个 CSS 文件。

数据表说明

采集脚本默认写入 PostgreSQL；显式设置 ALPHA_DB_BACKEND=sqlite 时写入本地 SQLite fallback：

• items：统一新闻表。
• items_fts：FTS5 全文索引（SQLite 下由 items 表上的 AFTER INSERT/UPDATE/DELETE 触发器自动同步，老库首次打开时补建触发器并一次性 rebuild）。
• enrichments：可选二次加工表，由 enrich_targets.py 写入，不改变原始 items。
• report_state：活动状态层(watchboard),按 (profile, date_key) 存每日分析状态;由 save_report_state.py 写入、prepare_report_data.py 读回,与原始 items 解耦。属运行时数据,不进发布包。

核心字段：

• date_key：Asia/Shanghai 日期，格式 YYYY-MM-DD。
• source_type：jin10、github_trending、rss、product_hunt、hacker_news、polymarket（自由 TEXT 值，无需 DDL）。
• source_name：具体来源名称。
• published_at / fetched_at：发布时间与抓取时间。
• title / content / url：主要文本与链接。
• tags_json / metadata_json / raw_json：结构化补充信息。

采集使用稳定哈希去重。重复运行同一天采集不会重复插入同一条记录。

enrichments 表的真实列（init_alpha_data.sql / db_adapter.py 一致）：

• item_id：对应 items.id。
• enrichment_type：二次加工类型，对应逻辑视图里的 target_type（github_repo、product_website、article_url）。
• source：被二次抓取的 URL，对应逻辑视图里的 target_url。
• model / prompt_hash：若该 enrichment 经过模型加工，记录所用模型与 prompt 指纹；纯抓取则留空。
• result_json：抓取/加工结果的 JSON 串，是这张表的有效载荷。
• created_at：写入时间。

prepare_report_data.py 读这张表时，会把 result_json 展平成给模型看的 enrichment 对象（带 target_type / target_url / status / fetched_at / title / text_excerpt / metadata 等字段）；这些是逻辑视图，不是表里的物理列。直接查库排错时以上面的真实列为准。

二次加工层可以抓 README、官网 HTML、meta、标题和正文片段，可以做去重、排序、字段抽取和截断；不判断产品价值、不生成结论、不拼完整报告。

macro_daily 的 evidence packet 会额外包含：

• macro_news_items：按宏观关键词筛选后的金十、RSS 新闻。
• macro_data_events：从新闻中识别的 CPI/PPI/PCE/PMI/社融/非农/库存等数据事件。
• macro_market_signals：价格证据。data 平铺所有标的；groups 按方法论分组：
  • liquidity_rates_fx：US10Y、US5Y、DXY、USDCNH
  • equity_position：纳指、上证、纳指期货（含 52 周高低 / YTD / MA20 / pct_off_52w_high）
  • risk_appetite：VIX、BTC、黄金
  • commodities：Brent、WTI、天然气
• conditional_data_fetches：事件触发式补查结果；中国 CPI/PPI/社融/PMI 只有在当天电报出现发布/更新信号时才抓取。

输出规范

• 默认中文，除非用户明确要求英文。
• 先给结论，再给证据，再给影响路径和观察清单。
• 文风讲人话，减少机械与僵硬：像跟懂行的人当面把一件事讲清楚那样写，句子通顺、有逻辑衔接，该解释因果和给判断时把话说透。避免模板腔、翻译腔和套话——别成段堆砌"综上所述""值得注意的是""总体来看"，别把每条都写成生硬的"主语+动词+宾语"公式句，也别为了凑结构把话说断、只丢关键词。
• 同类信息优先用列表，但每条要说人话：同一维度的多个条目（多条新闻、多个项目、多个信号、多方行动、多个观察点）拆成 bullet 或编号，一条一项，别塞进一个长段落；但每条用完整通顺的话写，不要退化成"字段A - 字段B - 字段C"式的横杠拼接。结构化对照（厂商 × 动作、指标 × 数值、节点 × 日期）才用表格。
• 每个关键判断都要能回到数据表中的新闻或项目。
• 对传闻、单源消息、未确认说法必须降级表述。
• 财经内容避免直接给交易指令；AI 内容避免把 GitHub star 变化直接等同于商业成功。
• 默认控制在 1500-2500 字；ai_daily 当天有 S-confirmed 今日重点、带深度拆解板块时正文可到 3000+ 字（深拆本身就是深度研究，不必压字数）；用户要求深度研究时也可扩展。当用户要“简版 / 精简 / 速览 / 短版”时改走简版输出（见工作流程「5b. 简版输出」）：仅 geopolitical_daily / macro_daily，正文 ≤600 字；ai_daily 不提供简版。

示例

用户：

根据今天的数据，帮我看 AI Agent 方向有什么新信号。

执行：

export ALPHA_DB_BACKEND=postgresql
export ALPHA_PG_URL="postgresql://alpha_user:alpha_pass@localhost:5432/alpha_data"
python scripts/collect_news.py --date today --only-missing
python scripts/prepare_report_data.py --profile ai_daily --date today --format json
# Agent 读取 references/reports/ai_daily/enrichment.md 后，从 enrichment_candidates 中挑选 targets。
python scripts/enrich_targets.py --targets-file selected_targets.json
python scripts/prepare_report_data.py --profile ai_daily --date today --include-enrichments --format markdown

输出应包含：

• 一句话结论（唯一速读层）：第一句给框架移动——哪条矢量 / 渗透进档、新开或被证伪，以及这对两轴大图意味着什么的关系级判断（地图没动就直说是证据积累日）；再点 S-confirmed 或 S-candidate 的当前状态与 24-72h 最该盯的对象。
• 今日重点 · 深度拆解：只放通过结构影响、一手证据、真实可用、独立复核四道门槛的 S-confirmed；对 0-2 个重点做 300-500 字拆解，没有就省略整节。
• 重点候选 · 待验证：深挖后仍缺官方证据、真实可用性或独立复核的 S-candidate / A+ 在这里短写，明确阻断项和 24-72h 验证点；不得静默降成普通 A，也不得冒充已确认重点。
• 纵轴 · 能力与技术演进：逐条矢量，实验室证据 + 开源证据并在一处，写档位（实验 / 收敛中 / 事实标准）+ 卡点；同一矢量 ≥2 证据才判收敛。
• 横轴 · 渗透率：有没有新形态 / 新入口让更多人真用上（载体 / 用户段 / 自主度 / 真实使用信号 + 萌芽 / 早期采用 / 主流化档位）；没有就直说"今日无新渗透信号"。
• 证据随正文走：不再单列「原始证据附录」。每个对象只在它唯一展开的位置——今日重点、纵轴、横轴或资本与政策——附上来源、热度 / 体量和可点击的原文链接；不要为了补附录再重复一次。
• 横向对照与降噪仍作为 Agent 的后台分析步骤：用来校验供需、开源 vs 公司、中美错位，以及识别只有注意力热度的对象；不再单独展示成读者可见章节。最关键的关系级判断可收进「一句话结论」，被降级但仍值得登记的对象在对应正文板块留一句即可；与框架无关的低价值背景项只在后台保留。
• 待跟踪：未来 24-72h 三栏观察（待印证矢量 / 待观察渗透 / 待发布动作）。watchboard 的结算与变更照常回写，但不在正文里展示。

每日宏观日报

用户：

生成今天的宏观日报，重点看美国10年期国债、Brent、黄金和中美经济数据。

执行：

export ALPHA_DB_BACKEND=postgresql
export ALPHA_PG_URL="postgresql://alpha_user:alpha_pass@localhost:5432/alpha_data"
python scripts/collect_news.py --date today --source all --only-missing
python scripts/prepare_report_data.py --profile macro_daily --date today --format markdown

加载：

• references/reports/macro_daily/methodology.md
• references/reports/macro_daily/template.md

输出应包含：

• 一句话结论（含流动性边际方向 + 纳指/上证位置档位 + 对权益估值的影响方向）。
• 流动性总图表（US10Y/US5Y/DXY/VIX/USDCNH/Brent/黄金/BTC 的当日值与边际变化）。
• 市场相对位置表（纳指、上证、纳指期货：收盘 / 距 52 周高 / YTD / 位置档位）。
• 今日 3 个关键边际信号（每条三步法：信号属性 → 市场定价校验 → 位置约束）。
• 流动性传导推断（美元体系 / 人民币体系 / 跨市场验证）。
• 金十优先的宏观新闻与数据事件；中国 CPI/PPI/社融/PMI 无更新时明确写"无新增月度数据事件"。
• 反向场景与 24-72h 后续观察清单。

地缘日报

用户：

生成今天的地缘日报，重点看红海/霍尔木兹、俄乌、台海、制裁和油价/航运传导。

执行：

export ALPHA_DB_BACKEND=postgresql
export ALPHA_PG_URL="postgresql://alpha_user:alpha_pass@localhost:5432/alpha_data"
python scripts/collect_news.py --date today --source all --only-missing
python scripts/prepare_report_data.py --profile geopolitical_daily --date today --format markdown

宏观行情(Brent / 黄金 / 天然气 / USD-CNH / 美债 / BTC / 纳指期货)可通过本 skill 的 macro_monitor.py 取数,作为风险资产证据补充:

python scripts/macro_monitor.py market

取数后先看 sources.yahoo_finance：OK 是七个位置锚点全回来了，PARTIAL(5/7) 说明有品种没取到，ERROR 是整条线都被拒。只要不是 OK，source_failures.yahoo_finance 里会逐条列出哪个品种、什么原因（BLOCKED_BY_EDGE 是 Yahoo 边缘把请求判成机器人，重试即可恢复；NO_DATA 是该品种当天确实没有数据），以及 recovered_by —— 有值表示后面被 Stooq / Alpha Vantage 补上了、可以正常引用，为 null 则这个数字今天真的缺席。缺席的品种不要用上一交易日的数值顶替，也不要略过不提，在证据说明里写清是哪一个、为什么缺。

加载：

• references/reports/watchboard.md（活动状态机制）
• references/reports/geopolitical_daily/methodology.md（含冷启动种子）
• references/reports/geopolitical_daily/cross_asset_impact_framework.md
• references/reports/geopolitical_daily/template.md

输出应包含：

• 当前 v2 路径判定（W1 封锁执行与代理战 / W2 美伊直接军事对抗 / W3 多战线扩大战 / W4 核阈值与系统性战争 / De 去升级与停火重建）。
• 主战线、并行战线、关键通道状态与升级阶梯趋势。
• 今日边际变化（1-3 条；按 methodology"边际变化判定"三条线筛选）。
• 中东、俄乌、台海、朝鲜半岛、制裁/联盟等区域主线中真正有边际变化的部分。
• 能源、航运、制裁、避险资产与风险资产的传导评估。
• 路径概率今日变动、下一关键节点倒计时、24-72h 观察清单。

出完报告后用 save_report_state.py 回写今天的 watchboard，供明天 carry-forward。