findscripter 何时使用
当需要把分散的科技/AI 新闻当作数据来处理——多源拉取、去重、打分、标注后产出可机读结构化简报（JSON 字段或简报卡）时使用：
- 从 4+ RSS 源（TechCrunch、The Verge、Ars Technica、Hacker News）定期聚合，去掉跨源转载的同源稿。
- 给每条文章批量产出统一字段：摘要、情感、影响力 1-5、行业标签、一句话点评，便于下游再消费/存档。
- 监测产品发布、政策/监管、基础设施迁移等行业动向，按重要性排 Top N 成稿。
不该用（边界）：
- 只要一条链接的单篇摘要、或单一来源快讯 —— 不必建多源管道。
- 实时行情、盘口、毫秒级更新 —— RSS 有延迟，走专用数据接口。
- 把情感/影响力评分当作权威市场、投资或政策研判 —— 它只是简报辅助，发布或决策前必须回溯原文。
- 偏「研究/舆情阅读」语境的简报 —— 见互见
news-sentiment-briefing（通用/research 角度，本条侧重数据管道与机读产物）。
步骤
把流程当成一条管道，每步产物可独立校验：
- 采集 collect：拉取 4+ RSS 源；无 RSS 或需补时用 websearch 按「主题 + 时间窗」检索。每条至少保留：标题、来源、发布时间、链接、正文/摘要。
- 去重 dedup：跨源识别同一事件的转载/同源通稿，合并为一条，记录全部出处。关键：「多个链接」≠「多个独立信源」，同一通稿被多家转载仍是单一信源。
- 排序 rank：按对科技行业的重要性取 Top 5；权重维度＝行业影响、技术趋势、政策/监管变化、基础设施迁移。
- 标注 analyze：逐条产出 — 摘要 2-3 句；情感 positive/negative/neutral；影响力 1-5；行业标签 [AI, 半导体, 云, LLM, 监管…]；一句话行业点评。
- 成稿 brief：按下方简报卡格式或 JSON schema 输出，标日期、逐条编号。
- 核对 verify：发布或用于决策前回溯原文逐条核对，避免转述失真。
指令
核心提示词（可直接喂模型，无需任何上游工程即可跑通）：
从 RSS 源采集最新 AI/科技新闻。
按对科技行业的重要性排出 Top 5。
每条给出：摘要（2-3 句）、情感（positive/negative/neutral）、
影响力评分（1-5）、行业标签、一句话行业点评。
以结构化简报卡输出（或 JSON：title/source/published/summary/sentiment/impact/tags/comment）。
可选的上游工程（非必需，多数情况下上面的提示词 + websearch 已足够）：源标注 risk: critical，会克隆并运行第三方 Node 工程，先审阅并锁定仓库版本，切勿把 API key 暴露给未审阅的检出：
git clone https://github.com/tellmefrankie/news-engine
cd news-engine
pnpm install
cp .env.example .env
# 需要：ANTHROPIC_API_KEY
pnpm dev -- --collect-only
免费档仅做采集与基础分析，除 Anthropic API key 外无需付费 API。
每条统一字段（机读 schema）：标题 + 来源 + 发布时间 / 摘要 2-3 句 / 行业标签数组 / 情感 / 影响力 1-5 / 一句话行业点评。
示例
简报卡输出片段：
AI/科技新闻简报 — 2026-05-13
1. OpenAI 发布 GPT-5，上下文窗口达 200 万 token
来源：TechCrunch | 影响力：5/5
标签：#AI #LLM #OpenAI
情感：Positive
摘要：OpenAI 发布 GPT-5，支持 200 万 token 上下文并增强推理。
企业定价从 $0.03/1k token 起。
点评：对 Anthropic Claude 形成直接竞争压力，H2 2026 企业合同或生变。
2. 欧盟《AI 法案》对高风险系统启动执法
来源：The Verge | 影响力：4/5
标签：#监管 #欧盟 #合规
情感：Neutral
注意事项
- RSS 源会延迟、下线、限流或转载重复：去重要稳，时效需在卡片标注。
- 情感与影响力评分是简报辅助，不是权威市场/政策结论；交叉核对原始来源后再发布或用于投资。
- 上游 Node 工程为可选第三方代码：审阅仓库与环境变量、锁定版本后再运行，勿向未审阅检出暴露
ANTHROPIC_API_KEY。 - 同源通稿去重不到位会虚高「影响力」（一条事件被当成多条）——dedup 是评分可信度的前提。
互见
- related：
news-sentiment-briefing—— 同源同题的「通用/research」版，偏研究与舆情阅读；本条偏数据管道与机读产物，按使用语境二选一。 - related：
daily-news-report—— 按预设来源列表 + 子 Agent 并行抓取生成每日 Markdown 日报。 - related：
competitive-intel-tracker—— 把新闻信号沉淀为竞品情报跟踪。 - combines_with：
fact-checking—— 高影响条目发布前的断言与来源核查。 - combines_with：
jq-json-processing—— 对结构化 JSON 简报做下游过滤、抽取与转换。
采编自 sickn33/antigravity-awesome-skills（MIT）。