Tech Radar

科技雷达 Tech Radar

4 个数据源并行采集，4 个 AI 分析师各写报告，1 个主编跨源综合。

三层流水线架构

Layer 1: 脚本采集（Node.js，不耗 AI token，~10秒）
         ↓ 4 个 JSON
Layer 2: 4 个 AI 分析师并行分析（各读各的 prompt + 数据）
         ↓ 4 份独立报告
Layer 3: 主编综合（跨源关联 + 趋势判断 + 30秒速读）
         ↓ 1 份最终日报

数据源

触发词

执行流程

变量定义

SKILL_DIR = 本 SKILL.md 所在目录的绝对路径
SCRIPTS_DIR = ${SKILL_DIR}/scripts
COLLECTORS_DIR = ${SCRIPTS_DIR}/collectors
ANALYSIS_DIR = ${SKILL_DIR}/analysis
RADAR_HOME = /home/01fish/TT/项目1：01fish-assistant/tech-radar
OUTPUT_DIR = ${RADAR_HOME}/reports/$(date +%Y-%m-%d)

Step 1: 采集（Layer 1 — 纯脚本，不耗 token）

判断用户是要完整采集还是单源：

完整采集：

mkdir -p "${OUTPUT_DIR}"
node "${SCRIPTS_DIR}/collect.mjs" --output "${OUTPUT_DIR}"

协调器会自动发现 collectors/ 目录下所有 .mjs 文件并行执行。

单源采集：

mkdir -p "${OUTPUT_DIR}"
node "${COLLECTORS_DIR}/<采集器名>.mjs" > "${OUTPUT_DIR}/<源名>.json"

采集器映射：

• github → gh-trending.mjs
• ph → producthunt.mjs
• hn → hackernews.mjs
• zara → zara-ai.mjs

Step 2: 分析（Layer 2 — AI 分析师）

对每个成功采集的数据源：

1. 读取对应的分析师 prompt：${ANALYSIS_DIR}/<源名>-analyst.md
2. 读取采集数据：${OUTPUT_DIR}/<源名>.json（或从 summary.json 中提取对应源的数据）
3. 按 prompt 要求分析数据，生成独立报告

分析师 prompt 映射：

• gh-trending.json → github-analyst.md
• producthunt.json → producthunt-analyst.md
• hackernews.json → hackernews-analyst.md
• zara-ai.json → zara-analyst.md

重要：4 个分析师互相独立，可以用 4 个并行 Agent 同时运行。

Step 3: 综合（Layer 3 — 主编）

仅在完整采集模式下执行：

1. 读取主编 prompt：${ANALYSIS_DIR}/synthesizer.md
2. 汇总所有分析师报告
3. 执行跨源关联分析
4. 生成最终日报，以「30 秒速读」开头

Step 4: 输出

日报文件名为当天日期：${OUTPUT_DIR}/YYYY-MM-DD.md（如 2026-04-03.md）。

日报必须包含以下完整内容：

Part 1: 30 秒速读（3 条核心趋势 + 行动建议）

Part 2: 原始榜单数据

必须完整列出以下原始数据，不可省略：

• GitHub Trending 日榜（增速）：所有条目（仓库名、描述、语言、Star 数、当日增量）
• GitHub Trending 月榜（增速）：所有条目（同上，月增量）
• GitHub 总星数 Top10（日榜）：按总 Star 数排序的当日 trending 前 10（如日榜不足 10 条则展示全部）
• GitHub 总星数 Top10（月榜）：按总 Star 数排序的当月 trending 前 10
• Product Hunt 日榜 Top5：产品名、Tagline、投票数、评论数、链接
• Product Hunt 月榜 Top20：同上
• Hacker News Top 30：标题、分数、评论数、链接
• 张咋啦 AI 更新：新增视频/播客（如无更新标注"无变化"）
• Follow Builders：AI builder 最新推文精选（互动最高的）+ 最新播客/博客

重要：每一条信息都必须附带一句"01fish 行动建议"，说明是否值得关注以及如何利用这条信息（写文章？用工具？跟踪观察？忽略？）。不要只罗列数据。

Part 3: 跨源强信号分析

同一话题/实体出现在多个源的，做关联分析。

Part 4: 选题建议

结合 01fish 内容特点给出选题建议：

• 01fish 内容定位：AI 自媒体教育博主，讲"AI 改变普通人的故事"，风格好奇、专业、有温度、技术幽默
• 内容标准：有用（能学到东西）+ 有趣（有钩子、有故事性）
• 优先角度：AI + 普通人视角 > 纯技术视角；实操教程 > 抽象分析；反常识/争议 > 平铺直叙
• 标题钩子：必须有反常识、具体冲突、悬念或数字冲击中的至少一种
• 每条选题给出：标题草案（含钩子）、内容角度、目标平台、为什么现在做

Part 5: 观察列表

持续跟踪的信号。

保存路径： ${OUTPUT_DIR}/YYYY-MM-DD.md，同时在对话中完整展示给用户。

如果是单源模式，直接展示该源的原始数据 + 分析报告，不做跨源综合。

Step 5: 处理 fish 点评

当用户说"处理点评"或"看看我的点评"时：

1. 读取当天日报 md 文件
2. 扫描所有 fish点评: 标记（用户会在日报任意位置插入）
3. 理解每条点评的上下文（它写在哪条数据旁边）和意图
4. 逐条执行：
   • 如果是行动指令（"这个要做"、"试一下"、"写篇文章"）→ 直接执行或创建具体任务
   • 如果是委派（"找人测"、"让助理做"）→ 记录到待办
   • 如果是素材标记（"引用到xx文章"、"可以用"）→ 收集到素材库
   • 如果是想法/灵感（"有意思"、"可以结合xx"）→ 用 /bi 存入大脑收件箱
   • 如果是否定（"没用"、"忽略"）→ 跳过
5. 处理完后，在日报末尾追加「点评处理记录」，汇总执行了什么

触发词："处理点评"、"看看我的点评"、"执行点评"

扩展数据源

加新源只需两步：

1. 复制 collectors/ 下任意 .mjs 文件改名，实现采集逻辑
2. 在 analysis/ 下新建对应的 xxx-analyst.md 分析师 prompt

协调器会自动发现新文件，不需要改任何配置。

文件结构

.claude/skills/tech-radar/
├── SKILL.md                        # 本文件（Skill 入口）
├── analysis/                       # 分析师 prompt（独立可调）
│   ├── github-analyst.md
│   ├── producthunt-analyst.md
│   ├── hackernews-analyst.md
│   ├── zara-analyst.md
│   └── synthesizer.md              # 主编综合 prompt
└── scripts/
    ├── collect.mjs                 # 协调器
    ├── collectors/
    │   ├── gh-trending.mjs
    │   ├── producthunt.mjs
    │   ├── hackernews.mjs
    │   └── zara-ai.mjs
    └── lib/
        └── fetcher.mjs             # HTTP + 公共工具