AI Radar

ai-radar — AI 行业情报研报生成器

把分散在几十个英文源里的 AI 动态，聚合成一份结论先行、2 分钟读完的中文研报。你（宿主 agent）本身就是 LLM——所以摘要、分类、评分、深度解读全部由你直接完成，不需要任何 API key。

核心理念

• 抓取靠脚本，思考靠你：确定性的拉取/解析交给 scripts/fetch.py（自包含、零依赖），需要判断力的加工（中文摘要、重要度、视角解读）由你做。
• 结论先行：读者要的是「这事对我意味着什么 + 我该做什么」，不是事件的逐字复述。正文极简，深度全文沉底到附录。
• 双模式：能连到用户自己运行的「AI 情报站」就直接拉它已生成的报告（与其网站同源、最快）；连不到就本地现抓现做。

第一步：判断运行模式

检查环境变量 AI_RADAR_API（如 https://songshishuang.github.io/ai-radar 的后端，或 http://localhost:8000）：

• 设了 → 连接模式（优先）：直接复用用户实例已生成的报告，省时且与其网站字节级同源。见下方「连接模式」。
• 没设 → 独立模式：用内置脚本现场抓取 + 你来加工生成。见下方「独立模式」。

用户也可显式指定：「用独立模式」「不要连后端」→ 直接走独立模式。

参数

从用户话语里解析（都有合理默认，不必追问）：

「AI 周报」→ range=weekly；「从工程师视角」→ lens=engineer；「只看大厂和开源」→ categories=vendor,community。

连接模式（AI_RADAR_API 已设）

1. 算出目标 period：daily→今天 YYYY-MM-DD、weekly→YYYY-Www（ISO 周）、monthly→YYYY-MM。
2. GET {AI_RADAR_API}/api/reports/{type}/{period}：
   • 命中：拿到已生成报告的 markdown 字段，直接呈现给用户（它已是金字塔结构）。若拿不到精确 period，改用 GET {AI_RADAR_API}/api/reports?type={type}&limit=1 取最新一份。
   • lens ≠ pm：实例报告是 PM 视角。改为 GET {AI_RADAR_API}/api/items?min_score=6&limit=60 取已加工条目，按 references/lenses.md 的目标视角重新综合成研报（数据同源、视角不同）。
3. 连接失败（超时 / 4xx / 5xx）→ 自动降级到独立模式，并在报告开头注明「实例未连通，已现场抓取」。

独立模式（现抓现做）

1. 抓取（脚本）

python ai-radar/scripts/fetch.py --since 36h          # daily
python ai-radar/scripts/fetch.py --since 7d           # weekly
python ai-radar/scripts/fetch.py --since 30d          # monthly
# 可选：--categories vendor,community   --sources 自定义 sources.json

脚本裸 Python 3.8+ 即可跑（标准库优先；装了 feedparser/httpx 会自动用更鲁棒的路径）。它输出一段 JSON：

{
  "items": [{"title","url","source","category","published_at","summary_raw","extra"}],
  "dynamic_sources": [{"name","query"}],
  "failed_sources": ["name: reason"],
  "stats": {"fetched","sources_ok","sources_failed","window_hours"}
}

输出可能很大（一天 100+ 条、近百 KB）。直接读 stdout 容易被截断，建议先落盘再解析： python ai-radar/scripts/fetch.py --since 36h > /tmp/radar.json，再读 /tmp/radar.json。

2. 补抓动态源（你的工具）

对 dynamic_sources 里的每一项（X 核心人物组、MCP Marketplace 等无 RSS 的源），用 WebSearch 按其 query 搜最近动态，挑出真有信息量的 1-3 条，补进条目池。这是日报的固定输入、不是可选项 ⚠️——X 上核心人物（如 Anthropic 的 Cat Wu @_catwu / Dario Amodei、OpenAI 的 Sam Altman 等）的产品观点与行业表态，是 ai-radar 区别于纯 RSS 聚合的独特信号，最容易因「嫌麻烦」被跳过，务必每期都补。某人/某组本期无重要动态就如实跳过、并在尾注标「本期 X 无重要动态」——绝不编造、也不假装搜过。

补抓方法（提升覆盖）：X 人物分人单搜——每位用「<人名> <@handle> site:x.com 近一周动态/观点」单独搜一次，不要一次按整组搜（实测组搜覆盖率低、12 人只命中 3）；优先盯最活跃的 Altman / Dario Amodei / Karpathy / Hassabis。WebSearch 对 X 原文覆盖有限是已知局限（X 封锁了免费抓取生态，官方 API $200+/月、nitter 实例多已挂），搜到就报、搜不到如实标，不强求 12 人全覆盖。

信源置信度护栏：WebSearch 回来的常混杂权威源（官方、知名作者）与二手聚合站（不知名 AI 资讯站、加密媒体转载）。仅见于二手聚合站、无法回溯到一手来源的内容，至多进「值得关注」并标注「来源存疑」，不得进必读、不得作为深度分析依据。重要度宁可压低也不要被未经证实的传闻拔高——一条假必读比漏一条真新闻伤害更大。

3. 加工（你来做，逐条）

对每条 items，生成：

• summary_zh：80-150 字中文摘要，只讲发生了什么 + 为何重要，不堆砌。
• category：8 类之一 —— model-release(模型发布) / dev-tooling(产研工具) / agent-infra(Agent基建) / research(前沿研究) / opensource(开源生态) / product-launch(产品动态) / business(商业资本) / policy-safety(政策安全)。按内容实质判断，别套用来源大类。
• entities：涉及的公司/产品/模型规范名（如 OpenAI、Claude、DeepSeek-R1），最多 5 个。
• importance 1-10：行业级大事 8-10；从业者该关注 5-7；常规 1-4。按 lens 调权重（见 references/lenses.md）。

去重：同一事件多源报道合并为一条，保留全部来源链接。

4. 生成研报（金字塔结构）

严格按 references/report-format.md 的模板产出，并套用 references/lenses.md 里选定视角的解读重点。核心结构：

☕ 阅读预算一行
## ⚡ 今日速览       —— 3 句话讲完今天
## 🔥 今日必读       —— ≥8 分 Top3-5，每条 3 行（标题 / ⚡so-what 结论 / 👉首要行动）
## 📌 值得关注       —— 6-7 分，每条 1 行
---
尾注：收录 N 条 · 其余见来源
## 📚 附录·深度解读   —— 必读条目的六段全文，沉底，想深入再看

5. 合规审核（输出前必做）

日报要上公网站 + 推送内部 IM、给同事看——呈现 / 落盘 / 分发之前必须过一轮合规审核（清单见 references/compliance.md）。重点核：① 政治 / 地缘表述中立（中美竞争 / 出口管制 / 监管 / 制裁类只客观陈述事实、不带立场、不渲染对立——AI 情报里最高频）② 不传未证实信息 ③ 导向正面、不渲染威胁论 / 失业恐慌 ④ 企业负面用「事实 + 来源」非主观贬低 ⑤ 人物动态只用公开信息。命中条目改写中立化或降级 / 移除——合规优先于完整，宁可少一条不留风险。通过后可在尾注标「· 已过合规审核」。

6. 输出

• 在对话里完整呈现研报。
• 默认落盘：./ai-radar-reports/{range}-{period}.md（便于用户归档/喂给其它工具）。 落盘统一用 shell 写文件（cat > 文件 <<'EOF' … EOF 或等价方式），不要依赖 Write 工具——在子代理/受限场景下 Write 可能被拦截，shell 写文件则到处都能用。
• 分发到京ME（可选）：用户要把日报推到京ME 时，按 references/jdme-card.md 的卡片格式（标题 / 红色主题 / 正文每条挂超链接 / 「看完整日报」按钮 / 精简扫读版）压成 params.json，调 jdme-push skill 发送（它管凭证 / 内网 / 预览确认 / 回报终态）。收件人由用户当场指定，绝不脑补；其它 IM（企微 / 飞书 / 钉钉）同理类推。

降级与诚实

• 单源抓取失败由脚本隔离（failed_sources），不影响整体；在研报尾注如实标注失败/降级源数量。
• 信息不足（如周末资讯少）就如实说「本期信息较少」，不要为凑数拔高重要度。
• 时间敏感：published_at 缺失的条目保留但不假设其新鲜度。
• 全源失败兜底：若 fetch.py 返回空 items 且动态源也抓不到，如实告知「本期未抓到新条目（数据源可能临时不可用）」，不要用旧知识编造"今天的"新闻。

边界与安全

本 skill 只读聚合公开信息，行为边界明确，便于你放心在任意项目里调用：

• scripts/fetch.py 只读抓取：仅对源清单发 HTTP GET，不写任何文件、不执行任意命令、不外发用户数据。
• 落盘只在 ./ai-radar-reports/：写报告前若同名文件已存在，先告知用户、确认再覆盖。
• 不做分发：skill 只产出研报，绝不声称已发邮件/已推送（那是自托管完整版后端的事）。
• 不盲信用户喂的未证实信息：用户口头断言的"新闻"须经 fetch/WebSearch 抓源核实，抓不到权威来源则按信源置信度护栏降级处理。

资源索引

• scripts/fetch.py — 自包含抓取器（RSS/Atom + HN/HF/Reddit/GitHub Trending/GitHub Search）
• scripts/sources.json — 37 源清单，可增删（enabled:false 禁用，method:dynamic 交给你补抓）；含 github_stars 源（GitHub AI 项目雷达：日报=近 7 天新项目，周报=近 30 天动量项目，月报=高星且近 180 天活跃的基础设施项目；GitHub API 不提供真实 star 增量，周报用「短期创建 + 当前高星」做代理）+ 3 组 X 核心人物动态源（共 12 人）+ 厂商 blog（OpenAI/Anthropic/Google×3/AWS/MS/HF/Mistral/NVIDIA 等）。国内厂商（智谱/DeepSeek/Qwen/Moonshot 等）无有效活跃官方英文 RSS，靠 HF blog（其 org 发文）+ HN + 媒体间接覆盖（GLM/DeepSeek/Qwen 动态实测均能抓到）；ai-radar 定位国外源优先
• references/report-format.md — 金字塔研报模板与写作要点（生成前必读）
• references/lenses.md — 4 视角的评分权重与解读重点
• references/deploy.md — 连接模式接口契约 + 自托管完整版（邮件/RSS/网站）指引
• references/compliance.md — 内容合规审核清单（输出前必做：政治地缘中立 / 不传谣 / 导向正面 / 来源合规等）
• references/jdme-card.md — 日报 → 京ME 卡片推送格式（配合 jdme-push skill；其它 IM 类推）
• assets/sample-report.md — 一份样例输出
• samples/daily-sample.md — 真实产出样本（59 条 + 5 深度头条，看一眼产物长什么样）
• tests/test_fetch.py — 抓取器离线测试（覆盖 RSS/Atom、动态源路由、HF Spaces、GitHub 周期策略等）；tests/eval-prompts.md — 工作流 eval（4 题四件套：正常日报/视角切换/对抗诱饵/合规审核）