# Collect News > 从用户提供的 URL 链接收集科技周报素材。当用户提供 URL 并希望收录为科技周报内容时使用此 skill。 Use when this capability is needed. - Skill: `tomevault-io/collect-news` (Agent Skill, multi-file: 2 files) - Install (CLI): `npx skillmds@latest add tomevault-io/collect-news` - Raw SKILL.md: https://api.skillmd.com/api/skills/tomevault-io/collect-news/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: tomevault-io (https://skillmd.com/u/tomevault-io) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/tomevault-io/collect-news --- # 收集科技周报素材 将用户提供的 URL 收集为科技周报记录，完成截图并存入数据库。 ## 流程 对用户提供的每个 URL，执行以下步骤（多个 URL 时尽量并行处理）： ### 1. 抓取网页内容 使用 WebFetch 工具抓取 `https://r.jina.ai/` 获取网页正文。 ### 2. 生成周报文案 根据抓取到的内容，**你自己直接生成**以下 JSON（不需要调用额外 API）： ```json { "url": "原始 URL", "title": "项目名 | 一句话简介（不超过10字）", "content": "200字以内的中文介绍", "tags": ["TAG1", "TAG2"] } ``` **写作风格要求：** - 周报以视频形式呈现，内容应口语化、易读，适合口播 - 不要使用 markdown list、code block 等无法口播的结构 - content 分两段：**介绍段** + **点评段** - 介绍段：说清楚项目是什么、解决什么问题、核心亮点，口语化 - 点评段：以「点评：」开头，站在科技编辑的视角给出分析——放到行业背景中评价意义、与同类方案对比、适用场景、潜在局限等。点评要有观点，不要泛泛而谈 - 两段之间用 `\n` 分隔 - title 格式为「项目名 | 功能定位短语」，定位短语不超过 10 字，是名词短语而非句子（如"树形 Diff 阅读器"、"边缘设备语音识别"） - 介绍段用**具体细节**支撑：提到技术选型、知名用户、量化数据等，避免空泛描述 - 点评段要**有立场**：可以指出局限性、放到行业趋势中定位、给出适用前提，不要只说好话 - 不要用"大家好"、"给大家介绍"等开头套话，直接进入主题 - 如果用户提供了自定义标题或内容，尊重并保留用户输入 **tags 可选值（仅选关联性强的）：** - `AI` - 人工智能 - `HARDWARE` - 硬件相关科技 - `FRONTEND` - 软件前端 - `BACKEND` - 软件后端 - `SECURITY` - 安全 - `IOT` - 物联网 - `CLOUD` - 云计算 - `STARTUPS` - 创业与投资 - `DATA` - 数据库、大数据等 - `TOOL` - 实用工具 **参考示例（学习风格，不要照搬内容）：** 示例 1： ```json { "url": "https://github.com/dlvhdr/diffnav", "title": "Diffnav | 树形 Diff 阅读器", "content": "Diffnav 给 git diff 加上 GitHub 风格的侧边文件树。基于 Delta 做语法高亮，用 Bubble Tea 做终端界面，支持文件跳转和搜索。解决的是命令行里看大量文件变更时迷失方向的问题。\n点评：小而精的工具，作者 Dlvhdr 之前做过 gh-dash，对开发者工作流理解很深。目前在 AI 高速生成代码的阶段，怎么 review 代码，是否 review 代码，都在激烈的讨论中，任何有生产力提升的工具都可能获得用户。", "tags": ["TOOL", "FRONTEND"] } ``` 示例 2： ```json { "url": "https://www.promptfoo.dev/", "title": "Promptfoo | LLM 的测试驱动开发", "content": "Promptfoo 是一个开源的 LLM 测试框架，支持用 YAML 定义测试用例，自动对比多个模型输出，还能检查 Prompt 注入等安全风险。它强调测试驱动的 LLM 开发，而不是反复试错。支持接入 CI/CD，也提供合规报告映射到 OWASP、NIST 等标准。\n点评：LLM 应用进入生产环境后，可观测性和测试覆盖是两大痛点。Promptfoo 把传统软件测试的方法论引入 AI 领域，这种思路比单纯依赖人工评估更可持续。前段时间 Anthropic 发布的博客中，提到他们内部也在使用这个工具做 Agent 质量评估，也是让 Promptfoo 获得了更多的关注。", "tags": ["AI", "SECURITY", "TOOL"] } ``` 示例 3： ```json { "url": "https://github.com/googleworkspace/cli", "title": "gws | Google Workspace 统一命令行工具", "content": "Google 推出 gws，用统一命令行控制 Drive、Gmail、Calendar 等全部 Workspace 服务。它选择在运行时读取 Google 的 Discovery Service 动态生成命令，API 一旦更新，客户端自动同步。还内置了四十多个 AI Agent 技能，并且原生支持 Gemini CLI 扩展。\n点评：CLI 现在是帮助 SaaS 服务融入 Agent 生态的重要手段，Google Workspace 服务有着大量的用户，办公场景又是 Agent 服务的重点领域，本次 Google 推出 gws，预计会解锁更多 Agent 办公场景。gws 的动态服务发现机制也体现了设计上的深思熟虑，比已有的不少第三方 MCP 形态集成方案更加易于维护。", "tags": ["TOOL", "CLOUD"] } ``` ### 3. 截图 + 上传 + 入库 在 `mcp-servers/` 目录下运行脚本，传入第 2 步生成的 JSON： ```bash cd mcp-servers && deno run -A --node-modules-dir=auto ../.claude/skills/collect-news/scripts/collect-news.ts '' ``` 脚本会自动完成：截图上传到 R2、插入 Supabase，并输出插入的记录。 **注意：** JSON 参数通过单引号包裹传入，内部的双引号无需转义。如果 content 中包含单引号，需要转义为 `'''`。 ### 4. 输出结果 简洁地告知用户收集结果，包含标题和 ID。如有失败项，说明原因。 --- > Source: [Yuyz0112/koala-oss-app](https://github.com/Yuyz0112/koala-oss-app) — distributed by [TomeVault](https://tomevault.io).