OpenClaw 新闻首页日报抓取

要解决什么问题

很多「每日新闻」需求并不是在搜索引擎里拼十条摘要，而是要从 BBC、路透、联合早报、新华社 等站点首页或频道页点进当天稿件，拿到可核对的全文，再译成中文并排版成能直接进 Word 的日报。手工点首页、筛链接、洗正文、多源去重，既慢又容易漏掉出处或把快讯页当成正文。

技能如何工作

本技能把任务定义为：首页导航式抓取 → 正文提取 → 中文整理 → Word-ready 中间稿，而不是泛搜索聚合。

默认流程大致是：

1. 确定范围：国际 / 新加坡 / 中国 / 财经或综合日报，以及每站篇数上限。
2. 从首页或频道进入：优先首页主卡与 Latest、World、Asia 等列表，跳过 Opinion、Live、纯视频与订阅页。
3. 正文确认与清洗：提取标题、作者、时间、栏目与段落；去掉导航、推荐位与重复块。
4. 去重与编排：同一事件可多源保留，但避免同媒重复卡片；按栏目组装日报。
5. 输出字段：每篇至少包含 source_name、article_url、title_zh、summary_zh、body_zh 等，并遵循 references/translation_docx_spec.md 的中文与文档结构。

执行前通常会先读 references/source_catalog.md、source_manifest.yaml 与 templates/daily_news_digest_template.md，以对齐站点清单和日报模板。

适用边界

• 适合：早报/晚报、按地区或媒体汇总、要全文+出处+中文译文并交付 Word 素材。
• 不适合：只要单篇摘要、社媒/论坛、绕过付费墙或登录墙、秒级监控或全站爬虫。
• 遇付费墙、正文缺失或脚本渲染失败时，应写入 extraction_note 等异常说明，不得伪造内容。