技能介绍

要解决的问题

AI 领域的信息更新速度远超人工筛选能力。同一篇论文可能在 arXiv、Twitter、Reddit、Hacker News 上被同时讨论，而日常闲聊、营销推广和重复转发也混杂其中。工程师和研究者很难快速区分重要信号与噪音——要么错过关键观点，要么把大量时间花在浏览无价值内容上。

技能如何工作

该技能围绕五个核心能力组织：KOL 发言追踪、前沿文章采集、社区热议捕捉、论文与开源追踪、智能筛选输出。执行流程分六步：

Step 1：确定模式和时间范围
Step 2：采集 Twitter/X KOL 发言。环境变量 AISA_API_KEY 已配置时自动切换到 AISA API 精准模式，运行 scripts/fetch_twitter_aisa.py 通过 api.aisa.one 直接读取指定 KOL 的时间线，返回含原文、时间、链接的 JSON 列表；未配置时降级为 WebSearch 免费模式，通过 Agent 的 web_search 工具间接搜索，覆盖率约 60-70%，时效性有延迟
Step 3-5：分别采集前沿文章（VC 博客、Substack、个人博客）、社区热议（Reddit、Hacker News）、arXiv 热门论文与 GitHub Trending AI 项目
Step 6：用 LLM 筛选总结。保留新模型发布/重大更新、引领新方向的观点、重要技术突破、行业重大合作/收购；过滤日常闲聊、营销推广、重复信息、纯转发无评论

默认 KOL 名单按影响力分层：T0 行业领袖每日必查（如 Sam Altman、Dario Amodei），T1 技术先驱，T2 深度观点每 2-3 天查一次，完整名单见 references/kol_list.md。输出为结构化中文简报，多源事件将链接合并到同一 🔗 行，时间取最早出现者。

适用边界与注意点

WebSearch 模式覆盖率有限（约 60-70%）且存在时效延迟；需要精准实时数据时应配置 AISA_API_KEY 使用付费 API 模式（约 $0.0004/次调用）
每次搜索最多查 3-5 个 KOL，避免信息过载
追踪名单可通过对话自定义：追加 KOL、调整频率、聚焦话题、切换模式

截图预览

使用场景

每天早晨需要快速掌握 Sam Altman、Dario Amodei 等 T0 级 AI 领袖在 X 上的新发言，并区分有信息量的更新与日常闲聊。
周末复盘时，要汇总一周内 arXiv 热门论文、GitHub Trending AI 项目和 Reddit、Hacker News 的深度讨论，形成可分享的中文简报。
调研 AI Agent 方向时，希望把 Karpathy 个人博客、LangChain 创始人 Harrison Chase 的观点及相关社区讨论一次性拉通，避免信息碎片化。
准备团队内部分享前，需要对比同一篇新模型发布在 Twitter、arXiv 和 Hacker News 上的补充信息与时间线，输出来源链接和最早时间。

适合人员

AI 产品经理：需要持续跟踪头部模型公司和关键人物的最新动态，为产品路线图和技术选型提供依据。
技术团队负责人：每周要向团队同步值得深读的论文、开源项目和社区热议，减少团队信息筛选成本。
独立研究者或研究生：需要快速获得多源交叉比对后的结构化中文摘要，避免在 arXiv、Twitter、Reddit 之间来回切换。
内容创作者或技术编辑：需要定期产出 AI 前沿中文简报，要求来源链接集中、时间线可追溯、内容经过过滤。

AI前沿脉搏