技能介绍

多源信息过载与筛选困境

在技术快速迭代的当下，工程师和研发团队每天需要关注 RSS 订阅、GitHub Trending 以及各类关键词搜索结果。这些信息分散在不同的平台，手动收集不仅耗时，还容易遗漏关键更新。更棘手的是，信息源中充斥着重复内容、低质软文和过时新闻。人工筛选不仅效率低下，且难以建立统一的评估标准，导致团队往往错过影响项目选型的重要框架发布或行业趋势。

自动化采集与多维评分流水线

该技能通过统一的自动化流水线解决了上述痛点。它聚合了 rss_feeds、search_keywords 和 github_topics 三类信息入口，在后台定时运行。核心处理流程分为三个关键步骤：

深度去重：结合 URL 匹配、标题相似度以及语义相似度，剔除重复和噪音数据。
多维评分：基于相关性、新颖性、可行动性、可信度和时效性五个维度对内容打分，低于 quality_threshold 的条目将被过滤。
结构化日报：将高分条目按“必看”和“常规”分类，生成 Markdown 格式的日报并推送到飞书等 digest_channel。

适用边界与风险控制

虽然实现了高度自动化，但该技能在设计上保留了必要的工程谨慎。系统不会将未经验证的信息直接作为事实结论，且所有入选条目均保留原始链接以供人工抽查。在对外转发、发布或创建任务前，必须经过人工确认；低可信度信息被严格限制在“必看”区之外。此外，当某类信息入口抓取失败时，流水线会跳过并继续处理其他入口，去重过度时也会保留被过滤清单供人工恢复，确保长期运行的稳定性。