技能介绍

要解决的问题

新闻、论文、播客和博客分散在多个站点，工程师很难用统一格式快速比较热点、来源、时间和热度。直接让模型逐条摘要又容易出现虚构、时间缺失、英文专有名词处理不一致等问题。news-aggregator-skill-v2 面向这类信息聚合场景，把多源抓取、模板化撰写和报告落盘串成固定流程。

工作方式

核心步骤很简单：

使用 fetch_news.py 从 hackernews、github、weibo、huggingface、ai_newsletters 等 28 个来源获取条目。
按 Unified Report Template 将每条内容整理为简体中文，保留必要字段，例如时间、热度、链接和深度解读。
对 Hacker News、GitHub、Hugging Face、Weibo 做来源适配，如保留讨论链接、Stars、upvotes 或原始热搜热度。
生成报告后保存到 reports/YYYY-MM-DD/ 目录，再向用户展示完整内容。

它也提供 daily_briefing.py 的预配置画像，例如 general、finance、tech、social、ai_daily，适合做固定栏目式简报。规则层强调只用 JSON 中已有数据、强制保留时间、结果过少时用更宽范围补足并标记 ⚠️。

适用边界

它更像“抓取 + 结构化摘要”工具，不是新闻数据库或实时事件追踪系统。输出语言固定为简体中文；部分来源如 HF Papers 和 Ben's Bites 需要额外浏览器环境。涉及播客、essay 或 newsletter 时，分析质量取决于原文抓取是否完整；若源数据缺少时间或上下文，报告只能标记 Unknown Time 或基于已有字段保守描述。