Agent Skills
返回列表
Feedship AI 日报

Feedship AI 日报

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_b4850184/feedship-ai-daily。

技能介绍

要解决的问题

feedship-ai-daily 针对 AI 新闻摘要中常见的引用幻觉：模型可能编造不存在的编号，或在展开链接时捏造标题与地址。它把“生成观点”和“注入来源”拆开，让 LLM 只输出占位符，降低日报里的错误引用。

工作方式

技能基于 feedship v1.8.0+ 先提取当日文章，并用 AI / Tech 关键词过滤。随后读取 references/prompt.md，将标题列表拼成提示词，要求模型按 分类解构、根本原因、暗线发现、价值翻译 输出分析。核心约束是：只使用 ${N} 引用，禁止直接展开标题或链接。
replace_refs.py 再从权威 JSON 中把占位符替换为真实标题，支持 ${N}、${3,7} 多引用，并对无效编号输出 [无效引用 #N] 与警告，最终写入 /tmp/daily_report_final.md。

适用边界

适合需要固定生成 AI 日报、且来源来自本地 feedship 文章的工程化流程。注意文章列表为空时优先检查日期与过滤条件；引用大量失效时检查 Prompt 是否被遵循；超时则减少 --limit，建议过滤后文章数量控制在 100 以内。

使用场景

  • 每天早上需要基于本地 `feedship` 文章生成一份 AI 行业简报。
  • 生成日报时要求 LLM 只输出 `${N}` 占位符，再由脚本注入真实标题和链接。
  • 需要排查模型编造引用编号或链接，并检查 `replace_refs` 的无效引用警告。
  • 把当日 AI / Tech 文章过滤后拼进 Prompt 模板，生成结构化技术趋势分析。

适合人员

  • 维护 `feedship` 本地流水线、需要定时生成 AI 日报的工程师。
  • 构建 Agent 工作流、要求引用来源可校验的 AI 工程师。
  • 关注大模型趋势、希望把新闻摘要整理成战略分析的研究者。
  • 调试 LLM 引用幻觉、需要占位符替换脚本的提示词工程师。