新闻聚合技能：28个来源实时热点新闻与深度中文分析报告生成工具

news-aggregator-skill by cclank/news-aggregator-skill

3,500 周安装量

873 GitHub Stars

GitHub

安装命令

npx skills add https://github.com/cclank/news-aggregator-skill --skill news-aggregator-skill

AI/机器学习开发数据分析

🇨🇳中文介绍

新闻聚合技能

从 28 个来源获取实时热点新闻，生成深度中文分析报告。

🔄 通用工作流程 (3 步)

每个新闻请求都遵循相同的工作流程，无论来源或组合如何：

步骤 1：获取数据

# 单一来源
python3 scripts/fetch_news.py --source <source_key> --no-save

# 多个来源（逗号分隔）
python3 scripts/fetch_news.py --source hackernews,github,wallstreetcn --no-save

# 所有来源（广泛扫描）
python3 scripts/fetch_news.py --source all --limit 15 --deep --no-save

# 带关键词过滤（自动扩展："AI" → "AI,LLM,GPT,Claude,Agent,RAG"）
python3 scripts/fetch_news.py --source hackernews --keyword "AI,LLM,GPT" --deep --no-save

步骤 2：生成报告

读取输出的 JSON，并使用下面的统一报告模板格式化每一个条目。将所有内容翻译为简体中文。

步骤 3：保存与呈现

将报告保存到 reports/YYYY-MM-DD/<source>_report.md，然后向用户显示完整内容。

📰 统一报告模板

所有来源都使用此单一模板。 根据数据可用性显示/隐藏可选字段。

#### N. [标题 (中文翻译)](https://original-url.com)
- **来源**: 源名 | **时间**: 时间 | **热度**: 🔥 热度值
- **链接**: [讨论](hn_url) | [GitHub](gh_url)     ← 仅在数据存在时显示
- **摘要**: 一句话中文摘要。
- **深度分析**: 💡 **洞察**: 深度分析（背景、影响、技术价值）。

广告位招租

在这里展示您的产品或服务

触达数万 AI 开发者，精准高效

联系我们

相关 Skills

find-skills 技能搜索工具 - Vercel Labs 开源智能体技能包管理器

705,000 周安装

Vercel React 最佳实践指南 | 58条Next.js性能优化规则与代码重构

245,300 周安装

Vercel Web界面规范检查工具 - 自动检测代码是否符合Web设计指南

196,800 周安装

agent-browser 浏览器自动化工具 - Vercel Labs 命令行网页操作与测试

128,699 周安装

React 组合模式指南：Vercel 组件架构最佳实践，提升代码可维护性

来源	适配
Hacker News	必须包含 `[讨论](hn_url)` 链接
GitHub	热度使用 `🌟 Stars`，添加 `Lang` 字段，在深度分析中添加 `#Tags`
Hugging Face	热度使用 `🔥 +N` 点赞数，如果存在则包含 `[GitHub](url)` 链接，撰写深度解读（不仅仅是翻译摘要）
Weibo	保留精确的热度文本（例如 "108万"）

参数	描述	默认值
`--source`	来源键（一个或多个，逗号分隔）。见下表。	`all`
`--limit`	每个来源的最大条目数	`15`
`--keyword`	逗号分隔的关键词过滤器	None
`--deep`	下载文章文本以进行更丰富的分析	关闭
`--save`	强制保存到报告目录	单一来源时自动
`--outdir`	自定义输出目录	`reports/YYYY-MM-DD/`

类别	键	名称
全球新闻	`hackernews`	Hacker News
`36kr`	36氪
`wallstreetcn`	华尔街见闻
`tencent`	腾讯新闻
`weibo`	微博热搜
`v2ex`	V2EX
`producthunt`	Product Hunt
`github`	GitHub Trending
AI/科技	`huggingface`	HF Daily Papers
`ai_newsletters`	All AI Newsletters (聚合)
`bensbites`	Ben's Bites
`interconnects`	Interconnects (Nathan Lambert)
`oneusefulthing`	One Useful Thing (Ethan Mollick)
`chinai`	ChinAI (Jeffrey Ding)
`memia`	Memia
`aitoroi`	AI to ROI
`kdnuggets`	KDnuggets
播客	`podcasts`	All Podcasts (聚合)
`lexfridman`	Lex Fridman
`80000hours`	80,000 Hours
`latentspace`	Latent Space
文章	`essays`	All Essays (聚合)
`paulgraham`	Paul Graham
`waitbutwhy`	Wait But Why
`jamesclear`	James Clear
`farnamstreet`	Farnam Street
`scottyoung`	Scott Young
`dankoe`	Dan Koe

简报方案	来源	指令文件
`general`	HN, 36Kr, GitHub, Weibo, PH, WallStreetCN	`instructions/briefing_general.md`
`finance`	WallStreetCN, 36Kr, Tencent	`instructions/briefing_finance.md`
`tech`	GitHub, HN, Product Hunt	`instructions/briefing_tech.md`
`social`	Weibo, V2EX, Tencent	`instructions/briefing_social.md`
`ai_daily`	HF Papers, AI Newsletters	`instructions/briefing_ai_daily.md`
`reading_list`	Essays, Podcasts	(使用通用模板)

语言 : 所有输出使用简体中文。保留众所周知的英文专有名词（ChatGPT, Python 等）。
时间 : 必填字段。绝不可省略。如果 JSON 中缺失，标记为 "Unknown Time"。保留 "Real-time" / "Today" / "Hot" 原样。
防止幻觉 : 仅使用 JSON 中的数据。绝不捏造新闻条目。使用简单的主谓宾句式。不要编造因果关系。
智能关键词扩展 : 当用户说 "AI" → 自动扩展为 "AI,LLM,GPT,Claude,Agent,RAG,DeepSeek"。其他领域类似扩展。
智能填充 : 如果某个时间窗口内结果少于 5 条，则从更广范围内补充高价值条目。补充条目用 ⚠️ 标记。
保存 : 在显示之前，始终将报告保存到 reports/YYYY-MM-DD/。

🇺🇸English

News Aggregator Skill

Fetch real-time hot news from 28 sources, generate deep analysis reports in Chinese.

🔄 Universal Workflow (3 Steps)

Every news request follows the same workflow, regardless of source or combination:

Step 1: Fetch Data

# Single source
python3 scripts/fetch_news.py --source <source_key> --no-save

# Multiple sources (comma-separated)
python3 scripts/fetch_news.py --source hackernews,github,wallstreetcn --no-save

# All sources (broad scan)
python3 scripts/fetch_news.py --source all --limit 15 --deep --no-save

# With keyword filter (auto-expand: "AI" → "AI,LLM,GPT,Claude,Agent,RAG")
python3 scripts/fetch_news.py --source hackernews --keyword "AI,LLM,GPT" --deep --no-save

Step 2: Generate Report

Read the output JSON and format every item using the Unified Report Template below. Translate all content to Simplified Chinese.

Step 3: Save & Present

Save the report to reports/YYYY-MM-DD/<source>_report.md, then display the full content to the user.

📰 Unified Report Template

All sources use this single template. Show/hide optional fields based on data availability.

#### N. [标题 (中文翻译)](https://original-url.com)
- **Source**: 源名 | **Time**: 时间 | **Heat**: 🔥 热度值
- **Links**: [Discussion](hn_url) | [GitHub](gh_url)     ← 仅在数据存在时显示
- **Summary**: 一句话中文摘要。
- **Deep Dive**: 💡 **Insight**: 深度分析（背景、影响、技术价值）。

Source-Specific Adaptations

Only the differences from the universal template:

Source	Adaptation
Hacker News	MUST include `[Discussion](hn_url)` link
GitHub	Use `🌟 Stars` for Heat, add `Lang` field, add `#Tags` in Deep Dive
Hugging Face	Use `🔥 +N` upvotes for Heat, include `[GitHub](url)` if present, write 深度解读 (not just translate abstract)
Weibo

🛠️ Tools

fetch_news.py

Arg	Description	Default
`--source`	Source key(s), comma-separated. See table below.	`all`
`--limit`	Max items per source	`15`
`--keyword`	Comma-separated keyword filter	None
`--deep`	Download article text for richer analysis	Off

Available Sources (28)

Category	Key	Name
Global News	`hackernews`	Hacker News
`36kr`	36氪
`wallstreetcn`	华尔街见闻
`tencent`	腾讯新闻
`weibo`	微博热搜

daily_briefing.py (Morning Routines)

Pre-configured multi-source profiles:

python3 scripts/daily_briefing.py --profile <profile>

Profile	Sources	Instruction File
`general`	HN, 36Kr, GitHub, Weibo, PH, WallStreetCN	`instructions/briefing_general.md`
`finance`	WallStreetCN, 36Kr, Tencent	`instructions/briefing_finance.md`
`tech`	GitHub, HN, Product Hunt	`instructions/briefing_tech.md`
`social`

Workflow : Execute script → Read corresponding instruction file → Generate report following both the instruction file AND the universal template.

⚠️ Rules (Strict)

Language : ALL output in Simplified Chinese (简体中文). Keep well-known English proper nouns (ChatGPT, Python, etc.).
Time : MANDATORY field. Never skip. If missing in JSON, mark as "Unknown Time". Preserve "Real-time" / "Today" / "Hot" as-is.
Anti-Hallucination : Only use data from the JSON. Never invent news items. Use simple SVO sentences. Do not fabricate causal relationships.
Smart Keyword Expansion : When user says "AI" → auto-expand to "AI,LLM,GPT,Claude,Agent,RAG,DeepSeek". Similar expansions for other domains.
Smart Fill : If results < 5 items in a time window, supplement with high-value items from wider range. Mark supplementary items with ⚠️.
Save : Always save report to reports/YYYY-MM-DD/ before displaying.

📋 Interactive Menu

When the user says "如意如意" or asks for "menu/help":

Read templates.md
Display the menu
Execute the user's selection using the Universal Workflow above

Requirements

Python 3.8+, pip install -r requirements.txt
Playwright (for HF Papers & Ben's Bites): playwright install chromium

Weekly Installs

2.1K

Repository

cclank/news-agg…or-skill

GitHub Stars

745

First Seen

Jan 20, 2026

Security Audits

Gen Agent Trust HubFail SocketPass SnykWarn

Installed on

opencode1.9K

gemini-cli1.8K

codex1.7K

cursor1.7K

github-copilot1.6K

kimi-cli1.5K

新闻聚合技能：28个来源实时热点新闻与深度中文分析报告生成工具

🇨🇳中文介绍

新闻聚合技能

🔄 通用工作流程 (3 步)

步骤 1：获取数据

步骤 2：生成报告

步骤 3：保存与呈现

📰 统一报告模板

相关 Skills

特定来源的适配

🛠️ 工具

fetch_news.py

可用来源 (28)

daily_briefing.py (晨间简报)

⚠️ 规则 (严格)

📋 交互式菜单

要求

🇺🇸English

News Aggregator Skill

🔄 Universal Workflow (3 Steps)

Step 1: Fetch Data

Step 2: Generate Report

Step 3: Save & Present

📰 Unified Report Template

Source-Specific Adaptations

🛠️ Tools

fetch_news.py

Available Sources (28)

daily_briefing.py (Morning Routines)

⚠️ Rules (Strict)

📋 Interactive Menu

Requirements