Daily Digest

Daily Digest — 每日信息精选推送

从 19 个 RSS 源中筛选最值得深读的内容，推送到飞书。只在有"值得中断"的内容时才推送，避免推送疲劳。

触发方式

• /daily-digest — 默认筛选
• /daily-digest — 带运行时指令，例如：
• /daily-digest 重点关注 LangGraph → 筛选时优先匹配该话题
• /daily-digest 只看 AI Agent 方向 → 收窄范围
• /daily-digest 把 XX 新闻置顶 → 指定话题作为精选第一条
• 定时触发（通过 cron 或 /schedule）

如有运行时指令，在 Step 2 筛选时将其作为额外的优先级信号。

配置

运行前先读取本地配置文件 ~/.claude/skills/daily-digest/config.local.json：

{
  "push_target": {
    "user_id": "ou_xxx",
    "chat_ids": {
      "test": ["oc_test_group"],
      "prod": ["oc_prod_group"]
    }
  },
  "user_profile": {
    "name": "用户名",
    "interests": ["AI Agent", "LLM 应用开发"],
    "language": "zh-CN",
    "current_research": ["DeerFlow"]
  }
}

首次使用时如果该文件不存在，提示用户创建并填写自己的 userid 和 chatid，然后终止。

配置项说明：

• push_target.user_id — 飞书个人推送目标（ou_ 开头）
• push_target.chat_ids.test — 测试群（调试时推送到这里）
• push_target.chat_ids.prod — 正式群（确认无误后推送到这里）
• 默认推送到 prod 群。加 --test 或运行时指令包含"测试"时推送到 test 群
• user_profile.interests — 用户关注方向，影响筛选优先级
• user_profile.language — 语言偏好。zh-CN（默认）时优先推荐中文源，英文内容仅在特别重大时才选入，卡片全部用中文。en 时不限语言
• user_profile.current_research — 当前研究方向，影响画像关联
• RSS 源: 见 scripts/prefetch.py 中的 FEEDS 字典
• 用户画像补充: 执行筛选前，也读取 ~/.claude/projects/*/memory/ 中的 user 类型记忆文件

工作流

Step 1: 拉取 RSS 源

python3 ~/.claude/skills/daily-digest/scripts/prefetch.py

脚本输出 JSON 到 stdout，格式:

{
  "fetched_at": "...",
  "total": 120,
  "articles": [
    {"source": "...", "title": "...", "link": "...", "date": "...", "summary": "..."},
    ...
  ],
  "github_trending": [
    {"repo": "owner/name", "description": "...", "language": "Python", "total_stars": "1234", "today_stars": "567"},
    ...
  ]
}

github_trending 是独立板块，取 top 3 展示，不参与文章筛选流程。

Step 1.5: 数据评估与补充

检查 prefetch 结果，发现并补救数据缺口：

1. 源健康检查 — 统计每个源返回的文章数。如果某个 AI 类源返回 0 篇，按三级降级补充：

• Level 1: web search 搜 {源名} 最新 补充
• Level 2: 如果搜索结果太泛，直接 WebFetch 该源的网站首页
• Level 3: 放弃该源，记录到步骤日志

1. 热点探测 — 如果同一事件/关键词出现在 3+ 个不同源中，说明是重大事件。对该事件执行一次 WebFetch 抓取原文，获取更完整的上下文用于后续筛选
2. 候选充实 — 对初筛后最有潜力的 3-5 篇候选文章，如果 RSS 摘要太短（ "3 天前推送过 LiteLLM 供应链攻击事件，本文是后续：攻击者身份已确认..."

历史保留 14 天后自动清理。记录文件 push_history.json 在 skill 目录下自动生成，不随 skill 分发。

测试模式不记录历史：推送到 test 群时（--test 或运行时指令含"测试"），跳过 dedup.py record，避免测试数据污染去重历史。

2e: 优先信号

同等质量下的优先级因素：

• 源更新频率（月更 > 周更 > 日更） — 低频源已做过筛选，文章质量更高。日更源之间：量子位 > 机器之心 > 新智元
• 用户兴趣 — config.local.json 的 interests + memory 中的 user 类型记忆。画像匹配度高的文章应加分，不能因为"用户已经知道"而排除。用户深度使用某工具 ≠ 不想看相关趋势分析，实践视角和行业分析是不同维度。"用户已了解"不是排除理由，"文章没有新信息"才是
• 来源多样性 — 1-3 篇精选尽量来自不同源

2f: 排除项

• 纯营销/PR 稿、产品更新日志（除非重大版本）
• 和 AI/技术完全无关的内容（汽车、地产、健身、餐饮等）
• "又一个 X" — 同质化项目/产品（除非有本质差异）

注意区分两种"无关"： 和 AI 完全无关的内容（排除）vs AI 领域但不在用户具体方向的重大事件（保留）。用户关注 AI Agent / 开发工具链，但 AI 行业的重大事件（产品发布/关停、行业格局变化）即使不在具体方向内，也能拓宽赛道认知，应作为候选保留。

标题夸张但涉及重大事件的文章，先验证内容再决定是否排除。

Step 3: 构建飞书消息卡片

将精选结果和筛选日志构建为飞书 Interactive Card JSON，写入 /tmp/dailydigestcard.json。

必须使用 JSON 2.0（schema: "2.0" + body.elements），否则 markdown 的 ### 标题不会渲染。

卡片骨架：

{
  "schema": "2.0",
  "config": { "wide_screen_mode": true, "enable_forward": true, "update_multi": true },
  "header": {
    "title": { "tag": "plain_text", "content": "AI Trending (YYYY-MM-DD)" },
    "subtitle": { "tag": "plain_text", "content": "{feeds_count} sources · {total} articles · {repos_count} repos" },
    "template": "wathet"
  },
  "body": {
    "elements": [
      { "tag": "collapsible_panel", "expanded": false, "header": { "title": { "tag": "plain_text", "text_color": "grey", "text_size": "notation", "content": "筛选过程" }, "icon": { "tag": "standard_icon", "token": "right_outlined", "color": "grey" }, "icon_position": "right", "icon_expanded_angle": 90 }, "border": { "color": "grey-300", "corner_radius": "6px" }, "vertical_spacing": "2px", "elements": ["... 日志 div 列表 ..."] },
      { "tag": "markdown", "content": "... 见下方模板 ..." }
    ]
  }
}

Markdown 内容模板

一整个 markdown 元素，用 ### 做板块标题（JSON 2.0 下渲染为大字）：

### 📌 精选文章

**[文章标题](verified_url)** 第一句说这篇讲了什么。第二句说核心发现或方法。第三句说为什么和你相关。
> 来源 · 日期 · Actionable

**[文章标题](verified_url)** 第一句说这篇讲了什么。第二句说核心发现或方法。
> 来源 · 日期 · Novel

**[文章标题](verified_url)** 第一句说这篇讲了什么。第二句说改变了什么认知。
> 来源 · 日期 · Insightful

---

### 🔥 GitHub Trending

- **[owner/repo](url)** ⭐ 总星标 (+今日新增)
一句话中文描述。语言。

---
*by {harness} · {model}*

签名中 {harness} 和 {model} 从当前运行环境获取，不写死。

关键规则

• JSON 2.0 不支持 note 元素 — 用 markdown 斜体 *text* 替代
• 标签颜色：blue = Actionable, green = Novel, purple = Insightful

Step 4: 推送到飞书

从 config.local.json 读取推送目标：

lark-cli im +messages-send \
  --as bot \
  --chat-id {chat_id} \
  --msg-type interactive \
  --content "$(cat /tmp/daily_digest_card.json)"

注意事项

• prefetch 脚本只用 Python 标准库，不需要额外安装依赖
• 每个源最多取 10 篇，总量控制在 ~190 篇以内，避免 token 爆炸
• 7 天窗口覆盖周刊类源

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: ejjcc
• Source: ejjcc/agent-skills
• License: MIT

Install and usage instructions live in the source repository linked above.