Organize Industry Daily Report

organize-industry-daily-report 行业日报整理技能

执行此技能时，Agent MUST 严格遵守以下铁律（Iron Rules）：

1. 绝对禁止使用 MCP 工具进行飞书操作：由于授权隔离和 Token 兼容性问题，你 MUST NOT 调用任何 feishu_* 相关的 MCP 工具（如 feishu_update_doc, feishu_create_doc, feishu_oauth_batch_auth 等）。所有针对飞书的操作（创建文档、更新内容、写入白板等），必须且只能通过 RunCommand 工具执行 lark-cli 命令行来完成。
2. 规范终端命令调用：为了避免 IDE 的 exec preflight 安全拦截报错，所有 Python 脚本的调用 MUST 使用 python 脚本路径.py 的格式（例如 python scripts/setup_workspace.py），切勿尝试直接执行脚本文件本身。
3. 锁死输出分类标准：在执行内容提炼（Step 2）时，你输出的 categorized_news.json 中的分类名称 MUST 严格限定为以下三种，绝对禁止擅自使用行业维度（如“大模型”、“具身智能”）或其他自创分类代替：

• 客观事实类速报
• 话题引导推文
• 工具/产品推荐

1. 输出介质转变：Agent 在 Step 2 中 MUST NOT 手写复杂的 JSON 或白板 DSL，只需按照 prompts.md 中的规范，输出结构化的 Markdown 草稿至 draft_report.md 即可。下游 Python 脚本会自动解析它并生成最终报告。

CRITICAL — 开始前 MUST 先阅读 ../lark-shared/SKILL.md 了解飞书 CLI 的认证与权限处理。

技能概述

当用户提出“需要XXX行业日报，整理后收藏到知识库”等需求时，触发此技能。 本技能实现了完全自包含的工作流，无需依赖额外的服务端（如 AutoContents 的本地后端）：

1. 配置确认：询问并确认知识库 Space ID 和父节点 Token。如果用户没有提供，则默认调用飞书 CLI 为用户新建一个知识库空间及根节点。如果用户需要定时执行，记录其定时配置需求。
2. 资讯抓取与过滤：执行内置的 Python 脚本抓取 RSS 信源，动态加载偏好设置文档中的白名单、黑名单及信源，并按行业关键词过滤。
3. 内容提炼与白板生成：调用大模型提炼核心信息，并使用 lark-whiteboard 生成瀑布流白板 DSL。
4. 知识库文档生成：使用 lark-wiki 和 lark-doc 将白板和 Markdown 正文保存到用户指定的知识库空间和节点下。
5. 交互式卡片推送：生成小红书风格的飞书消息卡片并推送到用户飞书，提供“多推此类”、“减少相似”按钮以收集反馈。
6. 偏好自动学习(RLHF)：通过内置监听脚本 scripts/listen_feedback.py 捕获卡片点击事件，并将新闻关键词动态追加至配置文档。

用户配置指南

为了使技能更灵活，支持用户自定义以下参数，Agent 在执行前应根据上下文提取或向用户询问确认：

前置准备：飞书开发者后台配置 (首次使用必读)

为了让卡片上的“多推此类”、“减少相似”等按钮能够正常响应并自动更新偏好设置文档，你需要确保飞书应用已正确配置了长连接事件订阅。否则，点击卡片按钮时客户端会报错 出错了，请稍后重试 code:200340。

请按以下步骤配置（仅需一次）：

1. 访问并登录 飞书开发者后台。
2. 进入你的自建应用详情页。
3. 在左侧菜单找到 添加功能 -> 机器人 (Bot)，确保机器人能力已启用。
4. 在左侧菜单找到 事件与回调 (Event Subscriptions)：

• 将“订阅方式 (Subscription method)”配置为 长连接 (WebSocket) 并保存。
• 在下方的“添加事件”中，搜索并勾选 card.action.trigger（接收消息卡片交互事件）。

1. 进入左侧的 版本管理与发布，创建一个新版本并申请发布（企业自建应用通常会自动通过审核）。发布生效后，客户端点击卡片将不再报错。

变量参数配置

系统会自动在同级目录（PARENT_NODE_TOKEN 下）创建和维护两个核心云文件：

1. 配置表格 (Config Sheet)：管理具体的信源列表和黑白名单。
2. 长效记忆文档 (Agent Rules)：记录 Agent 归纳出的选择规律和偏好总结。

(在首次运行或更换 SPACE_ID / PARENT_NODE_TOKEN 时，Agent 会自动销毁旧配置并在新位置重新创建这两个云文件)

1. 飞书知识库配置：

• SPACE_ID：保存日报的知识库空间 ID。
• PARENT_NODE_TOKEN：空间下指定节点的 Token。

(注意：如果用户没有提供这两个参数，Agent 默认应先为用户新建一个知识库空间（例如调用 echo '{"name": "行业日报知识库"}' > temp.json 后执行 lark-cli wiki spaces create --data "@temp.json" --as user 获取 space_id），并通过 lark-cli wiki +node-create --space-id --title "根节点" 创建一个节点，获取其 node_token 作为后续流程的 PARENT_NODE_TOKEN。)

1. 定时任务设置：

用户可以要求将此技能设为“定时任务”（例如：每天早上9点执行）。

• Agent 应向用户提供设置定时任务的操作指南，如在 Windows 中创建任务计划程序，或在 Linux/macOS 中使用 crontab 定时调用 Trae Agent 触发此指令。

工作流 (Workflow)

Step -1: 自动工作区检测 (Workspace Setup)

Agent 启动后，必须先检查工作区配置。运行：

python scripts/setup_workspace.py  

此脚本会自动判断目录是否更换。如果是首次运行或更换了目录，脚本将自动在指定的 PARENT_NODE_TOKEN 目录下创建两个云端配置：

1. Agent 偏好与信源配置表 (Sheet)
2. Agent 选择规律记忆文档 (Docx)

并将它们的 Token 保存在本地的 local_state.json 中供后续步骤调用。

Step 0: 学习偏好与规律更新 (Agent as Learner)

在开始生成日报之前，或者当用户明确提出“学习偏好”要求时，运行 scripts/agent_learner.py 脚本：

python scripts/agent_learner.py

该脚本会：

• 读取工作区内的 feedback_history.json（由后台监听脚本自动写入）。
• 结合大模型/分析逻辑，将用户的兴趣偏好归纳并写入 references/agent-rules.md 作为长效记忆（Long-term Memory）。
• 清空当前已学习的反馈历史。
• 在之后的资讯过滤和归类时，Agent 将结合这个 rules 文件进行语义筛选。

Step 1: 抓取与过滤行业资讯

使用技能内置的 Python 脚本 scripts/fetch_news.py 抓取 RSS 信源。脚本会从 local_state.json 自动读取 config_sheet_token。

# 运行脚本，传入用户指定的行业关键词
python scripts/fetch_news.py "" > all_news.json

注：脚本会输出 JSON 格式的资讯列表。如果输出为空，说明当日无相关资讯，请告知用户并结束任务。

Step 2: 提炼核心内容与生成草稿

基于 all_news.json，Agent 需自行对内容进行分析和提炼（严格参考 references/prompts.md 中的系统提示词风格与排版要求）：

1. 分类与提炼：将新闻严格归类为：客观事实类速报、话题引导推文、工具/产品推荐。将结果严格按照 prompts.md 中的 Markdown 模板输出，并保存到 draft_report.md 文件中（必须使用 UTF-8 编码）。警告：绝对禁止输出 JSON 或白板 DSL！

1. 解析并生成报告文件：运行内置的 Python 脚本，它会自动解析你生成的 draft_report.md 草稿，并动态生成最终用于发布的 Markdown 正文（summary.md）和适配瀑布流排版的画板 DSL（board.json）。

``bash python scripts/generate_report.py ` *注：只要你的 draft_report.md` 格式基本符合标题层级，此脚本就能宽容地提取数据。*

Step 3: 创建飞书知识库文档并写入

1. 创建新文档 文档标题格式应为： 行业日报。

lark-cli wiki +node-create --space-id  --parent-node-token  --title " 行业日报" --obj-type docx --as user

记录返回结果中的 obj_token（真实的 docx token）。

2. 在文档中创建空白白板 Block

# 务必使用 Python 脚本生成干净的 wb.md，避免终端拼接引发的引号转义错误
python -c "with open('wb.md', 'w', encoding='utf-8') as f: f.write('')"
lark-cli docs +update --doc  --mode append --markdown "@wb.md" --as user

从响应的 data.board_tokens[0] 中提取新建的白板 token。

3. 将生成的白板 DSL 写入白板 > 容错提示: 如果因为前置文档节点权限或其他原因导致白板 Token 无法获取，请捕获错误并跳过以下白板写入步骤，直接进入第 4 步插入 Markdown 正文，保证主流程不中断。

# 使用 whiteboard-cli 编译并输出到文件
npx -y @larksuite/whiteboard-cli@^0.2.0 -i board.json --to openapi --format json -o board_openapi.json

# 更新白板 (使用 @ 文件方式传入 source 避免管道破坏 JSON)
lark-cli whiteboard +update --whiteboard-token  --source "@board_openapi.json" --input_format raw --idempotent-token  --overwrite --yes --as user

4. 插入 Markdown 总结正文

lark-cli docs +update --doc  --mode append --markdown "@summary.md" --as user

Step 4: 生成并推送交互式消息卡片（默认守护监听）

为了收集用户对新闻的反馈（如“多推此类”、“减少相似”），向用户推送小红书风格的交互式消息卡片。

1. 生成卡片 JSON

# 基于 categorized_news.json 生成 message_card.json
python scripts/generate_message_card.py

2. 发送卡片

# 运行发送脚本，将卡片推送到用户飞书中
# 注意：该脚本会在发送前自动守护启动 `listen_feedback.py`，确保按钮回调在线
python scripts/send_card.py

Step 5: 监听状态校验（默认必做）

send_card.py 已默认自动守护启动监听进程；此步骤用于校验监听是否在线，确保用户点击“多推此类/减少相似”不会出现“目标回调服务当前未在线”。

# 如需手工排查或重启监听，可执行：
python scripts/listen_feedback.py

(注意：需要在飞书开发者后台配置并开通“事件订阅 -> 接收卡片回调”的长连接)

Step 6: 通知用户

完成上述步骤后，向用户回复最终的文档链接，并提示用户查看飞书消息卡片进行互动反馈。

Source & license

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

• Author: Guan-Yep
• Source: Guan-Yep/lark-industry-daily-report-skill
• License: MIT

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