القائمة
合成生物行业日报生成工作流 - AS hub 项目专用。 涵盖信息搜索、脚本过滤去重、报告生成（Markdown+H5+邮件）、合规复检、邮件推送的完整流程。 触发条件：用户要求生成合成生物行业日报、或cron定时任务触发。 核心原则：我们不是新闻的搬运工。信息按价值排序，综合分析政策/科研/行业，提供趋势预测。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | synbio-daily-report |
| description | 合成生物行业日报生成工作流 - AS hub 项目专用。 涵盖信息搜索、脚本过滤去重、报告生成（Markdown+H5+邮件）、合规复检、邮件推送的完整流程。 触发条件：用户要求生成合成生物行业日报、或cron定时任务触发。 核心原则：我们不是新闻的搬运工。信息按价值排序，综合分析政策/科研/行业，提供趋势预测。 |
Step 1: 读取配置（数据源 + 去重规则 + 脚本指南）
Step 2: 多维度搜索（重点网站优先，五轮搜索法）
Step 3: 脚本强制过滤与去重（严禁跳过）
Step 4: 生成Markdown报告
Step 5: 生成H5 HTML报告（必须使用 generate_from_template.py 和定稿模板）
Step 6: 合规复检（迭代修正，最多3次）
Step 7: 生成邮件正文（必须使用 generate_from_template.py，与H5严格一致）
Step 8: 邮件推送（send gate通过后才发送）
Step 9: 更新政策库
生产执行铁律：
python scripts\\run_daily_pipeline.py --date YYYY-MM-DD --provider tavily ...，不要手工并行 15 个 query 再自己拼 search_log。approved=0、缺少同日 search_strategy_YYYY-MM-DD.json、或 search_log 不是 search_executor 产物时，都是 fail-closed 场景，必须停止，不发送邮件。report_pipeline.py --allow-incomplete-search-log 或 --allow-empty-approved；这种产物不能当正式日报发送。读取 config/data_sources.json
重点网站（必须优先搜索）：
国外媒体（英文）：
国内媒体（中文）：
读取 config/dedup_rules.md
读取 scripts/USAGE_GUIDE.md
config/search_queries.json 是每日基座必搜 query 的权威清单。config/llm_search_strategy.json 是 LLM 搜索中枢的种子记忆。不要从记忆或文档正文里自行删减 query；每次运行必须先读取基座配置，并先生成当日动态策略：
python scripts\llm_search_strategy.py --date YYYY-MM-DD --output data\search_strategy_YYYY-MM-DD.json --mode llm
随后逐轮执行 rounds[].required_queries 中的每一条基座查询，并执行 data/search_strategy_YYYY-MM-DD.json 中 queries[].required=true 的每一条动态查询。
执行要求：
data/search_log_YYYY-MM-DD.json 的 queries。data/search_log_YYYY-MM-DD.json；建议使用 round: "llm_dynamic" 或在 query 记录里保留 source_query。executed: true, results_count: 0，这不视为漏搜。executed: false, error: "..."，不得跳过不记；严格门禁会阻断，必须重试或人工确认后再继续。site: 查询严禁省略。推荐的 search_log 查询记录格式：
{
"round": "r5",
"queries": [
{
"query": "site:kw.beijing.gov.cn 合成生物",
"executed": true,
"results_count": 0,
"results": []
}
],
"candidates": []
}
保存 search_log 后可先独立审计：
python scripts\audit_search_log.py data\search_log_YYYY-MM-DD.json
如果已经生成 LLM 动态策略，必须同时审计策略覆盖：
python scripts\audit_search_log.py data\search_log_YYYY-MM-DD.json --search-strategy data\search_strategy_YYYY-MM-DD.json
将搜索到的所有结构化结果先保存到 search_log_YYYY-MM-DD.json，再用脚本自动生成 raw，严禁人工挑选后只写入少数结果：
python scripts\report_pipeline.py --build-raw-from-search data\search_log_YYYY-MM-DD.json --date YYYY-MM-DD --output data\raw_YYYY-MM-DD.json
raw 文件结构如下：
import json
from settings import date_str
date_str = date_str()
raw_data = {
"news": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "news", "source_round": "r1"}],
"research": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "research", "source_round": "r3"}],
"funding": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "funding", "source_round": "r2", "company": "...", "round": "...", "amount": "...", "investor": "..."}],
"policy": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "policy", "source_round": "r5"}],
"events": [{"title": "...", "source": "...", "date": "2026-06-08", "summary": "...", "url": "https://具体文章链接", "type": "events", "source_round": "r4", "location": "..."}],
}
raw_path = rf"data/raw_{date_str}.json"
with open(raw_path, 'w', encoding='utf-8') as f:
json.dump(raw_data, f, ensure_ascii=False, indent=2)
search_log = {
"date": date_str,
"rounds": [
{"round": "r1", "queries": ["合成生物 最新新闻 今日"], "candidates": []},
{"round": "r2", "queries": ["site:36kr.com 合成生物 融资"], "candidates": []},
{"round": "r3", "queries": ["synthetic biology breakthrough 2026"], "candidates": []},
{"round": "r4", "queries": ["合成生物 今日 最新"], "candidates": []},
{"round": "r5", "queries": ["site:gov.cn 合成生物 政策"], "candidates": []},
],
}
with open(rf"data/search_log_{date_str}.json", 'w', encoding='utf-8') as f:
json.dump(search_log, f, ensure_ascii=False, indent=2)
重要：url字段必须是具体文章的原始链接，不能是网站首页或分类页面；每条 raw 候选必须带 source_round，并且 data/search_log_YYYY-MM-DD.json 必须覆盖 r1-r5 五轮检索。
生产运行必须使用一次性 CLI 入口处理完整 raw dict，不得手工拼接 approved：
python scripts\report_pipeline.py --build-approved data\raw_YYYY-MM-DD.json --date YYYY-MM-DD --output data --search-log data\search_log_YYYY-MM-DD.json
该命令会同时生成：
data/processed_news_YYYY-MM-DD.jsondata/processed_research_YYYY-MM-DD.jsondata/processed_funding_YYYY-MM-DD.jsondata/processed_policy_YYYY-MM-DD.jsondata/processed_events_YYYY-MM-DD.jsondata/approved_YYYY-MM-DD.jsondata/rejected_YYYY-MM-DD.json--build-approved 会统一执行 schema、基座必搜 query 覆盖审计、LLM动态query覆盖审计、候选 URL 覆盖审计、URL聚合页过滤、跨天历史去重、当前批次去重、同URL不同标题冲突剔除、时效性、链接健康、标题-URL匹配、LLM领域审计、价值评分和 approved schema 校验。搜索覆盖不可绕过，会阻断“必搜 query 未执行”“LLM动态 query 未执行”或“搜索结果存在但未进入 raw”的静默漏收。链接健康和标题-URL匹配默认开启，会在 approved 写出前剔除打不开、HTTP 4xx/5xx、超时、证书失败、疑似删除页或标题明显张冠李戴的信息；LLM领域审计默认 --llm-relevance-mode auto，配置 ANTHROPIC_BASE_URL 与 ANTHROPIC_AUTH_TOKEN 后调用 Anthropic-compatible provider 判断是否属于合成生物/生物制造领域，未配置时使用本地 fallback 仅拦截明显跑题项。仅离线测试或临时排障可用 --skip-url-health / --skip-title-match / --llm-relevance-mode heuristic|off 显式降级。
重要：
approved 列表中的信息rejected 列表中的信息data/history_index.json，真实发送成功后会写入，后续跨天去重会检查主链接和 urls 备用链接data/search_log_YYYY-MM-DD.json，发送前会检查五轮 query 和 raw 的 source_rounddata/search_strategy_YYYY-MM-DD.json，build-approved 必须传 --search-strategy，确保 LLM 动态 query 没被跳过读取 templates/daily_report_template.md
板块规则：
日期排序规则（强制要求）：
（YYYY-MM-DD）执行摘要格式（强制要求）：
1. **标题**：摘要内容...（YYYY-MM-DD） — *按AI评分从高到低取前5条*
2. **标题**：摘要内容...（YYYY-MM-DD）
（YYYY-MM-DD）标准板块：
推荐使用确定性 Markdown 生成入口，避免人工链接或旧内容混入：
python scripts\report_pipeline.py --render-md data\approved_YYYY-MM-DD.json --date YYYY-MM-DD --raw data\raw_YYYY-MM-DD.json --output reports\YYYY-MM-DD.md
保存到 reports/YYYY-MM-DD.md 后继续执行验证。
正式日报必须调用生产渲染器，严禁用 render_html.py / render_email.py 作为正式输出：
python scripts\generate_from_template.py --date YYYY-MM-DD --approved data\approved_YYYY-MM-DD.json --markdown reports\YYYY-MM-DD.md --html-output reports\synbio_daily_YYYY-MM-DD.html --email-output reports\email_YYYY-MM-DD.html
generate_from_template.py 会读取定稿模板、填充所有占位符，并在写出前执行 HTML safety 与 approved URL 一致性检查。
必须读取 templates/daily_report_template_v2.html
该模板是定稿版本，CSS样式、类名、布局结构严禁修改。
模板中的占位符：
{{DATE}} → 日期{{DATE_FULL}} → 完整日期{{DATE_FILE}} → 文件名日期{{WEEKDAY}} → 星期几{{GEN_TIME}} → 生成时间{{GEN_TIME_FULL}} → 完整生成时间{{SUMMARY_ITEMS}} → 执行摘要（按AI评分从高到低取前5条）{{NEWS_SECTION}} → 行业热点新闻板块{{RESEARCH_SECTION}} → 最新研究成果板块{{FUNDING_SECTION}} → 融资与投资动态板块{{POLICY_SECTION}} → 政策与监管板块{{EVENTS_SECTION}} → 行业活动预告板块{{ANALYSIS_SECTION}} → AI深度分析板块{{APPENDIX_SECTION}} → 附录板块执行摘要格式：
<div class="summary-section">
<div class="section-title">📌 执行摘要（以AI评分，从高到低，列出前五项）</div>
<ul class="summary-list">
<li><span class="num">1</span><span class="text"><strong>标题：</strong>摘要内容...（YYYY-MM-DD）</span></li>
</ul>
</div>
（YYYY-MM-DD）新闻/研究/政策卡片格式：
<div class="card">
<div class="card-header">
<div class="card-title">文章标题</div>
<span class="card-tag">标签</span>
</div>
<div class="card-meta">
<span>📰 来源名称</span>
<span>📅 2026-06-08</span>
</div>
<div class="card-summary">摘要内容...</div>
<a href="https://原始文章链接" target="_blank" rel="noopener noreferrer" class="card-link">查看详情</a>
</div>
融资表格格式：
<table class="data-table">
<tr><th>公司</th><th>轮次</th><th>金额</th><th>投资方</th><th>时间</th><th>详情</th></tr>
<tr><td><strong>公司名</strong></td><td>轮次</td><td>金额</td><td>投资方</td><td>2026-06-08</td><td><a href="https://原始链接">查看</a></td></tr>
</table>
活动表格格式：
<table class="data-table">
<tr><th>活动名称</th><th>时间</th><th>地点</th><th>核心看点</th><th>详情</th></tr>
<tr><td><strong>活动名</strong></td><td>2026-06-15</td><td>地点</td><td>看点</td><td><a href="https://原始链接">查看</a></td></tr>
</table>
AI分析格式：
<div class="analysis-block">
<h4>📈 趋势研判</h4>
<p><strong>1. 趋势标题</strong></p>
<p>分析内容...</p>
</div>
<div class="analysis-block">
<h4>🏢 竞争格局变化</h4>
<p>...</p>
<ul>...</ul>
</div>
<div class="risk-box">
<h4>⚠️ 风险提示</h4>
<ul>...</ul>
</div>
附录格式：
<div class="content-section">
<div class="section-title">📎 附录：完整链接列表</div>
<table class="data-table">
<tr><th>序号</th><th>信息标题</th><th>来源链接</th></tr>
<tr><td>1</td><td>标题</td><td><a href="https://原始链接">点击查看</a></td></tr>
</table>
</div>
<a href="原始链接" class="card-link">查看详情</a><a href="原始链接" class="card-link">查看详情</a><a href="原始链接" class="card-link">查看详情</a><a href="原始链接">查看</a><a href="原始链接">查看</a><a href="原始链接">点击查看</a>如果某板块无approved信息：
<p style="color:#888;font-size:14px;">经五轮检索，本周期暂无相关新信息收录。</p>保存到 reports/synbio_daily_YYYY-MM-DD.html
import sys
sys.path.insert(0, r"scripts")
from report_pipeline import run_compliance_check
import json
from settings import date_str
date_str = date_str()
report_path = rf"reports/{date_str}.md"
result = run_compliance_check(report_path)
print(f"验证结果: passed={result['passed']}, can_send={result['can_send_email']}, score={result['overall_score']}")
if result['fix_instructions']:
print(f"需要修复的问题 ({len(result['fix_instructions'])}条):")
for i, instr in enumerate(result['fix_instructions'], 1):
print(f" {i}. {instr}")
验证H5报告是否符合定稿模板：
.card、.card-link、.data-table、.analysis-block、.risk-box、.summary-list、.num）.news-card、.news-link、.summary-box 等旧版类名）推荐：使用 PythonRun 执行自动化格式检查：
def main(ctx):
import re
date_str = "YYYY-MM-DD" # 替换为实际日期
html_path = rf"reports/{date_str}.html"
with open(html_path, 'r', encoding='utf-8') as f:
html = f.read()
checks = {
"定稿CSS类名 .card": ".card" in html,
"定稿CSS类名 .card-link": ".card-link" in html,
"定稿CSS类名 .data-table": ".data-table" in html,
"定稿CSS类名 .analysis-block": ".analysis-block" in html,
"定稿CSS类名 .risk-box": ".risk-box" in html,
"定稿CSS类名 .summary-list": ".summary-list" in html,
"定稿CSS类名 .num": ".num" in html,
"禁止旧版类名 .news-card": ".news-card" not in html,
"禁止旧版类名 .news-link": ".news-link" not in html,
"禁止旧版类名 .summary-box": ".summary-box" not in html,
"每个卡片有原始链接": html.count('class="card-link"') >= 4,
"融资表格有链接": "<a href=" in html and ".data-table" in html,
"附录表格有链接": "附录" in html and "<a href=" in html,
}
all_passed = all(checks.values())
for check, passed in checks.items():
status = "✅ 通过" if passed else "❌ 未通过"
print(f" {status}: {check}")
print(f"\n总体结果: {'通过' if all_passed else '未通过'}")
return {"h5_check_passed": all_passed, "checks": checks}
如果检查未通过，根据失败项修正H5报告后重新保存。
IF result["passed"] == False OR result["can_send_email"] == False:
→ 根据 fix_instructions 逐项修正报告
→ 修正后重新保存报告
→ 再次调用 run_compliance_check() 验证
→ 最多迭代3次
IF 3次迭代后仍不通过:
→ 记录错误到 data/validation_{date_str}.json
→ 跳过邮件发送
→ 在报告中注明"邮件发送因合规检查未通过而暂停"
邮件正文 = H5 报告的结构化摘要版
📌 执行摘要（以AI评分，从高到低，列出前五项）
→ 与 H5 完全一致，顺序不变
→ 每条标题可点击链接到原始文章
📰 各板块精选（只放 H5 中 approved 的信息）
→ 行业热点：H5 中有则放 1-2 条最重要的，带原始链接
→ 研究成果：H5 中有则放 1-2 条最重要的，带原始链接
→ 融资动态：H5 中有则放 1-2 条最重要的，带原始链接
→ 政策监管：H5 中有则放 1-2 条最重要的，带原始链接
→ 活动预告：H5 中有则放 1-2 条最重要的，带原始链接
→ 如某板块无 approved 信息，保留板块并标注"经五轮检索，本周期暂无相关新信息收录。"
🧠 AI 深度分析要点（3个核心结论）
→ 趋势研判：1-2 句话（必须来自 H5 的 AI 分析板块）
→ 竞争格局：1-2 句话（必须来自 H5 的 AI 分析板块）
→ 风险提示：1-2 句话（必须来自 H5 的 AI 分析板块）
📎 提示：详细报告请查看附件 HTML
必须使用以下方法生成邮件正文，严禁自由创作：
data/approved_YYYY-MM-DD.json 获取所有 approved 信息reports/synbio_daily_YYYY-MM-DD.html 获取 H5 报告内容生成邮件正文后，必须使用 PythonRun 执行以下验证代码：
import sys
sys.path.insert(0, r"scripts")
from report_pipeline import validate_email_consistency
import json
from settings import date_str
date_str = date_str()
approved_path = rf"data/approved_{date_str}.json"
with open(approved_path, 'r', encoding='utf-8') as f:
approved_data = json.load(f)
email_path = rf"reports/email_{date_str}.html"
with open(email_path, 'r', encoding='utf-8') as f:
email_body = f.read()
result = validate_email_consistency(email_body, approved_data)
print(f"邮件一致性验证: is_consistent={result['is_consistent']}")
if result['errors']:
print(f"错误 ({len(result['errors'])}条):")
for e in result['errors']:
print(f" ❌ {e}")
if result['warnings']:
print(f"警告 ({len(result['warnings'])}条):")
for w in result['warnings']:
print(f" ⚠️ {w}")
# 如果不一致，必须修正
if not result['is_consistent']:
print("邮件正文与H5不一致，必须修正后才能发送")
验证失败的处理：
必须通过 scripts/send_email.py 的发送门禁。门禁会执行 pre-check、报告验证、AI防幻觉、approved 链接健康检查、post-check 和 MIME 检查；任一失败不得连接 SMTP。
读取 config/email_config.json
check_url_health 默认保持 true，除离线测试外不得关闭；allow_simple_fallback 默认保持 false。
python scripts\send_email.py YYYY-MM-DD reports\YYYY-MM-DD.md reports\synbio_daily_YYYY-MM-DD.html reports\email_YYYY-MM-DD.html --dry-run
python scripts\send_email.py YYYY-MM-DD reports\YYYY-MM-DD.md reports\synbio_daily_YYYY-MM-DD.html reports\email_YYYY-MM-DD.html
MIME类型规则（严禁违反）：
MIMEText(content, 'html', 'utf-8')MIMEText(content, 'plain', 'utf-8')MIMEBase('application', 'octet-stream') 或 application/octet-stream如有新收录的政策，更新 config/policy_database.json。
重要：编辑前必须先读取并验证现有JSON格式。该文件由历次报告运行自动维护，可能因并发编辑或格式问题存在语法错误（如数组元素间缺少逗号）。
更新流程：
policy_database.jsonjson.load() 验证格式；如失败，先修复语法错误再添加新政策policies 数组last_updated 字段json.load() 再次验证无论自动任务还是手动操作，必须严格执行完整流水线。
严禁跳过任何步骤。严禁基于搜索结果直接手写报告。
慢无所谓，对最重要。
Step 1: 读取配置（数据源 + 去重规则 + 脚本指南）
Step 2: 多维度搜索（五轮搜索法）
Step 3: 保存原始数据和搜索日志 → data/raw_YYYY-MM-DD.json + data/search_log_YYYY-MM-DD.json
Step 4: 调用 report_pipeline.py 处理（去重+过滤+排序+搜索日志审计）
Step 5: 基于 approved 列表和 raw 计数生成Markdown报告
Step 6: 调用 report_pipeline.py 验证报告格式
Step 7: 生成H5 HTML报告
Step 8: 生成邮件正文（与H5严格一致）
Step 9: 邮件推送（send gate通过后才发送）
任何情况下，Step 3→Step 4→Step 5→Step 6 必须连续执行，不得跳过。
data/raw_YYYY-MM-DD.jsondata/search_log_YYYY-MM-DD.json，覆盖 r1-r5 五轮搜索 query未保存原始数据或搜索日志 → 禁止生成报告
report_pipeline.py 处理每个类别data/approved_YYYY-MM-DD.json未执行脚本处理 → 禁止生成报告
data/approved_YYYY-MM-DD.json 中找到发现未approved信息混入报告 → 立即删除并重新检查
report_pipeline.py 验证报告格式passed=True 且 can_send_email=True验证不通过 → 禁止发送邮件，必须修正后重新验证
邮件与H5不一致 → 禁止发送邮件
| 偏差模式 | 后果 | 对策 |
|---|---|---|
| 基于搜索结果直接手写报告 | 去重失效、信息重复、格式错误 | 强制先保存JSON，再调用脚本 |
| 缺少搜索日志或 source_round | 无法证明五轮检索，旧内容可能补录混入 | 发送前 pre_check 强制阻断 |
| 跳过report_pipeline.py | 去重失效、时效性不检查、价值不排序 | 脚本执行是门禁，不执行不生成 |
| 使用rejected信息 | 重复信息、过期信息混入报告 | 只使用approved列表 |
| 跳过验证直接发送 | 格式错误、日期排序错误 | 验证不通过禁止发送 |
| 邮件自由创作不基于H5 | 邮件与报告不一致 | 邮件必须从approved+H5提取 |
| 为了快而省略步骤 | 质量下降、错误频发 | 慢无所谓，对最重要 |
当用户要求"今天发一下""重新生成"等紧急请求时：
标准回复模板：
"正在执行完整流水线：五轮搜索 → 保存JSON → 脚本处理（去重+过滤） → 生成报告 → 验证 → 发送邮件。预计需要X分钟，请稍候。"
如果发现已发送的报告存在偏差（如重复、遗漏、格式错误）：
data/deviation_log.json*详细防偏差规则参见 config/anti_deviation_rules.md