| name | ai-overseas-daily |
| description | 每日自动生成海外 AI/LLM 情报日报。从 8 个数据源聚合情报，经 LLM 生成三板块结构化报告（商业化与竞争格局、数据工程与模型能力突破、应用创新与工程前沿），分发到飞书知识库和如流群。当用户提到"海外AI日报""海外大模型情报""AI市场简报""生成日报""配置日报""海外AI竞争""模型商业化""数据工程突破""应用创新"时触发，也适用于需要定时生成海外 AI 行业情报的场景。 |
海外大模型每日情报观察
适用场景
- 需要每日自动生成海外 AI/LLM 领域结构化情报报告的运营或管理团队
- 需要跟踪海外模型厂商商业化动态、数据工程前沿、应用创新趋势的决策者
- 需要将 AI 行业情报自动分发到飞书知识库和如流群的团队协作场景
- 需要定时（如每日工作日早晨）执行情报采集和分析的自动化需求
输入要求
环境配置（首次使用必须完成）
在项目根目录创建 .env 文件，以 assets/.env.example 为模板，填入以下配置：
必填项：
| 变量 | 说明 | 获取方式 |
|---|
RAPIDAPI_KEY | RapidAPI 密钥（Twitter、Reddit、Product Hunt 数据抓取） | 注册 rapidapi.com，订阅 twitter-api45、reddit34、product-hunt-scraper-api |
LLM_API_KEY | 报告生成 LLM 的 API Key | OpenAI 兼容 LLM 提供商 |
LLM_BASE_URL | LLM 接口 Base URL | LLM 提供商的 API 端点 |
LLM_MODEL | 模型名称 | 如 gpt-4o、ernie-5.0-thinking-latest |
FEISHU_APP_ID | 飞书应用 App ID | 飞书开放平台 |
FEISHU_APP_SECRET | 飞书应用 App Secret | 飞书开放平台 |
FEISHU_WIKI_SPACE_ID | 飞书知识库空间 ID | 知识库页面 URL |
RULIU_WEBHOOK_URL | 如流群 Webhook URL | 如流群设置 |
RULIU_GROUP_ID | 如流群 ID（数字） | 如流群设置 |
选填项：
| 变量 | 说明 | 默认值 |
|---|
BOCHA_API_KEY | 博查搜索 API Key | 未配置则跳过雷达6 |
X_LIST_URL | Twitter/X 精选 List URL | 未配置则跳过雷达1 |
FEISHU_WIKI_PARENT_NODE_TOKEN | 飞书知识库父节点 | 空（空间根目录） |
FEISHU_BASE_URL | 飞书 API 域名 | https://open.feishu.cn |
FEISHU_WIKI_DOMAIN | 飞书知识库页面域名 | bytedance.feishu.cn |
http_proxy / https_proxy | 代理地址（支持 PAC 自动解析） | 无代理 |
依赖安装
pip install -r scripts/requirements.txt
执行步骤
步骤1：确认配置就绪
检查项目根目录是否存在 .env 文件且必填项已配置。若未配置，引导用户按上方配置表填写。检查 Python 依赖是否已安装。
步骤2：运行情报管线
python3 scripts/daily_report.py
python3 scripts/daily_report.py --no-distribute
管线自动执行以下流程：
- 8 雷达数据采集：依次从 Twitter List、Twitter 全网搜索、Hacker News、Reddit、Product Hunt、博查搜索、ArXiv、HuggingFace Papers 采集数据
- 跨源数据清洗：去重、去过期、去空内容，合并为统一情报流
- LLM 情报加工：将清洗后的情报流送入 LLM，按
references/system_prompt.md 中的 prompt 生成三板块结构化报告
- 自动分发：飞书知识库（完整报告）→ 如流群（精简摘要 + 飞书链接）
步骤3：验证输出
- 检查脚本输出中各雷达的采集结果（条数）
- 确认报告文件已生成（
YYYY-MM-DD-Overseas-LLM-Insight.md）
- 若启用了分发，确认飞书知识库页面和如流群消息发送成功
步骤4（可选）：设置定时调度
3 9 * * 1-5 cd /path/to/project && python3 scripts/daily_report.py >> /path/to/project/cron.log 2>&1
输出要求
完整日报（Markdown 文件）
生成 YYYY-MM-DD-Overseas-LLM-Insight.md，包含三板块：
板块一：海外商业化与竞争格局
- 聚焦模型厂商如何赚钱、如何竞争
- 每条必须有商业机制信息（定价、营收、市场份额），纯投资/纯技术发布不收录
- 格式：标题 + 子弹句 + 商业拆解 + 来源
板块二：数据工程与模型能力突破
- 聚焦数据策略如何驱动模型能力提升
- 每条必须论证先进性（对比已有方法的突破点），成熟技术重述不收录
- 格式：标题 + 子弹句 + 先进性说明 + 来源
板块三：应用创新与工程前沿
- 聚焦 AI 原生应用创新与模型落地工程方法
- 每条必须说明创新性（解决什么新问题/开创什么新模式/达到什么新指标）
- 格式：标题 + 子弹句 + 入选理由 + 来源
如流群精简摘要
- 每条新闻：加粗标题 + 不加粗子弹句
- 不含趋势总结、入选理由、详细分析
- 末尾附飞书知识库完整报告链接
- 字符上限 2000（超长自动降级纯文本）
飞书知识库页面
- 完整报告发布为飞书文档
- Markdown 自动转为飞书 Block（标题、加粗、列表、引用等）
代理配置
管线自动处理被墙站点的代理（ArXiv、HuggingFace），对不需要代理的站点直连。支持：
- PAC URL（如
http://pac.internal.company.com/proxy.pac）— 自动解析为实际代理地址
- 直连代理（如
http://proxy-host:port）
- 所有站点均可直连时无需配置
自定义指引
| 自定义项 | 操作位置 | 说明 |
|---|
| 更换 Twitter List | .env 中的 X_LIST_URL | 设置自己的 X List URL，建议添加 AI 研究者、模型厂商、VC 分析师 |
| 修改报告 prompt | references/system_prompt.md | 调整板块定义、选题门控、语言风格、红线规则 |
| 调整搜索关键词 | scripts/daily_report.py 中的 fetch_twitter_global_data() 和 fetch_bocha_data() | 修改 query 字符串或 queries 列表 |
| 增减分发渠道 | scripts/distribute.py 中的 distribute_report() | 新增发布函数并在其中调用 |
| 适配国际版飞书 | .env 中设置 FEISHU_BASE_URL=https://open.larksuite.com 和 FEISHU_WIKI_DOMAIN=yourorg.larksuite.com | 国际版 Lark 兼容 |
参考资料
references/system_prompt.md：LLM 报告生成的完整 prompt，控制板块定义、选题门控标准、输出格式、语言风格和红线规则assets/.env.example：环境配置模板，含各配置项的详细注释和获取方式
