| name | tech-radar |
| description | 科技情报雷达。5源并行采集（GitHub Trending / Product Hunt / Hacker News / 张咋啦AI / Follow Builders），AI 分析师独立研判，主编跨源综合，输出日报。触发词："/tech-radar"、"科技雷达"、"今日科技"、"tech radar"、"看看热榜"、"GitHub 热榜"、"PH 排行"、"HN 热帖" |
科技雷达 Tech Radar
4 个数据源并行采集，4 个 AI 分析师各写报告，1 个主编跨源综合。
三层流水线架构
Layer 1: 脚本采集（Node.js，不耗 AI token，~10秒）
↓ 4 个 JSON
Layer 2: 4 个 AI 分析师并行分析（各读各的 prompt + 数据）
↓ 4 份独立报告
Layer 3: 主编综合（跨源关联 + 趋势判断 + 30秒速读）
↓ 1 份最终日报
数据源
| 源 | 采集脚本 | 数据 |
|---|
| GitHub Trending | gh-trending.mjs | 日榜增速 top5 + 月榜增速 top20 |
| Product Hunt | producthunt.mjs | 日榜 top5 + 月榜 top20 |
| Hacker News | hackernews.mjs | Top 30 stories |
| 张咋啦 AI | zara-ai.mjs | 视频/播客更新检测 |
| Follow Builders | follow-builders.mjs | AI builder 推文/播客/博客（张咋啦 follow-builders 仓库） |
触发词
| 触发词 | 说明 |
|---|
/tech-radar | 完整流水线：采集 → 分析 → 综合日报 |
| "科技雷达" | 同上 |
| "今日科技" | 同上 |
| "看看热榜" | 同上 |
/tech-radar github | 只看 GitHub Trending |
/tech-radar ph | 只看 Product Hunt |
/tech-radar hn | 只看 Hacker News |
/tech-radar zara | 只看张咋啦推荐 |
| "GitHub 热榜" | 只采集并分析 GitHub |
| "PH 排行" | 只采集并分析 Product Hunt |
| "HN 热帖" | 只采集并分析 Hacker News |
执行流程
变量定义
SKILL_DIR = 本 SKILL.md 所在目录的绝对路径
SCRIPTS_DIR = ${SKILL_DIR}/scripts
COLLECTORS_DIR = ${SCRIPTS_DIR}/collectors
ANALYSIS_DIR = ${SKILL_DIR}/analysis
RADAR_HOME = /home/01fish/TT/项目1：01fish-assistant/tech-radar
OUTPUT_DIR = ${RADAR_HOME}/reports/$(date +%Y-%m-%d)
Step 1: 采集（Layer 1 — 纯脚本，不耗 token）
判断用户是要完整采集还是单源：
完整采集：
mkdir -p "${OUTPUT_DIR}"
node "${SCRIPTS_DIR}/collect.mjs" --output "${OUTPUT_DIR}"
协调器会自动发现 collectors/ 目录下所有 .mjs 文件并行执行。
单源采集：
mkdir -p "${OUTPUT_DIR}"
node "${COLLECTORS_DIR}/<采集器名>.mjs" > "${OUTPUT_DIR}/<源名>.json"
采集器映射：
github → gh-trending.mjsph → producthunt.mjshn → hackernews.mjszara → zara-ai.mjs
Step 2: 分析（Layer 2 — AI 分析师）
对每个成功采集的数据源：
- 读取对应的分析师 prompt：
${ANALYSIS_DIR}/<源名>-analyst.md
- 读取采集数据：
${OUTPUT_DIR}/<源名>.json（或从 summary.json 中提取对应源的数据）
- 按 prompt 要求分析数据，生成独立报告
分析师 prompt 映射：
gh-trending.json → github-analyst.mdproducthunt.json → producthunt-analyst.mdhackernews.json → hackernews-analyst.mdzara-ai.json → zara-analyst.md
重要：4 个分析师互相独立，可以用 4 个并行 Agent 同时运行。
Step 3: 综合（Layer 3 — 主编）
仅在完整采集模式下执行：
- 读取主编 prompt：
${ANALYSIS_DIR}/synthesizer.md
- 汇总所有分析师报告
- 执行跨源关联分析
- 生成最终日报，以「30 秒速读」开头
Step 4: 输出
日报文件名为当天日期：${OUTPUT_DIR}/YYYY-MM-DD.md（如 2026-04-03.md）。
日报必须包含以下完整内容：
Part 1: 30 秒速读（3 条核心趋势 + 行动建议）
Part 2: 原始榜单数据
必须完整列出以下原始数据，不可省略：
- GitHub Trending 日榜（增速）：所有条目（仓库名、描述、语言、Star 数、当日增量）
- GitHub Trending 月榜（增速）：所有条目（同上，月增量）
- GitHub 总星数 Top10（日榜）：按总 Star 数排序的当日 trending 前 10（如日榜不足 10 条则展示全部）
- GitHub 总星数 Top10（月榜）：按总 Star 数排序的当月 trending 前 10
- Product Hunt 日榜 Top5：产品名、Tagline、投票数、评论数、链接
- Product Hunt 月榜 Top20：同上
- Hacker News Top 30：标题、分数、评论数、链接
- 张咋啦 AI 更新：新增视频/播客（如无更新标注"无变化"）
- Follow Builders：AI builder 最新推文精选（互动最高的）+ 最新播客/博客
重要：每一条信息都必须附带一句"01fish 行动建议"，说明是否值得关注以及如何利用这条信息（写文章？用工具？跟踪观察？忽略？）。不要只罗列数据。
Part 3: 跨源强信号分析
同一话题/实体出现在多个源的，做关联分析。
Part 4: 选题建议
结合 01fish 内容特点给出选题建议：
- 01fish 内容定位：AI 自媒体教育博主，讲"AI 改变普通人的故事"，风格好奇、专业、有温度、技术幽默
- 内容标准：有用（能学到东西）+ 有趣（有钩子、有故事性）
- 优先角度：AI + 普通人视角 > 纯技术视角；实操教程 > 抽象分析；反常识/争议 > 平铺直叙
- 标题钩子：必须有反常识、具体冲突、悬念或数字冲击中的至少一种
- 每条选题给出：标题草案（含钩子）、内容角度、目标平台、为什么现在做
Part 5: 观察列表
持续跟踪的信号。
保存路径： ${OUTPUT_DIR}/YYYY-MM-DD.md，同时在对话中完整展示给用户。
如果是单源模式，直接展示该源的原始数据 + 分析报告，不做跨源综合。
Step 5: 处理 fish 点评
当用户说"处理点评"或"看看我的点评"时：
- 读取当天日报 md 文件
- 扫描所有
fish点评: 标记（用户会在日报任意位置插入）
- 理解每条点评的上下文（它写在哪条数据旁边）和意图
- 逐条执行：
- 如果是行动指令（"这个要做"、"试一下"、"写篇文章"）→ 直接执行或创建具体任务
- 如果是委派（"找人测"、"让助理做"）→ 记录到待办
- 如果是素材标记（"引用到xx文章"、"可以用"）→ 收集到素材库
- 如果是想法/灵感（"有意思"、"可以结合xx"）→ 用 /bi 存入大脑收件箱
- 如果是否定（"没用"、"忽略"）→ 跳过
- 处理完后，在日报末尾追加「点评处理记录」，汇总执行了什么
触发词："处理点评"、"看看我的点评"、"执行点评"
扩展数据源
加新源只需两步：
- 复制
collectors/ 下任意 .mjs 文件改名，实现采集逻辑
- 在
analysis/ 下新建对应的 xxx-analyst.md 分析师 prompt
协调器会自动发现新文件，不需要改任何配置。
文件结构
.claude/skills/tech-radar/
├── SKILL.md # 本文件（Skill 入口）
├── analysis/ # 分析师 prompt（独立可调）
│ ├── github-analyst.md
│ ├── producthunt-analyst.md
│ ├── hackernews-analyst.md
│ ├── zara-analyst.md
│ └── synthesizer.md # 主编综合 prompt
└── scripts/
├── collect.mjs # 协调器
├── collectors/
│ ├── gh-trending.mjs
│ ├── producthunt.mjs
│ ├── hackernews.mjs
│ └── zara-ai.mjs
└── lib/
└── fetcher.mjs # HTTP + 公共工具
