tech-radar

# 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：** ```bash mkdir -p "${OUTPUT_DIR}" node "${SCRIPTS_DIR}/collect.mjs" --output "${OUTPUT_DIR}" ``` 协调器会自动发现 `collectors/` 目录下所有 `.mjs` 文件并行执行。 **单源采集：** ```bash mkdir -p "${OUTPUT_DIR}" node "${COLLECTORS_DIR}/<采集器名>.mjs" > "${OUTPUT_DIR}/<源名>.json" ``` 采集器映射： - `github` → `gh-trending.mjs` - `ph` → `producthunt.mjs` - `hn` → `hackernews.mjs` - `zara` → `zara-ai.mjs` ### Step 2: 分析（Layer 2 — AI 分析师） 对每个成功采集的数据源： 1. 读取对应的分析师 prompt：`${ANALYSIS_DIR}/<源名>-analyst.md` 2. 读取采集数据：`${OUTPUT_DIR}/<源名>.json`（或从 summary.json 中提取对应源的数据） 3. 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.md` - `producthunt.json` → `producthunt-analyst.md` - `hackernews.json` → `hackernews-analyst.md` - `zara-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： 1. 读取主编 prompt：`${ANALYSIS_DIR}/synthesizer.md` 2. 汇总所有分析师报告 3. 执行跨源关联分析 4. 生成最终日报，以「30 秒速读」开头 ### Step 4: 输出 日报文件名为当天日期：`${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： 1. 读取当天日报 md 文件 2. 扫描所有 `fish点评:` 标记（用户会在日报任意位置插入） 3. 理解每条点评的上下文（它写在哪条数据旁边）和意图 4. 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 5. 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： 1. 复制 `collectors/` 下任意 `.mjs` 文件改名，实现采集逻辑 2. 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 ```