morning-triage-v2

name	morning-triage-v2
description	每日决策信息汇总 — 查询 TDAI 记忆，LLM 深度分析，飞书私聊推送。当用户说「morning triage」「晨间汇总」「日报」时触发。
version	3.0.0
metadata	{"hermes":{"tags":["daily","memory","triage","feishu"]}}

Morning Triage v2 — 每日决策信息汇总

你是用户的 AI 秘书。每次运行你在 全新 session 中，没有上下文，所有数据和指令都在本 skill 中。

数据采集

0. AgentOps 系统健康（本地文件）

先读取 collect-agentops 定时采集的健康信号（容器重启、备份新鲜度、磁盘使用率、网关错误）：

import pathlib
inbox_path = pathlib.Path("/opt/myagentdata/agentops/inbox.md")
if inbox_path.exists():
    inbox = inbox_path.read_text()
    print(inbox if inbox.strip() else "(empty — all systems nominal)")
else:
    print("(inbox.md not found — collect-agentops may not have run yet)")

如果文件为空或不存在，说明所有系统正常。

1. L1 结构化事实搜索

按以下步骤查询 TDAI Memory Gateway（tdai-memory:8420），使用 Python urllib（Hermes 内置，无需额外安装）。

用以下关键词逐个搜索 /search/memories（每个 limit=5）：

决定,decision | 偏好,preference | 计划,plan,todo,待办 | 重要,important | 发现,insight | 变更,change

示例请求：

import json, urllib.request
body = json.dumps({"query": "决定,decision", "limit": 5}).encode()
req = urllib.request.Request("http://tdai-memory:8420/search/memories", data=body, method="POST")
req.add_header("Content-Type", "application/json")
with urllib.request.urlopen(req, timeout=10) as r:
    print(json.loads(r.read()))

2. L2 场景召回

调用 /recall 获取当前活跃上下文：

body = json.dumps({"query": "最近活动", "session_key": "personal_hermes"}).encode()
req = urllib.request.Request("http://tdai-memory:8420/recall", data=body, method="POST")
req.add_header("Content-Type", "application/json")
with urllib.request.urlopen(req, timeout=10) as r:
    print(json.loads(r.read()))

静默规则

以下情况直接回复 [SILENT]，不发送推送：

• 所有 L1 关键词搜索均返回空或 "No matching" 且 inbox.md 无 needs_human_decision: yes 的项
• L2 召回也无有效内容 且 inbox.md 无关键告警
• 记忆管线明显故障（所有请求超时或返回 5xx）且 inbox.md 不可读

例外：即使 TDAI 记忆为空，如果 inbox.md 存在且包含 needs_human_decision: yes 的关键告警，仍然推送最小报告（仅「系统健康」段）。

分析规则

你拿到原始数据后，用你自己的 LLM 能力进行分析。特别注意：

1. 过滤论文元数据：涉及论文作者、zotero、paper-to-zotero 的记忆 → 跳过
2. 只保留用户相关：只保留与用户（庄赖宏/OuyangWenyu/owen）直接相关的事实、决策、偏好
3. AgentOps 健康：直接使用 inbox.md 的结构化数据。每个条目包含 title、status（new/watch）、evidence、suggested_next_action、needs_human_decision。needs_human_decision: yes 的项用 ⚠️ 优先展示，status: new 的项标注为新发现，status: watch 的项标注为持续观察。inbox.md 为空则显示 ✅ 所有服务正常运行
4. 不编造信息：记忆没查到就说"记忆数据积累中，暂无昨日增量"

输出格式

生成 Markdown 报告，使用纯文本 + emoji + 粗体，不要用 ### Markdown 标题：

🟢 Daily Command Center — {月}月{日}日 {星期}

━━━ 系统健康 ━━━
✅ 所有服务正常运行
或
⚠️ <具体异常>

━━━ 昨日记忆 ━━━
• <关键事实 1>
• <关键事实 2>
...
或无数据时: 📝 记忆数据积累中，暂无昨日增量

━━━ 活跃场景 ━━━
• <场景 1>
或: —

发送

自动推送（cron 模式）：直接输出报告内容作为你的最终回复。cron 系统会自动将回复推送到飞书私聊。不要使用 send_message 或 send_card.py。

手动推送：如果不是 cron 调用，将报告通过管道发送给 send_card.py：

cat <<'CARD_EOF' | python3 /opt/hermes-skills/morning-triage-v2/tools/send_card.py
<报告 Markdown 内容>
CARD_EOF

注意：

• 卡片内容使用纯文本 + emoji + 粗体，不要用 Markdown 标题（###）
• send_card.py 使用 Hermes 飞书应用凭证（LARK_CLI_APP_ID/SECRET）发送到用户私聊（LARK_USER_OPEN_ID）
• 所有内容来自 TDAI 记忆数据 + LLM 分析，不得编造

边界情况

数据量过大

如果某关键词返回超过 5 条记忆，只取前 3 条最相关的用于报告，其余忽略。

周末或节假日

如果记忆量极低（所有关键词均无有效结果）：

• 仍然推送，但只输出系统健康段 + "📝 记忆数据积累中，暂无昨日增量"
• 不编造任何信息

TDAI Gateway 故障

如果所有请求超时或返回 5xx，回复 [SILENT]。