一键在 Manus 中运行任何 Skill

ai-overseas-daily

星标10

分支54

更新时间2026年4月21日 06:25

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。

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

在 Manus 中运行

来源

AgenticAIPlan

AgenticAIPlan/AgenticAISkills

打开 GitHub 仓库查看创作者相关仓库

下载

在 Manus 中运行

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

# 完整运行（采集 + 生成报告 + 分发）
python3 scripts/daily_report.py

# 仅生成报告，不分发（测试用）
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

# crontab 示例：工作日 9:03 AM 自动执行
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

同仓库更多 Skills

同仓库

amoyalpha-presales-assistant

AgenticAIPlan/AgenticAISkills

售前工程师AI助手。当用户需要做客户背调、准备拜访材料、制作方案PPT、生成Ghost Deck、准备演讲要点、处理客户异议、评估商机成熟度、写会后跟进计划时，即使没有明确说"售前"，也应使用本skill。面向政府、行业头部企业、技术型企业三类客户，覆盖"客户画像→需求分析→Ghost Deck→方案生成→专家自审→演讲要点→异议处理→商机评分→跟进计划"完整售前链路。

2026-05-0910

baidu-paddle-wenxin-operation

AgenticAIPlan/AgenticAISkills

用于搜集百度飞桨与文心大模型相关运营资讯、竞品动态、厦门本地 AI 政策活动，并输出潜在客户清单与周度运营汇总的业务技能。当用户提到运营周报、竞品动态、厦门 AI 政策、潜客挖掘、飞桨/文心最新消息、客户线索表、活动情报汇总时都应使用本 Skill。

2026-05-0710

ernie-image-monitor

AgenticAIPlan/AgenticAISkills

This skill should be used when the user wants to monitor, search, or analyze social media and web content about ERNIE-Image across Chinese platforms including Zhihu, Xiaohongshu, WeChat Official Accounts, and Baidu Search.

2026-05-0210

drama-agent

AgenticAIPlan/AgenticAISkills

短剧剧本生成Agent。当用户需要创作短剧剧本时使用，支持从选题到成稿的完整创作流程。包含人物设定维护、情节结构规划、剧本格式输出、质量检查等功能。

2026-04-2810

org-research

AgenticAIPlan/AgenticAISkills

对即将会面的政府单位、企事业单位等机构进行高可靠背景和业务调研。采用 Pipeline + Reviewer + Generator 结构，强制输出候选来源、原子事实、链接审计、事实准入、组织分析和终审结果，用于尽量确保关键事实均有可核查来源链接，便于进一步深入了解和复核，适用于需要可核查来源和质量门禁的单位调研。

2026-04-2710

meeting-brief-generator

AgenticAIPlan/AgenticAISkills

重要会谈谈参生成助手 - 面向高层会谈，基于会谈对象、合作背景、双方诉求与我方能力，自动生成部门领导可直接参考的会谈背景、合作主线、谈话要点、建议提问、后续推进建议及风险提示

2026-04-2510

name

ai-overseas-daily

description

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

# 完整运行（采集 + 生成报告 + 分发）
python3 scripts/daily_report.py

# 仅生成报告，不分发（测试用）
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

# crontab 示例：工作日 9:03 AM 自动执行
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