菜单
多尺度中文资讯简报生成。从一条街道到全球，任意地理范围均可生成。 从主流媒体（Reuters/BBC/新华社）、街道公众号、社交平台（微博/小红书/抖音） 获取资讯，结构化输出。 使用场景：用户要求"简报"、"资讯"、"早报"、"晚报"、"周报"、"XX简报"、 "XX资讯"、"本地新闻"、"国际新闻"、"街道新闻"等。 外部依赖：Python 3（标准库），通过 Tavily web_search + web_fetch 获取数据。 NOT for: 邮件群发订阅、Newsletter运营策略。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/knownasnaffy/prompthound --skill china-briefing命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Install and operate local NVIDIA Parakeet ASR for OpenClaw with an OpenAI-compatible transcription API on Ubuntu/Linux and macOS (Intel/Apple Silicon). Use when the user wants private/local speech-to-text, voice transcription setup, ASR troubleshooting, or OpenClaw voice stack configuration with Parakeet (and optional Whisper fallback).
Collect, refresh, normalize, and analyze the user's own Douban history for taste analysis and recommendation reasoning. Use when the task involves the user's own Douban shelves, ratings, tags, comments, reviews, or recent activity, especially when you need to decide whether local cache is fresh enough, re-crawl logged-in data with cookies, store refreshed results locally, and then analyze them by category.
LoRA fine-tuning pipeline for Stable Diffusion on Apple Silicon — dataset prep, training, evaluation with LLM-as-judge scoring. Use when fine-tuning image generation models for consistent style, custom characters, or domain-specific visuals. Requires Python with torch and diffusers.
基于 SOC 职业分类
正在显示 SKILL.md
| name | china-briefing |
| description | 多尺度中文资讯简报生成。从一条街道到全球，任意地理范围均可生成。 从主流媒体（Reuters/BBC/新华社）、街道公众号、社交平台（微博/小红书/抖音） 获取资讯，结构化输出。 使用场景：用户要求"简报"、"资讯"、"早报"、"晚报"、"周报"、"XX简报"、 "XX资讯"、"本地新闻"、"国际新闻"、"街道新闻"等。 外部依赖：Python 3（标准库），通过 Tavily web_search + web_fetch 获取数据。 NOT for: 邮件群发订阅、Newsletter运营策略。 |
Includes tests that verify dangerous inputs are properly rejected:
Test payloads in tests/test_security.py are for validation only.
任意尺度，一处生成：
### 🌍 核心结论
[1-2句总结本期最重要的信号/趋势/结论]
### 📌 {日期} {地点} 速报
**头条1 + 头条2 + 头条3**（最多3个，每个含嘟嘟点评）
### 📊 分类热点
[2-4个主题分类，每类2-4条]
### 📈 数据看板
[可选：关键数据表格]
### 🎯 行动建议
[优先级表格：高/中/低]
| 媒体 | 定位 | 获取方式 |
|---|---|---|
| Reuters | 事实最快 | web_search |
| BBC中文 | 国际视角 | web_search |
| CNN | 突发新闻 | web_search |
| Al Jazeera | 中东独特 | web_search |
| NYT中文 | 深度分析 | web_fetch |
| FT中文 | 经济深度 | web_fetch |
| 日经中文 | 亚洲经济 | web_fetch |
| DW德国之声 | 欧洲+中东 | web_search |
| 媒体 | 获取方式 |
|---|---|
| 新华社 | web_search |
| 央视新闻 | web_search |
| 环球时报 | web_search |
| 观察者网 | web_search |
| 澎湃新闻 | web_search |
| 来源 | 搜索策略 |
|---|---|
| 本地官媒 | "{省/市} 2026 最新动态" |
| 市政府网 | "{省/市} 政府 新闻" |
| 省/市人大 | "{省/市} 人大 会议" |
| 省级日报 | "{省}日报 最新" |
| 来源 | 搜索策略 |
|---|---|
| 政府官网 | "{区/街道名} 2026 最新" |
| 政务公众号 | "{区/街道名} 公众号 民生" |
| 人大/政务 | "{区} 人大 两会 实事" |
| 本地社区 | "{区/街道} 社区 改造 电梯" |
| 本地媒体 | "{市} 新闻 {区}" |
| 本地生活 | "{街道} 公园 学校 医院" |
| 平台 | 搜索策略 |
|---|---|
| 微博热搜 | "{关键词} 微博热搜" |
| 小红书 | "{关键词} 小红书" |
| 抖音 | "{关键词} 抖音" |
| Twitter/X | "{关键词} site:twitter.com" |
| "{关键词} site:reddit.com" |
每条头条必须写"嘟嘟点评"，遵守：
❌ 只是描述："XX报道了XXX"
✅ 加背景："XX做XXX，结合之前的YYY，说明ZZZ"
✅ 给观点："这意味着...我看好/担心..."
✅ 连点："这和上个月的XX配对，说明趋势在..."
✅ 对读者："对我们来说，意味着..."
| 问题 | 不通过 → |
|---|---|
| 读者会分享给朋友？ | 去掉 |
| 有实质内容还是标题党？ | 去掉 |
| 来源可靠？ | 换来源 |
| 和读者相关？ | 标注为什么 |
| 能加独特观点？ | 加 |
| 尺度 | 最少来源数 | 必须包含 |
|---|---|---|
| 全球 | 5+ | Reuters + 1家中国官媒 + 1家社区 |
| 全国 | 4+ | 至少2家不同立场 |
| 省市 | 3+ | 官方 + 本地 |
| 区县/街道 | 2+ | 政府官网 + 至少1个来源 |
| 行业 | 3+ | 行业媒体 + 社区 |
每条信息必须标注来源。
references/search-templates.mdreferences/source-library.md