科技新闻简报

将中文或其他外文科技新闻整理为符合"xx班"规范的原文稿、中文摘要和 DOCX 格式文件，发送至指定邮箱。单次对话内完成从发现到交付的全流程。

触发方式

"开始今天的科技新闻整理" / "最近有什么AI新闻" / "今天全球有什么科技动态"

"排序1-3下载整理" / "前3条下载整理" / "把第4条的摘要整理一下"

全流程概览

┌────────────────────────────────────────────────────────────────────────┐
│  Phase 1：       发现（多维度分层搜索 → 时效过滤 → AI 评估筛选 → 排序表）│
│  Phase 2–9：    下载 → 清洗 → 摘要 → DOCX → 打包 → 发送             │
│  输出：当日目录（md/docx） + zip 包（已发送至邮箱）                     │
└────────────────────────────────────────────────────────────────────────┘

Phase 1：多维度分层搜索

核心原则：时效性第一

本 skill 专为每日上报设计。新闻只有在时效期内才有上报价值，过期新闻不上报。

1. 时效性是最高准入门槛：仅收录 5 天以内发布的新闻，超出此范围一律不收录（除非事件在近 5 天内有重大新进展）
2. 时效性是最优先排序维度：同等重要性下，越新的新闻排位越靠前
3. 搜索词强制包含时效锚点："今日""近3天""近5天"等，确保搜索结果命中近期内容
4. 新闻合并时保留最新时间节点：同一事件的多条报道，合并后以最新一条的发布时间为准

新闻源优先级（时效性优先视角）

时效性优先的场景下，来源的更新速度与命中率同等重要：

搜索时优先命中一级来源，小时级更新的核心来源每次搜索都应优先使用。

多维度分层搜索（最少 8 次，建议 10-12 次）

时效性锚点必须出现在每次搜索中。每个搜索词末尾追加时效锚点，确保只命中 5 天以内的新闻。

时效锚点选择：今日 / 近3天 / 近5天 ——每日上报场景下任选其一，轮换使用效果更佳。

按以下 7 个维度 依次执行搜索，每个维度至少 1 次：

⚠️ 新闻筛选核心原则：仅收录与 AI/大模型/半导体/中国科技战略直接相关的科技动态。

• ✅ AI 大模型发布与技术突破（GPT-5、Claude 4、Gemini 2、Llama 4、开源模型等）
• ✅ 半导体/芯片动态（出口管制、产能突破、先进制程进展）
• ✅ 中国科技产业政策（补贴、监管、扶持措施）
• ✅ 中美科技博弈（芯片禁令、TikTok、数据安全、AI 竞争）
• ✅ AI 安全与治理（AI 伦理、监管框架、安全事件）
• ❌ 纯娱乐/游戏/消费电子新闻（非前沿技术）——不收录
• ❌ 纯股市行情/纯商业并购新闻（无科技战略意义）

维度 A：中文最新 AI 与科技动态（时效优先 🔑）

这是时效性最强的版块，第一时间捕捉所有新发生的 AI 和科技事件。

搜索词：
- site:jiqizhixin.com 今日 AI OR 大模型
- site:qubitchina.com 今日 AI OR 模型
- site:huxiu.com 今日 AI OR 科技
- site:36kr.com 今日 人工智能 OR 大模型
- site:thepaper.cn 今日 AI OR 科技 最新

发现最新报道后，用 web_fetch 获取全文，提取所有事件线索。

维度 B：芯片与半导体（时效优先 🔑）

捕捉半导体产业动态——这是最需要时效性的维度。

搜索词：
- site:jiqizhixin.com 近3天 芯片 OR 半导体 OR 出口管制
- site:qubitchina.com 今日 芯片 OR 半导体
- site:huxiu.com 近3天 芯片 OR 算力
- site:36kr.com 今日 半导体 OR 芯片出口
- site:eeworld.com.cn 今日 芯片 OR 半导体
- site:chinadaily.com.cn 芯片 OR 半导体 [近3天]

维度 C：前沿技术（时效优先 🔥）

本维度为本项目重点关注方向，优先级靠前，与维度 B 同等重要。 涵盖：量子计算、脑机接口、合成生物、新能源技术、机器人、自动驾驶等前沿科技动态。

搜索词：
- site:jiqizhixin.com 今日 量子计算 OR 脑机接口 OR 机器人
- site:qubitchina.com 近3天 前沿技术 OR 量子 OR 生物计算
- site:huxiu.com 今日 量子 OR 新能源 OR 机器人
- site:36kr.com 近3天 自动驾驶 OR 人形机器人 OR 量子
- site:thepaper.cn 今日 前沿技术 OR 量子计算
- "量子计算" 最新 OR 突破 [近3天]
- "脑机接口" 最新 OR 进展 [近3天]
- "人形机器人" 最新 OR 发布 [今日]
- "自动驾驶" 最新 OR 进展 [近3天]

维度 D：AI 大模型发布与技术进展（时效优先）

搜索词：
- site:jiqizhixin.com 今日 大模型 OR GPT OR Claude OR Gemini
- site:qubitchina.com 近3天 大模型 OR AI 发布
- site:huxiu.com 今日 模型发布 OR AI 进展
- site:36kr.com 今日 AI 模型 OR 发布
- site:thepaper.cn 今日 AI 大模型 最新
- "GPT" 最新 OR 发布 [今日]
- "Claude" 最新 OR 模型 [近3天]
- "Llama" 最新 OR 开源 [今日]
- site:deepmind.com blog [近3天]
- site:openai.com blog [近3天]

维度 E：产业政策与监管（时效优先）

搜索词：
- site:36kr.com 今日 科技政策 OR 监管 OR 补贴
- site:huxiu.com 近3天 监管 OR AI 法规 OR 数据安全
- site:gov.cn 今日 科技 OR AI 政策
- site:sastind.gov.cn 最新 科技政策 [近3天]
- "AI 监管" 最新 OR 政策 [近3天]
- "数据安全" 最新 OR 规定 [今日]

维度 F：国际科技博弈（时效优先）

搜索词：
- site:jiqizhixin.com 近3天 中美科技 OR 芯片禁令 OR TikTok
- site:qubitchina.com 今日 中美 AI OR 科技竞争
- site:huxiu.com 近3天 华为 OR 芯片限制 OR 出口管制
- site:36kr.com 今日 科技博弈 OR 中美竞争
- "芯片禁令" 最新 OR 进展 [近3天]
- "华为" 最新 OR 芯片 [今日]
- site:reuters.com AI China OR chip [近3天]

维度 G：学术与开源（时效优先）

搜索词：
- site:jiqizhixin.com 近3天 论文 OR arXiv OR 开源模型
- site:qubitchina.com 今日 顶会论文 OR 开源
- site:huxiu.com 近3天 GitHub OR 开源 OR 代码
- "arXiv" 最新 论文 AI [近3天]
- "开源模型" 最新 OR 发布 [今日]

交叉验证与时效过滤

初轮搜索完成后，立即执行时效过滤，然后检查是否有遗漏：

第一步：时效过滤（必须先做）

• 所有搜索结果，逐一核实发布时间
• 仅保留 **5 天以内（今日 + 近 3 天）**发布的报道
• 超时报道一律不收录，除非该事件在 5 天内有重大新进展

第二步：交叉验证

• 如果同一事件被 3+ 个不同来源提及 → 大概率是热点，深入搜索获取更多细节
• 如果官方媒体（如新华社科技版）和商业媒体（如机器之心、量子位）的热点不同 → 两边都要覆盖，互相印证
• 如果维度 C（前沿技术）有新进展 → 深入搜索，核实技术细节和战略影响

搜索关键词设计原则（反模式清单）

时效性 + 重要性双重排序准则

两条铁律：

1. 时效性是入场券：超出 5 天一律不收录
2. 时效性是第一排序维度：同等重要性下，越新的新闻越靠前

第一步：时效过滤（入场门槛）

第二步：重要性分级（时效过滤后，在时效期内按重要性排序）

第三步：时效性打破重要性（同等级内排序）

当同一重要性等级内有多条新闻时，按时效性排序：

今日 > 昨日 > 前日 > 近3天
（同重要性等级内，越新越靠前）

降权规则

输出格式

按时效性优先 + 重要性分级双重排序，输出当日最新科技动态：

## 🔥 科技新闻日报（YYYY-MM-DD）

> 📌 时效说明：仅收录 **5 天以内**发布的新闻 | 搜索覆盖：维度 A/B/C/D/E/F/G

---

### 📍 今日最新（今日发布）

> ⭐⭐⭐⭐ 最高级 ——大模型发布 / 半导体突破 / 官方政策首发

1. **[新闻标题]**
   > 一句话摘要（不超过 50 字）
   > ⏰ 今日 HH:MM | 🔗 [来源名称](URL)
   > 📌 多家媒体报道：来源 A / 来源 B

> ⭐⭐⭐ 高级 ——AI 安全 / 中美博弈 / 前沿技术突破

2. ...

> ⭐⭐ 中级 ——监管政策 / 产业合作 / 开源模型

3. ...

> ⭐ 一般 ——常规动态

4. ...

---

### 📍 近期跟进（近3天发布）

> 5 天内有重大新进展的后续报道

5. **[新闻标题]**（后续报道）
   > 最新进展摘要
   > ⏰ X月X日 HH:MM（首次报道）→ 今日最新进展 | 🔗 [来源](URL)

---

### 📌 值得持续关注（可酌情收录）

> 智库报告、前瞻分析、5 天内出现新动态的重大事件后续

6. **[标题]**（值得关注）
   > 简要说明
   > 🔗 [来源](URL)

---
📊 本次共收录 XX 条新闻 | 搜索 XX 次 | 覆盖维度：A/B/C/D/E/F/G
📅 报道时间窗口：YYYY-MM-DD HH:MM 至 YYYY-MM-DD HH:MM（近 5 天）
⏰ 生成时间：HH:MM

去重与时效合并

• 时效优先去重：同一事件被多家报道时，以最新一条的发布时间为准，合并为一条，引用最权威/最详细的来源
• 在同一重要性等级内：越新的报道越靠前
• 跨等级不合并：最高级和高级之间的新闻不因时效合并，保持重要性排序为主
• 后续报道覆盖旧闻：若最新报道推翻或修正了早期报道，以最新为准，旧闻不出现在报告中
• 优先引用中文媒体原文：中文媒体未报道时引用英文权威媒体并翻译
• 来自立场鲜明来源的独家报道：注明来源立场，供用户判断，同时标注"单源，待进一步核实"

用户确认后进入 Phase 2。 数量控制：默认处理前3条，用户可指定不同数量。

Phase 2：下载原文

两条下载路径

路径 A（browser MCP）为主，路径 B（Firecrawl）为 fallback。 每条新闻从 URL 开始，先走路径 A，失败才走路径 B。成功即停，不继续尝试后续路径。

路径 A：browser MCP（主路径，所有来源均用此方案）

中文站大量使用 Vue/React 动态渲染，直接请求正文仅能获取 20-30%；browser MCP 返回完整 DOM，是唯一可靠的下载方案。

操作流程：

browser_tabs(action="list")           # 1. 检查当前 tab 状态，避免重复开 tab
browser_navigate(url="")          # 2. 导航到目标页（自动等待页面 load）
browser_cdp(method="Runtime.evaluate", # 3. 提取正文文本
    params={
        "expression": "document.body.innerText",
        "returnByValue": true
    })

操作规范：

1. browser_navigate 会自动等待页面 load 事件，无需额外 wait
2. 正文文本从 Runtime.evaluate 的 result.result.value 字段获取
3. 若正文不足 300 字，用 browser_scroll(direction="down") 滚动后重新提取（最多滚 3 次）
4. 若正文仍不足 300 字，用 browser_take_screenshot(fullPage=true) 辅助人工判读
5. 提取标题、发布时间、正文文本后，关闭 tab 或复用 tab 继续下一条

正文质量判断：

• 300 字以上 → 质量合格，进入 Phase 3
• 不足 300 字 → 滚动重试，仍不足则换路径 B

重试机制： 每个 URL 最多尝试 2 次路径 A，第 2 次间隔 10 秒后重试，仍失败则切换路径 B。

注意： browser_snapshot 返回 accessibility tree，不用于提取正文。正文提取必须用 browser_cdp + Runtime.evaluate。

路径 B：download.py（Firecrawl，仅 fallback）

Firecrawl API 额度有限，非必要不调用。 仅当路径 A 连续失败 2 次时才使用。

python3 scripts/download.py  <输出文件路径>

输出文件为 *-temp.md，内容已初步清洗，但仍需经过 Phase 3 字数门槛检查。

API Key 从环境变量 FIRECRAWL_API_KEY 读取。import json 必须在脚本顶层，不得放在函数内部。

download.py 输出格式（stdout）：

• 第一行：字数统计: XXXX 字
• 第二行：下载成功: <路径>

英文源仅用于交叉验证，不进入最终输出。

Phase 3：字数门槛检查

读取 Phase 2 获取的正文（路径 A 为 Runtime.evaluate 返回的文本，路径 B 为 *-temp.md），Agent 统计正文字数：

• 不足 300 字：跳过，不生成摘要，告知用户原因。被跳过的文章若存在残留摘要文件，必须主动删除。
• 满足 300 字以上：进入 Phase 4。

Phase 4：清洗正文

去除干扰内容，保留干净正文：

• 页头导航、页脚、侧边栏
• 图片说明（除非包含实质性文字信息）
• 相关文章推荐、"Also on X" 推荐块
• 广告、赞助内容
• 原文中的外部链接（非本文 URL）

清洗后逐项确认清单：

• 无页头导航 / 面包屑
• 无页脚版权信息
• 无 "Related Articles" / "Also on X" 推荐块
• 无广告 / 赞助内容
• 无图片说明文字（除非含实质性信息）
• 无原文中的外部链接
• 正文开头是事件内容，不是导语式铺垫

清洗结果不得包含 # 标题、## 正文 等 markdown 标题结构——正文直接写，不加任何节标题。

Phase 5：写入原文稿

第一步：创建当日目录

mkdir -p {REPORTS_DIR}/{YYYYMMDD}/

路径变量 REPORTS_DIR 来自环境变量（默认 /home/sml/workspace/InternetInformation）。

第二步：写入正式原文文件

{YYYYMMDD}xx班-科技新闻原文{序号}-{排序ID}.md

格式模板：

原文稿{序号}：
{中文标题}

{YYYY}年{M}月{D}日 【文/{作者}，{来源}】

{清洗后正文段落}

原文链接：{URL}

• 第一行：原文稿{序号}：（无其他标题符号）
• 第二行：中文标题（保留原文）
• 空一行
• 第三行：{YYYY}年{M}月{D}日 【文/{作者}，{来源}】（年全四位，月日均为实际数字）
• 空一行
• 正文段落（清洗后，无 markdown 标题结构）
• 空一行
• 末尾：原文链接：{URL}

排序ID 固定为 sml（xx班客户编号）。 序号 从 1 开始，按用户给出的排序依次递增。 路径 B（Firecrawl）场景：写入后删除 *-temp.md，不留中间文件。

Phase 6：整理摘要

读取 Phase 5 写入的原文稿，自主撰写中文摘要，写入：

{YYYYMMDD}xx班-科技新闻摘要{序号}-{排序ID}.md

格式模板

拟投栏目：{栏目名}
事件时间：{YYYY}年{M}月{D}日
价值点：{约80字，五段式：[who]在[背景]下，仍[action]，此举[judge本质]，旨在[目的]}

{标题（≤30字，单行，不含换行符）}

{正文（一段，≤400字，含事件概述/关键论据/批判性分析/我方立场，不含换行符）}

{尾注：xx院系，xxx，15888888888（来源：{来源}，{M}月{D}日）（xx学院，{YYYY}年{M}月{D}日）}

头部元数据

主标题（铁律 1）

• 必须是纯文本单行，不得包含换行符 n
• 字数（不含空格）严格控制在 30 字以内
• 不要照抄原文，截断或改写均可

正文一段成文（铁律 2）

• 正文（不含头部和尾注）不得包含任何换行符 n
• 四层逻辑：

涉华科技新闻摘要特别要求

若原文涉及以下情形，摘要正文必须将中国立场/中国应对作为独立信息点展开：

• 中美芯片/AI 博弈相关事件
• 国产替代重大突破或受阻
• 中国科技政策调整
• 中国大模型/AI 进展

尾注格式（单独成段）

固定格式，不得添加单位、联系人、电话等信息。 xx院系，xxx，15888888888（来源：{来源}，{M}月{D}日）（xx学院，{YYYY}年{M}月{D}日）

铁律自检（写入前必须执行）

在写入摘要文件前，执行三项检查：

1. 铁律 1 检查：主标题是否包含 n、字数是否 ≤30 字
2. 铁律 2 检查：正文（不含头部和尾注）是否包含 n
3. 字数检查：正文（不含头部和尾注）中文字数是否 ≤400 字

自检通过后才可写入文件。自检失败不得跳过，须修改至达标。

Phase 7：转换为 DOCX 格式

使用 scripts/md2doc.py，MD 文件在 {REPORTS_DIR}/{YYYYMMDD}/：

python3 scripts/md2doc.py {REPORTS_DIR}/{YYYYMMDD}/{文件名}.md

脚本根据文件名路由：

• 含"摘要"→ parse_summary_md() + template-summary.docx
• 含"原文"→ parse_original_md() + template-original.docx

模板文件 template-original.docx 和 template-summary.docx 必须存在于 scripts/ 目录。 依赖：pip install python-docx lxml。

Phase 8：打包并发送

8.1 打包

cd {REPORTS_DIR} && zip -j {YYYYMMDD}.zip {YYYYMMDD}/*.md {YYYYMMDD}/*.docx

8.2 发送

import smtplib, os
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.base import MIMEBase
from email import encoders

date_str = "{YYYYMMDD}"
zip_path = f"{REPORTS_DIR}/{date_str}.zip"
sender = os.environ.get("SMTP_SENDER")
passwd  = os.environ.get("SMTP_PASSWD")

msg = MIMEMultipart()
msg['From'] = sender
msg['To'] = os.environ.get("SMTP_TO")
msg['Subject'] = f"科技新闻简报-{date_str}"
msg.attach(MIMEText("见附件，请查收。", 'plain', 'utf-8'))

with open(zip_path, 'rb') as f:
    part = MIMEBase('application', 'octet-stream')
    part.set_payload(f.read())
encoders.encode_base64(part)
part.add_header('Content-Disposition', f'attachment; filename="{date_str}.zip"')
msg.attach(part)

with smtplib.SMTP_SSL('smtp.qq.com', 465) as server:
    server.login(sender, passwd)
    server.send_message(msg)
print("邮件发送成功")

8.3 清理

发送成功后立即删除 zip 包：

rm {REPORTS_DIR}/{YYYYMMDD}.zip

仅删除 zip 包，保留 {YYYYMMDD}/ 目录下的原始 md/docx 文件。

文件命名规范

日期格式：YYYYMMDD，例如 20250624。 序号：用户给出的排序号（1=第1条，依次类推），前无横杠：科技新闻原文1-sml。 排序ID：固定 sml。 路径 B（Firecrawl）产生的 *-temp.md 在写入正式文件后立即删除，不保留。

执行规范

合并自原"注意事项"与"Pitfalls"，去重后保留所有有效规则。

下载规范

• browser MCP 为下载第一优先：所有来源均先用路径 A，成功即停。Firecrawl 仅作 fallback（额度有限）。
• browser 重试：每个 URL 最多 2 次，第 2 次间隔 10 秒，仍失败则切换路径 B。
• download.py 输出格式：stdout 第一行 字数统计: XXXX 字，第二行 下载成功: <路径>。
• 下载文件体积：单篇 10KB-50KB 常见，读取时建议 limit 200-500 行。
• 跳过的文章：字数不足 300 字时跳过，必须主动删除该序号对应的残留摘要文件。
• 每次下载前：检查 scripts/download.py 是否存在，缺失则重建。

DOCX 规范

• lxml 兼容性：Element._parent 已改为 .getparent()，需修改脚本两处。
• 命令行参数：python3 md2doc.py ，MD 文件在 {YYYYMMDD}/，须用绝对路径。
• 尾注误判正文：增加长度门槛（≤50字）+ 手机号强制尾注。

文件与工作流规范

• ~ 路径展开：cron job 和脚本中 ~ 解析为 /home/sml/.hermes/profiles/scienlot/home/。必须用绝对路径。
• Agent 中途中断：检查时只有 *-temp.md 没有正式文件，说明未跑完，须补跑。
• 文件写入：摘要稿和原文稿的写入一律使用 write_file 工具，不要在 execute_code 中用 Python f-string 拼接中文正文。

Cron 规范

• 已知问题：cron 任务经常只完成 Phase 2 就中断，不执行 Phase 3-8。修复方式：手动补跑。
• .tick.lock 残留：上次超时中断未释放锁，rm ~/.hermes/profiles/scienlot/cron/.tick.lock。
• 日志未保存：cron output 目录无日志文件时，检查 {REPORTS_DIR}/ 是否有生成文件。

推荐新闻源

详见 references/sources.md。

摘要写作规范

详见 references/writing-guide.md。

Linked Scripts

• scripts/download.py — Firecrawl 网页抓取（额度有限，仅 fallback）
• scripts/md2doc.py — MD 转 DOCX
• scripts/smtp_send.py — 邮件发送（备用）
• scripts/template-original.docx — 原文稿 DOCX 模板
• scripts/template-summary.docx — 摘要稿 DOCX 模板