back
loading skill details...
多引擎资讯采集 + 深色仪表盘 HTML 报告生成。输入关键词,自动采集资讯、LLM 分析提炼、生成专业报告并发送。触发词:生成资讯报告、采集资讯分析、行业资讯报告、news report、资讯采集。
---
name: news-report
description: "多引擎资讯采集 + 深色仪表盘 HTML 报告生成。输入关键词,自动采集资讯、LLM 分析提炼、生成专业报告并发送。触发词:生成资讯报告、采集资讯分析、行业资讯报告、news report、资讯采集。"
---
# 资讯采集报告生成器 (news-report)
输入一个关键词或主题,自动完成:多引擎资讯采集 → LLM 分析提炼 → 生成深色仪表盘风格 HTML 报告 → 发送给用户。
---
## 触发示例
> 「帮我生成一份关于 OpenClaw 的资讯报告」
> 「采集 Dify 最新动态,生成分析报告」
> 「生成一份讯飞星火大模型的行业资讯报告」
---
## 完整流程
### Step 1:采集原始资讯
```bash
python3 scripts/fetch_news.py \
--keyword "关键词" \
--engines "bing,bing_cn,ddg,brave" \
--count 20 \
--output /tmp/raw_news.json
```
**支持引擎:** `bing`(国际)、`bing_cn`(中文)、`ddg`(DuckDuckGo)、`brave`、`sogou`、`baidu`
---
### Step 2:LLM 分析提炼(核心步骤)
读取 `/tmp/raw_news.json` 采集结果,结合 LLM **自身知识库**,生成完整报告数据 JSON,保存到 `/tmp/report_data.json`。
**报告数据结构(必须严格遵守):**
```json
{
"title": "报告主标题(含关键词)",
"subtitle": "副标题,如:AI框架生态全景解读",
"date": "YYYY-MM-DD",
"keyword": "搜索关键词",
"kpis": [
{"num":"190K+", "label":"GitHub Stars", "sub":"90天增长", "color":"blue"},
{"num":"25+", "label":"支持平台", "sub":"消息平台数", "color":"orange"},
{"num":"88%", "label":"企业采用率", "sub":"年增长数据", "color":"green"},
{"num":"400+", "label":"安全漏洞", "sub":"已知CVE", "color":"red"}
],
"summary": "执行摘要,2-3句话概括核心发现,可包含 <strong> 标签高亮关键词",
"timeline": [
{"date":"2025年11月", "title":"事件标题", "desc":"事件描述", "color":"blue"},
{"date":"2026年2月", "title":"收购完成", "desc":"详细描述", "color":"green"}
],
"news": [
{
"num": 1,
"date": "2026-02-16",
"source": "InfoWorld",
"title": "资讯标题",
"body": "资讯摘要(2-3句)",
"tag": "战略收购",
"tag_color": "blue"
}
],
"analysis": {
"tech": {"title":"技术亮点", "icon":"⚡", "color":"blue", "items":["要点1","要点2"]},
"risk": {"title":"风险挑战", "icon":"⚠️","color":"red", "items":["风险1","风险2"]},
"trend": {"title":"未来趋势", "icon":"🚀", "color":"green", "items":["趋势1","趋势2"]}
},
"comparison": {
"headers": ["产品","定位","评分","状态"],
"rows": [
["产品A","定位描述","★★★★★","活跃"],
["产品B","定位描述","★★★☆☆","稳定"]
]
},
"conclusion": {
"pros": ["优势1","优势2","优势3"],
"risks": ["风险1","风险2","风险3"],
"refs": [
{"title":"参考价值1", "body":"说明文字"},
{"title":"参考价值2", "body":"说明文字"}
]
},
"source_note": "数据来源:xxx · 报告日期:xxx · 由 astronClaw AI 生成"
}
```
**tag_color 可选值:** `blue` / `orange` / `green` / `red` / `purple` / `gold`
**⚠️ 重要说明:**
- `kpis` 数组固定4个,颜色建议:第1个blue、第2个orange、第3个green、第4个red
- `news` 数组固定10条,每条必须有真实的 `source` 来源
- `timeline` 5-7个事件,按时间顺序排列
- `analysis` 固定包含 tech / risk / trend 三个模块,每个 5-6 条
- 如无竞品数据,`comparison` 可省略
生成的 JSON 保存为 `/tmp/report_data.json`。
---
### Step 3:生成 HTML 报告
```bash
python3 scripts/gen_report.py \
--data /tmp/report_data.json \
--output /Users/eric/.openclaw/workspace/report_KEYWORD_MMDD.html
```
输出文件命名规范:`report_{关键词拼音/英文}_{MMDD}.html`
---
### Step 4:发送给用户
使用 `message` 工具将 HTML 文件发送到飞书。
---
## 快速示例(完整命令)
```bash
# Step 1:采集
python3 scripts/fetch_news.py \
--keyword "讯飞星火大模型" \
--engines "bing,bing_cn,ddg,baidu" \
--count 20 \
--output /tmp/raw_news.json
# Step 2:LLM 分析(见上方数据结构)→ 生成 /tmp/report_data.json
# Step 3:生成 HTML
python3 scripts/gen_report.py \
--data /tmp/report_data.json \
--output /Users/eric/.openclaw/workspace/report_xfyun_0309.html
```
---
## 注意事项
- 采集可能因网络限制返回空结果(尤其 Google),此时以 LLM 自身知识补充
- HTML 报告完全自包含,无外部依赖,可直接用浏览器打开
- 报告生成约 30-60 秒(含采集+生成)
- 输出文件大小约 20-40KB
---
## 依赖
- Python 3(标准库,无需额外安装)
- 网络访问(采集时需要)
don't have the plugin yet? install it then click "run inline in claude" again.