NewsRadar · 全网新闻雷达
这个 Skill 解决什么
一句话：把「几十个平台今天在说什么」压缩成一份能读完的简报，并告诉你哪件事最出圈。
关键不是信源多，而是多做了一步——事件聚类。多数新闻工具把标题按行排出来就完事了；
NewsRadar 会把同一件事的多源报道归并成一个「事件」，然后统计有多少家不同媒体在报。
「12 家媒体同时在报」和「1 家自媒体在说」显然不是一回事，这个数字才是全网热点的真实刻度。
核心能力
- 78 个信源并发采集：微博/知乎/抖音/B站/头条/百度/贴吧/虎扑/豆瓣等国内热榜，
华尔街见闻/财联社/雪球/金十/法布等财经快讯，GitHub Trending/Hacker News/V2EX/
Product Hunt 等开发者源，IT之家/少数派/Solidot/量子位/雷峰网等科技源，
以及 Nature/Science/ScienceDaily/WSJ/Ars Technica/The Verge/TechCrunch 等英文源，
外加 60 秒读懂世界。11 个频道、中英双语。 - 事件聚类 + 多源互证：同一件事并成一个事件，用「家数」衡量出圈程度。
- 八维评分：时效性 / 热度 / 权威性 / 深度性 / 故事性 / 时代感 / 趣味性 / 独特性，
可调权重、可换词表。 - 跨天去重：昨天推过的今天不会再当头条。
--dedup-days控制回看天数。 - 趋势对比：🆕新上榜 / 🔥飙升 / 📈上升 / ➡️持平 / 📉回落 / 💤降温。
- 突发识别：措辞命中 + 多家互证双条件，避免每天都「暴跌」。
- 关键词订阅追踪：
track add 大模型后，简报里会长出「🎯 订阅追踪」专区。 - 深度阅读：
deep命令抓取原文正文并抽取主干，最多 8000 字。 - 四种文本产物 + 播客 MP3：Markdown / HTML（单文件、自动明暗主题）/ JSON / 纯文本，
以及「半拿铁」风格双人对话播客。 - 零第三方依赖：主引擎只用 Python 标准库，不需要 pip install 就能跑。
环境
> 本 Skill 不依赖任何写死的绝对路径，换台机器、换操作系统都能跑。下面给出的是
> 「如何在你的环境里定位解释器 / 依赖」的通用做法，而不是某个具体路径。
- 引擎（
newsradar.py）：任意 Python 3.10+，只用标准库、零第三方依赖。
直接用系统或运行环境的python3即可，无需pip install。 - 播客 TTS（
podcast.py）：需要一个装了edge-tts的 Python 解释器。 - 若当前解释器里没有
edge-tts：新建一个 venv 并装进去，然后用该 venv 的
python跑podcast.py（python3 -m venv <某目录>/default && <某目录>/default/bin/pip install edge-tts，Windows 用…\default\Scripts\pip）。 - 引擎那个解释器只用来生成脚本（
podcast script）没问题，真正合成音频
必须走装了edge-tts的解释器。 - ffmpeg / ffprobe：脚本通过
PATH自动查找（shutil.which("ffmpeg")），
找不到时再回退到 Homebrew / Linuxbrew 常见路径。未安装请自行安装：
macOSbrew install ffmpeg，Debian/Ubuntusudo apt install ffmpeg。
运行前先定位这几个变量（示例，按你本机实际情况填，不要照抄路径）：
# ① 引擎：任选一个 Python 3.10+
PY="$(command -v python3)"
# ② 播客 TTS：改成你「装了 edge-tts」的那个解释器路径
PYTTS="$(command -v python3)" # ← 指向含 edge-tts 的解释器
# ③ Skill 目录：动态查找，千万别写死
SKILL="$(cd "$(dirname "$(find ~/.workbuddy/skills/news-radar -name SKILL.md 2>/dev/null | head -1)")" && pwd)"
# Windows 上等价位置是 %USERPROFILE%\.workbuddy\skills\news-radar
标准流程
1. 采集（约 10~15 秒抓完 78 个信源）
$PY $SKILL/scripts/newsradar.py fetch
产物落在 ~/.workbuddy/newsradar/news.db（SQLite）。这是增量的：重复抓取只有新条目
才算新增，并且保留历史用于趋势对比与跨天去重。
常用变体：
# 只抓 AI 和财经两个频道
$PY … fetch --channels ai,finance
# 跳过 RSS，只要热榜（更快，约 5 秒）
$PY … fetch --no-rss
# 网络慢时放宽超时、提高并发
$PY … fetch --timeout 25 --workers 32
2. 出报
$PY … build --hours 24 --top 20 --format md,html
产物：./newsradar-out/newsradar-<style>-<时间戳>.<ext>
常用变体：
# 早报 / 晚报 / 日报（只影响标题措辞）
$PY … build --style morning
$PY … build --style evening
# 只要 AI 频道，出 HTML 和 JSON
$PY … build --channels ai --format html,json
# 时间窗口收窄到 6 小时，看最近发生了什么
$PY … build --hours 6 --style evening
# 聚类更严（不相关的事件不容易并到一起）
$PY … build --threshold 0.5
# 新手预设：一键选定频道/风格/头条数，不必面对全部 78 源
$PY … build --preset tech # 科技速览
$PY … build --preset finance # 财经日报
$PY … build --preset world # 国际视野
$PY … build --preset comprehensive # 综合早报
# 质量分级筛选：只保留权威权重 ≥3 的源（w 见 sources 列表）
$PY … fetch --min-weight 3
$PY … build --min-weight 3
# 透明度调参：覆盖单个八维权重，无需改代码
$PY … build --weights '{"depth":0.16,"fun":0.12}'
> 聚类阈值分频道：财经快讯标题短、token 少，默认 0.40 偏松会把盘口播报并成一坨，
> 故 finance 频道在 sources.py 的 CHANNEL_THRESHOLDS 里已自动收紧到 0.50。
>
> 热度时间轴：HTML 报告里每个头条事件附带「📶 热度走势」火花线，展示它在最近若干次
> 出报里的排名走势（历史不足则不显示）。
3. 播客（可选）
$PY $SKILL/scripts/podcast.py script --report newsradar-out/xxx.json --out podcast
$PYTTS $SKILL/scripts/podcast.py tts --script podcast/xxx.script.txt --out podcast
合成是逐句串行的，一分钟音频约需 40 秒，整期 5~8 分钟。务必用后台运行，别
让它卡住前台。
一条命令搞定（脚本 + 音频）：
$PYTTS $SKILL/scripts/podcast.py all --report newsradar-out/xxx.json --out podcast
4. 维护与反馈
# 订阅关键词（下次 build 长出「订阅追踪」专区）
$PY … track add 大模型 固态电池 星舰
$PY … track list
$PY … track remove 星舰
# 阅读反馈 → 调信源亲和度，下次排序更贴身
$PY … mark like --query "世界模型"
$PY … mark skip --query "不想看的内容"
# 信源体检
$PY … sources --test
# 历史统计
$PY … stats
命令速查
| 命令 | 作用 |
|---|---|
fetch |
并发抓取全部信源，落库 |
build |
聚类 + 评分 + 趋势 + 出报 |
deep |
抓取指定条目正文全文（--query / --url / --item-id） |
track |
关键词订阅管理（add / list / remove） |
mark |
阅读反馈（read / like / skip / keep） |
sources |
列出信源；--test 并发探活 |
stats |
历史统计与信源产出排行 |
定时自动化
用户要「每天早上八点给我一份」这类需求时，创建 recurring automation，让它在指定时间
执行本 Skill 的 fetch + build，并把 HTML 产物呈现给用户。不要把调度写进脚本里。
使用要点
- 先 fetch 再 build。
build只读数据库，不会自己抓。 fetch的频次不用太密：热榜源本身有分钟级缓存，一天 2~3 次（早/晚/夜）足够。- 首次运行会一次性写入约 1600~3200 条，之后每次增量几百条。
- 极少数源偶发不可达（如 Hacker News RSS 抖动、上游网关临时拦截），
引擎会自动降级跳过并计入stats，不需要处理。之前在 newsnow 网关侧废弃的
10 个热榜源（36kr / kuaishou / linuxdo / 什么值得买 / 中国新闻网 / 果核剥壳等）
已从信源表移除，不会再有无效请求。 - 默认输出目录是当前工作目录下的
newsradar-out/，所以要在用户期望的位置
执行（或显式--out）。
排错
| 现象 | 原因与处理 |
|---|---|
build 报「没有可用条目」 |
还没 fetch，或频道过滤后为空。先跑 fetch |
| 抓取日志「返回 0 条」 | 不一定是失败，可能是上游无新内容 / 归档型 feed 被时间过滤 |
| 所有新闻都带上同一天的日期 | 某个 feed 的 pubDate 被刷成了抓取时间，date_hint() 会兜底 |
| 头条里出现「恒生科技指数跌 1%」这类碎句 | is_trivial() 已过滤；若仍出现，扩充 TRIVIAL_RE |
| 一个事件里塞了好几件不相关的事 | 聚类过松。提高 --threshold，或调 refine_groups() 的 0.88 系数 |
| 播客音频时长离谱（几十分钟） | 踩了 SSML 或重试堆叠，检查是否给 Communicate 传了 SSML 字符串 |
播客 Invalid volume |
volume 必须写百分比（"+5%"），不能写 "+1dB" |
播客报 a coroutine was expected |
Communicate.stream() 是异步生成器，要用 async 函数包一层消费 |
deep 抓到的正文很短 |
该站是 JS 渲染，extract_main_text() 只能拿到静态 HTML |
参考文档
references/sources.md—— 78 个信源清单、频道/权重/出品方去重规则、如何加源references/scoring.md—— 聚类算法、八维评分公式与标定过程、词表位置references/output-spec.md—— 五种产物的格式规范、JSON 字段说明、播客脚本格式与踩坑
版本记录
- 1.0.4（2026-10-09）：依据虾评平台 23 条评分反馈做的针对性优化——①
deep正文抽取新增质量分级（ok/empty/boilerplate），样板/导航文字不再被当正文引用并显式告警；② 突发区「N 家媒体同报」截断名补「等」字，家数与名单对齐；③stats新增信源历史成功率面板，暴露长期不可达源；④ 简报页脚输出本次实际生效的全局/分频道聚类阈值与八维权重，参数透明闭环；⑤is_trivial收紧口号式热搜短语过滤；⑥ 新增保守的频道语义校正（地质灾害/航天/赛事/文娱等标题从来源站打标校正到对应频道）。 - 1.0.3（2026-09-30）：修复
quality_label()用精确字典匹配导致权重落在 1~5 之外（自定义 RSS 写 4.5、6 等浮点）时塌成「其他」的缺陷，改为阈值区间分级，对整数与浮点都稳健。 - 1.0.2（2026-09-30）：4 星评测驱动的 10 项优化——信源质量分级筛选（
--min-weight）+ 新手预设（--preset）、播客去机械感与依赖降级、热度趋势时间轴火花线、八维权重透明调参（--weights）、newsnow 备用网关、SSRF 防护与白名单、分频道聚类阈值、weight 字符串崩溃健壮性、碎句噪声过滤扩充。 - 1.0.1（2026-09-29）：首发上架版本，78 信源并发采集、跨源聚类、八维评分、多格式简报与双人播客。
