网络情报搜集与报告生成
触发条件
- 用户要求舆情监控、品牌分析、行业报告、竞品调研
- 用户说"搜一下XX品牌最近怎么样"
- 需要生成结构化报告发布到飞书
工作流程
1. 多维度搜索
# 正面/中性:产品评测、销量、技术
web_search("品牌名 评测 销量 2026")
# 负面:投诉、维权、问题
web_search("品牌名 投诉 维权 问题")
# 行业:市场分析、竞品对比
web_search("品牌名 行业 趋势 对比")
2. 验证真实性(铁律)
用户要求:发布前必须验证。 对每条关键信息二次搜索确认来源,标注原始链接。不凭空编造数据。
3. 编译报告
- 按时间倒序排列
- 按舆论类型分区:负面/正面/中性
- 每条标注来源URL、日期、严重程度
- 末尾附舆情总结表
4. 发布飞书文档
# 写入.md文件 → lark-cli创建文档
cd /home/user
lark-cli docs +create --doc-format markdown --content @_tmp_report.md
报告模板
# XX品牌舆情监控报告
> 数据采集时间 | 验证状态 ✓
## 一、负面舆情(按时间倒序)
### YYYY年MM月DD日 | 来源 | 严重程度
**标题**
- 详情
- 来源:URL
## 二、正面舆情
...
## 三、中性信息
...
## 四、舆情总结
| 维度 | 数据 |
| 总收录 | N条 |
| 负面/正面/中性 | 数量(占比) |
| 核心风险 | ... |
| 核心优势 | ... |
成功案例
- 阿维塔舆情报告:3轮搜索→20条信息→飞书文档,全部验证真实
- 文档:https://my.feishu.cn/docx/V1LLdZVgLoFNwrxyzBYcBkKen6c
定时推送行业早报(扩展模式)
适用:每日定时推送行业情报到飞书群聊(vs 按需发布文档)。
与报告模式的区别
| 维度 | 报告模式 | 早报模式 |
|---|---|---|
| 触发 | 用户指令 | Cron定时 |
| 目标 | 飞书文档 | 飞书群聊Webhook |
| 格式 | 结构化表格 | 交互式卡片Markdown |
| 条数 | 不限 | 18条(6板块×3) |
| 字数 | 不限 | 280±20字/条 |
| AI增强 | 否 | 是(What/So What/Now What/Source) |
架构
Cron定时 → Tavily多角度搜索 → 质量评分→去重 → AI增强生成(四要素) → 飞书Webhook卡片推送
AI提示词核心
每条内容四要素:
1. What(核心变化)— 客观事实+关键数据
2. So What(影响分析)— 对行业/企业影响
3. Now What(应对建议)— 具体可执行动作
4. Source(来源链接+时间)
多轮迭代方法论
- 部署 → dry-run生成 → 检查5项(编号/字数/日期/来源/格式)
- 修复 → 再dry-run → 确认 → 推送
- 群组验证 → 继续迭代
参考实现
详见 references/carnews-push-system.md — 完整的新能源汽车早报推送系统配置与提示词。
领域研究报告参考
- 闲鱼自动化研究(goofish-cli/OpenClaw/风控/需求映射,2026-08-12):
references/xianyu-automation-20260812.md— 研究前置协议执行样板,含落地建议 - 品牌官方号语料抓取(小红书 MCP,2026-08-13):
references/xhs-official-corpus-crawl.md— 定位官方号→user_profile全量拉取→刷新token→批量拉正文,含3个坑(userId截断/token轮换/批量超时)。品牌风格深度研究用。 - 品牌风格全景研究(蔚来+小米案例,2026-08-14):
references/brand-style-panorama.md— 品牌主体视角全景文档方法论:三层表达体系(品牌层官方/人格层创始人/专业层高管或生态层)、创始人社媒账号需单独拉取、KOL只学内涵不学风格、落地=本地md+飞书文档+图书馆录入。产出规范:<brand>_brand_style_panorama.md。 - 多品牌批量研究(7品牌实战,2026-08-14):
references/multi-brand-batch-workflow.md— 顺序铁律:每品牌独立深度研究→独立文档→最后集合对比(用户纠正过:跳过独立研究直接出对比表=质量差)。含执行要点、md_to_feishu 复用、官方号语料解析坑、评分结果。
搜索后端选择(关键)
| 引擎 | 免费额度 | 适用场景 | 注意 |
|---|---|---|---|
| 百度AI搜索 | 100次/天 | 中文新闻主力 | 日期字段不完整 |
| Tavily | 100次/月 | 英文/国际辅助 | 用量极易超标 |
| Hermes web_search | 无限制 | Docker外Cron使用 | 容器内不可用 |
策略:百度主力 + Tavily辅助 + 代码层年份过滤。不要只用Tavily——6板块×3关键词×2次/天=36次/天,30天=1080次,超免费额度10倍。
时效性处理(硬性规则)
新闻推送场景的铁律(经10轮迭代验证):
- 代码层:标题含2025年或更早年份→直接丢弃(正则
20\d{2}年,仅匹配标题) - AI层:仅生成当月新闻,无日期标注的静默跳过,不使用"待核实"
- AI层:日期标注允许到月(
⏱ 2026-08),不强制到日——没有任何搜索API返回精确日期 - AI层:明确禁止输出"跳过""不符合"等元文本,只输出内容或"无当月新闻"
多轮迭代常见问题
| 问题 | 根因 | 修复 |
|---|---|---|
| AI输出"素材日期不符,跳过生成" | 提示词未禁止元文本输出 | 添加"静默跳过,不输出说明文字" |
| 域名白名单导致0结果 | Tavily结果域名分散 | 改为信任加分制,不拦截 |
| 时效修了10轮仍不对 | 代码层过滤太窄+AI太严 | 标题年份层+AI月级宽松 |
| 搜索量不足 | 单一Tavily源 | 接入百度AI搜索 |
| 日期全部MISSING | Tavily不返回published_date | 降低要求到月级 |