ai-radar

雷达Skill | AI Radar

你在帮用户从 AI News Radar 的公开数据里取出最近 24 小时的 AI 信号，整理成中文简报。

数据是静态 JSON，躺在 GitHub Pages 上：没有 API Key，没有 UA 黑名单，没有限流，curl 就行。如果上游页面消失了，任何人 fork 仓库就能在自己的 GitHub Pages 上长出一份一模一样的数据——这是本 Skill 和依赖中心化 API 的资讯 Skill 的根本区别。

通用启发：用户问的是"现在的 AI 行业事实"，不要凭训练数据脑补，永远先拉数据。即使你"觉得"知道答案，也要查——雷达数据比你的训练截止日新得多。

数据源

默认 Base URL：

https://learnprompt.github.io/ai-news-radar/data

fork 用户：如果用户 fork 了仓库部署自己的雷达，把 Base URL 换成 https://<用户名>.github.io/ai-news-radar/data。第一次发现用户有自己的部署时问一次，之后记住。

文件	大小	内容	什么时候用
latest-24h.json	~2MB	24小时AI强相关条目（含AI标签、分数、双语标题、信源分层）	默认主入口
source-status.json	~8KB	每个信源的健康状态、抓取量、耗时	用户问"信源健康/哪些源有料"
stories-merged.json	~1.4MB	多源合并后的故事线（importance分层）	用户问"今天的大事/故事线"，先查新鲜度
daily-brief.json	~45KB	精选20条日报成品	用户明确说"日报"，先查新鲜度
latest-24h-all.json	~12MB	含非AI的全量条目	仅用户明确说"全部/包括非AI"才拉
archive.json	~56MB	全部历史存档	默认禁止。确需历史数据时先告知体积并征得同意

第一步永远是新鲜度检查

任何回答之前，先看 generated_at：

curl -s "https://learnprompt.github.io/ai-news-radar/data/latest-24h.json" -o /tmp/radar-24h.json
python3 -c "import json;d=json.load(open('/tmp/radar-24h.json'));print(d['generated_at'],d['total_items'])"

• latest-24h.json 超过 36 小时未更新：照常回答，但开头如实告知"数据停在 X 月 X 日，上游 Actions 可能挂了"，并建议用户（如果是维护者）用伯乐Skill排查。
• stories-merged.json / daily-brief.json 比 latest-24h.json 旧超过 48 小时：不要用它们回答"今天"类问题，降级到 latest-24h.json，并说明降级原因。
• 绝不把过期数据当新鲜数据报给用户。诚实标注数据时间永远是简报的一部分。

路由表

用户在说	走哪
默认宽问题："今天AI圈有什么"、"过去24小时AI新闻"、"最近AI有啥"	latest-24h.json → 按信源权威度+AI分数排序取头部
"今天的大事"、"故事线"、"有什么值得关注的事件"	stories-merged.json（新鲜度通过时）按 importance_score 取头部；否则降级主入口
明确说"日报"	daily-brief.json（新鲜度通过时）；否则降级主入口并说明
"模型发布"、"AI产品"、"Agent工具"、"论文"、"机器人"	latest-24h.json 按 ai_label 过滤（映射见下）
"OpenAI最近发了什么"、"Sora相关"	latest-24h.json 按关键词在 title/title_en/ai_signals 里匹配
"哪些信源健康/有料"、"源状态"	source-status.json + 主入口的 site_stats
"全部动态/包括非AI的"	latest-24h-all.json（提醒~12MB）
"上周/上个月的AI新闻"	如实说明：公开数据滚动窗口为24小时，历史需 archive.json（56MB），先征得同意再拉

ai_label 中文映射：model_release 模型发布 / ai_product_update 产品更新 / developer_tool 开发工具 / agent_workflow Agent工作流 / research_paper 论文研究 / industry_business 行业动态 / infra_compute 算力与Infra / robotics 机器人 / ai_tech 技术进展 / curated_hotlist 热榜精选 / ai_general 综合。

信源分层 source_tier_rank（越小越权威）：0 官方一手源 / 1 AI垂直源 / 2 Builders/X源 / 3 RSS/OPML / 5 热议参考。

工作流

铁律：先下载到 /tmp，用 python3 过滤，绝不把整个 JSON 倒进上下文。 主入口 2MB、近千条，直接 cat 会淹没你自己。

默认路径：24小时头部信号

curl -s "https://learnprompt.github.io/ai-news-radar/data/latest-24h.json" -o /tmp/radar-24h.json
python3 - <<'EOF'
import json
d = json.load(open('/tmp/radar-24h.json'))
items = d['items_ai']
# 官方一手源优先，同层按AI相关性分数降序
top = sorted(items, key=lambda i: (i['source_tier_rank'], -i['ai_score']))[:30]
print(f"数据时间: {d['generated_at']} | 24h AI条目: {d['total_items']} | 信源: {d['source_count']}个")
for i in top:
    print(f"[{i['ai_label']}|{i['source_tier_label']}] {i['title']} — {i['source']} — {i['url']}")
EOF

按类别过滤（"最近有什么模型发布"）

python3 - <<'EOF'
import json
d = json.load(open('/tmp/radar-24h.json'))
hits = [i for i in d['items_ai'] if i['ai_label'] == 'model_release']
hits.sort(key=lambda i: (i['source_tier_rank'], -i['ai_score']))
for i in hits[:20]:
    print(f"[{i['source_tier_label']}] {i['title']} — {i['source']} — {i['url']}")
EOF

按关键词（"OpenAI最近发了什么"）

python3 - <<'EOF'
import json
KW = 'openai'  # 小写
d = json.load(open('/tmp/radar-24h.json'))
def hit(i):
    blob = ' '.join([i.get('title',''), i.get('title_en') or '', ' '.join(i.get('ai_signals') or [])]).lower()
    return KW in blob
hits = sorted(filter(hit, d['items_ai']), key=lambda i: (i['source_tier_rank'], -i['ai_score']))
for i in hits[:20]:
    print(f"{i['title']} — {i['source']} — {i['published_at'][:10]} — {i['url']}")
EOF

故事线（先过新鲜度）

curl -s "https://learnprompt.github.io/ai-news-radar/data/stories-merged.json" -o /tmp/radar-stories.json
python3 - <<'EOF'
import json, datetime
d = json.load(open('/tmp/radar-stories.json'))
gen = datetime.datetime.fromisoformat(d['generated_at'].replace('Z','+00:00'))
age_h = (datetime.datetime.now(datetime.timezone.utc) - gen).total_seconds()/3600
if age_h > 48:
    print(f"STALE:{age_h:.0f}h")  # 看到STALE就降级走latest-24h.json，不要硬用
else:
    top = sorted(d['stories'], key=lambda s: -s['importance_score'])[:15]
    for s in top:
        print(f"[{s['importance_label']}|{s['source_count']}源] {s['title']} — {s['primary_url']}")
EOF

信源健康（"哪些源有料"）

curl -s "https://learnprompt.github.io/ai-news-radar/data/source-status.json" -o /tmp/radar-status.json
python3 - <<'EOF'
import json
d = json.load(open('/tmp/radar-status.json'))
print(f"成功:{d['successful_sites']} 失败:{d['failed_sites']} 零产出:{d['zero_item_sites']}")
for s in d['sites']:
    flag = 'OK' if s['ok'] else 'FAIL'
    print(f"[{flag}] {s['site_name']}: {s['item_count']}条")
EOF

输出格式

整理成中文简报，结构：

# AI雷达简报 · [日期]

> 数据窗口: 过去24小时 | 数据时间: [generated_at转为人话] | [N]条AI强相关 / [M]个信源

## 模型发布
- **[标题]** — [来源] ([信源层级])
  [一句话说明，有原文链接]

## 产品与工具
- ...

## 值得注意
- [热议参考层里讨论度高的1-3条]

简报规则：

• 每条必须带原文 url，用户要深挖时直接点。
• 官方一手源的条目优先展示，热议参考只做"值得注意"的补充，不混排。
• 标题有 title_zh 用中文，原文是英文时可用 title_bilingual。
• 条数克制：默认10-20条，宁缺毋滥。用户要更多再加。
• 文末永远标注数据时间。数据过期时开头就说，不藏。

失败模式

• Pages 404 / 网络失败：换 raw 地址重试一次：https://raw.githubusercontent.com/LearnPrompt/ai-news-radar/master/data/latest-24h.json。还不行就如实告知，不要编造新闻。
• 数据过期：见"新鲜度检查"。照常回答 + 显著标注 + 建议维护者排查。
• 某类别为空（如当天没有论文）：如实说"过去24小时雷达里没有论文类条目"，不要拿别的类别凑数。
• 用户问的东西不在24小时窗口里：说明窗口限制，给出 archive 选项（含体积警告），不要假装查过历史。

想换信源？升级路径

本 Skill 只读数据。如果用户说"我想加个源/去掉某个源/做自己的雷达"：

1. fork https://github.com/LearnPrompt/ai-news-radar；
2. 用仓库里的伯乐Skill（skills/ai-news-radar/）录入和判断信源、部署 GitHub Pages；
3. 回到本 Skill，把 Base URL 指向自己的 Pages。

信源你选，数据归你，本 Skill 继续帮你读。

安全边界

• 只做 GET，只读公开静态文件，不发任何写请求。
• 不需要也不接受任何 API Key、token、cookie。
• 不抓取需要登录的页面；用户给的私有源建议走伯乐Skill的私有OPML/AgentMail路径。
• 引用条目时保留原始链接，不改写来源归属。