searchnews

Imported from zrt-ai-lab/opencode-skills (searchnews/SKILL.md). Install upstream with npx skills add zrt-ai-lab/opencode-skills --skill searchnews. Copyright stays with the author.

AI新闻搜索技能 (Ralph Loop 增强版)

概述

此技能用于从多个AI新闻源精确搜索指定日期的新闻，采用 Ralph Loop 模式进行地毯式迭代，确保不留死角。

核心机制 (Ralph Loop)

1. 任务清单 (prd.json)

记录待爬取的源网站及其状态。

• date: 目标日期，格式 YYYY-MM-DD
• keywords_ref: 引用关键词库文件路径（如 references/keywords.md），搜索时加载 10 大分类和 100+ 标签进行筛选
• sources: 每个源包含 name, url, status (pending/done/failed), retry_count (max 3)

2. 退出逻辑 (目标导向)

• 成功退出：当所有 sources 状态均为 done 时，输出 <promise>COMPLETE</promise> 并立即停止循环。
• 失败容错：单个源抓取失败时，最多尝试 3次。若 3 次均失败，将状态标记为 failed，记录失败原因，跳过该源。
• 高效收工：一旦所有源都处理完毕（状态为 done 或 failed），立即生成最终日报并交付，不强制跑完预设的最大轮次。

必抓源列表（按优先级排序）

注意：AIBase日报通常在当天发布，内容即为当天新闻汇总，是最高效的信息源。

工作流程

⚠️ 铁律：必须使用 Ralph 脚本启动！

禁止手动乱抓！ 必须严格按以下流程执行：

# 第零步：启动 Ralph Loop（必须执行！）
bash .opencode/skills/searchnews/scripts/ralph/ralph.sh 2026-01-19

脚本会自动初始化 prd.json，然后 Agent 按任务清单逐个处理。

第一步：初始化任务清单（由脚本完成）

脚本会在 .opencode/skills/searchnews/scripts/ralph/prd.json 中生成源网站列表，初始状态均为 pending。AIBase日报必须放在第一位，优先抓取。

第二步：地毯式循环搜索

1. 读取 prd.json 中处于 pending 状态的源。
2. 每处理一个源，必须更新 prd.json 状态（pending → done/failed）。
3. 每轮迭代必须写入 progress.txt，记录进度和失败原因。
4. 严格校验日期，仅保留目标日期的内容。
5. 抓取失败时 retry_count + 1，最多重试3次。

第二点五步：深度检索（重要！）

禁止只抓列表页！ 对于筛选出的重要新闻，必须深入到详情页抓取：

1. 从列表页提取新闻详情 URL
2. 逐条访问详情页，获取完整内容
3. 提取关键信息：
   • 完整正文（不是摘要）
   • 技术细节、数据指标
   • 原始来源/论文链接
   • 划重点/要点总结
4. 深度检索的新闻质量远高于列表页复制粘贴

示例：AIBase日报列表页只有标题和简介，但详情页有完整的技术解读、数据对比、划重点等深度内容。

第三步：去重与聚合

合并不同来源的相同新闻，保留详情最丰富的版本，合并标注来源。

第四步：输出结构化文档

文件存储在 dailynews/YYYY-MM-DD/YYYY-MM-DD.md（每日独立文件夹）。

输出格式模板（必须严格遵守！）

---
date: YYYY-MM-DD
type: 新闻日报
tags: [AI新闻, 日报]
---

# AI新闻日报 - YYYY-MM-DD

> 日期校验: 已通过 | 仅包含YYYY-MM-DD发布的新闻 | 已去重

---

## 1. 新闻标题

**分类**: 分类标签 | **来源**: 来源网站 | **时间**: YYYY/M/D HH:MM

一句话摘要，概括新闻核心内容。

**详情**：
- 详情要点1（包含具体数据、指标）
- 详情要点2
- 详情要点3
- 详情要点4（可选）
- 详情要点5（可选）

---

## 2. 下一条新闻标题
...

*数据来源: 来源列表 | 整理时间: YYYY-MM-DD*

格式要点

1. 每条新闻必须包含：编号标题、分类|来源|时间、摘要、详情要点（3-5条）
2. 详情要点必须包含具体数据：金额、百分比、时间节点、技术指标等
3. 分类标签参考：AI基础设施、AI产品、投融资、机器人、商业化、AI监管、行业观点、企业战略、AI能力、趣闻等
4. 时间格式：精确到分钟（如 2026/1/19 15:28）
5. 新闻数量要求：每日至少整理 10-20 条新闻，不得偷懒只抓几条！

第五步：确认完成

当所有源状态均为 done 或 failed 时，输出：

<promise>COMPLETE</promise>

质量要求

• 必用脚本：必须先执行 ralph.sh 初始化，禁止手动乱抓！
• 状态追踪：每处理一个源必须更新 prd.json 状态。
• 进度记录：每轮迭代必须写入 progress.txt。
• 必抓AIBase：AIBase日报是必抓源，每次整理新闻必须首先访问。
• 深度检索：禁止只抓列表页！重要新闻必须深入详情页获取完整内容。
• 全量覆盖：必须尝试清单中所有的源网站。
• 日期铁律：严禁混入非目标日期的新闻。
• 标签映射：必须对照 10 大分类进行精准打标。
• 详情完整：包含标题、摘要、3-5条详情要点、溯源链接、精确时间。
• 循环退出：所有源 done/failed 后才输出 <promise>COMPLETE</promise>。

⛔ 输出铁律（违反即解雇！）

被剔除的新闻禁止输出！

1. 只输出符合日期的新闻：最终日报中只能出现目标日期的新闻
2. 剔除的不要提：因日期不符被剔除的新闻，禁止在任何地方输出或提及
3. 不要显示剔除过程：不要告诉用户"我剔除了 xx 条"、"以下是被过滤的"等废话
4. 静默过滤：日期校验是内部逻辑，用户只需要看到最终结果，不需要知道你筛掉了什么
5. 简洁交付：只输出干净的、符合日期的新闻列表，没有任何多余说明

错误示例（禁止！）：

以下新闻因日期不符已剔除：
- xxx（1月18日）
- yyy（1月20日）

正确做法： 静默跳过不符合日期的新闻，只输出符合的，一个字都不要多说。

资源引用

• scripts/ralph/ralph.sh - 启动主循环。
• scripts/ralph/prd.json - 动态任务清单。
• scripts/ralph/progress.txt - 迭代进度与重试日志。
• references/keywords.md - 10 大分类 100+ 标签地图。
• templates/ - 视频风格模板库。

第六步：生成新闻视频（可选）

新闻日报整理完成后，可生成AI新闻视频。

6.1 交互流程（必须询问！）

收到"生成新闻视频"请求后，必须依次询问：

问题1：确认日期

生成哪天的新闻视频？
- 今天 (YYYY-MM-DD)
- 昨天 (YYYY-MM-DD)  
- 自定义日期

问题2：是否使用风格模板

是否使用提示词库中的风格模板？
- 是，使用模板 (推荐) - 从21种预设风格中选择，风格统一
- 否，自由生成 - 不使用模板，AI自由发挥

如果选择"使用模板"，继续问题3；否则跳到问题4

问题3：选择视觉风格（21种）

风格提示词库位置：{prompts_dir}/图片生成风格/AI新闻早报风格/

选择配图风格：

【科技感】
- 默认风格-Dashboard (推荐) - 科技仪表盘，数据可视化
- 赛博未来风 - 霓虹赛博朋克
- 科技媒体封面风 - 新闻媒体封面感
- AI操作系统界面风 - JARVIS控制台风格
- 深色金融终端风 - Bloomberg终端感
- 全息投影风 - 全息科幻
- 量子科幻风 - 量子粒子效果

【简约风】
- 毛玻璃拟态风 - 苹果风毛玻璃
- 信息图表风 - 数据信息图
- 极简信息设计风 - 扁平极简

【特色风】
- 未来报纸头版 - 报纸版式
- 杂志封面风 - 杂志风格
- 漫画分镜风 - 漫画格子
- 太空宇宙风 - 星空宇宙
- 水墨国风 - 中国风水墨
- 复古像素风 - 8bit像素
- 霓虹波普风 - 波普艺术
- 工程蓝图风 - 技术蓝图
- 自然有机风 - 环保自然
- 未来实验室风 - 实验室科研
- 社交媒体爆款风 - 抖音小红书

问题4：生成模式

选择生成模式：
- 完整版（总览+详情）(推荐) - 1张总览图 + N张详情图
- 仅总览 - 只生成1张总览图
- 仅详情 - 只生成N张详情图

问题5：新闻数量（如果超过10条）

日报共有XX条新闻，如何处理？
- 全部生成
- 精选10条 - 自动挑选最重要的
- 精选5条 - 只做头条

6.2 加载并使用风格模板

步骤1：读取模板文件

{prompts_dir}/图片生成风格/AI新闻早报风格/{风格名}.md

步骤2：提取"完整提示词模板"

每个风格文件都包含 ## 完整提示词模板 段落，提取其中的提示词。

步骤3：替换变量

步骤4：生成总览图

用替换后的提示词调用 image-service：

python .opencode/skills/image-service/scripts/text_to_image.py \
  "{替换变量后的完整提示词}" -r 16:9 -o "assets/video/{日期}/00_overview.png"

步骤5：生成详情图

每条新闻单独生成，提示词结构：

AI新闻详情配图 - {风格名}

【新闻标题】{标题}

【新闻要点】
- {要点1}
- {要点2}
- {要点3}

【视觉要求】
- 沿用{风格名}的视觉风格
- 中心突出新闻主题的3D/扁平化插图
- 标题大字清晰，要点用图标化卡片展示
- 底部水印：{your_watermark}

输出尺寸：2560x1440 横版 16:9

6.3 视频生成流程

目录结构

assets/video/{YYYY-MM-DD}/
├── 00_overview.png      # 总览图
├── 01_xxx.png           # 详情图1
├── 02_xxx.png           # 详情图2
├── ...
├── audio/
│   ├── 00_overview.mp3  # 总览配音
│   ├── 01.mp3           # 详情配音1
│   └── ...
├── video.yaml           # 合成配置
└── {日期}_ai_news.mp4   # 最终视频

生成命令

# 1. 创建目录
mkdir -p "assets/video/{日期}/audio"

# 2. 并发生成配图（使用 text_to_image）
python .opencode/skills/image-service/scripts/text_to_image.py \
  "{风格提示词}" -r 16:9 -o "assets/video/{日期}/00_overview.png"

# 3. 并发生成配音
python .opencode/skills/video-creator/scripts/tts_generator.py \
  --text "{配音文本}" \
  --voice zh-CN-YunyangNeural \
  --output "assets/video/{日期}/audio/XX.mp3"

# 4. 合成视频
python .opencode/skills/video-creator/scripts/video_maker.py \
  assets/video/{日期}/video.yaml

6.4 配音规范

音色选择：

• zh-CN-YunyangNeural - 男声，新闻播报（推荐）
• zh-CN-YunxiNeural - 男声，阳光活泼
• zh-CN-XiaoxiaoNeural - 女声，温暖自然

6.5 视频配置模板 (video.yaml)

output: {YYYY-MM-DD}_ai_news.mp4

scenes:
  - image: 00_overview.png
    audio: audio/00_overview.mp3
  - image: 01_xxx.png
    audio: audio/01.mp3
  # ... 依次列出所有场景

6.6 完成后输出

✅ 视频生成完成！

📍 位置：assets/video/{日期}/{日期}_ai_news.mp4
⏱️ 时长：X分X秒
🎬 场景：X个（1总览 + X详情）
🎨 风格：{选择的风格}

是否打开预览？

6.7 注意事项

1. 并发生成：配图和配音都要并发，提升效率
2. 水印：所有配图底部必须添加水印
3. 片尾：视频自动拼接通用片尾
4. BGM：自动添加科技风背景音乐
5. 比例：所有配图使用 16:9 横版