agentsclimarketplace

Info feed aggregator

Skill ZLHad/agent-skills/openclaw-skills/info-feed-aggregator

A collection of agent skills for OpenClaw and Claude Code

Install
npx -y skills add ZLHad/agent-skills --skill info-feed-aggregator

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

多源信息聚合与精炼报告工具。从学术数据库（arXiv、Semantic Scholar、IEEE Xplore、Crossref） 和社交媒体（微信公众号、小红书、RSS）聚合搜索结果，经去重评分后生成精炼分析报告（PDF）， 包含方向分类、核心贡献提炼、趋势分析与推荐精读。 触发词：搜论文、学术搜索、信息聚合、论文监控、搜公众号、feed、aggregate

SKILL.md

7.9 KB, as published. Nobody here has run it

Info Feed Aggregator

多源信息聚合 Skill —— 从学术论文到社交媒体，一站式搜集、去重、评分、报告。

能力概览

来源状态说明
arXiv默认开启免费 API，无需密钥
Semantic Scholar默认开启免费 API，1000次/5min
IEEE Xplore默认开启直接搜索，无需密钥
Crossref可选免费，补充 DOI 元数据
微信公众号默认开启搜狗微信搜索，无需配置
小红书暂停搜索引擎索引有限，后续接入
通用 RSS可选任意 RSSHub 路由

工作流

1. 即时搜索（Ad-hoc）

当用户请求搜索特定关键词时：

cd /Users/zhanglinghao/Documents/Code/Skills/skills/info-feed-aggregator
python3 scripts/search.py --keywords "关键词1" "关键词2" --max-results 20

读取 stdout 输出的 JSON 摘要，获取报告文件路径，然后读取 Markdown 报告并呈现给用户。

参数说明：

  • --keywords：搜索关键词列表（支持中英文）
  • --sources：指定数据源（默认使用所有已启用源），如 --sources arxiv semantic_scholar
  • --max-results：最大结果数（默认 20）
  • --time-range：时间范围，如 7d（7天）、30d（30天）、1y（1年）
  • --language：报告语言 zh 或 en
  • --output-format：原始报告输出格式 json、markdown、pdf、both（默认 both = JSON + MD）。注意：精炼报告 PDF 由 Section 4 流程单独生成，不受此参数控制

2. Profile 定时搜索

当用户要求按预设方案搜索时：

python3 scripts/search.py --profile daily_academic

Profile 文件位于 config/profiles/ 目录，定义了多个搜索主题（topic），每个主题包含关键词、分类、时间范围等。

列出可用 Profile：

python3 scripts/search.py --list-profiles

3. 健康检查

检查各数据源连通性：

python3 scripts/search.py --health

4. 精炼报告生成（核心输出）

搜索完成后，基于原始聚合报告（raw MD），生成一份 精炼分析报告，这是本技能的最终交付物。

流程：

  1. 读取 stdout JSON 获取 output_files 路径
  2. 读取原始 Markdown 报告（分段读取，每段 200 行）
  3. 通读全部论文，理解每篇论文的核心贡献、方法和创新点
  4. 按研究方向/主题 重新分类 论文（不使用原始 adhoc 分组）
  5. 补充作者与机构信息：对每篇重点论文，从原始报告提取主要作者；如机构信息不完整，通过 WebSearch 查询补全
  6. 撰写精炼报告 Markdown，保存为 reports/{timestamp}_briefing.md
  7. 渲染 PDF： 
    cd /Users/zhanglinghao/Documents/Code/Skills/skills/info-feed-aggregator
python3 scripts/render_pdf.py -i reports/{timestamp}_briefing.md -o reports/{timestamp}_briefing.pdf
  8. 向用户呈现 PDF 路径和报告内容摘要

精炼报告模板（必须严格遵循）：

# 学术前沿速报

**日期**: YYYY-MM-DD
**关键词**: keyword1, keyword2, keyword3
**覆盖来源**: arXiv, IEEE Xplore, Semantic Scholar, 微信公众号
**数据概览**: N 篇文献（M 学术论文 + K 资讯）

---

## 综述摘要

本次搜索围绕 [关键词] 三大方向，覆盖 [来源] 共 N 篇文献。

**主要发现：**

1. **[方向一名称]**：发现 X 篇相关论文。[2-3 句概括该方向的核心进展和趋势]
2. **[方向二名称]**：Y 篇新进展。[2-3 句概括]
3. **[方向三名称]**：Z 篇论文关注。[2-3 句概括]

**推荐精读：**

- [论文标题](链接) — [1 句推荐理由]
- [论文标题](链接) — [1 句推荐理由]

---

## 方向一：[方向名称]（X 篇）

> [1-2 段该方向的综合分析：当前研究热点是什么？主流方法是什么？有哪些新趋势？]

### 1. [论文标题](链接)

**作者**：First Author, Second Author et al. | **机构**：University/Institute Name
**核心贡献**：[2-3 句话概括论文的核心创新，不是摘要复制，而是提炼要点]
**方法亮点**：[1-2 句点出关键技术/算法]
**关键指标**：[如有量化结果，列出关键数字]

`ieee` | 被引: 7 | 相关度: ★★★☆☆

### 2. [论文标题](链接)

...（同上格式）

---

## 方向二：[方向名称]（Y 篇）

> [该方向综合分析]

### 1. ...

---

## 资讯动态概览

> [如有微信/RSS 等社交媒体内容，用 1-2 段概括业界动态。如无则省略此节]

- **[资讯标题]** — [1 句话概括]
- ...

---

## 研究趋势与建议

基于本次 N 篇文献的整体分析：

1. **[趋势一]**：[2-3 句分析]
2. **[趋势二]**：[2-3 句分析]
3. **[趋势三]**：[2-3 句分析]

**建议关注**：[1-2 句针对用户研究方向的具体建议]

---

*由 info-feed-aggregator 生成于 YYYY-MM-DD HH:MM*

撰写要求：

  • 不要复制粘贴原始摘要 — 用自己的话提炼每篇论文的核心贡献和亮点
  • 重新分类 — 根据论文内容按研究方向分组（如"MEC 任务卸载"、"AIGC 缓存与传输"、"新型天线架构"），而非使用原始的 adhoc 分组
  • 综合分析 — 每个方向的开头要有 1-2 段整体分析，不只是论文罗列
  • 标注作者与机构 — 每篇重点论文标注第一作者（或前 2-3 位）和所属机构，中国机构附加中文名
  • 保留关键链接 — 每篇论文标题保留原始 URL 链接
  • 低相关度论文可合并 — 相关度 ≤ 0.40 的论文可以合并为简要列表，不需逐一展开
  • 资讯动态精简 — 微信等社交媒体内容如果质量不高（如摘要碎片化），可合并为概览
  • 如用户提出了具体研究问题，在综述摘要和趋势分析中融入对该问题的回应

5. 深度分析（可选后续步骤）

对搜索结果中感兴趣的条目，可以：

  • 打开论文链接精读
  • 使用 WebSearch 补充背景信息
  • 基于搜索结果做领域综述或趋势分析

配置

数据源配置

编辑 config/sources.json 修改数据源连接参数：

{
  "sources": {
    "ieee": {
      "enabled": true,
      "method": "web"
    },
    "wechat": {
      "enabled": true,
      "method": "sogou"
    }
  }
}

默认配置无需 API Key。IEEE 使用网页搜索，微信使用搜狗微信搜索。

搜索 Profile

在 config/profiles/ 下创建 JSON 文件定义搜索方案：

{
  "name": "my_research",
  "description": "我的研究方向监控",
  "topics": [
    {
      "id": "topic_1",
      "keywords": ["keyword1", "keyword2"],
      "time_range": "7d",
      "max_items": 15
    }
  ],
  "sources": ["arxiv", "semantic_scholar", "ieee"],
  "report": {
    "language": "zh",
    "group_by": "topic"
  }
}

输出示例

搜索完成后 stdout 输出：

{
  "status": "ok",
  "total_raw": 45,
  "total_deduped": 32,
  "sources_used": ["arxiv", "semantic_scholar"],
  "output_files": {
    "json": "reports/20260312_feed.json",
    "markdown": "reports/20260312_feed.md"
  }
}

依赖安装

# 搜索脚本依赖
pip install requests feedparser

# PDF 渲染依赖（pandoc + xelatex）
brew install pandoc
brew install --cask mactex  # 或 basictex + 手动安装 CJK 包

PDF 渲染使用 pandoc + xelatex，自动使用系统中文字体（PingFang SC）。

定时任务

  • Claude Code：通过 scheduled-tasks 配置定时执行
  • OpenClaw：通过 cron 任务调度（后续单独配置）

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.