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。

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

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。

<div align="center">

雷达Skill | ai-radar

对Agent说一句"今天AI圈有什么"，10秒拿到一份带原文链接的中文AI简报。

  

!ai-radar demo

安装 · 触发方式 · 它和同类有什么不同 · 安全边界 · English

</div>

---

你什么时候需要它

• 每天打开十几个网站追AI新闻，想让Agent替你跑腿。
• 用过那些"AI日报Skill"，但不想依赖谁家的服务器和API——服务一下线，Skill就成砖。
• 想要一个问完即走的入口：一句话，一份简报，每条都有原文链接。

它会交付什么

一份按"模型发布 / 产品更新 / 开发者工具 / 值得注意"分组的中文简报：

• 每条带原文链接和信源名，官方一手源优先；
• 数据来自 AI News Radar 公开管道：150+ 信源、AI相关性过滤、信源分层；
• 简报永远标注数据时间——数据过期会直说，不装新鲜。

快速开始

npx skills add LearnPrompt/ai-news-radar -s ai-radar -g

装完直接说：

今天AI圈有什么？

触发方式

这些话都会唤醒它：

• "今天AI圈有什么" / "过去24小时AI新闻"
• "最近有什么大模型发布"
• "OpenAI/Anthropic/Google 最近发了什么"
• "Agent工具有什么新东西"
• "看下AI雷达" / "AI日报"
• "哪些AI信源值得看"

为什么是零API

本Skill不调用任何API服务。它读的是 GitHub Pages 上的公开静态JSON——GitHub Actions 每30分钟刷新一次，无鉴权、无限流、无UA黑名单，curl 即取。

这带来一个根本差异：数据管道是可fork的。上游页面哪天没了？fork仓库，你自己的 Pages 上就长出一份一模一样的数据，把Skill的 Base URL 一换就续上了。

它和同类有什么不同

想换信源？

这正是它和兄弟Skill的分工：ai-radar 管读，[伯乐Skill](../ai-news-radar/README.md) 管选。

1. fork LearnPrompt/ai-news-radar； 2. 用伯乐Skill判断和录入你的信源（RSS/OPML/公开feed/静态页/AgentMail）； 3. 把 ai-radar 的 Base URL 指向你自己的 Pages。

信源你选，数据归你。

安全边界

• 只发 GET 请求，只读公开静态文件；
• 不需要也不接受 API Key、token、cookie；
• 不抓取需要登录的页面；
• 数据过期、类别为空、历史超窗时如实说明，不编造新闻。

文件结构

skills/radar/
├── SKILL.md          # Agent工作流：路由表、新鲜度检查、失败模式
├── README.md         # 本文件
└── assets/
    ├── demo.gif      # 上面的演示
    ├── demo.tape     # vhs录制脚本（GIF可复现）
    └── demo.sh       # 演示用的真实数据拉取脚本

验证与测试

装完可以用这两句验收：

今天AI圈有什么？        → 应返回分组中文简报，每条带链接，文末有数据时间
最近有什么模型发布？     → 应只返回 model_release 类条目

或者不装Skill直接验证数据管道：

bash skills/radar/assets/demo.sh

---

English

ai-radar answers "What happened in AI today?" by reading the public static JSON that AI News Radar publishes on GitHub Pages every 30 minutes. Zero API, zero key, zero server — and because the whole data pipeline is forkable, the skill can never be bricked by someone else's service going down.

npx skills add LearnPrompt/ai-news-radar -s ai-radar -g

Then ask your agent: What happened in AI today?

Want your own sources? Fork the repo, let the in-repo Scout Skill classify and ingest them, and point ai-radar at your own Pages URL.