industry-intelligence-radar

$npx mdskill add chubbyguan/chubbyskills/industry-intelligence-radar

Scans multiple sources for keywords and generates daily intelligence briefs.

  • Aggregates posts from Hacker News, V2EX, RSS feeds, and web search.
  • Uses Algolia API, V2EX API, RSS, and optional X API for data collection.
  • Filters content by user-defined keyword matrix covering AI, semiconductors, space, etc.
  • Outputs a structured daily briefing with trend detection and highlights.

SKILL.md

.github/skills/industry-intelligence-radarView on GitHub ↗
---
name: industry-intelligence-radar
description: "行业情报雷达:多源扫描(X/即刻/V2EX/HN) → 关键词过滤 → 趋势检测 → 每日情报简报。触发词:行业情报、竞品监控、热点扫描、情报雷达"
triggers:
  - "行业情报"
  - "竞品监控"
  - "热点扫描"
  - "情报雷达"
  - "今天有什么大事件"
version: 1.0
created: 2026-06-02
tags: [intelligence, monitoring, x-search, trends]
---

# 行业情报雷达

## 核心价值

**信息差优势**:早知道 = 早行动 = 早收益

## 数据源

| 数据源 | 接入方式 | 是否需配置 | 信号强度 |
|--------|----------|------------|----------|
| Hacker News | `scan.py` 内置(Algolia API) | 否(免费) | ⭐⭐⭐⭐ |
| V2EX | `scan.py` 内置(官方热门 API) | 否(免费) | ⭐⭐⭐ |
| 36kr / 虎嗅 / 少数派等 | `scan.py` RSS 源(config.rss) | 否(填 RSS 地址即可) | ⭐⭐⭐ |
| X/Twitter | Agent 联网搜索 / X API | 需 X API Key | ⭐⭐⭐⭐⭐ |
| 即刻 | Agent 联网搜索 | 需搜索能力 | ⭐⭐⭐⭐ |

> `scan.py` 仅用 Python 标准库即可跑通 HN + V2EX + 任意 RSS 源,零依赖、无需 API Key。
> X/即刻没有稳定的公开接口,由 Agent 用联网搜索能力补充(见 Phase 1)。

## 关键词矩阵

### 用户兴趣领域

```yaml
AI/Agent:
  - "AI agent" OR "AI 工具" OR "LLM" OR "大模型"
  - "Claude" OR "GPT" OR "Gemini" OR "DeepSeek"
  - "MCP" OR "tool use" OR "function calling"

半导体:
  - "半导体" OR "芯片" OR "chip" OR "semiconductor"
  - "台积电" OR "TSMC" OR "英伟达" OR "NVIDIA"

航天:
  - "航天" OR "火箭" OR "卫星" OR "SpaceX"
  - "星链" OR "Starlink"

新能源:
  - "新能源" OR "电动车" OR "电池"
  - "特斯拉" OR "Tesla" OR "比亚迪"

游戏:
  - "游戏" OR "Steam" OR "Switch" OR "PS5"
  - "米哈游" OR "原神" OR "黑神话"

跨境电商:
  - "跨境电商" OR "TikTok Shop" OR "SHEIN"
  - "独立站" OR "DTC"

创业/投资:
  - "创业" OR "融资" OR "投资"
  - "YC" OR "a16z" OR "红杉"
```

## 工作流程

### Phase 1: 多源扫描

**① 脚本扫描(HN + V2EX + RSS,免费、可 cron)**

```bash
# 用内置关键词矩阵扫最近 24 小时,输出简报到文件
python3 scripts/scan.py --hours 24 --output 简报-$(date +%F).md

# 自定义关键词 / 追加 RSS 源(36kr、虎嗅、少数派等)
python3 scripts/scan.py --config keywords.json --hours 24
```

`keywords.json` 示例:

```json
{
  "keywords": {
    "AI/Agent": ["AI agent", "LLM", "Claude", "MCP"],
    "半导体": ["半导体", "NVIDIA", "TSMC"]
  },
  "high_signal": ["融资", "发布", "launch", "raise"],
  "rss": ["https://www.36kr.com/feed", "https://sspai.com/feed"]
}
```

**② Agent 联网补充(X / 即刻,需搜索能力)**

脚本覆盖不到的实时社交信号,由 Agent 用联网搜索补充,再并入简报:

```
搜索 X/Twitter:"AI agent OR LLM OR 大模型" 最近 24 小时高互动内容
搜索即刻:"AI OR Agent OR 创业" 高质量讨论
```

### Phase 2: 信号过滤

**过滤规则**:
1. **去重**:同一事件只保留最高质量来源
2. **时效**:只保留 24 小时内的内容
3. **信号强度**:
   - 🔴 高信号:融资、发布、政策变化、重大合作
   - 🟡 中信号:产品更新、行业讨论、观点碰撞
   - 🟢 低信号:日常动态、重复信息

### Phase 3: 趋势检测

**检测维度**:
1. **突发趋势**:某话题突然大量出现
2. **持续趋势**:某话题持续一周以上高频出现
3. **新兴趋势**:新概念/新工具首次出现

### Phase 4: 生成情报简报

**输出格式**:

```markdown
# 📡 行业情报简报 - YYYY-MM-DD

## 🔴 高信号(必须关注)

### 1. [事件标题]
- **来源**:X/Twitter @xxx
- **时间**:2 小时前
- **摘要**:一句话概括
- **影响**:对我/行业的影响
- **行动建议**:是否需要立即响应

## 🟡 中信号(值得了解)

### 2. [事件标题]
- **来源**:即刻 @xxx
- **摘要**:一句话概括
- **关联**:与我关注的 XX 领域相关

## 📈 趋势观察

### [趋势名称]
- **热度**:⬆️ 上升 / ⬇️ 下降 / ➡️ 平稳
- **持续时间**:X 天
- **相关讨论**:[链接1] [链接2]

## 💡 机会洞察

基于今日情报,发现以下潜在机会:
1. [机会1]
2. [机会2]

## 📊 数据统计

- 扫描源:5 个
- 原始条目:150+
- 筛选后:25 条
- 高信号:3 条
```

## Cron 配置

```yaml
# 每日早报(工作日 8:30)
schedule: "30 8 * * 1-5"
deliver: feishu

# 可选:午间快报(12:00)
schedule: "0 12 * * 1-5"
deliver: feishu
```

## 输出目标

1. **飞书群**:每日情报推送
2. **知识库**:高价值情报存入 `wiki/📡 外部输入/情报/`
3. **选题库**:发现好选题自动进入选题池

## 反模式

- ❌ 不要追求全量,信号 > 数量
- ❌ 不要只翻译,要有自己的判断
- ❌ 不要忽略中文社区(即刻、V2EX)
- ✅ 每条情报必须有「对我有什么用」的结论
- ✅ 优先独家/一手信息源

More from chubbyguan/chubbyskills