AI 日报 · 前沿资讯篇（ai-daily-frontier）

产出「今天全网 AI 圈发生了什么」的中文日报，旗舰版质量、对标 MorningAI：论文前沿、
模型与产品发布、benchmark 排行、融资收购、工程实践一网打尽。差异化护城河：在通用
新闻聚合之上，叠加本项目独有的开源信号层（Trending 时序 + 大牛 star + 380+ 篇深度报告）
做回链与「开源信号」增强角；并以对抗式事实核验杜绝 AI 幻觉 / slop。

输入： $ARGUMENTS（可选日期 YYYY-MM-DD，缺省今天 UTC）。

When to Use

• 用户要「AI 前沿日报 / AI 资讯日报 / daily AI news / frontier digest」
• 每日 CI 自动产出全网 AI 资讯日报

Don't use for:

• 本项目开源生态信号（Trending / 大牛 star / 站内报告回链为主体）→ 用姊妹 skill
  ai-daily-ecosystem
• 单仓库深度分析 → 用 repo-miner

架构说明（Orchestrator-Worker，五阶段编排）

/ai-daily-frontier [date]（主对话 = 编排者）
│
├─ Phase 0 准备（主对话，确定性，零 LLM）
│    ├─ python3 src/scripts/collect_daily_facts.py <date> --type frontier  → facts JSON 路径
│    │      （内部开源信号层 + after_date 时效起点 + report_url_index 回链表）
│    └─ python3 src/scripts/dedup_daily.py prune --type frontier
│
├─ Phase 1 采集矩阵（并行 SubAgent，≤10 并发硬顶；超配分波）
│    ├─ 定向 WebFetch 组：按 sources.yaml 的 clusters（papers/models-oss/labs-blog/benchmarks/cn-media）
│    └─ WebSearch 组：按 topics.yaml 5 主题 × 中英双语，query 末尾追加 after:<after_date>
│         每个 SubAgent 返回符合 item-schema.json 的 JSON 写 tmp，只回路径+条数+ok/failed
│
├─ Phase 2 去重（主对话 + 脚本）
│    ├─ dedup_daily.py filter（L1 URL 归一 + cache 命中剔除）
│    └─ LLM L2 标题 / L3 内容语义去重 + 跨「内部信号 ↔ 外部新闻」合并
│
├─ Phase 3 评分 + 对抗核验（并行 SubAgent）
│    ├─ 两阶段评分：元数据初筛 → frontier 5 维定性打分（scoring.yaml）
│    └─ 评分 ≥ verify_floor 的条目派「验证 SubAgent」找反证，≥2 独立源；不达标封顶 5.9 或丢弃
│
├─ Phase 4 组装（主对话）：套 reference/template.md 写日报
│
└─ Phase 5 自检 + 收尾（主对话）：checklist 自检 → dedup commit → record_daily → 发布交接

为什么这样做：采集 / 评分 / 核验各自产生大量中间数据（抓取正文、搜索结果、反证检索），
全部留在 SubAgent 的隔离 context；主对话只累积结构化条目数组（路径 + 摘要），context 保持
干净。采集与核验天然可并行，扇出能在固定 token 预算内拉满广度与可信度。

前置检查

which python3 && which jq && echo "tools ready"

---

Phase 0：准备（主对话内执行，确定性）

从 $ARGUMENTS 解析日期 DATE（缺省今天 UTC）。运行确定性采集，拿到内部信号层与时效起点：

FACTS=$(python3 src/scripts/collect_daily_facts.py "$DATE" --type frontier)
python3 src/scripts/dedup_daily.py prune --type frontier

collect_daily_facts.py --type frontier 只把 facts JSON 路径 打印到 stdout（大数据落 tmp，
context 干净）。Read 这个 JSON，关注三件事（字段全集见
${CLAUDE_SKILL_DIR}/reference/collection-matrix.md）：

• after_date —— 外部采集的时效起点（= 上次同类日报日期）。Phase 1 所有 WebSearch query
  末尾追加 after:<after_date>，只取这之后的增量。
• rising_repos / pro_stars / heating_up —— 内部开源信号层，篇B 用作「🌱 开源信号」
  增强角（不作为主体），以及外部新闻命中同仓库时的徽标。
• report_url_index_path —— reports.json 的 originalUrl → slug 全表落地路径。外部条目带
  repo_url 时据此反查是否命中本站已有报告，命中则回链 /reports/{slug}/。

篇B 的主体是 Phase 1 外部采集；内部信号层只增强、只回链，绝不因 facts 为空而中断。

---

Phase 1：采集矩阵（并行 SubAgent，≤10 并发硬顶）

目标：在固定预算内把全网 AI 增量「广度扇出」抓回来。两类源互补：

• 定向 WebFetch 组：按 src/data/ai-daily/sources.yaml 的 5 个 cluster
  （papers / models-oss / labs-blog / benchmarks / cn-media）抓固定页面。可控、噪声低、
  CI 后端无 WebSearch 时也能用（见「异常处理」）。
• WebSearch 组：按 src/data/ai-daily/topics.yaml 的 5 个 theme
  （papers / oss / models-bench / engineering / industry）做中英双语搜索，
  query 末尾统一追加 after:<after_date>。

并发与分波（硬顶来自 scoring.yaml > concurrency_cap = 10）：
5 个 WebFetch cluster + 5 个 WebSearch theme × 中英 = 13 路广度。把它压进 ≤10 个 Agent slot：
每个 WebSearch SubAgent 内部跑中英双查（5 个 slot 覆盖 10 路搜索），WebFetch 5 个 cluster
各 1 slot —— 合计 10 slot 正好打满硬顶。若再要超配，分波执行（先发 10 个，回收后再发剩余），
不要一次发起超过 concurrency_cap 个 Agent。

关键：同一波内的多个 Agent 调用必须在同一响应中同时发起，不要串行等待。

每个采集 SubAgent 的 prompt 用 ${CLAUDE_SKILL_DIR}/reference/collection-matrix.md 的
统一模板（WebFetch 版 / WebSearch 版各一），注入：角色 + 主题 + 时效约束（after:<after_date>）

• 该 slot 负责的源清单（从 sources.yaml / topics.yaml / entities.yaml 取）+ 采集铁律。每个
  SubAgent 把抽取条目按 src/data/ai-daily/item-schema.json 写成 JSON 数组落 tmp，
  只回主对话：tmp 路径 + 条数 + ok/failed。

容错：单个 WebFetch URL 失败 → 回退 https://r.jina.ai/<url>（沿用 repo-miner 异常处理）。
统计每波失败率，过半（>50%）SubAgent failed 则终止——数据不足不强出报告（见「异常处理」的
降级路径）。

---

Phase 2：去重（主对话 + 脚本）

把各 SubAgent 回来的 tmp JSON 合并成候选池，三层去重 + 跨集合合并，规则全文请 Read
src/data/ai-daily/dedup-rules.md：

1. L1 — URL 精确去重（确定性脚本）：归一 URL + 剔除近 30 天 cache 命中。

   python3 src/scripts/dedup_daily.py filter --type frontier --in tmp/<candidates>.json --out tmp/<filtered>.json

2. L2 — 标题语义去重（LLM）：同一事件被多家转载/换标题/翻译 → 按归一标题聚类，每组留一条。

3. L3 — 内容语义去重（LLM）：不同措辞描述同一发布（arxiv 原文 vs 媒体解读 vs 公众号翻译）
   → 按摘要/要点语义合并。

4. 跨「内部开源信号 ↔ 外部新闻」合并：若内部 rising_repos/pro_stars 的仓库与某条外部
   「发布/release」新闻指向同一仓库 → 合并为一条，外部新闻为主体，内部信号作徽标挂上
   （「本站 Trending #N / 被 M 位大牛 Star」）；外部无对应新闻时，内部信号单独进「🌱 开源信号」。

保留优先级（同组重复留哪条）见 dedup-rules.md：论文 arXiv 原文 > 解读；开源 GitHub 仓库 > 博文；
新闻官方公告 > 转载；同级时 评分高 > 独立源多 > event_date 早。

---

Phase 3：评分 + 对抗式事实核验（并行 SubAgent）

评分为两阶段（rubric 全文请 Read src/data/ai-daily/scoring-rubric.md，参数在 scoring.yaml）：

• 阶段 A — 确定性元数据初筛：据已知元数据先过一遍（源权威度、是否带可验证 metrics、是否命中
  entities.yaml、event_date 是否在 after_date 之后），明显噪声直接丢弃，不送 LLM 省 token。
• 阶段 B — frontier 5 维定性打分：按 scoring.yaml > profiles.frontier 的 5 维加权打分
  （impact 30 / differentiation 25 / depth_verifiability 20 / relevance_coverage 15 /
  timeliness 10，加总 ÷10 得 0-10）。分级阈值见 scoring.yaml > tiers：
  必看 ≥8.0 / 关注 6.0–7.9 / 简讯 4.0–5.9 / <4.0 丢弃。

对抗式事实核验（旗舰版核心，铁律全文请 Read src/data/ai-daily/verification-rules.md，参数
scoring.yaml > verify）：

• 评分 ≥ verify.verify_floor（7.0） 的条目，派并行「验证 SubAgent」默认假设为假、去找反证，
  须找到 ≥ verify.min_independent_sources（2）个独立信源（不得来自同一媒体集团/同一转载链）
  交叉确认。通过 → 保留评分；不通过 → 封顶 5.9（降级简讯）或丢弃。
• 禁止凭记忆 / 外推数字：metrics[].value 的每个数字必须能回指 source_url；条目自检字段
  numbers_from_source=false 的数字一律剔除，拿不准宁可不写。
• 事件日期核实：event_date 必须是真实事件发生日期（≠页面/抓取日期），核实失败不计时效分
  并标注「日期未核实」。
• 融资 / 收购双边确认（verify.funding_needs_both_sides=true）：需投资方与被投/被收购方
  双边官方口径都确认，仅单边宣称则降级或标注「待确认」。

并发同样受 concurrency_cap=10 约束：评分 SubAgent 与验证 SubAgent 分批发起，每批 ≤10 个，
同批在同一响应内并行。

---

标题创作规则（H1 = 公众号文章标题，必读）

H1 会被下游公众号发布流程直接当文章标题，严禁 # YYYY-MM-DD AI 前沿日报 这类无点击力
的模板。准则（同姊妹 skill）：

1. 长度 ≤ 32 字。
2. 至少含 2 个钩子要素：具体数据（某模型刷新 N 项 SOTA / 某公司 X 亿融资 / benchmark 第 N）、
   当日最大看点（某发布/某论文/某事件）、读者真实关心的问题、反差钩子。
3. 格式建议：AI 前沿日报 06.07：<当日最大看点钩子>。
4. 避免：感叹号、emoji、营销词（震惊/必看/绝了/炸裂/王炸）、全角符号堆砌。

范例：AI 前沿日报 06.07：开源模型首次在 LMArena 进前三，与一篇把推理成本砍半的新论文

---

Phase 4：组装（主对话内执行）

按 ${CLAUDE_SKILL_DIR}/reference/template.md 的板块模板组装日报。板块顺序：

今日提要 TL;DR → 🔥 今日必看(≥8) → 👀 值得关注(6–7.9) → 📌 简讯(4–5.9) → 🌱 开源信号 →
🔧 方法与来源。

组装原则：

• 三个分级板块内的条目按 category 分组呈现（论文前沿 / 开源项目 / 模型与评测 /
  工程实践 / 行业与融资）。
• 每条卡片字段：中文标题（原标题）| 分级+评分 | summary_zh | 要点 | method_zh | metrics
  （每个数字带 source_url）| repo_url/paper_url | 来源（≥2 链接）| 分类标签 | 命中本站报告则回链
  /reports/{slug}/。
• 「🌱 开源信号」来自 Phase 0 内部 facts 的 rising_repos / pro_stars 增强角；命中本站报告
  （report_slug 非空）则回链 /reports/{slug}/。
• 「🔧 方法与来源」披露：采集源数 / 去重命中数 / 核验通过率 / 非种子源占比
  （≥ scoring.yaml > min_non_seed_ratio = 0.2）。
• 中文直角引号「」；不编造任何源外数字。
• 有几条出几条，不为凑数降阈值。全部 <4.0（0 条达标）时，输出「今日无重大 AI 资讯」并正常收尾。

---

Phase 5：自检与收尾（主对话内执行）

完成后对照 ${CLAUDE_SKILL_DIR}/reference/checklist.md 逐项自检（完整性 / 事实核验 / 去重 /
回链 / 规范 / 收尾），任一不满足则修正。

产出两个文件

1. src/ai_news/<date>.md —— 带 YAML frontmatter（title/date/summary/tags/
   canonical_url/syndicate: true）+ H1 + 正文。模板见 reference/template.md。
   注意：篇B 落在 src/ai_news/，不进站点（无站点详情页），故 canonical_url 指向站点首页
   https://seeyeetech.com/github-explorer/（footer 仍会加公众号导流）。H1 同 frontmatter.title。
2. src/ai_news/<date>.meta.json —— {title(≤64), digest(≤120), author: "NightVoyager", theme}，
   theme 从 stars / universe / ocean / desert / forest / green-trees / dark 任挑组合。

收尾：去重 cache + 记录索引

# 把今日采纳条目 URL 写入 cache（次日去重），格式 [{"url": "...", "event_date": "<date>"}]
python3 src/scripts/dedup_daily.py commit --type frontier --in tmp/<adopted>.json --date "$DATE"
# 记录索引（站点只渲染 ecosystem，frontier 仅入 jsonl 供 since 窗口/去重）；CI 会带 --ci-run-id
python3 src/scripts/record_daily.py --type frontier --date "$DATE" --slug "$DATE" \
  --title "<H1>" --summary "<一句话提要>" \
  --sections '{"must_read":N,"watch":N,"brief":N,"oss_signal":N}' \
  --featured-urls "<头条条目 url 逗号分隔>"

发布交接：日报对发布管线就是一篇普通文章，无需新 adapter——
python3 scripts/syndicate_publish.py src/ai_news/<date>.md --channel wechat --dry-run
（CI 由 daily-digest.yml 统一驱动，初期 skip_publish=true）。

---

异常处理

• CI 后端（Minimax 兼容端点）可能不支持 server-side WebSearch → 篇B 主体依赖外部采集，
  这是预期风险。降级顺序：
  1. WebSearch 不可用 → Phase 1 优先用 WebFetch 抓 sources.yaml 的固定源兜底
     （定向源不依赖搜索能力）。
  2. WebFetch 也大面积失败 / 仍无外部增量 → 在「🔧 方法与来源」标注「今日无外部增量」，
     可仅靠 Phase 0 内部信号层降级出一篇以开源信号为主的简版；甚至该日不出 frontier 篇
     （输出「今日无重大 AI 资讯」收尾），绝不让 CI job 失败。
  3. 要富采集（本地）→ FORCE_BACKEND=anthropic，走原生 WebSearch/WebFetch。
• 单个 WebFetch URL 失败 → 回退 https://r.jina.ai/<url>；仍失败则记 failed、不阻塞整波。
• 采集过半 SubAgent failed → 数据不足，按上面降级路径处理，不强凑、不报错。
• collect_daily_facts.py 报缺数据源 → 看 facts 的 _warnings；内部信号层为空不影响外部采集主体。
• 同一日期重复运行：record_daily.py 幂等跳过；md 直接覆盖即可。

补充资源

• 采集矩阵（源分配 + SubAgent prompt 模板 + 输出 schema + 时效/容错）：
  reference/collection-matrix.md
• 日报模板与 frontmatter / meta.json / canonical 约定：reference/template.md
• 终稿自检清单（含事实核验项）：reference/checklist.md
• 实体白名单：src/data/ai-daily/entities.yaml
• 定向 WebFetch 源簇：src/data/ai-daily/sources.yaml
• WebSearch 主题矩阵：src/data/ai-daily/topics.yaml
• 评分参数 / rubric：src/data/ai-daily/scoring.yaml、src/data/ai-daily/scoring-rubric.md
• 去重规则：src/data/ai-daily/dedup-rules.md
• 事实核验铁律：src/data/ai-daily/verification-rules.md
• 条目返回结构（权威）：src/data/ai-daily/item-schema.json