Agent Skills 万千应用 · 第11篇_AI 新闻情报 Skill：每天自动抓取你关心的 AI 动态

Agent Skills 万千应用 · 第11篇

AI 新闻情报 Skill：每天自动抓取你关心的 AI 动态

1、场景痛点开场：信息太多，真正有用的太少

做 AI 方向的人，最怕的不是没有信息，而是信息太多。

早上打开浏览器，模型更新、开源项目、融资新闻、硬件新品、平台政策、工具测评，一屏接一屏。看了半小时，收藏了一堆链接，最后还是回答不了一个问题：

今天这些动态，哪几条和我有关？我应该做什么？

老板想知道有没有新机会，产品经理想知道竞品动向，公众号作者想找选题，技术负责人想判断某个框架是否值得跟进。普通 AI 总结只能把新闻变短，而 AI 新闻情报 Skill 要做的是：把信息变成判断，把判断变成行动。

2、Skill 实操效果：两个真实案例对比

案例一：AI 硬件创业者每天看什么

输入需求：

每天整理 AI 硬件、桌面设备、可穿戴设备、Agent 终端相关动态，帮我判断哪些适合小团队参考。

普通提示词输出通常是：

• 今天有几家公司发布了 AI 硬件新品。
• 可穿戴设备和桌面助手仍然是热点。
• 建议关注用户体验和成本控制。

看起来没错，但没法直接用。

使用 AI 新闻情报 Skill 后，输出会变成：

今日重点 1：桌面 AI 终端开始强调“固定场景”

• 影响判断：泛用助手不好卖，围绕会议、日程、提醒、情报推送的固定场景更容易落地。
• 对小团队启发：不要先做大而全硬件，可以先做“桌面情报屏”或“工作提醒屏”。
• 今日动作：收集 5 个类似产品的屏幕尺寸、价格、交互方式，整理成对比表。

今日重点 2：可穿戴 AI 设备仍受关注，但交付风险高

• 影响判断：硬件、供应链、续航、隐私都会拉高试错成本。
• 对小团队启发：适合做概念验证，不适合一开始重资产量产。
• 今日动作：优先验证软件服务闭环，再考虑硬件形态。

这类输出不是新闻摘要，而是帮你做当天判断。

案例二：公众号作者如何从新闻里找选题

输入需求：

关注 Agent、Skills、开源工具、模型平台更新，帮我每天找 3 个可写的公众号选题。

普通提示词输出通常是：

• Agent 技术继续发展。
• Skills 生态值得关注。
• 开源工具越来越多。

太泛，不能直接写。

使用 Skill 后，输出会更像内容编辑台：

可写选题 1：为什么 Agent Skills 不是提示词升级版？

• 选题角度：从SKILL.md、脚本、模板、渐进式加载讲清楚差异。
• 适合标题：别再只写提示词了，真正可复用的是 Skill。
• 配图建议：画一张“提示词 vs Skill”的流程对比图。

可写选题 2：企业为什么需要自己的情报 Skill？

• 选题角度：老板不缺新闻，缺的是过滤、排序、影响判断。
• 可用案例：AI 硬件、竞品监控、政策变化、开源项目跟踪。
• 后续动作：把今天的 5 条动态放入选题池，月底复盘命中率。

这才是一个真正能支撑内容生产的情报助手。

3、Skill 简介：它是什么，包含哪些文件

AI 新闻情报 Skill，是一个专门让 Agent 做“定向信息监控”的能力包。

它不是简单搜索新闻，而是围绕用户关心的主题，完成采集、去重、分类、评分、核验、总结和行动建议。

典型文件结构如下：

ai-news-intelligence-skill-zh-v2/ ├── SKILL.md ├── references/ │ ├── 信息源清单模板.md │ ├── 情报评分规则.md │ └── 输出模板.md ├── scripts/ │ ├── collect_news.py │ ├── deduplicate.py │ └── export_digest.py └── assets/

网上有通用的信息检索、网页总结、研究类 Skill 可以参考，但面向中文公众号、老板情报、产品机会判断的现成包并不够贴合。所以本篇配套生成了一个中文增强版：

ai-news-intelligence-skill-zh-v2.zip

它解决的真实问题是：

• 不知道每天 AI 动态该看什么
• 收藏很多链接，但无法形成判断
• 写公众号时缺少稳定选题来源
• 老板只想看结论，不想看长新闻
• 产品团队需要持续观察竞品和趋势

4、核心机制：从信息流到情报流

AI 新闻情报 Skill 的关键，不是“多搜”，而是“会筛”。

SKILL.md里最重要的是三层设计：

第一层：触发条件

当用户说“帮我看今天 AI 动态”“整理竞品新闻”“找公众号选题”“监控某个产品方向”时，自动触发。

第二层：渐进式加载

默认只加载核心流程；当任务涉及信息源，就读取信息源清单；涉及排序，就加载评分规则；涉及交付，就加载输出模板。这样不会一开始塞太多规则。

第三层：工作流拆解

设定关注范围 → 采集候选信息 → 去重归类 → 可信核验 → 影响判断 → 输出行动建议

最终输出不能只是“新闻列表”，而要包含：

• 今日重点
• 影响判断
• 适合谁看
• 可写选题
• 产品机会
• 待核验信息
• 下一步行动

5、使用方式：四类 Agent 都能用

在 ChatGPT 中，可以把 Skill 包作为项目资料上传，然后说：

请按照 AI 新闻情报 Skill 的规则，整理今天我关心的 AI 硬件动态。

在 Claude 中，可以把 Skill 上传到 Skills 能力区，或在 Claude Code 中放入对应目录。

在 Hermes / OpenClaw 中，可以把 Skill 解压到本地技能目录，再把每日情报任务写成固定指令。

建议第一次使用时，先写清楚 4 件事：

• 关注主题：例如 Agent、AI 硬件、模型平台、开源工具
• 目标角色：老板、产品经理、工程师、公众号作者
• 输出频率：日报、周报、专题跟踪
• 输出格式：一页简报、选题池、竞品表、行动清单

6、避坑指南：别把新闻堆砌当情报

坑 1：只追热点，不看相关性

不是所有大新闻都与你有关。Skill 要按“和我业务的关系”排序。

坑 2：没有来源和日期

情报必须保留来源、发布时间和待核验项，否则很容易把旧消息当新消息。

坑 3：输出太长

老板和团队不需要二十条新闻，需要三条重点、三个判断、三个动作。

坑 4：把推测写成事实

如果只是市场传闻，必须标记“待确认”，不能写成确定结论。

坑 5：没有沉淀选题池

每天的情报不应该看完就丢，要沉淀为选题库、竞品库、机会库。

7、下期预告

下一篇我们继续讲：

竞品监控 Skill：盯住对手网站、价格、功能和更新。

如果说 AI 新闻情报 Skill 解决的是“我每天该看什么”，那竞品监控 Skill 解决的就是：

对手变了什么？我该不该马上跟进？

配套资源

本篇配套 Skill 包：
ai-news-intelligence-skill-zh-v2.zip。

链接：https://pan.quark.cn/s/c0fb8d0aa0af