FoundraLab

打造自动化科技新闻博客：Tech News Skill 介绍

背景

每天浏览 Hacker News、GitHub Trending、技术博客获取科技资讯既耗时又容易遗漏。Tech News Skill 把「抓取 → 翻译 → 分类 → 生成」这条流水线自动化，让你每天几分钟内就能产出当天的科技新闻汇总。

⭐ GitHub 地址
https://github.com/foundralab/my-skills/tree/main/tech-news

功能特性（最新）

特性	说明
多源聚合	Hacker News、Reddit Programming、GitHub Trending、Dev.to、Lobsters、Papers With Code、Hugging Face、arXiv AI
自动翻译	使用 Minimax 或 OpenAI API 生成中文标题与摘要
智能分类	AI、开发工具、基础设施、产品设计、趣闻观点
去重机制	默认排除近 3 天重复文章
图片支持	可自动抓取 og:image 并上传到 R2（可选）
输出稳定	统一 Markdown 结构，适合二次加工或直接发布

工作流程

1	抓取多源 → 去重 → 平衡筛选 → 翻译摘要 → (可选)处理配图 → 生成Markdown

前置条件

Python 3.8+ (python3)
翻译 API：MINIMAX_API_KEY 或 OPENAI_API_KEY
可选图片上传：~/.r2-upload.yml 或 R2_UPLOAD_CONFIG

示例：

export MINIMAX_API_KEY=your_key
# 或
export OPENAI_API_KEY=your_key

# 如需图片上传
export R2_UPLOAD_CONFIG=~/.r2-upload.yml

快速开始

假设 skill 安装目录为 ~/.agents/skills/tech-news（以实际路径为准）：

TECH_NEWS_DIR=~/.agents/skills/tech-news
DATE=$(date +%F)

python3 $TECH_NEWS_DIR/scripts/generate.py \
  --date $DATE \
  --save /tmp/tech-news-$DATE.md

如果你不需要图片：

1	python3 $TECH_NEWS_DIR/scripts/generate.py --date $DATE --no-images --save /tmp/tech-news-$DATE.md

常用参数

--sources <list>：指定新闻源（默认 8 个）
--count <n>：每源抓取数量（默认 15）
--limit <n>：最终精选数量（默认 10）
--max-images <n>：处理图片上限
--no-images：禁用图片
--output-only：仅输出 Markdown 到 stdout

文章格式

默认输出结构（节选）：

# 📰 YYYY-MM-DD 科技早报

> 📊 **今日导读**
> 精选 10 条科技新闻
> 来源：Hacker News(4) | GitHub Trending(3) | Lobsters(3)

---

## 📋 文章速览

**AI 与机器学习**：3 篇
1. ...

自动化方案

1. Cron（本地定时）

1 2	0 9 * * * \ python3 ~/.agents/skills/tech-news/scripts/generate.py --date $(date +%F) --save /tmp/tech-news-$(date +%F).md

生成后即可用于发布或二次编辑（可用脚本自动处理）。

2. GitHub Actions

把 generate.py 放到 workflow 中，定时生成并提交到仓库。

常见问题

翻译质量一般：确认 MINIMAX_API_KEY 或 OPENAI_API_KEY 已配置
图片不显示：检查 R2_UPLOAD_CONFIG 或改用 --no-images
重复内容：默认会排除近 3 天重复文章，可按需改代码

Skill 源码与目录结构

Tech News Skill 本地结构如下：

GitHub 仓库

tech-news/
├── SKILL.md
├── scripts/
│   ├── generate.py
│   ├── fetch_news.py
│   └── llm_translate.py
└── references/

如果你想改来源、分类或输出格式，直接修改 generate.py 即可。

让科技新闻聚合变得简单高效！

背景