AI 领域最新大事件洞察#

生成过去 N 天内全球 AI 领域重大事件的深度洞察报告。

触发条件#

当用户表达以下意图时触发此技能：

• "帮我看看最近 AI 有什么大事"
• "生成一份 AI 行业周报"
• "过去 3 天 AI 领域发生了什么"
• "AI 最新动态洞察"
• "帮我整理 AI 新闻"

执行流程#

步骤 1：确定时间范围#

从用户输入中提取时间范围：

• 默认：过去 3 天
• 用户可指定：1天、3天、7天、14天等

计算搜索关键词中的日期范围，格式如："2026年4月7日至2026年4月9日"

步骤 2：搜索策略（三层结构）#

核心原则：先抓热榜，再分维度，最后补厂商。不依赖预设关键词词表。

使用 web_search 工具，分三层执行搜索：

第1层 - 热榜发现（优先级最高，不带厂商名）

目的：让搜索引擎的排序算法自动发现指定时间范围内最热的事件，不遗漏任何忽然冒出来的新厂商/新事件。

时间范围 → 自然时间词映射：

用户指定时间词说明1 天今天单日热榜3 天近3天最近3天7 天本周自然周维度14 天近两周双周维度30 天本月自然月维度其他{{range}}沿用用户描述的时间范围

执行 2-3 条搜索，时间词使用上表映射，不带具体厂商名：

text

"AI 重大新闻 {{time_word}} {{current_year}}"
"人工智能 热榜 {{time_word}} {{current_year}}"
"AI 大事件 {{time_word}} {{current_year}}"

如用户指定 1 天，额外加：

text

"今日 AI 头条 {{current_year}}年{{current_month}}"

说明：当搜索不含具体厂商名时，搜索引擎会基于热度/点击量返回结果，任何厂商的重大发布都会被自动捕获。DeepSeek V4、Minimax S3、Step-2-Fun 都能在这一层被发现，无需预设。{{time_word}} 和 {{current_year}} 在执行时由 LLM 替换为实际的时间词和年份。

第2层 - 多维度查询（不带具体厂商名）

目的：确保覆盖技术突破、商业动态、政策监管、产业应用等维度。

按以下维度各执行 1 条搜索，时间词使用第1层映射表：

1. 技术突破： "AI大模型 发布 开源 突破 {{time_word}} {{current_year}}"
2. 商业动态： "AI 融资 投资 并购 上市 {{time_word}} {{current_year}}"
3. 政策监管： "AI 政策 监管 法规 安全 {{time_word}} {{current_year}}"
4. 产业应用： "AI 落地 医疗 教育 金融 自动驾驶 {{time_word}} {{current_year}}"

年份处理：{{current_year}} 在执行时由 LLM 动态替换为当前年份（如 2026），无需硬编码，确保 2027 年及以后仍可正常使用。

第3层 - 头部厂商查漏（仅补充验证）

目的：确保老牌厂商（OpenAI、Google、Anthropic、Meta、Microsoft、NVIDIA）的动态不遗漏。

执行 1 条综合搜索，年份动态替换：

text

"OpenAI Google Anthropic Meta Microsoft NVIDIA 腾讯 阿里 字节 百度 最新动态 {{current_year}}"

说明：这一层放在第三层，不是第一优先级。因为大厂发布往往也会出现在热榜里，只有当热榜和多维度搜索都没覆盖到大厂动态时才需要补充。

搜索次数控制

时间范围第1层第2层第3层总计1 天34183 天24177 天241714 天1416

重要：以上为最大搜索次数。如果某一层的前几条结果已经覆盖了足够多的事件，该层剩余搜索可跳过，避免过度重复。

步骤 3：筛选与排序#

从搜索结果中筛选 TOP 5-10 条 最具影响力的事件，评估标准：

基础筛选（至少满足 2 项）：

1. 影响力：对行业/社会的潜在影响程度
2. 权威性：信息来源的可信度（优先官方、权威媒体）
3. 时效性：事件发生的具体时间
4. 多样性：覆盖技术、商业、政策等不同维度

媒体权重：

权重媒体名称100机器之心、新智元、量子位、AIbase、AI 科技评论80新华社、人民日报、央视新闻、新华网、中证网6036 氪、钛媒体、虎嗅、雷锋网40新浪、网易、凤凰网30财联社、同花顺、金融界

黑名单过滤：

以下媒体来源直接过滤（质量较低或非权威）：

• 百家号（除非是权威媒体的官方百家号，如机器之心、新智元等）
• 搜狐号、今日头条、知乎专栏
• 云南网、陕西网等地方性未验证媒体

去重规则：

• 同一事件多源报道时， 只保留权重最高的一条
• 如果权重相同，选择信息最全面、来源最权威的
• 通过 URL 和标题相似度判断是否为同一事件

数量限制：

• 最少不少于 5 条，最多不超过 10 条

步骤 4：内容分级#

将筛选出的事件分为两类：

A类 - 深度解读（3-5条） 选择最具影响力的 3-5 条事件，标准：

• 头部厂家的重大发布（如 GPT-5、Claude 4等）
• 可能改变行业格局的融资/并购
• 重要的政策监管变化
• 重大技术突破

B类 - 简要汇总（剩余条数） 其余事件归入简要汇总章节。

步骤 5：深度解读撰写#

对 A 类事件，每条撰写独立章节，结构如下：

markdown

## 事件X：[事件标题]

**发生时间**：YYYY-MM-DD

**事件概述**：
2-3句话概括事件核心内容。

**关键细节**：
- 细节点1
- 细节点2
- 细节点3

**数据摘要**：（若有具体数值，必须用表格呈现；若无数据则标注「暂无详细数据披露」）
| 指标 | 数值 | 单位 |
|------|------|------|
| 指标1 | 数值 | 单位 |
| 指标2 | 数值 | 单位 |

**影响分析**：
分析该事件对行业、技术、商业、政策等方面的影响。

**洞察理解**：
提炼关键洞察，说明为什么这件事重要，可能带来什么变化。

数据表格要求：

• 如果事件涉及具体数值（市场规模/增速、市占率/份额、金额、用户数、性能指标、时间、其他关键指标等）， 必须使用 Markdown 表格 呈现
• 所有数字必须精准，带单位（亿/万/%）， 加粗突出
• 市场份额、增速类数据用表格呈现，方便直接做图表
• 严禁编造数据，来源仅用权威机构的数据，并且在数据摘要结尾必须附注数据来源

步骤 6：简要汇总撰写#

对 B 类事件，统一归入一个章节：

markdown

## 其他重要动态

### 1. [事件标题]
内容摘要：1-2句话概括
来源链接：[URL]

### 2. [事件标题]
内容摘要：1-2句话概括
来源链接：[URL]

...

步骤 7：生成报告文件#

文件名格式： AI-Insights-YYYYMMDD_hhmm.md

报告的完整结构模板见下方「附录：报告结构示例」。执行时按该模板填充内容即可。

步骤 8：保存与交付#

1. 将报告保存到工作目录： ./artifacts/ai-insights-report/AI-Insights-YYYYMMDD_hhmm.md
2. 向用户展示报告摘要
3. 告知用户完整报告文件路径

步骤 9：可选 - 自动推送#

如果需要每日自动推送，可配置 cron job：

json

{
  "name": "AI 洞察报告",
  "enabled": true,
  "schedule": {"kind": "cron", "expr": "0 9 * * *", "tz": "Asia/Shanghai"},
  "payload": {
    "message": "【每日 AI 洞察】\n\n请执行 ai-insights skill 生成过去 24 小时报告，并推送到指定频道。"
  }
}

---

附录：报告结构示例#

以下为完整报告的 Markdown 模板，步骤 7 中直接引用此模板生成报告：

markdown

# AI 领域最新大事件洞察

**报告周期**：YYYY年MM月DD日 - YYYY年MM月DD日
**生成时间**：YYYY-MM-DD HH:MM
**事件总数**：X 条

---

## 核心洞察摘要

用 3-5 句话概括本期最重要的趋势和发现。

---

## 趋势观察

基于本期事件，提炼宏观趋势：

1. **趋势 1**：[标题]
   - 简要分析（1-2句）

2. **趋势 2**：[标题]
   - 简要分析（1-2句）

3. **趋势 3**：[标题]
   - 简要分析（1-2句）

---

## 数据摘要（供 PPT 自动提取）

以下为 YAML 数据结构示例（YAML 内嵌 triple backticks 会导致外层 markdown 块提前闭合，故改用 HTML 格式）：

<pre><code>charts:
  - type: bar_chart
    title: 2026年Q1全球AI融资额TOP3
    categories: [OpenAI, Anthropic, 其他AI企业]
    values: [1220, 300, 900]
    unit: 亿美元
    source_event: 事件2

  - type: line_chart
    title: 中国AI日均Token调用量增长趋势
    x_axis: [2025-Q4, 2026-Q1, 2026-Q2-预估]
    y_axis: [100, 140, 200]
    unit: 万亿
    source_event: 事件1

  - type: timeline
    title: 全球AI监管政策时间轴
    events:
      - date: 2026-04-23
        description: 中国五部门联合发布《人工智能拟人化互动服务管理暂行办法》
        region: 中国
    source_event: 事件4

event_types:
  - title: "OpenAI发布GPT-5.5"
    type: model_release
    icon: cpu
  - title: "中国出台AI拟人化互动监管办法"
    type: regulation
    icon: scale</code></pre>

---

## 深度解读

### 事件1：[标题]

**发生时间**：YYYY-MM-DD

**事件概述**：
2-3句话概括事件核心内容。

**关键细节**：
- 细节点1
- 细节点2

**数据摘要**：
| 指标 | 数值 | 单位 |
|------|------|------|
| 指标1 | **数值** | 单位 |

**影响分析**：
分析该事件对行业、技术、商业、政策等方面的影响。

**洞察理解**：
提炼关键洞察，说明为什么这件事重要。

### 事件2：[标题]
...

---

## 其他重要动态

### 1. [事件标题]
内容摘要：1-2句话概括
来源链接：[URL]

### 2. [事件标题]
...

---

*报告由 AI 自动生成，仅供参考*

---

质量标准#

• 准确性：所有信息必须来自可靠来源，不确定的信息标注"据...报道"
• 客观性：避免主观臆断，基于事实进行分析
• 深度：深度解读部分要有真正的洞察，不只是复述新闻
• 时效性：优先使用最新信息，过期信息（超出用户指定时间范围）不纳入
• 媒体权重：优先选择高权重媒体的报道，提升信息质量
• 热榜优先：新厂商/新事件优先通过热榜层发现，不要因为第3层关键词列表遗漏而漏报

注意事项#

• 如果搜索结果不足 5 条，扩大时间范围或调整搜索词重试
• 如果某条新闻来源存疑，标注信息来源并降低其优先级
• 去重：同一事件多源报道时，只保留权重最高的一条
• 避免重复报道同一事件的不同角度新闻，选择最全面的一篇
• 深度解读的事件数量根据实际搜索到的内容质量灵活调整（3-5条）
• 趋势观察应基于本期事件的共性提炼，避免空泛

---

版本历史#

• v1.1.1 (2026-04-25)
  • 修复时间范围参数化：热榜查询的时间词改为动态映射（今天/近3天/本周/近两周/本月），避免硬编码"今天"
  • 年份改为动态变量 {{current_year}}，支持 2027 年及以后
  • 第2层多维度查询的时间词同步参数化
• v1.1.0 (2026-04-25)
  • 重构搜索策略：从固定关键词列表 → 三层搜索结构（热榜发现 → 多维度查询 → 厂商查漏）
  • 解决"新厂商/新事件无法预设关键词"的核心问题
• v1.0.0 (2026-04-14)
  • 初始版本
  • 添加媒体权重、黑名单、去重规则
  • 新增趋势观察章节
  • 支持 cron 自动推送