7 源并行采集 → AI 分析师独立研判 → 主编跨源综合 → 每日情报日报
Tech Radar 是一个 Claude Code Skill，为 AI 自媒体创作者 01fish 提供每日科技情报。它通过三层流水线架构，自动采集多个科技信息源的数据，由 AI 分析师独立研判，最终由主编综合输出一份可直接指导内容创作的日报。
- Claude Code CLI 已安装
- Node.js >= 18
- 网络可访问 GitHub / Hacker News / Product Hunt / Reddit 等站点
将 skill/ 目录链接或复制到 Claude Code 的 skills 目录：
# 方式 1：符号链接（推荐，保持同步）
ln -s /path/to/tech-radar/skill ~/.claude/skills/tech-radar
# 方式 2：直接复制
cp -r /path/to/tech-radar/skill ~/.claude/skills/tech-radar在 Claude Code 中输入：
/tech-radar
如果看到采集器开始运行并输出日报，说明安装成功。
| 命令 / 触发词 | 说明 |
|---|---|
/tech-radar |
完整流水线：采集全部 7 源 → 分析 → 综合日报 |
科技雷达 / 今日科技 / 看看热榜 |
同上（自然语言触发） |
/tech-radar github |
只采集并分析 GitHub Trending |
/tech-radar ph |
只采集并分析 Product Hunt |
/tech-radar hn |
只采集并分析 Hacker News |
/tech-radar zara |
只采集并分析张咋啦 AI 推荐 |
/tech-radar reddit |
只采集并分析 Reddit AI/Tech |
/tech-radar polymarket |
只采集并分析 Polymarket 预测市场 |
/tech-radar builders |
只采集并分析 Follow Builders |
GitHub 热榜 |
只看 GitHub |
PH 排行 |
只看 Product Hunt |
HN 热帖 |
只看 Hacker News |
日报生成后，你可以在日报的任意位置插入 fish点评: 标记来批注。然后：
处理点评
系统会自动扫描所有点评并分类执行：行动指令直接执行、素材标记收集到素材库、想法灵感存入大脑收件箱。
# 运行全部采集器，结果输出到 reports/ 目录
node skill/scripts/collect.mjs --output reports/$(date +%Y-%m-%d)
# 只运行指定采集器
node skill/scripts/collect.mjs gh-trending --output reports/$(date +%Y-%m-%d)
# 运行单个采集器，输出到 stdout
node skill/scripts/collectors/gh-trending.mjs
node skill/scripts/collectors/hackernews.mjs
node skill/scripts/collectors/producthunt.mjs
node skill/scripts/collectors/zara-ai.mjs
node skill/scripts/collectors/reddit-trending.mjs
node skill/scripts/collectors/polymarket-trending.mjs
node skill/scripts/collectors/follow-builders.mjs每个采集器还支持 --extract 模式，从已采集的 JSON 中提取指定条目为 Markdown：
# 提取第 1、3、5 条（序号从 0 开始）
node skill/scripts/collectors/gh-trending.mjs --extract reports/2026-04-06/gh-trending.json 0,2,4┌─────────────────────────────────────────────────────────┐
│ Layer 1: 脚本采集（Node.js，不耗 AI token，~10 秒） │
│ │
│ gh-trending ─┐ │
│ producthunt ─┤ │
│ hackernews ─┤── collect.mjs 协调器 ──→ 7 个 JSON 文件 │
│ zara-ai ─┤ (并行执行) │
│ reddit ─┤ │
│ polymarket ─┤ │
│ follow-bld ─┘ │
└─────────────────────────┬───────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ Layer 2: AI 分析师并行分析（各读各的 prompt + 数据） │
│ │
│ github-analyst.md ──→ GitHub 分析报告 │
│ producthunt-analyst.md ──→ PH 分析报告 │
│ hackernews-analyst.md ──→ HN 分析报告 │
│ zara-analyst.md ──→ 张咋啦分析报告 │
│ (4 个 Agent 并行运行) │
└─────────────────────────┬───────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ Layer 3: 主编综合（synthesizer.md） │
│ │
│ 汇总所有报告 → 跨源关联 → 选题建议 → 最终日报 │
└─────────────────────────────────────────────────────────┘
- Layer 1 纯脚本：不消耗 AI token，可以独立调试，数据可复用
- Layer 2 并行分析：4 个分析师互不依赖，通过并行 Agent 同时运行，速度快
- Layer 3 综合：只有主编能看到全局，做跨源关联和选题推荐
| # | 数据源 | 采集方式 | 数据内容 | 采集脚本 |
|---|---|---|---|---|
| 1 | GitHub Trending | HTML 解析 + OSS Insight API | 日榜 top5（增速）+ 月榜 top20（增速） | gh-trending.mjs |
| 2 | Product Hunt | 排行榜页面解析 | 日榜 top5 + 月榜 top20 | producthunt.mjs |
| 3 | Hacker News | Firebase 官方 API | Top 30 stories | hackernews.mjs |
| 4 | 张咋啦 AI | zara.faces.site 页面解析 | 视频/关注/工具推荐 | zara-ai.mjs |
| 5 | Reddit AI/Tech | Reddit 公共 JSON API | 6 个 AI subreddit Top 10 热帖 | reddit-trending.mjs |
| 6 | Polymarket | Gamma API | AI/Tech 预测市场 Top 10 | polymarket-trending.mjs |
| 7 | Follow Builders | GitHub Raw 文件 | AI builder 推文/播客/博客 | follow-builders.mjs |
完整日报包含 5 个部分：
| 部分 | 内容 |
|---|---|
| Part 1: 30 秒速读 | 3 条核心趋势 + 行动建议 |
| Part 2: 原始榜单 | 所有数据源的完整原始数据，每条附带 01fish 行动建议 |
| Part 3: 跨源强信号 | 同一话题出现在多个源的关联分析 |
| Part 4: 选题建议 | 3-5 条结合 01fish 定位的选题（含标题草案、角度、平台） |
| Part 5: 观察列表 | 持续跟踪的信号 |
日报保存路径：reports/YYYY-MM-DD/YYYY-MM-DD.md
tech-radar/
├── README.md # 本文件
├── skill/ # Skill 完整源码
│ ├── SKILL.md # Skill 入口定义（Claude Code 读取）
│ ├── .snapshots/ # 变更检测快照
│ │ └── zara-ai-snapshot.json
│ ├── analysis/ # AI 分析师 prompt
│ │ ├── github-analyst.md # GitHub 趋势分析师
│ │ ├── producthunt-analyst.md # Product Hunt 分析师
│ │ ├── hackernews-analyst.md # Hacker News 分析师
│ │ ├── zara-analyst.md # 张咋啦推荐分析师
│ │ └── synthesizer.md # 主编综合 prompt
│ └── scripts/
│ ├── collect.mjs # 采集协调器（自动发现并行执行）
│ ├── fetch_wechat_article.py # 公众号文章抓取（辅助工具）
│ ├── collectors/ # 各数据源采集器
│ │ ├── gh-trending.mjs # GitHub Trending
│ │ ├── producthunt.mjs # Product Hunt
│ │ ├── hackernews.mjs # Hacker News
│ │ ├── zara-ai.mjs # 张咋啦 AI
│ │ ├── reddit-trending.mjs # Reddit AI/Tech
│ │ ├── polymarket-trending.mjs # Polymarket 预测市场
│ │ └── follow-builders.mjs # Follow Builders
│ └── lib/
│ └── fetcher.mjs # 公共 HTTP 工具（fetch + 重试 + 超时）
└── reports/ # 采集数据 + 日报存档
└── YYYY-MM-DD/
├── YYYY-MM-DD.md # 综合日报
├── summary.json # 采集汇总
├── gh-trending.json # GitHub 原始数据
├── hackernews.json # HN 原始数据
├── producthunt.json # PH 原始数据
├── zara-ai.json # 张咋啦原始数据
└── follow-builders.json # Builders 原始数据
只需两步，无需修改任何配置：
Step 1：在 skill/scripts/collectors/ 下新建 your-source.mjs
import { fetchJSON, formatOutput } from "../lib/fetcher.mjs";
async function collect() {
const data = await fetchJSON("https://api.example.com/data");
const items = data.map((item, i) => ({
rank: i + 1,
title: item.title,
url: item.url,
// ...其他字段
}));
return formatOutput("your-source", items);
}
const result = await collect();
console.log(JSON.stringify(result, null, 2));Step 2：在 skill/analysis/ 下新建 your-source-analyst.md
# Your Source 分析师
## 角色
你是 xxx 分析师...
## 输入
你会收到 xxx 的 JSON 数据...
## 输出格式
...协调器 collect.mjs 会自动发现新的采集器文件并并行执行。
lib/fetcher.mjs 提供以下工具函数：
| 函数 | 说明 |
|---|---|
fetchWithRetry(url, opts) |
带超时重试的 HTTP 请求（默认 15s 超时，2 次重试） |
fetchJSON(url, opts) |
fetch + JSON 解析 |
formatOutput(source, items, metadata) |
统一输出格式：{ source, timestamp, count, metadata, items } |
stripHtml(html) |
简单 HTML 标签清理 |
- Product Hunt 采集器偶尔返回空数据，页面结构变化时需更新解析逻辑
- GitHub HTML 解析依赖页面结构，如 GitHub 改版需更新正则
- 张咋啦页面为静态策展，视频/产品数据提取需优化
- 架构灵感：给 claude code 装了个情报中心（想象力AI / 阿涵）
- 参考仓库：Aster110/mycc