[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M77JJGR8TGAMBJBTEPWAPJM6":3,"skill-same:01M77JJGR8TGAMBJBTEPWAPJM6":46},{"skillNo":4,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":18,"linkOnly":19,"markdownContent":20,"markdownBody":21,"frontMatter":22,"refName":23,"commitSha":24,"skillDirectory":25,"forksCount":26,"repositoryHtmlUrl":27,"repositoryHomepageUrl":28,"ownerHtmlUrl":29,"ownerBlogUrl":6,"ownerDescription":30,"updatedAt":31,"install":32,"resources":45},"01M77JJGR8TGAMBJBTEPWAPJM6","insight-radar",null,"Lord1Egypt\u002Fawesome-skill-forge","Lord1Egypt","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F99746359?v=4","01M7592YDNT0XK9WJ0T2MQVPDN","Mohamed Mounir Ali AL Keshita","01M75GRFNHC8VZNWEB8DKDE433",3,"MIT","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fi\u002Finsight-radar\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: insight-radar\ndescription: Dual-purpose news intelligence system - (1) AI self-evolution: extracts strategic patterns from news, writes to knowledge base. (2) User learning: generates CORE-analyzed news briefings tailored to user's interests. Supports customizable news categories. Use when scheduled daily news scanning or analyzing breaking trends.\ndependencies:\n  - core-prism\n  - news-source-manager\npermissions:\n  filesystem:\n    read:\n      - USER.md  # User context for [E] Execution personalization\n      - memory\u002Fnews-sources.json  # News category config\n    write:\n      - memory\u002Fnews-log\u002F  # Daily news records\n      - memory\u002Fknowledge-base\u002Fconcepts.md  # High-bar concept entries\n      - memory\u002Fknowledge-base\u002Fpatterns\u002F*.md  # Verified patterns only (rare, 3+ occurrence threshold)\n  network:\n    - WebSearch  # Search recent news via web search API\n    - WebFetch  # Fetch article content for URL validation\n  external_outputs:\n    - none  # This skill generates briefings locally; delivery to Feishu is handled by the caller (HEARTBEAT-news.md), not this skill\n  credentials:\n    - none  # No API keys needed; web search uses agent's built-in tools\nconfig:\n  reads:\n    - USER.md\n    - memory\u002Fnews-sources.json\n  writes:\n    - memory\u002Fnews-log\u002F\n    - memory\u002Fknowledge-base\u002Fconcepts.md\n    - memory\u002Fknowledge-base\u002Fpatterns\u002F*.md\n---\n\n# Insight Radar (洞察雷达)\n\n**Two modes, one skill:**\n\n## 🧠 For AI Self-Evolution\n扫描新闻，提取**概念与战略模式**，写入知识库:\n- **Concepts** (主要) → `concepts.md`: 当前事件、技术发展、市场变化\n- **Thinking Patterns** (偶尔) → `patterns\u002F*.md`: 仅当新闻揭示可复用模式时\n\n## 📰 For User Learning\nCORE 分析的战略简报，不是新闻聚合:\n- **[C] Core Logic**: 第一性原理（不是发生了什么，而是 WHY）\n- **[O] Opportunity**: 价值流向，谁赢了？\n- **[R] Risk**: 反共识，隐藏黑天鹅\n- **[E] Execution**: 你今天该做什么？\n\n**News categories**: 由 `news-source-manager` 管理，默认 AI\u002FTech。\n\n---\n\n## Workflow\n\n### 1. Load News Config\n\n调用 `news-source-manager` 获取用户的活跃新闻类别:\n\n```json\n{\n  \"active_categories\": [{\n    \"name\": \"AI\u002FTech\",\n    \"keywords\": [\"AI\", \"machine learning\", \"LLM\", \"AI agents\", \"semiconductor\", \"robotics\"],\n    \"sources\": [\"TechCrunch\", \"MIT Tech Review\"],\n    \"search_params\": {\"count\": 5}\n  }]\n}\n```\n\n**If news-sources.json 不存在**: 触发 `news-source-manager` 初始化流程。\n**Fallback**: 用户跳过配置时，默认 \"AI\u002FTech\" 类别。\n\n---\n\n### 2. Search Recent News\n\n**搜索策略**: 宽泛扫描 + 智能补搜 + 中英双语。\n\n**核心原则**: 不预定义固定 hints。越简单的 query 返回越全面的结果（测试验证：`\"AI technology news March 2026\"` 比精心设计的关键词组合覆盖度更高）。\n\n**For each active category, 分两步**:\n\n#### Step 2a: 宽泛扫描（每类别固定 2 次）\n\n```\n英文: \"{category_name} news {current_month} {current_year}\"\n中文: \"{类别中文名} 新闻 {current_year}\"\ncount: 5\n\n示例 (Finance\u002FCrypto, 当前 March 2026):\n  WebSearch(\"Finance Crypto news March 2026\", count: 5)\n  WebSearch(\"金融 加密货币 新闻 2026\", count: 5)\n```\n\n**类别名称映射**:\n| category_name | 类别中文名 |\n|---------------|----------|\n| AI\u002FTech | AI 科技 |\n| Business Strategy | 商业战略 |\n| Finance\u002FCrypto | 金融 加密货币 |\n| Health\u002FBio | 生物医药 数字健康 |\n| Energy\u002FClimate | 新能源 气候科技 |\n| Policy\u002FRegulation | AI监管 科技政策 |\n| Product Design | 产品设计 用户体验 |\n\n#### Step 2b: 覆盖度评估 + 智能补搜（每类别 0-2 次）\n\n扫描 Step 2a 结果后，用 `news-sources.json` 中的 **keywords** 评估覆盖度:\n\n```\n1. 将该类别的 keywords 分为 3-4 个子领域簇\n   例如 AI\u002FTech: [模型\u002FAgent] [芯片\u002F硬件] [安全\u002F治理] [应用\u002F商业]\n\n2. 检查 Step 2a 结果覆盖了哪些簇\n   例如: 结果中有 GPT-5.4、Agent 部署 → [模型\u002FAgent] ✅\n         结果中没有芯片相关 → [芯片\u002F硬件] ❌\n\n3. 对未覆盖的簇，生成 1 条补搜 query\n   例如: WebSearch(\"AI chips semiconductor news March 2026\", count: 3)\n\n4. 最多补搜 2 次\u002F类别（硬上限，防止无限膨胀）\n```\n\n**总调用量**: 3 类别 × 2 底线 + 0-6 补搜 = **6-12 次**（实际通常 8-9 次）。\n\n#### Fallback\n\n仅当某类别 Step 2a + 2b 合计 \u003C 2 条结果时，将 `{current_month}` 改为上月重搜。\n\n**If ALL categories fail**: 通知用户 \"过去 24h 无重大新闻，建议扩展类别或时间范围。\"\n\n#### 后处理\n\n**去重**: 合并所有类别结果，按 URL\u002Ftitle 去重，优先保留高权威来源（sources 中 priority: 1）。\n\n**URL 验证**: 检查返回 URL 是否为具体文章。首页\u002F分类页 → 用 web_fetch 提取具体链接。\n\n**战略价值筛选** — 从去重结果中选 TOP 3-5 条:\n\n高价值信号 (优先): 揭示行业本质变化 \u002F 反共识观点 \u002F 跨领域影响 \u002F 基础设施机会\n低价值信号 (跳过): 纯融资公告 \u002F 常规产品发布 \u002F 无新洞察的共识观点\n\n**类别覆盖**: 选出的 3-5 条至少覆盖 2 个不同类别。如果都来自同一类别 → 补 1 条次要类别。\n\n**输出格式**: 每条标注类别、时间、来源链接\n```markdown\n### 1️⃣ 中国AI Agent爆火 【AI\u002FTech】\n📅 1 day ago (2026-03-22)\n🔗 [Reuters](https:\u002F\u002Fwww.reuters.com\u002F...)\n```\n\n---\n\n### 3. Analyze with CORE Framework\n\n对每条选中的新闻，调用 `core-prism` skill 进行 CORE 分析。传入 USER.md 中的用户上下文用于 [E] Execution 维度个性化。\n\n---\n\n### 4. Generate Strategic Briefing\n\n**4 个 mandatory sections**:\n\n1. **📰 核心资讯** (Core News)\n   - 3-5 items with CORE analysis\n   - 每条含: 类别标签【】, 时间 📅, 来源链接 🔗, C\u002FO\u002FR\u002FE 分析\n\n2. **🎯 战略简报** (Strategic Briefing)\n   - 今日破局点: 这些故事**一起**揭示了什么？\n   - So What? 给用户一个尖锐的可操作问题\n\n3. **🧠 认知沉淀** (Cognitive Digest)\n   - 今日关键事件摘要 (写入 news-log)\n   - 候选概念 (如果今日新闻揭示了一个**全新的认知框架**，标记为候选，累积验证后才入 concepts.md)\n   - 候选模式 (如果同一模式已在 3+ 条不同新闻中反复出现，才提炼入 patterns\u002F*.md)\n   - 判断力复盘 (哪些旧假设被验证\u002F推翻？)\n\n4. **🤔 盲区质询** (Blind Spot Questions)\n   - 3-5 个挑战用户假设的思考题\n\n---\n\n### 5. Write to Knowledge Base — **三层架构**\n\n**每日新闻和深度认知分层存储，避免知识库被新闻复述淹没。**\n\n#### 三层写入规则\n\n| 层级 | 文件 | 入库标准 | 频率 |\n|------|------|---------|------|\n| **Layer 1: 新闻日志** | `memory\u002Fnews-log\u002FYYYY-MM-DD.md` | 每条分析过的新闻 | 每天 |\n| **Layer 2: 概念** | `memory\u002Fknowledge-base\u002Fconcepts.md` | 真正的新认知框架，不是事件记录 | 每周 1-3 个 |\n| **Layer 3: 思维模式** | `memory\u002Fknowledge-base\u002Fpatterns\u002F*.md` | 同一模式在 3+ 条不同新闻中反复出现 | 每月 1-2 个 |\n\n#### Step 5.1: 写入新闻日志（每次必须）\n\n创建\u002F追加 `~\u002F.openclaw\u002Fworkspace\u002Fmemory\u002Fnews-log\u002FYYYY-MM-DD.md`:\n\n```markdown\n# 资讯早报 - YYYY-MM-DD\n\n## 1. [新闻标题] 【类别】\n- **来源**: [链接]\n- **CORE 摘要**: C: ... | O: ... | R: ... | E: ...\n- **候选概念**: [如有，标记为候选] 或 \"无\"\n- **关联旧模式**: [如能关联到 patterns\u002F*.md 中已有模式] 或 \"无\"\n```\n\n#### Step 5.2: 概念入库（高门槛，非每日）\n\n**入库条件**（必须同时满足）:\n- ✅ 这是一个**新的认知框架**，不是事件\u002F产品\u002F公司名\n- ✅ 具有**持久解释力**（6 个月后仍然有用）\n- ✅ 无法用已有概念解释\n\n**Bad**: \"LightGen 光芯片\"（这是一条新闻）\n**Good**: \"光计算范式\"（这是一个持久概念，但需要更多数据点确认才入库）\n\n暂不入库的标记为\"候选概念\"记录在 news-log 中，等累积验证。\n\n#### Step 5.3: 思维模式入库（最高门槛）\n\n**入库条件**: 同一模式在 **3+ 条不同日期的新闻中反复出现**。\n\n在 news-log 中标记 \"关联旧模式\"，当累积到 3+ 条时，提炼入 `patterns\u002F{id}.md`。\n\n**写入格式必须与 cognitive-forge 一致**（YAML frontmatter + 7 字段正文）：\n\n```markdown\n---\nid: {kebab-case-english}\nname_zh: {中文名}\nname_en: {English Name}\nsource: Insight Radar, {触发该模式的 3+ 条新闻来源概述}\ncategory: {investing|startup|systems|ai-thinking|positioning|management|growth|cognitive-bias|influence|economics}\ntags: [{3-5个中文标签}]\nscenarios: [{3-5个应用场景}]\nrelated_models: [{2-4个已有模型id}]\ndifficulty: {beginner|intermediate|advanced}\ndate: {YYYY-MM-DD}\n---\n\n**核心逻辑**: {模式的本质，一段话}\n\n**思维框架**: {核心机制，一句话}\n\n**决策原则**: {在XX场景下，应该XX而非XX}\n\n**盲区警告**: {何时失效}\n\n**反射弧**: {看到XX信号 → 联想到模型 → 行动}\n\n**锚定案例**: {触发该模式的真实新闻案例}\n\n**反共识**: {❌ \"旧常识\" → ✅ 新真相}\n```\n\n> **注意**：insight-radar 产出的模式 `source` 字段标注为 \"Insight Radar, ...\"（而非书籍来源），以区分来源渠道。\n\n#### Step 5.4: 验证写入\n\n写入后，用 Read 工具读取 news-log 文件确认条目存在。\n\n**Completion Checkpoint**:\n- □ news-log\u002FYYYY-MM-DD.md 已写入？\n- □ 概念入库？（仅当满足高门槛条件时）\n- □ 思维模式入库？（仅当同一模式 3+ 次出现时）\n- □ 用 Read 验证了写入？\n\n---\n\n### 6. Deliver Briefing\n\n通过触发通道发送给用户。\n\n**用户上下文个性化** (强制步骤):\n\n1. **读取 USER.md** (`~\u002F.openclaw\u002Fworkspace\u002FUSER.md`):\n   - 工作经历\u002F现在 → profession\n   - 兴趣\u002F爱好 → interests\n   - 当前焦虑\u002F未来规划 → challenges\n   - 不存在 → 使用通用第二人称\n\n2. **映射到 [E] Execution**:\n   - 引用职业: \"如果你在做 AI 产品...\"\n   - 关联兴趣: \"鉴于你对 fintech 的关注...\"\n   - 回应挑战: \"对于你建立第二曲线的目标...\"\n\n3. **始终使用第二人称** (\"你\u002F你的\")\n\n---\n\n## Configuration\n\n| 优先级 | 来源 | 用途 |\n|--------|------|------|\n| 1 | `memory\u002Fnews-sources.json` | 新闻类别 (由 news-source-manager 管理) |\n| 2 | `USER.md` | 个性化 [E] Execution 维度 |\n| 3 | 默认值 | AI\u002FTech 类别, 通用第二人称 |\n\n**Knowledge base paths** (auto-created if missing):\n- `~\u002F.openclaw\u002Fworkspace\u002Fmemory\u002Fknowledge-base\u002Fconcepts.md`\n- `~\u002F.openclaw\u002Fworkspace\u002Fmemory\u002Fknowledge-base\u002Fpatterns\u002F*.md`\n\n---\n\n## Quality Standards\n\n**Forbidden**: 新闻聚合无分析 \u002F 表面评论 \u002F 重复新闻稿 \u002F \"AI is changing everything\" 式空话 \u002F 空 briefing\n\n**Required**: 一针见血的洞察 \u002F 反共识视角 \u002F 可操作 \u002F 跨文章找暗线 \u002F 最少 2-3 条新闻 \u002F 🧠 认知库更新 section is MANDATORY\n\n---\n\n## Execution Flow\n\n```\nDaily trigger\n    ↓\n1. Load news-source-manager config\n    ↓\n2. Search recent news (search_hints + fallback)\n    ↓\n3. Call core-prism for CORE analysis\n    ↓\n4. Generate briefing (4 mandatory sections)\n    ↓\n5. Write to knowledge base (MANDATORY)\n    ├─ concepts.md\n    ├─ patterns\u002F*.md (if patterns found)\n    └─ Verify with Read\n    ↓\n6. Deliver briefing (personalized via USER.md)\n```\n\n---\n\n## References\n\n- See [example-output.md](references\u002Fexample-output.md) for output format\n- See [category-config.md](references\u002Fcategory-config.md) for adding custom categories\n- See `core-prism` skill for detailed CORE framework\n- See `news-source-manager` skill for category management\n","# Insight Radar (洞察雷达)\n\n**Two modes, one skill:**\n\n## 🧠 For AI Self-Evolution\n扫描新闻，提取**概念与战略模式**，写入知识库:\n- **Concepts** (主要) → `concepts.md`: 当前事件、技术发展、市场变化\n- **Thinking Patterns** (偶尔) → `patterns\u002F*.md`: 仅当新闻揭示可复用模式时\n\n## 📰 For User Learning\nCORE 分析的战略简报，不是新闻聚合:\n- **[C] Core Logic**: 第一性原理（不是发生了什么，而是 WHY）\n- **[O] Opportunity**: 价值流向，谁赢了？\n- **[R] Risk**: 反共识，隐藏黑天鹅\n- **[E] Execution**: 你今天该做什么？\n\n**News categories**: 由 `news-source-manager` 管理，默认 AI\u002FTech。\n\n---\n\n## Workflow\n\n### 1. Load News Config\n\n调用 `news-source-manager` 获取用户的活跃新闻类别:\n\n```json\n{\n  \"active_categories\": [{\n    \"name\": \"AI\u002FTech\",\n    \"keywords\": [\"AI\", \"machine learning\", \"LLM\", \"AI agents\", \"semiconductor\", \"robotics\"],\n    \"sources\": [\"TechCrunch\", \"MIT Tech Review\"],\n    \"search_params\": {\"count\": 5}\n  }]\n}\n```\n\n**If news-sources.json 不存在**: 触发 `news-source-manager` 初始化流程。\n**Fallback**: 用户跳过配置时，默认 \"AI\u002FTech\" 类别。\n\n---\n\n### 2. Search Recent News\n\n**搜索策略**: 宽泛扫描 + 智能补搜 + 中英双语。\n\n**核心原则**: 不预定义固定 hints。越简单的 query 返回越全面的结果（测试验证：`\"AI technology news March 2026\"` 比精心设计的关键词组合覆盖度更高）。\n\n**For each active category, 分两步**:\n\n#### Step 2a: 宽泛扫描（每类别固定 2 次）\n\n```\n英文: \"{category_name} news {current_month} {current_year}\"\n中文: \"{类别中文名} 新闻 {current_year}\"\ncount: 5\n\n示例 (Finance\u002FCrypto, 当前 March 2026):\n  WebSearch(\"Finance Crypto news March 2026\", count: 5)\n  WebSearch(\"金融 加密货币 新闻 2026\", count: 5)\n```\n\n**类别名称映射**:\n| category_name | 类别中文名 |\n|---------------|----------|\n| AI\u002FTech | AI 科技 |\n| Business Strategy | 商业战略 |\n| Finance\u002FCrypto | 金融 加密货币 |\n| Health\u002FBio | 生物医药 数字健康 |\n| Energy\u002FClimate | 新能源 气候科技 |\n| Policy\u002FRegulation | AI监管 科技政策 |\n| Product Design | 产品设计 用户体验 |\n\n#### Step 2b: 覆盖度评估 + 智能补搜（每类别 0-2 次）\n\n扫描 Step 2a 结果后，用 `news-sources.json` 中的 **keywords** 评估覆盖度:\n\n```\n1. 将该类别的 keywords 分为 3-4 个子领域簇\n   例如 AI\u002FTech: [模型\u002FAgent] [芯片\u002F硬件] [安全\u002F治理] [应用\u002F商业]\n\n2. 检查 Step 2a 结果覆盖了哪些簇\n   例如: 结果中有 GPT-5.4、Agent 部署 → [模型\u002FAgent] ✅\n         结果中没有芯片相关 → [芯片\u002F硬件] ❌\n\n3. 对未覆盖的簇，生成 1 条补搜 query\n   例如: WebSearch(\"AI chips semiconductor news March 2026\", count: 3)\n\n4. 最多补搜 2 次\u002F类别（硬上限，防止无限膨胀）\n```\n\n**总调用量**: 3 类别 × 2 底线 + 0-6 补搜 = **6-12 次**（实际通常 8-9 次）。\n\n#### Fallback\n\n仅当某类别 Step 2a + 2b 合计 \u003C 2 条结果时，将 `{current_month}` 改为上月重搜。\n\n**If ALL categories fail**: 通知用户 \"过去 24h 无重大新闻，建议扩展类别或时间范围。\"\n\n#### 后处理\n\n**去重**: 合并所有类别结果，按 URL\u002Ftitle 去重，优先保留高权威来源（sources 中 priority: 1）。\n\n**URL 验证**: 检查返回 URL 是否为具体文章。首页\u002F分类页 → 用 web_fetch 提取具体链接。\n\n**战略价值筛选** — 从去重结果中选 TOP 3-5 条:\n\n高价值信号 (优先): 揭示行业本质变化 \u002F 反共识观点 \u002F 跨领域影响 \u002F 基础设施机会\n低价值信号 (跳过): 纯融资公告 \u002F 常规产品发布 \u002F 无新洞察的共识观点\n\n**类别覆盖**: 选出的 3-5 条至少覆盖 2 个不同类别。如果都来自同一类别 → 补 1 条次要类别。\n\n**输出格式**: 每条标注类别、时间、来源链接\n```markdown\n### 1️⃣ 中国AI Agent爆火 【AI\u002FTech】\n📅 1 day ago (2026-03-22)\n🔗 [Reuters](https:\u002F\u002Fwww.reuters.com\u002F...)\n```\n\n---\n\n### 3. Analyze with CORE Framework\n\n对每条选中的新闻，调用 `core-prism` skill 进行 CORE 分析。传入 USER.md 中的用户上下文用于 [E] Execution 维度个性化。\n\n---\n\n### 4. Generate Strategic Briefing\n\n**4 个 mandatory sections**:\n\n1. **📰 核心资讯** (Core News)\n   - 3-5 items with CORE analysis\n   - 每条含: 类别标签【】, 时间 📅, 来源链接 🔗, C\u002FO\u002FR\u002FE 分析\n\n2. **🎯 战略简报** (Strategic Briefing)\n   - 今日破局点: 这些故事**一起**揭示了什么？\n   - So What? 给用户一个尖锐的可操作问题\n\n3. **🧠 认知沉淀** (Cognitive Digest)\n   - 今日关键事件摘要 (写入 news-log)\n   - 候选概念 (如果今日新闻揭示了一个**全新的认知框架**，标记为候选，累积验证后才入 concepts.md)\n   - 候选模式 (如果同一模式已在 3+ 条不同新闻中反复出现，才提炼入 patterns\u002F*.md)\n   - 判断力复盘 (哪些旧假设被验证\u002F推翻？)\n\n4. **🤔 盲区质询** (Blind Spot Questions)\n   - 3-5 个挑战用户假设的思考题\n\n---\n\n### 5. Write to Knowledge Base — **三层架构**\n\n**每日新闻和深度认知分层存储，避免知识库被新闻复述淹没。**\n\n#### 三层写入规则\n\n| 层级 | 文件 | 入库标准 | 频率 |\n|------|------|---------|------|\n| **Layer 1: 新闻日志** | `memory\u002Fnews-log\u002FYYYY-MM-DD.md` | 每条分析过的新闻 | 每天 |\n| **Layer 2: 概念** | `memory\u002Fknowledge-base\u002Fconcepts.md` | 真正的新认知框架，不是事件记录 | 每周 1-3 个 |\n| **Layer 3: 思维模式** | `memory\u002Fknowledge-base\u002Fpatterns\u002F*.md` | 同一模式在 3+ 条不同新闻中反复出现 | 每月 1-2 个 |\n\n#### Step 5.1: 写入新闻日志（每次必须）\n\n创建\u002F追加 `~\u002F.openclaw\u002Fworkspace\u002Fmemory\u002Fnews-log\u002FYYYY-MM-DD.md`:\n\n```markdown\n# 资讯早报 - YYYY-MM-DD\n\n## 1. [新闻标题] 【类别】\n- **来源**: [链接]\n- **CORE 摘要**: C: ... | O: ... | R: ... | E: ...\n- **候选概念**: [如有，标记为候选] 或 \"无\"\n- **关联旧模式**: [如能关联到 patterns\u002F*.md 中已有模式] 或 \"无\"\n```\n\n#### Step 5.2: 概念入库（高门槛，非每日）\n\n**入库条件**（必须同时满足）:\n- ✅ 这是一个**新的认知框架**，不是事件\u002F产品\u002F公司名\n- ✅ 具有**持久解释力**（6 个月后仍然有用）\n- ✅ 无法用已有概念解释\n\n**Bad**: \"LightGen 光芯片\"（这是一条新闻）\n**Good**: \"光计算范式\"（这是一个持久概念，但需要更多数据点确认才入库）\n\n暂不入库的标记为\"候选概念\"记录在 news-log 中，等累积验证。\n\n#### Step 5.3: 思维模式入库（最高门槛）\n\n**入库条件**: 同一模式在 **3+ 条不同日期的新闻中反复出现**。\n\n在 news-log 中标记 \"关联旧模式\"，当累积到 3+ 条时，提炼入 `patterns\u002F{id}.md`。\n\n**写入格式必须与 cognitive-forge 一致**（YAML frontmatter + 7 字段正文）：\n\n```markdown\n---\nid: {kebab-case-english}\nname_zh: {中文名}\nname_en: {English Name}\nsource: Insight Radar, {触发该模式的 3+ 条新闻来源概述}\ncategory: {investing|startup|systems|ai-thinking|positioning|management|growth|cognitive-bias|influence|economics}\ntags: [{3-5个中文标签}]\nscenarios: [{3-5个应用场景}]\nrelated_models: [{2-4个已有模型id}]\ndifficulty: {beginner|intermediate|advanced}\ndate: {YYYY-MM-DD}\n---\n\n**核心逻辑**: {模式的本质，一段话}\n\n**思维框架**: {核心机制，一句话}\n\n**决策原则**: {在XX场景下，应该XX而非XX}\n\n**盲区警告**: {何时失效}\n\n**反射弧**: {看到XX信号 → 联想到模型 → 行动}\n\n**锚定案例**: {触发该模式的真实新闻案例}\n\n**反共识**: {❌ \"旧常识\" → ✅ 新真相}\n```\n\n> **注意**：insight-radar 产出的模式 `source` 字段标注为 \"Insight Radar, ...\"（而非书籍来源），以区分来源渠道。\n\n#### Step 5.4: 验证写入\n\n写入后，用 Read 工具读取 news-log 文件确认条目存在。\n\n**Completion Checkpoint**:\n- □ news-log\u002FYYYY-MM-DD.md 已写入？\n- □ 概念入库？（仅当满足高门槛条件时）\n- □ 思维模式入库？（仅当同一模式 3+ 次出现时）\n- □ 用 Read 验证了写入？\n\n---\n\n### 6. Deliver Briefing\n\n通过触发通道发送给用户。\n\n**用户上下文个性化** (强制步骤):\n\n1. **读取 USER.md** (`~\u002F.openclaw\u002Fworkspace\u002FUSER.md`):\n   - 工作经历\u002F现在 → profession\n   - 兴趣\u002F爱好 → interests\n   - 当前焦虑\u002F未来规划 → challenges\n   - 不存在 → 使用通用第二人称\n\n2. **映射到 [E] Execution**:\n   - 引用职业: \"如果你在做 AI 产品...\"\n   - 关联兴趣: \"鉴于你对 fintech 的关注...\"\n   - 回应挑战: \"对于你建立第二曲线的目标...\"\n\n3. **始终使用第二人称** (\"你\u002F你的\")\n\n---\n\n## Configuration\n\n| 优先级 | 来源 | 用途 |\n|--------|------|------|\n| 1 | `memory\u002Fnews-sources.json` | 新闻类别 (由 news-source-manager 管理) |\n| 2 | `USER.md` | 个性化 [E] Execution 维度 |\n| 3 | 默认值 | AI\u002FTech 类别, 通用第二人称 |\n\n**Knowledge base paths** (auto-created if missing):\n- `~\u002F.openclaw\u002Fworkspace\u002Fmemory\u002Fknowledge-base\u002Fconcepts.md`\n- `~\u002F.openclaw\u002Fworkspace\u002Fmemory\u002Fknowledge-base\u002Fpatterns\u002F*.md`\n\n---\n\n## Quality Standards\n\n**Forbidden**: 新闻聚合无分析 \u002F 表面评论 \u002F 重复新闻稿 \u002F \"AI is changing everything\" 式空话 \u002F 空 briefing\n\n**Required**: 一针见血的洞察 \u002F 反共识视角 \u002F 可操作 \u002F 跨文章找暗线 \u002F 最少 2-3 条新闻 \u002F 🧠 认知库更新 section is MANDATORY\n\n---\n\n## Execution Flow\n\n```\nDaily trigger\n    ↓\n1. Load news-source-manager config\n    ↓\n2. Search recent news (search_hints + fallback)\n    ↓\n3. Call core-prism for CORE analysis\n    ↓\n4. Generate briefing (4 mandatory sections)\n    ↓\n5. Write to knowledge base (MANDATORY)\n    ├─ concepts.md\n    ├─ patterns\u002F*.md (if patterns found)\n    └─ Verify with Read\n    ↓\n6. Deliver briefing (personalized via USER.md)\n```\n\n---\n\n## References\n\n- See [example-output.md](references\u002Fexample-output.md) for output format\n- See [category-config.md](references\u002Fcategory-config.md) for adding custom categories\n- See `core-prism` skill for detailed CORE framework\n- See `news-source-manager` skill for category management\n",{},"master","4aa004da461d820f4ea5499e58eb8d196cf99016","community\u002Fclawhub\u002Fi\u002Finsight-radar",0,"https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge","https:\u002F\u002Fskill-explorer-rho.vercel.app","https:\u002F\u002Fgithub.com\u002FLord1Egypt","Unbreakable. Unstoppable. Unmatched⚡.\r\n Speaker of machine tongues 🤖  | World-builder of decentralized dreams 🌐 | Defender of the digital realm🛡️.","2026-06-10 08:21:01",{"source":7,"skillName":5,"commands":33,"prompt":43,"zipAvailable":44},[34,37,40],{"tool":35,"command":36},"npx","npx skills add Lord1Egypt\u002Fawesome-skill-forge --skill insight-radar",{"tool":38,"command":39},"bunx","bunx skills add Lord1Egypt\u002Fawesome-skill-forge --skill insight-radar",{"tool":41,"command":42},"pnpm","pnpm dlx skills add Lord1Egypt\u002Fawesome-skill-forge --skill insight-radar","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fi\u002Finsight-radar\u002FSKILL.md",true,[],[47,54,61,68,75,82],{"skillNo":48,"name":49,"nameZh":6,"description":50,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":51,"categories":52,"keywords":53,"publishedAt":18},"01M785WKJB99G3STR1NF9NRTJW","youtube-content","YouTube transcripts to summaries, threads, blogs.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fyoutube-content\u002FSKILL.md",[],[],{"skillNo":55,"name":56,"nameZh":6,"description":57,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":58,"categories":59,"keywords":60,"publishedAt":18},"01M785WEFHB0G2S9YA6EPR3H0E","xurl","X\u002FTwitter via xurl CLI: post, search, DM, media, v2 API.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fxurl\u002FSKILL.md",[],[],{"skillNo":62,"name":63,"nameZh":6,"description":64,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":67,"publishedAt":18},"01M785W98EDN4EFJXJPMQEHCRC","touchdesigner-mcp","Control a running TouchDesigner instance via twozero MCP — create operators, set parameters, wire connections, execute Python, build real-time visuals. 36 native tools.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftouchdesigner-mcp\u002FSKILL.md",[],[],{"skillNo":69,"name":70,"nameZh":6,"description":71,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":72,"categories":73,"keywords":74,"publishedAt":18},"01M785W5S9FP3QBH2V191E025P","test-driven-development","TDD: enforce RED-GREEN-REFACTOR, tests before code.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftest-driven-development\u002FSKILL.md",[],[],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":81,"publishedAt":18},"01M785W2AS08NSSH9YATCV6FJB","teams-meeting-pipeline","Operate the Teams meeting summary pipeline via Hermes CLI — summarize meetings, inspect pipeline status, replay jobs, manage Microsoft Graph subscriptions.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fteams-meeting-pipeline\u002FSKILL.md",[],[],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":88,"publishedAt":18},"01M785VXKW4T34BTP1SCHW1R7F","systematic-debugging","4-phase root cause debugging: understand bugs before fixing.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fsystematic-debugging\u002FSKILL.md",[],[]]