话题监控器

监控重要信息。一旦发生，即刻获知。

话题监控器通过持续监控您关心的话题，并在真正重要时智能提醒，将您的助手从被动响应转变为主动告知。

核心能力

1. 话题配置 – 使用自定义参数定义您关注的主题
2. 定时监控 – 按可配置的时间间隔自动搜索
3. AI 重要性评分 – 智能过滤：即时提醒 vs 周报汇总 vs 忽略
4. 上下文摘要 – 不只是链接——提供包含上下文的有意义的摘要
5. 每周汇总 – 将低优先级的发现编译成可读报告
6. 记忆集成 – 参考您过去的对话和兴趣点

首次运行

首次使用话题监控器时，请运行交互式设置向导：

python3 scripts/setup.py

该向导将引导您完成：

1. 话题 – 您想要监控什么主题？
2. 搜索查询 – 如何为每个话题进行搜索
3. 关键词 – 哪些术语表示相关性
4. 频率 – 多久检查一次（每小时/每天/每周）
5. 重要性阈值 – 何时发送提醒（低/中/高）
6. 每周汇总 – 将非紧急发现编译成摘要

向导会创建包含您偏好的 config.json 文件。您可以稍后随时编辑它，或使用 manage_topics.py 添加/移除话题。

示例会话：

🔍 话题监控器 - 设置向导

您想监控哪些话题？
  > AI 模型发布
  > 安全漏洞
  > 

--- 话题 1/2: AI 模型发布 ---
  'AI 模型发布' 的搜索查询 [AI 模型发布 新闻 更新]: 新 AI 模型 发布 公告
  'AI 模型发布' 中要关注的关键词？
  > GPT, Claude, Llama, 发布

--- 话题 2/2: 安全漏洞 ---
  '安全漏洞' 的搜索查询 [安全漏洞 新闻 更新]: CVE 关键 漏洞 补丁
  '安全漏洞' 中要关注的关键词？
  > CVE, 漏洞, 关键, 补丁

我应该多久检查一次更新？
  1. 每小时
  2. 每天 *
  3. 每周

✅ 设置完成！

快速开始

如果您已经了解流程，以下是手动操作方法：

# 从模板初始化配置
cp config.example.json config.json

# 添加一个话题
python3 scripts/manage_topics.py add "产品更新" \
  --keywords "发布,更新,补丁" \
  --frequency daily \
  --importance medium

# 测试监控（试运行）
python3 scripts/monitor.py --dry-run

# 设置 cron 以实现自动监控
python3 scripts/setup_cron.py

话题配置

每个话题包含：

• name – 显示名称（例如：”AI 模型发布”）
• query – 搜索查询（例如：”新 AI 模型 发布 公告”）
• keywords – 相关性过滤器（[“GPT”, “Claude”, “Llama”, “发布”]）
• frequency – hourly（每小时）、daily（每天）、weekly（每周）
• importance_threshold – high（立即提醒）、medium（重要则提醒）、low（仅汇总）
• channels – 发送提醒的渠道（[“telegram”, “discord”]）
• context – 您关心的原因（用于 AI 上下文摘要）

示例 config.json

{
  "topics": [
    {
      "id": "ai-models",
      "name": "AI 模型发布",
      "query": "新 AI 模型 发布 GPT Claude Llama",
      "keywords": ["GPT", "Claude", "Llama", "发布", "公告"],
      "frequency": "daily",
      "importance_threshold": "high",
      "channels": ["telegram"],
      "context": "为工作跟进 AI 发展",
      "alert_on": ["model_release", "major_update"]
    },
    {
      "id": "tech-news",
      "name": "科技行业新闻",
      "query": "科技 初创公司 融资 收购",
      "keywords": ["初创公司", "融资", "A轮", "收购"],
      "frequency": "daily",
      "importance_threshold": "medium",
      "channels": ["telegram"],
      "context": "关注科技趋势",
      "alert_on": ["major_funding", "acquisition"]
    },
    {
      "id": "security-alerts",
      "name": "安全漏洞",
      "query": "CVE 关键 漏洞 安全 补丁",
      "keywords": ["CVE", "漏洞", "安全", "补丁", "关键"],
      "frequency": "hourly",
      "importance_threshold": "high",
      "channels": ["telegram", "email"],
      "context": "DevOps 安全监控",
      "alert_on": ["critical_cve", "zero_day"]
    }
  ],
  "settings": {
    "digest_day": "sunday",
    "digest_time": "18:00",
    "max_alerts_per_day": 5,
    "deduplication_window_hours": 72,
    "learning_enabled": true
  }
}

脚本

manage_topics.py

管理研究话题：

# 添加话题
python3 scripts/manage_topics.py add "话题名称" \
  --query "搜索查询" \
  --keywords "词1,词2" \
  --frequency daily \
  --importance medium \
  --channels telegram

# 列出话题
python3 scripts/manage_topics.py list

# 编辑话题
python3 scripts/manage_topics.py edit eth-price --frequency hourly

# 移除话题
python3 scripts/manage_topics.py remove eth-price

# 测试话题（预览结果而不保存）
python3 scripts/manage_topics.py test eth-price

monitor.py

主要监控脚本（通过 cron 运行）：

# 正常运行（提醒 + 保存状态）
python3 scripts/monitor.py

# 试运行（无提醒，显示将发生什么）
python3 scripts/monitor.py --dry-run

# 强制检查特定话题
python3 scripts/monitor.py --topic eth-price

# 详细日志
python3 scripts/monitor.py --verbose

工作原理：

1. 读取需要检查的话题（基于频率）
2. 使用 web-search-plus 或内置的 web_search 进行搜索
3. 使用 AI 重要性评分器对每个结果评分
4. 高重要性 → 即时提醒
5. 中重要性 → 保存到周报
6. 低重要性 → 忽略
7. 更新状态以防止重复提醒

digest.py

生成每周汇总：

# 生成当前周的汇总
python3 scripts/digest.py

# 生成并发送
python3 scripts/digest.py --send

# 预览而不发送
python3 scripts/digest.py --preview

输出格式：

# 每周研究摘要 - [日期范围]

## 🔥 重点发现

- **AI 模型**：Claude 4.5 发布，推理能力提升
- **安全**：流行框架中发现关键 CVE 已修复

## 📊 按话题分类

### AI 模型发布
- [本周 3 条发现]

### 安全漏洞
- [本周 1 条发现]

## 💡 建议

根据您的兴趣，您可能想要监控：
- "Kubernetes 安全"（本周提及 3 次）

setup_cron.py

配置自动监控：

# 交互式设置
python3 scripts/setup_cron.py

# 使用默认值自动设置
python3 scripts/setup_cron.py --auto

# 移除 cron 任务
python3 scripts/setup_cron.py --remove

创建 cron 条目：

# 话题监控器 - 每小时话题
0 * * * * cd /path/to/skills/topic-monitor && python3 scripts/monitor.py --frequency hourly

# 话题监控器 - 每天话题  
0 9 * * * cd /path/to/skills/topic-monitor && python3 scripts/monitor.py --frequency daily

# 话题监控器 - 每周汇总
0 18 * * 0 cd /path/to/skills/topic-monitor && python3 scripts/digest.py --send

AI 重要性评分

评分器使用多种信号来决定提醒优先级：

评分信号

高优先级（即时提醒）：

• 重大突发新闻（通过新鲜度 + 关键词密度检测）
• 价格变动 >10%（针对金融话题）
• 与您的确切关键词匹配的产品发布
• 您使用的工具中的安全漏洞
• 对您提出过的具体问题的直接回答

中优先级（值得汇总）：

• 相关但不紧急的新闻
• 跟踪产品的次要更新
• 您关注话题的有趣进展
• 教程/指南发布
• 高参与度的社区讨论

低优先级（忽略）：

• 重复新闻（已提醒过）
• 间接相关的内容
• 低质量来源
• 过时信息
• 垃圾/促销内容

学习模式

当启用时（learning_enabled: true），系统会：

1. 跟踪您与哪些提醒进行互动
2. 根据您的行为调整评分权重
3. 建议话题改进
4. 自动调整重要性阈值

学习数据存储在 .learning_data.json 中（隐私安全，绝不共享）。

记忆集成

话题监控器连接到您的对话历史：

示例提醒：

🔔 Dirac Live 更新

3.8 版本发布，包含您上周询问的房间校正改进。

上下文： 您提到在您的工作室中低音响应存在问题。本次更新包括新的低频优化。

[链接] | [完整详情]

工作原理：

1. 读取 references/memory_hints.md（创建此文件）
2. 扫描最近的对话日志（如果可用）
3. 将发现与过去的上下文匹配
4. 生成个性化摘要

memory_hints.md（可选）

帮助 AI 建立关联：

# 话题监控器的记忆提示

## AI 模型
- 使用 Claude 辅助编码
- 对推理改进感兴趣
- 比较不同模型以适应不同用例

## 安全
- 运行生产级 Kubernetes 集群
- 需要快速修补关键 CVE
- 对零日披露感兴趣

## 科技新闻
- 关注初创公司生态系统
- 对开发者工具领域感兴趣
- 追踪潜在收购目标

提醒渠道

Telegram

需要 OpenClaw 消息工具：

{
  "channels": ["telegram"],
  "telegram_config": {
    "chat_id": "@your_username",
    "silent": false,
    "effects": {
      "high_importance": "🔥",
      "medium_importance": "📌"
    }
  }
}

Discord

基于 Webhook：

{
  "channels": ["discord"],
  "discord_config": {
    "webhook_url": "https://discord.com/api/webhooks/...",
    "username": "研究机器人",
    "avatar_url": "https://..."
  }
}

邮件

SMTP 或 API：

{
  "channels": ["email"],
  "email_config": {
    "to": "you@example.com",
    "from": "research@yourdomain.com",
    "smtp_server": "smtp.gmail.com",
    "smtp_port": 587
  }
}

高级功能

提醒条件

微调提醒时机：

{
  "alert_on": [
    "price_change_10pct",
    "keyword_exact_match",
    "source_tier_1",
    "high_engagement"
  ],
  "ignore_sources": [
    "spam-site.com",
    "clickbait-news.io"
  ],
  "boost_sources": [
    "github.com",
    "arxiv.org",
    "official-site.com"
  ]
}

正则表达式模式

匹配特定模式：

{
  "patterns": [
    "版本 \\d+\\.\\d+\\.\\d+",
    "\\$\\d{1,3}(,\\d{3})*",
    "CVE-\\d{4}-\\d+"
  ]
}

速率限制

防止提醒疲劳：

{
  "settings": {
    "max_alerts_per_day": 5,
    "max_alerts_per_topic_per_day": 2,
    "quiet_hours": {
      "start": "22:00",
      "end": "08:00"
    }
  }
}

状态管理

.research_state.json

跟踪：

• 每个话题的最后检查时间
• 已提醒的 URL（去重）
• 重要性评分历史
• 学习数据（如果启用）

示例：

{
  "topics": {
    "eth-price": {
      "last_check": "2026-01-28T22:00:00Z",
      "last_alert": "2026-01-28T15:30:00Z",
      "alerted_urls": [
        "https://example.com/eth-news-1"
      ],
      "findings_count": 3,
      "alerts_today": 1
    }
  },
  "deduplication": {
    "url_hash_map": {
      "abc123": "2026-01-28T15:30:00Z"
    }
  }
}

.findings/ 目录

存储值得汇总的发现：

.findings/
├── 2026-01-22_eth-price.json
├── 2026-01-24_fm26-patches.json
└── 2026-01-27_ai-breakthroughs.json

最佳实践

1. 保守开始 – 初始设置 importance_threshold: medium，根据提醒质量调整
2. 使用上下文字段 – 帮助 AI 生成更好的摘要
3. 优化关键词 – 添加否定关键词以过滤噪音："keywords": ["AI", "-clickbait", "-spam"]
4. 启用学习 – 根据您的行为随时间改进
5. 每周查看汇总 – 不要忽略汇总——它能发现模式
6. 结合个人分析技能 – 根据您的聊天模式获取话题推荐

与其他技能集成

web-search-plus

自动使用智能路由：

• 产品/价格话题 → Serper
• 研究话题 → Tavily
• 公司/初创公司发现 → Exa

personal-analytics

根据对话模式建议话题：

“您本月问了 12 次 Rust。需要我监控 ‘Rust 语言更新’ 吗？”

隐私与安全

• 所有数据本地化 – 除搜索 API 外无外部服务
• 状态文件已加入 gitignore – 可在版本控制工作空间中安全使用
• 记忆提示可选 – 您控制共享的上下文
• 学习数据保留本地 – 绝不发送到 API

故障排除

未收到提醒：

• 检查 cron 是否在运行：crontab -l
• 验证渠道配置（Telegram 聊天 ID、Discord webhook）
• 使用 --dry-run --verbose 运行查看评分

提醒太多：

• 提高 importance_threshold
• 添加速率限制
• 优化关键词（添加否定过滤器）
• 启用学习模式

错过重要新闻：

• 降低 importance_threshold
• 增加检查频率
• 扩大关键词范围
• 检查 .research_state.json 的去重问题

汇总未生成：

• 验证 .findings/ 目录存在且有内容
• 检查汇总的 cron 调度
• 手动运行：python3 scripts/digest.py --preview

示例工作流

跟踪产品发布

python3 scripts/manage_topics.py add "iPhone 17 发布" \
  --query "iPhone 17 公告 发布 日期" \
  --keywords "iPhone 17,Apple 活动,9月" \
  --frequency daily \
  --importance high \
  --channels telegram \
  --context "计划从 iPhone 13 升级"

监控竞争对手

python3 scripts/manage_topics.py add "竞争对手分析" \
  --query "CompetitorCo 产品 发布 融资" \
  --keywords "CompetitorCo,产品,发布,系列,融资" \
  --frequency weekly \
  --importance medium \
  --channels discord,email

研究主题

python3 scripts/manage_topics.py add "量子计算论文" \
  --query "量子计算 arxiv" \
  --keywords "量子,量子比特,arxiv" \
  --frequency weekly \
  --importance low \
  --channels email

致谢

为 ClawHub 构建。使用 web-search-plus 技能实现智能搜索路由。