AI 资料收集工具

从指定渠道搜索和收集 AI 及汽车行业最新资料，整理成结构化 Excel 表格。

🔴 强制规则（违反任何一条即判定为失败）

规则1: 禁止使用不可靠来源

禁止收录的来源（这些是论坛/社区/UGC，不是新闻，不可交叉印证）：

必须使用的来源（权威媒体，可交叉印证）：

> ⚠️ 搜索结果中出现 zhihu.com/weibo.com/toutiao.com 链接时，直接跳过，不要点击、不要抓取、不要收录。

规则2: 必须抓取详情页，禁止使用搜索摘要

搜索结果中的 snippet ≠ 摘要。每条收录的信息必须经过以下流程：

搜索发现链接 → web_fetch抓取原文 → 从原文提取核心要点 → 写入摘要

禁止的摘要写法：

❌ "关键词搜索结果：个人怎么才能使用OpenAI?"     → 这是搜索snippet
❌ "如何评价OpenAI最新发布的GPT-5.4 mini?"        → 这是搜索snippet
❌ "OpenAI发布了新模型"                            → 没有从原文提取

合格的摘要写法：

✅ "谷歌在Cloud Next大会发布第八代TPU，首次拆分训练与推理专用芯片。推理成本降低40%，Meta和Anthropic已签大单。"  → 从原文提取，含具体数据
✅ "K2.6开源发布，1T参数MoE架构，256K上下文。SWE-Bench Pro超越GPT-5.4和Claude Opus 4.6。"  → 从原文提取，含评测数据

规则3: 每次执行必须重新搜索，禁止复用历史数据

• 用户每次要求收集信息时，必须从头执行全部搜索，不得复用之前的搜索结果
• 即使同一用户短时间内多次请求，也要重新搜索
• 不得使用缓存的搜索结果或之前生成的数据
• 所有搜索调用必须实际执行，不能假设"上次搜过了所以跳过"
• 绝对不能因为"上次已搜索过同类信息"而省略任何搜索步骤

规则4: 日期必须精确到日

• 发布时间必须是 YYYY-MM-DD 格式
• YYYY-MM 格式 → 丢弃
• YYYY 格式 → 丢弃
• 无法确认精确日期的记录 → 丢弃

规则5: 禁止回退到纯英文来源

• 不允许因为"中文站点无法访问"而放弃中文来源
• 当 web_search 中文结果不足时，必须使用 web_fetch 直接抓取中文新闻站列表页（见步骤2B降级策略）
• 英文来源（The Verge、TechCrunch等）只能作为补充，不能成为主体
• 最终报告中，中文来源占比必须 ≥60%

规则6: 多渠道交叉印证，禁止单一来源垄断

• 单一域名链接占比不得超过50%：如果超过50%的记录链接来自同一域名（如全部来自ithome.com），必须从其他渠道补充
• 每条记录至少2个不同渠道验证：对每个事件，必须从至少2个不同权威媒体搜索确认，选择最权威可信的链接作为主链接
• 摘要应综合多渠道信息：核心要点摘要应融合多个渠道的报道内容，而非仅依赖单一来源
• 文档/链接选择最权威来源：优先选择：官方来源 > 通讯社(新华社等) > 深度媒体(澎湃/财新) > 综合媒体(腾讯新闻) > 科技媒体(IT之家/36氪)

依赖检查（必须首先执行）

python3 -c "import openpyxl" 2>/dev/null || echo "MISSING: openpyxl"

如果依赖缺失，输出以下提示后停止：

⚠️ 缺少必要依赖：[依赖名]
请运行：[安装命令]
安装完成后重新执行本技能。

📊 质量基线（必须达标）

以下标准基于实际产出周报的质量验证，每条记录必须对标：

每条记录质量对照

优秀记录示例（必须达到此质量）：

材料类别: AI基础设施
来源/发布机构: Google Cloud                    ← 具体到部门
材料名称: 谷歌发布第八代TPU v8双芯：TPU 8t训练+TPU 8i推理  ← 事件+具体型号+关键差异
发布时间: 2026-04-22                           ← 精确到日
核心要点摘要: 谷歌在Cloud Next大会发布第八代TPU，首次拆分训练与推理专用芯片。推理成本降低40%，Meta和Anthropic已签大单。同时宣布7.5亿美元基金推动企业AI采用。  ← 从原文提取，含具体数据
文档/链接: https://www.thepaper.cn/newsDetail_forward_33029483  ← 深度媒体为主链接
印证来源: https://www.36kr.com/p/xxx, https://www.ithome.com/0/941/418.htm  ← 不同域名佐证

不合格记录示例（必须避免）：

❌ 来源/发布机构: 知乎               → 禁止来源
❌ 来源/发布机构: 科技公司            → 太泛
❌ 材料名称: 如何评价OpenAI最新发布   → 这是知乎问答标题，不是新闻事件
❌ 核心要点摘要: 关键词搜索结果：...   → 搜索snippet，未抓取原文
❌ 核心要点摘要: 谷歌发布了新芯片      → 缺少具体数据
❌ 发布时间: 2026-04                 → 必须精确到日
❌ 文档/链接: https://www.zhihu.com/  → 禁止来源
❌ 文档/链接: https://www.theverge.com/... → 英文来源，必须有中文源交叉印证
❌ 印证来源: https://www.ithome.com/0/941/xxx → 与主链接同域名，不算交叉印证
❌ 印证来源: 无 → 每条记录应有≥1个不同域名的佐证
❌ 全部15条链接都是ithome.com → 单渠道垄断，必须分散到多个媒体

类别最低记录数

🚫 绝对禁止事项

1. 禁止编造日期：发布时间必须是文章中明确标注的日期
2. 禁止使用模糊日期：发布时间必须是 YYYY-MM-DD 格式，不接受 YYYY-MM 或 YYYY
3. 禁止收录旧数据：严格按用户指定时间范围过滤
4. 禁止收录产品介绍页：只收录新闻/事件/报告发布，不收录常驻产品页面
5. 禁止自行推测内容：无法核实的内容直接丢弃
6. 禁止收录知乎/微博/论坛/今日头条内容：只收录权威新闻媒体和官方来源
7. 禁止用搜索snippet当摘要：必须抓取原文提取核心要点
8. 禁止摘要无数据：核心要点摘要必须包含至少1个具体数值（百分比、金额、数量、排名等）
9. 禁止来源笼统：来源/发布机构必须具体到公司/部门，不能写"行业"、"科技公司"等泛称
10. 禁止标题空洞：材料名称必须包含具体事件或关键差异点
11. 禁止复用历史搜索数据：每次执行必须重新搜索
12. 禁止跳过详情抓取：每条记录必须从原文页面获取信息
13. 禁止因中文搜索不足就放弃中文来源：必须执行降级策略（步骤2B），不得直接回退英文媒体
14. 禁止提示用户"技术限制"作为借口：中文来源不足时主动用web_fetch抓取列表页，不得输出"部分中文站点无法访问"
15. 禁止单渠道垄断：单一域名链接占比超过50%时，必须从其他渠道补充并替换
16. 禁止无交叉印证：每条记录至少应有1个不同域名的佐证链接，重大事件必须有2个不同渠道

✅ 搜索策略：三级搜索确保中文来源

核心原则：绝不放弃中文来源

第一级：web_search + site: 限定权威来源（主力）
    ↓ 结果不足？
第二级：web_fetch 直接抓取中文新闻站列表页（降级）
    ↓ 仍不足？
第三级：web_search 英文来源补充（仅补充，不超过40%）

第一级：站内搜索锁定权威来源

用 site: 限定权威媒体，避免泛搜返回知乎：

// ✅ 正确：限定权威媒体来源
web_search({ query: "site:ithome.com 大模型 发布 最新", freshness: "week", count: 10 })
web_search({ query: "site:new.qq.com AI 芯片 最新", freshness: "week", count: 10 })

// ❌ 错误：泛搜返回大量知乎结果
web_search({ query: "AI大模型 最新" })  // 会返回大量 zhihu.com 链接

第二级：web_fetch 直接抓取中文新闻站列表页（关键降级策略）

当 web_search 返回的中文结果不足10条时，必须执行此步骤。这是解决"中文站点无法访问"问题的核心策略。

直接 web_fetch 访问以下中文新闻站的列表页/频道页，从页面中提取最新文章标题和链接：

// IT之家 AI频道 - 最可靠的中文科技新闻源
web_fetch({ url: "https://www.ithome.com/tag/AI/", fetchInfo: "提取页面中所有AI相关新闻的标题、链接和日期" })
web_fetch({ url: "https://www.ithome.com/tag/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/", fetchInfo: "提取页面中所有人工智能相关新闻的标题、链接和日期" })

// 36氪 AI频道
web_fetch({ url: "https://36kr.com/information/AI/", fetchInfo: "提取页面中所有AI相关新闻的标题、链接和日期" })

// 机器之心 - AI专业媒体
web_fetch({ url: "https://www.jiqizhixin.com/", fetchInfo: "提取首页所有文章的标题、链接和日期" })

// 澎湃新闻 科技频道
web_fetch({ url: "https://www.thepaper.cn/channel_25951", fetchInfo: "提取科技频道所有新闻的标题、链接和日期" })

// 腾讯新闻 科技频道
web_fetch({ url: "https://new.qq.com/ch/tech/", fetchInfo: "提取科技频道所有新闻的标题、链接和日期" })

// 新浪财经 科技频道
web_fetch({ url: "https://finance.sina.com.cn/tech/", fetchInfo: "提取科技频道所有新闻的标题、链接和日期" })

执行条件：

• 步骤2A 的 web_search 返回的中文权威来源链接 < 10条
• 或者搜索结果中超过50%是知乎/微博等不可靠来源

从列表页提取信息后：

1. 从页面中找到日期在 DATE_START ~ DATE_END 范围内的文章
2. 对每篇文章执行 web_fetch 抓取详情页
3. 提取核心要点写入摘要

第三级：英文来源补充（严格限制）

英文来源只能作为中文来源的补充，不得超过总记录数的40%：

// 仅在中文来源不足时使用
web_search({ query: "site:theverge.com AI latest", freshness: "week", count: 5 })
web_search({ query: "site:techcrunch.com AI model release", freshness: "week", count: 5 })
web_search({ query: "site:arstechnica.com AI chip", freshness: "week", count: 5 })

> ⚠️ 英文来源必须有中文权威媒体交叉印证。如果某个事件只有英文媒体报道、无任何中文来源提及，可以收录但需在摘要末尾标注 [仅英文来源]。

收集流程（7步）

步骤1: 解析需求 → 计算日期范围
  ↓
步骤2A: 站内搜索（site:限定权威来源，排除知乎微博）
  ↓ 中文结果不足10条？
步骤2B: web_fetch 直接抓取中文新闻站列表页（降级策略，必须执行）
  ↓ 仍不足？
步骤2C: 英文来源补充（不超过总数40%）
  ↓
步骤3: 逐条 web_fetch 抓取原文详情（必须步骤，不可跳过）
  ↓
步骤4: 从原文提取结构化信息 + 日期验证 + 事实核查
  ↓
步骤5: 生成 Excel 文件（必须完成）
  ↓
步骤6: 输出文本表格 + 质量自检

步骤1: 解析需求，计算日期范围

将日期范围记录为 DATE_START 和 DATE_END，后续搜索必须使用。

步骤2A: 站内搜索锁定权威来源

搜索方式

// 方式1：site: 限定权威来源（推荐）
web_search({ query: "site:ithome.com 大模型 发布 最新", freshness: "week", count: 10 })

// 方式2：OR 组合多个权威来源
web_search({ query: "site:ithome.com OR site:36kr.com OR site:new.qq.com AI 发布", freshness: "week", count: 10 })

// 方式3：负向排除不可靠来源
web_search({ query: "AI大模型 发布 最新 -site:zhihu.com -site:weibo.com -site:toutiao.com", freshness: "week", count: 10 })

> ⚠️ 搜索结果中如果出现 zhihu.com / weibo.com / toutiao.com 链接，直接丢弃，不要点击或抓取。

搜索模板（共15次，确保多渠道覆盖）

> ⚠️ 关键原则：每组搜索必须分散到不同权威媒体站点，不得全部集中在 ithome.com。每次搜索应交替使用不同的 site: 组合。

搜索组A：模型厂商动态（4次，覆盖4组不同媒体）

// A1：国际厂商 - IT之家+36氪
web_search({ query: "site:ithome.com OR site:36kr.com OpenAI Anthropic Google Gemini 大模型 发布", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// A2：国际厂商 - 腾讯新闻+澎湃（与A1不同渠道交叉）
web_search({ query: "site:new.qq.com OR site:thepaper.cn OpenAI Anthropic Google 大模型 发布 最新", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// A3：国内厂商 - 每经+新浪财经
web_search({ query: "site:nbd.com.cn OR site:finance.sina.com.cn 阿里千问 字节豆包 智谱 腾讯混元 Kimi 发布", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// A4：开源模型 - 机器之心+第一财经（排除知乎）
web_search({ query: "site:jiqizhixin.com OR site:yicai.com DeepSeek Meta Llama 开源模型 发布 -site:zhihu.com -site:weibo.com -site:toutiao.com", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

搜索组B：AI基础设施与智能体（3次，覆盖3组不同媒体）

// B1：AI算力/芯片 - IT之家+新浪财经
web_search({ query: "site:ithome.com OR site:finance.sina.com.cn AI算力 芯片 GPU TPU 数据中心 英伟达", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// B2：AI算力/芯片 - 36氪+每经（与B1交叉）
web_search({ query: "site:36kr.com OR site:nbd.com.cn AI算力 英伟达 AMD 芯片 数据中心", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// B3：智能体/Agent - 机器之心+腾讯新闻
web_search({ query: "site:jiqizhixin.com OR site:new.qq.com AI Agent 智能体 MCP 框架 平台", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

搜索组C：AI安全与政策（2次，覆盖2组不同媒体）

// C1：AI安全 - 新华网+澎湃
web_search({ query: "site:xinhuanet.com OR site:thepaper.cn AI安全 合规 治理 监管 政策", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// C2：AI政策 - 政府官方+财新
web_search({ query: "site:gov.cn OR site:caixin.com 人工智能 政策 法规 工信部 国务院", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

搜索组D：汽车行业（2次，覆盖2组不同媒体）

// D1：汽车行业 - 新浪财经+每经
web_search({ query: "site:finance.sina.com.cn OR site:nbd.com.cn 汽车 智驾 产销 比亚迪 吉利", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// D2：智能制造 - 证券时报+腾讯新闻
web_search({ query: "site:stcn.com OR site:new.qq.com 上汽 美的 三一 智能制造 AI", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

搜索组E：机器人与咨询报告（2次，覆盖2组不同媒体）

// E1：机器人 - 澎湃+第一财经
web_search({ query: "site:thepaper.cn OR site:yicai.com 人形机器人 量产 特斯拉 宇树 优必选", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

// E2：咨询报告 - 36氪+IT之家
web_search({ query: "site:36kr.com OR site:ithome.com 麦肯锡 德勤 Gartner IDC 行业报告 AI", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 10, country: "CN", language: "zh" })

搜索组F：交叉印证搜索（2次，确保多渠道覆盖）

// F1：本周重大事件 - 多站交叉（不限定site:，排除不可靠来源）
web_search({ query: "AI 大模型 发布 芯片 最新新闻 -site:zhihu.com -site:weibo.com -site:toutiao.com", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 15, country: "CN", language: "zh" })

// F2：汽车+AI交叉 - 多站交叉
web_search({ query: "汽车 智能制造 机器人 AI 最新 -site:zhihu.com -site:weibo.com -site:toutiao.com", freshness: "week", date_after: DATE_START, date_before: DATE_END, count: 15, country: "CN", language: "zh" })

步骤2B: 降级策略 — web_fetch 直接抓取中文新闻站

触发条件：步骤2A返回的中文权威来源链接 < 10条

执行方式：并行 web_fetch 以下列表页，从中提取文章标题、链接、日期：

操作步骤：

1. 并行 web_fetch 所有列表页
2. 从返回的HTML/Markdown中提取：
   - 文章标题
   - 文章链接（补全为完整URL）
   - 发布日期（与 DATE_START~DATE_END 比对）
3. 筛选日期范围内的文章
4. 对筛选出的文章逐条 web_fetch 抓取详情页
5. 从详情页提取核心要点

> ⚠️ 列表页 web_fetch 可能返回403（部分站点有反爬），如果某个站点403，跳过该站点，继续抓取其他站点。不要因为一个站点403就放弃所有中文来源。

步骤2C: 英文来源补充（严格限制）

触发条件：步骤2A + 2B 仍无法收集到 ≥15条中文来源记录

执行方式：

web_search({ query: "site:theverge.com AI model release latest", freshness: "week", count: 5 })
web_search({ query: "site:techcrunch.com AI chip infrastructure", freshness: "week", count: 5 })
web_search({ query: "site:arstechnica.com AI safety policy", freshness: "week", count: 5 })
web_search({ query: "site:blog.google OR site:openai.com announcement", freshness: "week", count: 5 })

限制：

• 英文来源记录数 ≤ 总记录数的40%
• 每条英文记录必须有中文权威媒体交叉印证
• 无中文印证的标注 [仅英文来源]

步骤3: 抓取原文详情（核心步骤，不可跳过）

这是防止"搜索snippet当摘要"的关键步骤。

对每一条搜索结果：

1. 检查链接域名：如果是 zhihu.com/weibo.com/论坛/toutiao.com → 直接跳过
2. web_fetch 抓取原文：获取完整文章内容
3. 从原文提取：发布日期、核心数据、事件细节
4. 如果 web_fetch 返回403或空：跳过该链接，不要用搜索snippet替代

不同站点的抓取策略

> ⚠️ 如果 web_fetch 返回 403 或空内容，丢弃该条记录。绝不能用搜索snippet代替原文摘要。

步骤4: 提取结构化信息 + 交叉印证 + 日期验证

7个字段

交叉印证流程（每条记录必须执行）

1. 识别事件关键词 → 提取核心实体（如"谷歌 TPUv8"）
2. 用关键词在至少1个不同权威媒体搜索验证
   web_search({ query: "谷歌 TPUv8 发布 site:new.qq.com OR site:36kr.com", freshness: "week", count: 5 })
3. 找到佐证链接 → 记录到「印证来源」字段
4. 选择最权威的链接作为主「文档/链接」
5. 综合多渠道信息写入摘要，重要数据标注来源

链接权威性优先级（选择主链接时参考）：

1. 官方来源（openai.com、blog.google）     → 最高权威
2. 通讯社/官方媒体（xinhuanet.com）         → 官方背书
3. 深度媒体（thepaper.cn、caixin.com）      → 深度调查
4. 综合新闻（new.qq.com、chinanews.com）    → 广泛传播
5. 行业媒体（36kr.com、jiqizhixin.com）     → 专业领域
6. 科技媒体（ithome.com）                   → 快速报道

> ⚠️ 如果某个事件只能找到单一来源，在「印证来源」列填"单源"，摘要末尾标注 [待核实]。

日期验证（每条记录必须通过，任一不通过则丢弃）

□ 发布时间是否为 YYYY-MM-DD 格式？（不是则丢弃）
□ 发布时间是否 >= DATE_START？（不是则丢弃）
□ 发布时间是否 <= DATE_END？（不是则丢弃）
□ 发布时间是否合理？（不是未来日期，不是1年前的日期）

来源可靠性验证

□ 链接域名是否为权威媒体？（知乎/微博/论坛/今日头条 → 丢弃）
□ 来源/发布机构是否具体？（"行业"/"科技公司" → 丢弃）
□ 摘要是否从原文提取？（搜索snippet → 丢弃）
□ 摘要是否含具体数据？（无数据 → 重写或丢弃）
□ 英文来源是否≤40%？（超过 → 减少英文记录）
□ 印证来源是否≥1个不同域名？（单一来源标注[待核实]）
□ 单一域名链接是否≤50%？（超过 → 必须从其他渠道补充）

事实核查

对重大事件（新模型发布、政策法规、企业重大合作、融资数据），必须2个不同权威来源交叉验证。只能找到1个来源时，摘要末尾标注 [待核实]。

去重

• 按 URL 去重
• 按事件去重：同一事件保留信息最全且日期最新的一条
• 按标题去重：标题高度相似(>80%)视为同一事件

步骤5: 生成 Excel 文件（必须完成）

使用 Python + openpyxl 生成：

from openpyxl import Workbook
from openpyxl.styles import Font, Alignment, PatternFill, Border, Side
from datetime import datetime

wb = Workbook()
ws = wb.active
ws.title = "信息扫描周报"

headers = ["材料类别", "来源/发布机构", "材料名称", "发布时间", "核心要点摘要", "文档/链接", "印证来源"]
hfont = Font(name='Arial', bold=True, color='FFFFFF', size=11)
hfill = PatternFill(start_color='2F5496', end_color='2F5496', fill_type='solid')
border = Border(left=Side(style='thin'), right=Side(style='thin'),
    top=Side(style='thin'), bottom=Side(style='thin'))

for col, h in enumerate(headers, 1):
    c = ws.cell(row=1, column=col, value=h)
    c.font, c.fill, c.border = hfont, hfill, border
    c.alignment = Alignment(horizontal='center', vertical='center', wrap_text=True)

cat_colors = {
    'AI基础设施': 'E2EFDA', '模型能力': 'D6E4F0', '智能体开发平台': 'FCE4D6',
    'AI安全': 'F2DCDB', '研发': 'D9E2F3', '制造运营': 'E2EFDA',
    '财经人力': 'FFF2CC', '营销': 'EDEDED',
}

link_font = Font(name='Arial', size=10, color='0563C1', underline='single')

for ri, item in enumerate(data, 2):
    for ci, val in enumerate(item, 1):
        ws.cell(row=ri, column=ci, value=val)
    for ci in range(1, 8):
        cell = ws.cell(row=ri, column=ci)
        cell.border = border
        cell.font = Font(name='Arial', size=10)
        cell.alignment = Alignment(vertical='center', wrap_text=True)
    color = cat_colors.get(item[0])
    if color:
        ws.cell(row=ri, column=1).fill = PatternFill(start_color=color, end_color=color, fill_type='solid')
    ws.cell(row=ri, column=1).alignment = Alignment(horizontal='center', vertical='center', wrap_text=True)
    ws.cell(row=ri, column=4).alignment = Alignment(horizontal='center', vertical='center')

    # 文档/链接列（F列）- 设置为可点击超链接
    url_cell = ws.cell(row=ri, column=6)
    url = str(url_cell.value or '')
    if url.startswith('http'):
        url_cell.hyperlink = url
        url_cell.font = link_font
    else:
        url_cell.font = Font(name='Arial', size=10)

    # 印证来源列（G列）- 设为可点击超链接
    # 规则：如果有多个佐证链接，只取第一个设为hyperlink（openpyxl限制），
    #       其余链接以纯文本显示在下方，用户可复制到浏览器打开
    ref_cell = ws.cell(row=ri, column=7)
    ref_val = str(ref_cell.value or '')
    ref_urls = [u.strip() for u in ref_val.replace('，', ',').split(',') if u.strip().startswith('http')]
    if len(ref_urls) >= 1:
        ref_cell.hyperlink = ref_urls[0]
        ref_cell.font = link_font
        if len(ref_urls) > 1:
            # 多个佐证：第一个可点击，其余附在单元格值中
            ref_cell.value = ref_val
    elif ref_val and ref_val != '单源':
        ref_cell.font = Font(name='Arial', size=10)

ws.column_dimensions['A'].width = 16
ws.column_dimensions['B'].width = 22
ws.column_dimensions['C'].width = 52
ws.column_dimensions['D'].width = 12
ws.column_dimensions['E'].width = 65
ws.column_dimensions['F'].width = 50
ws.column_dimensions['G'].width = 50
ws.freeze_panes = 'A2'
ws.auto_filter.ref = f'A1:G{len(data)+1}'

date_str = datetime.now().strftime("%Y-%m-%d")
filepath = f"信息扫描周报_{date_str}.xlsx"
wb.save(filepath)
print(f"已保存: {filepath}，共 {len(data)} 条记录")

openpyxl 未安装时降级为 CSV：

import csv
date_str = datetime.now().strftime("%Y-%m-%d")
filepath = f"信息扫描周报_{date_str}.csv"
with open(filepath, 'w', newline='', encoding='utf-8-sig') as f:
    writer = csv.writer(f)
    writer.writerow(["材料类别", "来源/发布机构", "材料名称", "发布时间", "核心要点摘要", "文档/链接", "印证来源"])
    for item in data:
        writer.writerow(item)

步骤6: 输出文本表格 + 质量自检

输出文本表格后，必须执行质量自检：

| 材料类别 | 来源 | 材料名称 | 发布时间 | 核心要点摘要 | 文档/链接 |
|----------|------|----------|----------|--------------|----------|
| 模型能力 | OpenAI | GPT-Image-2发布 | 2026-04-21 | ... | https://... |

质量自检清单（必须逐项检查并报告）

□ 总记录数是否 ≥15条？
□ 8个类别是否都有覆盖？
□ 所有日期是否为 YYYY-MM-DD 格式？
□ 所有链接域名是否为权威媒体（无知乎/微博/论坛/今日头条）？
□ 所有摘要是否从原文提取（无"关键词搜索结果"字样）？
□ 所有摘要是否含具体数据？
□ 所有来源/发布机构是否具体到公司/部门？
□ 是否所有搜索都是本次新执行的（非历史数据复用）？
□ 中文来源占比是否 ≥60%？
□ 英文来源是否 ≤40%？
□ 单一域名链接占比是否 ≤50%？（如ithome.com不超过50%）
□ 交叉印证率是否 ≥50%？（至少一半记录有≥2个不同渠道佐证）
□ 所有「印证来源」是否为不同域名？（不能与「文档/链接」同域名）

如果自检不通过，必须补充搜索和修正，直到达标。

扫描对象参考

国家机构

国务院、工信部、信通院、发改委、中国汽车工业协会、自动化所、国家网信办

咨询公司

麦肯锡、波士顿、德勤、普华永道、毕马威、安永、IBM、Gartner、IDC

模型厂商

Google(Gemini)、OpenAI、Meta(Llama)、阿里(千问)、字节(豆包)、百度(文心)、腾讯(混元)、月之暗面(Kimi)、智谱(GLM)、DeepSeek

机器人厂商

特斯拉(Optimus)、波士顿动力、优必选、银河通用、宇树科技、松延动力

头部企业

美的、比亚迪、上汽、三一、吉利

权威搜索来源

搜索时用 site: 限定以下来源，或用 -site:zhihu.com -site:weibo.com 排除不可靠来源：

模型能力评估渠道

上市公司信息

可选增强 Skill 安装指南

以下 Skill 非必需，但安装后可显著提升搜索和抓取效果：

multi-search-engine（推荐，无需 API Key）

npx clawhub@latest install multi-search-engine

增强能力：17引擎聚合搜索 + tbs=qdr:w 时间过滤 + 微信公众号搜索 + site: 站内搜索

xcrawl-search + xcrawl-scrape（解决403反爬）

npx clawhub@latest install xcrawl-search
npx clawhub@latest install xcrawl-scrape

增强能力：绕过99%反爬机制 + JS渲染 + 中文位置语言优化

> 安装后需按 xcrawl Skill 的说明配置 API Key。安装和配置请遵循各 Skill 的官方文档。

注意事项

1. 站内搜索优先：用 site:ithome.com 等限定权威来源，避免泛搜返回知乎
2. 排除不可靠来源：搜索时加 -site:zhihu.com -site:weibo.com -site:toutiao.com 排除论坛和社交媒体
3. 必须抓取原文：每条记录必须 web_fetch 原文，搜索snippet不能替代摘要
4. 禁止复用历史数据：每次执行必须重新搜索，不得使用缓存或之前的搜索结果
5. 禁止知乎/微博/今日头条来源：只收录权威新闻媒体和官方来源，确保可交叉印证
6. 绝不放弃中文来源：web_search 中文结果不足时，必须执行步骤2B（web_fetch抓取中文站列表页），不得直接回退英文媒体
7. 中文来源占比 ≥60%：英文来源只能作为补充，不超过40%
8. 时间过滤：web_search 用 freshness:"week"
9. 日期验证不可跳过：每条记录必须 YYYY-MM-DD 且在范围内
10. 事实核查：重大事件2源交叉验证
11. 宁缺毋滥：无法确认日期或事实的条目直接丢弃
12. 必须有链接：文档/链接列不能为空，且必须是权威媒体
13. 必须生成Excel：步骤5不能跳过
14. 并行搜索：所有搜索并行执行
15. 403处理：web_fetch 返回403时丢弃该条，不用snippet替代
16. 质量自检：生成Excel前，对照「质量自检清单」逐项检查
17. 摘要必须有数据：每条摘要必须含≥1个具体数值
18. 来源必须具体：来源/发布机构必须具体到公司/部门名
19. 列表页降级必执行：中文搜索结果不足时必须抓取列表页，不能跳过
20. 多渠道搜索：每次搜索组必须覆盖不同媒体站点，不得全部集中在IT之家
21. 交叉印证必执行：每个事件至少从2个不同渠道搜索确认，综合多渠道信息写入摘要
22. 链接权威性优先：主链接选最权威来源（官方>通讯社>深度媒体>综合媒体>科技媒体），IT之家等科技媒体链接不应超过50%
23. 印证来源独立域名：印证来源必须与主链接不同域名，同域名不算交叉印证