AI 资讯日报生成指南
本技能旨在帮助用户快速掌握 AI 领域的每日动态，通过深度检索和结构化整理，产出具备技术深度和专业视角的分析日报。
执行流程
- 深度双语检索：
- 优先执行
search_web。检索词应涵盖： - 中文关键词（如“AI 资讯”、“AI 大事件”、“深度学习最新动态”等）
- 英文关键词（如 "AI news", "latest AI breakthroughs", "LLM updates", "arXiv AI papers", "Open source AI tools"）以确保涵盖全球最前沿的信息流。
- 关注以下重点来源：
- 技术博客（OpenAI, Anthropic, Google DeepMind, Meta AI 等）
- 学术平台（arXiv, Hugging Face Papers）
- 开发者社区（GitHub Trending, Product Hunt AI）
- 行业新闻（The Verge, TechCrunch, IT 之家等）
- 内容分类与筛选：
- 将搜集到的资讯按以下板块进行归类：
- 行业大事件：监管政策、巨头交易、投融资动态等。
- 大模型动态：新模型发布、架构创新（如 MoE, Diffusion 模型）、API 更新。
- 学术前沿：精选 2-3 篇当日或近期高质量的 arXiv 论文，重点分析其解决的问题和核心贡献。
- 开源工具与项目：在 GitHub 上活跃或具有极高应用潜力的 AI 工具。
- 新技术标准：通信协议、互操作性标准、AI 安全评估框架等。
- 深度分析与撰写：
- 拒绝浅尝辄止：对于每一条资讯，不应只写“发布了 X”，而应解释“为什么 X 很重要”、“它的技术背景是什么”以及“对行业可能产生的深远影响”。
- 技术术语准确性：确保中文术语翻译准确且符合领域共识。
- 输出格式建议：
- 使用 Markdown 结构化输出。
- 每一条资讯都应包含：[标题]、[核心摘要]、[深度解析/影响分析]、[来源链接]（如果能获取到的话）。
核心原则
- 时效性优先：内容应贴合“今日”或“近 24 小时”。
- 客观公正：避免过度煽情或主观臆断，专注于事实、性能数据和技术细节。
- 关联分析：如果多个动态互有关联，尝试将点状的信息连成线，在内容中解释它们之间的关联。