Karpathy RSS 日报生成工作流

从 Andrej Karpathy 精选的 93 个 RSS 源中抓取最近文章，挑选最有价值的内容，生成一份高质量中文日报。

技能文件结构

/
├── SKILL.md ← 本文件
├── scripts/
│ └── fetch_feeds.py ← RSS 并发抓取脚本
└── references/
└── output-template.md ← 输出格式模板

订阅源 OPML 托管于 GitHub Pages，脚本运行时自动获取：
https://mesevenjourney.github.io/static/hn-popular-blogs-2025.opml

工作流程

Step 1: 定位技能目录，运行抓取脚本

从上下文直接推导 SKILL_DIR，禁止使用 Glob/Grep 搜索。

本 SKILL.md 的路径会出现在对话上下文中（ideopenedfile 标签、Skill 系统加载记录、或 Read 工具的调用路径）。找到包含 karpathy-curated-rss-brief/SKILL.md 的那条记录，去掉末尾的 /SKILL.md，即为 SKILL_DIR。

示例：若上下文中路径为 /path/to/skills/karpathy-curated-rss-brief/SKILL.md，则 SKILL_DIR=/path/to/skills/karpathy-curated-rss-brief。

后续所有文件均基于此路径推导，无需再次搜索：

运行抓取脚本：

bash
uv run --script DIR>/scripts/fetchfeeds.py --hours 24

如果 24 小时内文章不足 5 篇，改用 --hours 48。脚本自动读取内置 OPML，输出最多 20 篇文章（按发布时间倒序）到 stdout，日志到 stderr：

json
[{title: ..., link: ..., author: ..., source: ..., published: ..., summary: ...}]

脚本使用 PEP 723 inline metadata，uv run --script 自动安装依赖，无需手动 pip install。

Step 2: 筛选最有价值的文章

从抓取结果中挑选 8-10 篇。筛选标准：

🔴 最高优先级（只要出现，必须纳入）：

• - AI 重大新闻：LLM 新模型发布（GPT、Claude、Gemini、Llama、Qwen 等）、重大模型能力突破、主流 AI 工具/框架的重要版本更新
• 重磅硬件/产品发布：Apple 新品（iPhone、Mac、iPad、Vision Pro 等）、Google 硬件/平台、Windows PC 新品、Nvidia GPU/芯片发布、其他影响消费级或企业级市场的重大产品发布

🟡 次优先级（酌情选入）：

1. 1. 话题多样性 — 覆盖不同领域（AI、安全、编程、科技政策等），避免同一话题重复
2. 深度优先 — 有独特观点和深度分析，而非简短资讯
3. 时效性 — 最新发布的优先
4. 影响力 — 知名作者或重要话题优先

Step 3: 获取文章全文

对每篇选中的文章，使用 WebFetch 工具读取全文。编者观察必须基于全文，不能仅依赖 RSS 摘要。

Step 4: 按模板生成中文日报

用 Read 工具读取模板文件：SKILL_DIR/references/output-template.md，严格按其格式生成日报。

分类 emoji 参考：🤖 AI/ML、⚠️ 安全/风险、🧠 认知/思维、📚 技术/编程、📜 政策/法规、🔧 工具/开源、🌐 互联网/平台、💰 商业/创业

Step 5: 撰写编者观察（核心环节）

💡 编者观察需要真正的综合思考，基于已完整阅读的所有文章，从以下维度思考后再下笔：

1. 1. 横向联系：不同领域的文章有哪些隐藏关联？表面无关的事件是否指向同一深层趋势？
2. 时代信号：这批内容传递了什么尚未被主流关注的信号？
3. 反直觉洞察：综合所有内容后，有什么读者单独读每篇都不会注意到的结论？
4. 值得追踪：哪些苗头现在看起来小，但可能在 6-12 个月内变成大趋势？

写法要求：

• - 1-2 段，每段 3-5 句，观点密度高
• 禁止今日文章涵盖 X、Y、Z 主题这类罗列句式
• 有明确的、可辩驳的观点，读者看完应有没想到的感受
• 用第一人称（我注意到...），体现真正的编辑判断

Step 6: 保存文件并校验编码

将日报保存到当前工作目录，文件名：

{YYYY-MM-DD}-Karpathy精选RSS日报.md

保存后立即运行编码校验，检测 Unicode 替换字符（U+FFFD）——这是 LLM 生成长中文文本时偶发的已知问题：

bash
python3 -c
import sys
path = sys.argv[1]
text = open(path, encoding=utf-8).read()
bad = [(i+1, line) for i, line in enumerate(text.splitlines()) if \ufffd in line]
if bad:
print(f❌ 发现 {len(bad)} 处乱码：)
for lineno, line in bad:
print(f 第{lineno}行: {line})
sys.exit(1)
else:
print(✅ 编码校验通过，无乱码)
{输出文件路径}

如果校验失败：逐行对照原文重新填写被替换的汉字，再次运行校验直到通过，不要跳过此步骤。