一、Skill 简介
这是一个帮助个人创作者和技术团队自动聚合多平台热点资讯的 Skill。用户只需说一句「帮我更新热点网站」，即可在约 8 秒内生成一个自带 AI 评论、分类筛选、暗色模式、一键搜索的完整热点聚合站，无需任何前端或运维基础。适合需要追踪行业动态的内容创作者、技术团队和零代码建站需求的非技术人员。
目前已接入 Hacker News、GitHub Trending、卡兹克AI热点、Product Hunt 等 7 个数据源，实测单次吞吐 134 条原始数据 → 去重 112 条 → 精选展示 31 篇，全量 32 张卡片均含中文小结 + 视角评论 + 行动引导三层 AI 信息。
二、使用场景
场景 1：个人创作者的选题信息流
内容创作者面临的核心痛点：每天需要追踪多个平台的热点资讯（Hacker News、GitHub Trending、Product Hunt、各类 AI 资讯站），手动筛选耗时且碎片化。
本 Skill 将这条链路压缩为一句对话——"更新热点网站"→ 约 8 秒生成结构化看板。卡片自带中文小结 + 视角评论 + 行动引导，无需逐篇点开原文即可快速判断选题方向。
场景 2：团队知识共享看板
技术团队需要统一追踪行业动态，但成员各自刷不同信源，信息碎片化严重。部署到 GitHub Pages 后全队共用同一看板，自带搜索和收藏功能，成员可标记关注内容。配合 GitHub Actions 实现每日自动更新。
场景 3：零代码建站
非技术人员（产品经理、运营、内容编辑）想快速搭建行业动态站，无需前端基础。对话引导 → 选数据源 → 设主题 → 配评分 → 一键生成 → 部署上线。
三、创作过程
技术架构
版本迭代记录
| 版本 | 解决的问题 | 新增能力 |
|---|---|---|
| v3.0 | 从零搭建：3 数据源 → 评分 → HTML | 基础生成链路打通 |
| v3.1 | 纯链接列表缺乏阅读引导 | AI 视角评论 + 行动引导 + 邮件订阅 |
| v3.2 | 多源重复 + 中文信息缺失 | 智能去重 + 3 中文源 + 快速模式 |
| v3.3 | 手动操作繁琐、无人运维 | GitHub Actions CI/CD + 运维自检工具 |
| v3.4 | 数据源不够丰富 + 用户等待焦虑 + 评论仅覆盖头部 | 卡兹克AI热点源 + 全流程进度条 + 全量 AI 覆盖 + 暖色书卷风设计 |
实战调优对话截图 ↓
典型踩坑：翻译流程从 asyncio 阻塞模式优化为 ThreadPoolExecutor 并发，耗时从分钟级降至秒级
GitHub Actions CI/CD 环境依赖问题排查——deep_translator 懒加载方案即由此类调试催生
四个关键技术决策
1. 懒加载规避 Actions 0 秒崩溃
deep_translator 依赖链长，在模块顶层 import 时 transitive dependency 安装失败会导致整个脚本 import 即崩溃，Actions 日志显示 0 秒闪退且无错误信息。改为懒加载——将 from deep_translator import GoogleTranslator 从模块顶层移到函数内部，仅在真正需要翻译时才导入。几行改动，解决了 CI/CD 环境最隐蔽的故障模式。
2. JSON 驱动 AI 注入解决中文引号冲突
Windows + Python 3.11 下，直接在 Python 字符串中嵌入中文引号 "..." 会导致语法冲突；f-string 中也不允许 \U 转义序列。方案是将全量 32 条 AI 内容独立存储为 ai_content.json，用专用脚本 inject_ai_from_json.py 按标题关键词部分匹配注入。JSON 天然避开 Python 字符串转义问题，同时实现了 AI 内容与生成代码的解耦。
3. 自研进度条替代第三方库
需要进度反馈但不愿引入额外依赖（tqdm 等在 CI/CD 环境中行为不稳定）。用 40 行 Python 实现 ProgressBar 类：\r 原地刷新 + Unicode 块字符条形图 + 动态 ETA 计算。覆盖生成脚本 5 阶段和运维工具 7 项检查，零依赖、跨平台。
4. CSS 变量驱动主题迁移——从黑客终端到暖色书卷
v3.2 时期采用深黑+亮青配色，视觉偏冷、偏"技术仪表盘"。基于品牌定位（沉静思考者），将设计系统从"科技仪表盘"重构为"思想札记"。核心技术决策：完全通过 CSS 变量驱动（--accent、--text-primary、--card 等），而非硬编码颜色。这使得暗色/浅色主题切换只需重设约 15 个 CSS 变量，32 张卡片、5 个徽章色、3 层 AI 内容块颜色一次性迁移，改动 100% 集中在 <style> 块内。
四、使用步骤
用户侧（4 步完成）
步骤 1 — 触发 Skill
"帮我生成一个热点聚合网站，关注AI和科技领域"
步骤 2 — 对话引导配置（11 项可配置）
产物类型 → 网站标题 → 数据源 → 评分档位 → AI评论 → 主题
（全程默认值推荐，跳过确认即用默认）
步骤 3 — 自动生成
[████████████████░░░░] 80% 数据抓取中... (已用6s，预计2s)
步骤 4 — 预览/部署
本地直接打开 HTML 预览，或一键推送 GitHub Pages
实际对话截图 ↓
用户只需说「热点网站」，Skill 即自动触发配置引导与生成流程
约 8 秒后网站生成完成，本地可直接打开预览
开发者侧运维
bash
复制
# 生成网站
python generate_v3.2.py --quick # 快速模式（~8s，实测）
# 推送部署
git add site/ config.yaml generate_v3.2.py ops_tool.py
git commit -m "feat: 更新热点数据"
git push origin main # GitHub Actions 自动构建 → Pages 上线
# 日常运维
python ops_tool.py quick # 综合诊断+检查+建议（~3s）
python ops_tool.py fix # 自动修复常见问题
配置文件示例
yaml
复制
五、效果展示
线上演示
页面实拍（亮色 / 暗色模式）
亮色模式（暖米纸底）— 卡片含 
中文小结 + 
视角评论 + 
行动引导 三层 AI 信息，右上角 NEW 角标标识新内容
暗色模式（暖暗紫底）— 
/
一键切换，主题偏好自动记忆
32 张卡片网格布局 — 暖赤陶（精选）、暖琥珀（推荐）、暖灰蓝（参考）三色评分徽章
页面结构示意
自动化运维截图
python ops_tool.py quick — 3 秒完成环境诊断（7项）+ 完整性检查（7项）+ 综合建议
六、Skill 链接
| 资源 | 地址 |
|---|---|
| GitHub 仓库 | github.com/Afuxh/fuqing-profile |
| 线上演示 | afuxh.github.io/fuqing-profile/hot-news.html |
| Skill 文档 | hot-news-aggregator-SKILL.md |
七、总结与思考
产品价值定位
这个 Skill 解决的核心问题是：信息过载时代的个性化筛选。
市面上不缺信息源——Hacker News、GitHub Trending、Product Hunt、各类 AI 资讯站，但它们散落在不同标签页，缺少统一视角和阅读引导。自己做聚合站意味着爬虫开发、前端搭建、部署运维——对非技术人员门槛过高。
本 Skill 将这条链路压缩为"一句话 + 4 步"，同时通过三层 AI 信息（小结/评论/引导）让聚合从"标题列表"升级为"阅读助手"。
设计理念
效率归机器，意义归人类。机器负责数据抓取、多源去重、智能评分、格式渲染、定时更新；人类负责选题判断、深度阅读、价值判断。AI 评论通过 Skill 对话模式手工生成（而非全自动），确保内容质量而非盲目追求全自动。
技术选型原则
-
零依赖优先：进度条自研 40 行，不做
pip install tqdm -
单文件部署：HTML/CSS/JS 内联，不会出现 404
-
渐进复杂度：快速模式 8 秒看结果，标准模式覆盖全链路，CI/CD 模式无人值守
-
可插拔架构：新增数据源只需加一个
fetch_xxx()函数并在配置中启用
对 Skill 生态的观察
一个好的 Skill 应当具备渐进式披露能力：一句话能跑（快速模式）、引导能配（11 项可调）、自动化能运维（Actions + ops_tool）。这中间的默认值设计与调参空间的平衡，是 Skill 产品的核心挑战。
后续规划
-
接入更多中文垂直数据源（机器之心、少数派、量子位等）
-
支持 RSS 输出，让用户接入自己的阅读器
-
增加趋势分析模块（评分变化曲线、热点生命周期追踪）
-
支持多站点并行（同一 Skill 管理多个不同主题的聚合站）
功能指南 — 搜索范围、档次含义、收藏说明、NEW 角标机制
数据源 — 全部 30 个数据源，支持开关和过滤
评分规则 — 评分维度、档次阈值可视化
输出格式 — RSS/API/OPML/Sitemap 说明
自定义 — 默认视图、每页数量、显示选项、设置导入导出