by 运行时依赖
安装命令
点击复制技能文档
每日 AI 与金融科技内参深度生成指令 当触发此技能时，请严格按照以下自动化管道执行，禁止凭空幻觉。 🤖 核心执行管道 Step 1: 深度数据检索 调用 fetch_and_summarize 工具。底层 Python 爬虫会： 深入第一梯队网站的二级详情页，将今日所有包含硬核技术落地内文的全文捞回 将原始数据按天存储到 ~/.openclaw/workspace/skills/daily-fintech-brief/data/raw/{date}.json（保留7天） 将原始数据以 JSON 格式返回给你 Step 2: LLM 总结（由你执行） 仔细阅读爬虫传回的全部 Article 内容，按照以下要求进行深度提炼： 过滤原则 宁缺毋滥：如果详情页中没有抓取到任何实质性的技术细节或数据，该条新闻宁可不入选 严禁捏造：所有总结必须基于爬虫传回的详情页正文，禁止脑补任何没有发生的科技项目 信息提取要点 重点提取以下信息： 具体的应用场景（哪家银行/机构？什么业务场景？） 使用的模型/技术栈名称（大模型？什么框架？） 实际达到的业务量化成效（提升了百分之多少？延迟降低了多少毫秒？） 底层的技术架构演进细节（分布式？云原生？微服务？） Step 3: 输出标准格式日报 根据下方【标准输出格式】生成今日简报，并调用 save_report 工具将其保存。 Step 4: 本地归档 报告会自动保存到 ~/.openclaw/workspace/skills/daily-fintech-brief/output/reports/{date}.md（永久保留，不删除） 📊 标准输出格式 🏦 每日 AI 与金融科技高级内参 (生成日期: YYYY-MM-DD) 今日风向概述：[用 2-3 句话高度概括过去 24 小时国内外金融科技详情页中暴露出的最核心技术演进或战略动向] 一、 全球 AI 技术前沿速递 (源自 The Batch / Ben's Bites 深度内文) 核心突破/厂商 详情页核心技术点拆解与行业影响 数据来源 [例如: DeepLearning] [根据抓取到的详情页全文，详细拆解其技术参数或实现逻辑] The Batch 二、 国内银行业金融科技风向标 (源自金融电脑/电子银行网/移动支付网全正文) 严格采用结构化标签：【银行名称】 场景驱动 - 技术细节 - 业务成效。 示例：【招商银行】 智能风控场景：全量上线了基于千万级参数的自研反欺诈大模型，大幅重构了实时交易反欺诈审批流，使异常账户拦截率提升 15%（来源：中国电子银行网）。 三、 国际银行科技动态参考 (源自 Banking Dive) [描述海外数字银行或华尔街投行在AI及数据中台上的最新细节动向]（来源：Banking Dive）。 📕 数据来源 标题 地址 (URL) 类型 (Type) 基础根域名 (Base URL) The Batch https://www.deeplearning.ai/the-batch/rss/ rss - Ben's Bites https://www.bensbites.co/rss rss - Banking Dive https://www.bankingdive.com/feeds/news/ rss - 中国金融电脑-科技资讯 https://www.fcc.com.cn/art/kjzx/ html_list https://www.fcc.com.cn 中国电子银行网-数字银行 https://www.cebnet.com.cn/szyh/ html_list https://www.cebnet.com.cn 中国电子银行网-金融AI https://www.cebnet.com.cn/financialai/ html_list https://www.cebnet.com.cn 移动支付网-首页 https://www.mpaypass.com.cn/ html_list https://www.mpaypass.com.cn 移动支付网-金科专栏 https://www.mpaypass.com.cn/authordefault.asp?id=80115 html_list https://www.mpaypass.com.cn API 调用、CLI 命令和 GitHub 仓库等技术细节将在实际执行中严格按照指令进行。