Global Skill Daily

🌐 Global Skill Daily

每 3 天扫描全球两大 Skill 平台，基于用户当前 agent 上下文做精准推荐，展现中英文生态全貌。

任务

每 3 天 06:30 自动执行（或用户手动触发），完成以下管线：

1. 抓取：ClawHub Convex API（500 个）+ SkillHub HTTP API（6 排行榜 + 11 分类 + 6 记忆关键词，去重后 ~550 个）
2. 统一 schema：normalize.py 将两源数据归一化为统一格式，标记 source = clawhub / skillhub / both
3. 用户上下文扫描：scan_user_context.py 扫描 TRAE memory（project_memory×3 + topics×2 + user_profile×1）+ 项目活跃文件 + 经验备份 + 已装 skill 清单，提取关键词集合
4. 10 维度推荐（v1.1 维度轮换）：daily_recommend.py 根据日期选择 3 组之一（A 趋势 / B 质量 / C 用户），出 7-12 个推荐
5. 跨平台生态洞察（v1.1 核心）：5 章节分析 — 热度差异榜 / 双榜共有 gap>5x / 品类偏好对比 / 中文平台特色 skill
6. 简报生成：生成 markdown 简报（篇幅不限，趋势/热点/聚焦领域充分展开）
7. 三处存放：Obsidian（vault）+ IMA FIM 知识库 + 飞书云文档（可选 lark-cli，不可用时降级为仅卡片）+ Card 2.0 卡片消息

输出格式

简报结构（markdown）

# 🌐 全球 Skill 生态日报 | {date}

## TL;DR
- 双榜扫描：ClawHub 500 + SkillHub 7.5万 → 合并去重后 N 个独立 skill
- 今日推荐 7-12 个（按维度组），跨平台对比 X 个
- 跳过 14 天去重 Y 个（v1.1 升级）
- 今日维度组：趋势组 / 质量组 / 用户组（3 天 1 周期）

## 👤 用户上下文快照
- 今日扫描关键词：[列表]
- 活跃项目：[列表]
- 经验命中：[列表]

## 🌏 跨平台生态洞察（v1.1 核心特色）
### 🎯 数据洞察
### 📊 A. 热度差异榜 — 国内独火 Top 5
### 📊 B. 热度差异榜 — 全球独火 Top 5
### 🔄 C. 双榜共有但热度差 >5x — 中英文开发者偏好分化
### 🏷️ D. 中英文开发者品类偏好对比
### 🇨🇳 E. 中文平台特色 skill（bilibili/douyin/wechat 等）

## 📊 跨平台趋势速览
- 双榜共有 Top 3

## 🔥 今日推荐（按维度组）
### 🔥 trending_both × N  / ⭐ quality × N  / 🚀 newcomers × N
### 🇨🇳 china_only × N  / 🌍 global_only × N  / 👤 active_developer × N
### 🧠 memory_collision × N  / 🎯 scene_match × N  / 🛡️ verified × N  / 🏆 panorama × N

## 📌 数据说明
- ClawHub API v4 / SkillHub CLI / 抓取耗时 / 推荐算法版本
- 去重窗口：14 天跨维度去重（v1.1）
- 维度轮换：10 维度分 3 组，每 3 天 1 周期（v1.1）

三处存放路径

规则

1. 用户上下文扫描是前置依赖，不是普通维度。没有这个，找 skill 就是抓瞎。
2. 跨平台对比是独占价值：china_only / global_only / trending_both 三个维度只能在合并后实现，单独跑永远做不到。
3. 去重窗口 14 天（v1.1）：跨维度去重，slug 优先精确匹配，回退 fuzzy（去掉 -cn/-zh 后缀）。配合每 3 天 1 次频率可覆盖 4-5 次历史推荐。
4. 维度轮换（v1.1）：10 维度分 3 组（A 趋势 / B 质量 / C 用户），每 3 天 1 周期，避免每次推荐角度雷同。日期 → 组映射：(days_offset // 3) % 3。
5. 跨平台生态洞察是核心特色（v1.1）：5 章节分析（热度差异榜 / 双榜共有 gap>5x / 品类偏好对比 / 中文平台特色 skill），不算"可选模块"，必须充分展开。
6. 三处存放失败隔离 + 渠道开关（v1.2.0）：每个渠道独立 try/except；--no-obsidian / --no-feishu / --no-ima 可跳过对应渠道，--dry-run 只跑前 5 步不推送。
7. 凭证仅从环境变量读取（v1.2.0）：所有凭证（FEISHU_/IMA_/SKILLHUB_TOKEN）只通过环境变量读取。环境变量 stale 时提示用户重启 TRAE session，不读 OS 持久存储。
8. 派生输出脱敏（v1.2.0）：扫描用户上下文后，输出 keywords 必须过滤敏感词（token/secret/password/apikey/credential 等），避免派生内容暴露凭证线索。
9. 报告篇幅不限制：趋势/热点/聚焦领域充分展开，避免信息密度过低。
10. 飞书卡片用 Card 2.0：schema=2.0，markdown 元素（非旧版 lark_md），按钮 behaviors，标题含具体数字（如 20260719-全球Skill日报-推荐7个-跨平台6个）。
11. 飞书存储用 +import --type docx（v1.1 修复）：将 .md 转为在线 docx 文档，用户点击按钮可直接查看内容。禁止用 +upload（只存原文件，点击只能下载，用户无法在线查看）。
12. subprocess 用 argv list（v1.2.0）：所有 subprocess 调用必须用 argv list（["lark-cli", "drive", "+import", ...]），禁止 shell=True 字符串命令，避免 shell 注入风险。
13. 派生报告零上下文派生内容（v1.4.0 强化）：报告 markdown 中「用户上下文快照」段只发布聚合计数（关键词数/项目数/经验文件数/已装 skill 数）。禁止发布任何上下文派生内容（含 Top 10 关键词列表、项目名、经验文件名、已装 skill 列表）到外部服务。原始扫描结果仅存本地 data/user_context_{date}.json。
14. 上下文扫描可跳过（v1.3.0）：--no-context-scan 完全跳过 TRAE memory / 项目文件 / 经验备份 / 已装 skill 扫描，推荐降级为 trending-only（无 memory_collision / scene_match 维度）。用于隐私敏感场景或调度器环境。
15. 自依赖改造（v1.5.0）：所有 Python 脚本仅依赖标准库（urllib/json/re/sys/os/pathlib/datetime/collections），禁止 pip install 第三方包。fetch_clawhub.py 用 urllib.request 替代 requests；fetch_skillhub.py 直连 SkillHub HTTP API 替代 skillhub CLI；push_to_feishu.py 中 lark-cli 改为可选依赖，不可用时降级为仅卡片消息（卡片已含完整简报文本）。
16. SkillHub 直连 HTTP API（v1.5.0）：fetch_skillhub.py 直接调用 https://api.skillhub.cn/api/v1/showcase/{type} 和 /api/v1/search，无需 skillhub CLI 二进制依赖。6 个排行榜类型：hot/featured/newest/recommended/trending/paid。

示例

触发示例

用户：全球 skill 日报
用户：global skill daily

cron 触发命令

# 完整运行（三处存放）
cd "d:/TRAE SOLO CN/project" && python global-skill-daily/global_skill_daily_executor.py

# v1.2.0 新增：跳过指定渠道
python global-skill-daily/global_skill_daily_executor.py --no-feishu --no-ima
python global-skill-daily/global_skill_daily_executor.py --dry-run

# v1.3.0 新增：隐私敏感场景跳过上下文扫描
python global-skill-daily/global_skill_daily_executor.py --no-context-scan

输出示例（摘要）

🌐 全球 Skill 生态日报 | 2026-07-19

TL;DR
- 双榜扫描：ClawHub 492 + SkillHub 555 → 合并去重后 936 个独立 skill
- 今日推荐 7 个，跨平台对比 6 个
- 跳过 14 天去重 10 个（v1.1）
- 今日维度组：趋势组（聚焦双榜热度与跨平台差异）

🌏 跨平台生态洞察
- 发现 30 个双榜共有但热度差 >5x 的 skill，反映中英文开发者偏好分化
- 国内独火 skill 集中在「office-efficiency」品类（23 个）
- 全球独火 skill 集中在「integrations」品类（77 个）
- 识别出 77 个中文平台特色 skill（bilibili/douyin/wechat 等）

📊 A. 热度差异榜 — 国内独火 Top 5
| Skill | SkillHub 安装 | ClawHub 安装 | 差距倍数 |
| Find Skills | 75,956 | 0 | ∞ |
| Agent Memory | 25,555 | 1,014 | 25.2x |

🔥 今日推荐（趋势组）
1. 🔥 trending_both × 2: ontology, Proactive Agent
2. 🇨🇳 china_only × 2: Summarize, Agent Browser
3. 🌍 global_only × 2: Multi Search Engine, PollyReach
4. 🏆 panorama × 1: Free Ride

故障排除

权限声明

用户须知（副作用声明）

⚠️ 本技能作为定时任务运行时会自动执行以下副作用：

• 自动写入外部服务：Obsidian vault / IMA FIM 知识库 / 飞书云盘 / 飞书 IM 卡片消息
• 自动读取本地数据：TRAE memory 目录（project_memory + topics + user_profile）+ 项目文件 + 经验备份 + 已装 skill 清单
• 自动创建文件：项目 data/recommended/{date}.json 和 {date}.md + Obsidian 00-Inbox/global-skill-daily_{date}.md

v1.4.0 隐私边界（零派生内容发布）：

• ✅ 派生报告零上下文派生内容：报告 markdown 中「用户上下文快照」段只发布聚合计数（关键词数/项目数/经验文件数/已装 skill 数），不发布任何派生内容（连 Top 10 关键词列表也不发布）
• ❌ 不会发布原始清单：项目名/经验文件名/已装 skill 列表/关键词列表仅存本地 data/user_context_{date}.json，不推送至外部服务
• 🔧 完全跳过扫描：--no-context-scan 完全跳过 TRAE memory / 项目文件 / 经验备份 / 已装 skill 扫描，推荐降级为 trending-only

如何禁用副作用：手动运行时可加 --no-obsidian / --no-feishu / --no-ima 参数跳过对应渠道；--no-context-scan 跳过用户上下文扫描；--dry-run 只跑前 5 步不推送