Insight Radar (洞察雷达)

Two modes, one skill:

🧠 For AI Self-Evolution

扫描新闻，提取概念与战略模式，写入知识库:

• Concepts (主要) → concepts.md: 当前事件、技术发展、市场变化
• Thinking Patterns (偶尔) → patterns/*.md: 仅当新闻揭示可复用模式时

📰 For User Learning

CORE 分析的战略简报，不是新闻聚合:

• [C] Core Logic: 第一性原理（不是发生了什么，而是 WHY）
• [O] Opportunity: 价值流向，谁赢了？
• [R] Risk: 反共识，隐藏黑天鹅
• [E] Execution: 你今天该做什么？

News categories: 由 news-source-manager 管理，默认 AI/Tech。

Workflow

1. Load News Config

调用 news-source-manager 获取用户的活跃新闻类别:

{
  "active_categories": [{
    "name": "AI/Tech",
    "keywords": ["AI", "machine learning", "LLM", "AI agents", "semiconductor", "robotics"],
    "sources": ["TechCrunch", "MIT Tech Review"],
    "search_params": {"count": 5}
  }]
}

If news-sources.json 不存在: 触发 news-source-manager 初始化流程。 Fallback: 用户跳过配置时，默认 "AI/Tech" 类别。

2. Search Recent News

搜索策略: 宽泛扫描 + 智能补搜 + 中英双语。

核心原则: 不预定义固定 hints。越简单的 query 返回越全面的结果（测试验证："AI technology news March 2026" 比精心设计的关键词组合覆盖度更高）。

For each active category, 分两步:

Step 2a: 宽泛扫描（每类别固定 2 次）

英文: "{category_name} news {current_month} {current_year}"
中文: "{类别中文名} 新闻 {current_year}"
count: 5

示例 (Finance/Crypto, 当前 March 2026):
  WebSearch("Finance Crypto news March 2026", count: 5)
  WebSearch("金融 加密货币 新闻 2026", count: 5)

类别名称映射:

Step 2b: 覆盖度评估 + 智能补搜（每类别 0-2 次）

扫描 Step 2a 结果后，用 news-sources.json 中的 keywords 评估覆盖度:

1. 将该类别的 keywords 分为 3-4 个子领域簇
   例如 AI/Tech: [模型/Agent] [芯片/硬件] [安全/治理] [应用/商业]

2. 检查 Step 2a 结果覆盖了哪些簇
   例如: 结果中有 GPT-5.4、Agent 部署 → [模型/Agent] ✅
         结果中没有芯片相关 → [芯片/硬件] ❌

3. 对未覆盖的簇，生成 1 条补搜 query
   例如: WebSearch("AI chips semiconductor news March 2026", count: 3)

4. 最多补搜 2 次/类别（硬上限，防止无限膨胀）

总调用量: 3 类别 × 2 底线 + 0-6 补搜 = 6-12 次（实际通常 8-9 次）。

Fallback

仅当某类别 Step 2a + 2b 合计 \x3C 2 条结果时，将 {current_month} 改为上月重搜。

If ALL categories fail: 通知用户 "过去 24h 无重大新闻，建议扩展类别或时间范围。"

后处理

去重: 合并所有类别结果，按 URL/title 去重，优先保留高权威来源（sources 中 priority: 1）。

URL 验证: 检查返回 URL 是否为具体文章。首页/分类页 → 用 web_fetch 提取具体链接。

战略价值筛选 — 从去重结果中选 TOP 3-5 条:

高价值信号 (优先): 揭示行业本质变化 / 反共识观点 / 跨领域影响 / 基础设施机会 低价值信号 (跳过): 纯融资公告 / 常规产品发布 / 无新洞察的共识观点

类别覆盖: 选出的 3-5 条至少覆盖 2 个不同类别。如果都来自同一类别 → 补 1 条次要类别。

输出格式: 每条标注类别、时间、来源链接

### 1️⃣ 中国AI Agent爆火 【AI/Tech】
📅 1 day ago (2026-03-22)
🔗 [Reuters](https://www.reuters.com/...)

3. Analyze with CORE Framework

对每条选中的新闻，调用 core-prism skill 进行 CORE 分析。传入 USER.md 中的用户上下文用于 [E] Execution 维度个性化。

4. Generate Strategic Briefing

4 个 mandatory sections:

1. 📰 核心资讯 (Core News)

   • 3-5 items with CORE analysis
   • 每条含: 类别标签【】, 时间 📅, 来源链接 🔗, C/O/R/E 分析

2. 🎯 战略简报 (Strategic Briefing)

   • 今日破局点: 这些故事一起揭示了什么？
   • So What? 给用户一个尖锐的可操作问题

3. 🧠 认知沉淀 (Cognitive Digest)

   • 今日关键事件摘要 (写入 news-log)
   • 候选概念 (如果今日新闻揭示了一个全新的认知框架，标记为候选，累积验证后才入 concepts.md)
   • 候选模式 (如果同一模式已在 3+ 条不同新闻中反复出现，才提炼入 patterns/*.md)
   • 判断力复盘 (哪些旧假设被验证/推翻？)

4. 🤔 盲区质询 (Blind Spot Questions)

   • 3-5 个挑战用户假设的思考题

5. Write to Knowledge Base — 三层架构

每日新闻和深度认知分层存储，避免知识库被新闻复述淹没。

三层写入规则

Step 5.1: 写入新闻日志（每次必须）

创建/追加 ~/.openclaw/workspace/memory/news-log/YYYY-MM-DD.md:

# 资讯早报 - YYYY-MM-DD

## 1. [新闻标题] 【类别】
- **来源**: [链接]
- **CORE 摘要**: C: ... | O: ... | R: ... | E: ...
- **候选概念**: [如有，标记为候选] 或 "无"
- **关联旧模式**: [如能关联到 patterns/*.md 中已有模式] 或 "无"

Step 5.2: 概念入库（高门槛，非每日）

入库条件（必须同时满足）:

• ✅ 这是一个新的认知框架，不是事件/产品/公司名
• ✅ 具有持久解释力（6 个月后仍然有用）
• ✅ 无法用已有概念解释

Bad: "LightGen 光芯片"（这是一条新闻） Good: "光计算范式"（这是一个持久概念，但需要更多数据点确认才入库）

暂不入库的标记为"候选概念"记录在 news-log 中，等累积验证。

Step 5.3: 思维模式入库（最高门槛）

入库条件: 同一模式在 3+ 条不同日期的新闻中反复出现。

在 news-log 中标记 "关联旧模式"，当累积到 3+ 条时，提炼入 patterns/{id}.md。

写入格式必须与 cognitive-forge 一致（YAML frontmatter + 7 字段正文）：

---
id: {kebab-case-english}
name_zh: {中文名}
name_en: {English Name}
source: Insight Radar, {触发该模式的 3+ 条新闻来源概述}
category: {investing|startup|systems|ai-thinking|positioning|management|growth|cognitive-bias|influence|economics}
tags: [{3-5个中文标签}]
scenarios: [{3-5个应用场景}]
related_models: [{2-4个已有模型id}]
difficulty: {beginner|intermediate|advanced}
date: {YYYY-MM-DD}
---

**核心逻辑**: {模式的本质，一段话}

**思维框架**: {核心机制，一句话}

**决策原则**: {在XX场景下，应该XX而非XX}

**盲区警告**: {何时失效}

**反射弧**: {看到XX信号 → 联想到模型 → 行动}

**锚定案例**: {触发该模式的真实新闻案例}

**反共识**: {❌ "旧常识" → ✅ 新真相}

注意：insight-radar 产出的模式 source 字段标注为 "Insight Radar, ..."（而非书籍来源），以区分来源渠道。

Step 5.4: 验证写入

写入后，用 Read 工具读取 news-log 文件确认条目存在。

Completion Checkpoint:

• □ news-log/YYYY-MM-DD.md 已写入？
• □ 概念入库？（仅当满足高门槛条件时）
• □ 思维模式入库？（仅当同一模式 3+ 次出现时）
• □ 用 Read 验证了写入？

6. Deliver Briefing

通过触发通道发送给用户。

用户上下文个性化 (强制步骤):

1. 读取 USER.md (~/.openclaw/workspace/USER.md):

   • 工作经历/现在 → profession
   • 兴趣/爱好 → interests
   • 当前焦虑/未来规划 → challenges
   • 不存在 → 使用通用第二人称

2. 映射到 [E] Execution:

   • 引用职业: "如果你在做 AI 产品..."
   • 关联兴趣: "鉴于你对 fintech 的关注..."
   • 回应挑战: "对于你建立第二曲线的目标..."

3. 始终使用第二人称 ("你/你的")

Configuration

Knowledge base paths (auto-created if missing):

• ~/.openclaw/workspace/memory/knowledge-base/concepts.md
• ~/.openclaw/workspace/memory/knowledge-base/patterns/*.md

Quality Standards

Forbidden: 新闻聚合无分析 / 表面评论 / 重复新闻稿 / "AI is changing everything" 式空话 / 空 briefing

Required: 一针见血的洞察 / 反共识视角 / 可操作 / 跨文章找暗线 / 最少 2-3 条新闻 / 🧠 认知库更新 section is MANDATORY

Execution Flow

Daily trigger
    ↓
1. Load news-source-manager config
    ↓
2. Search recent news (search_hints + fallback)
    ↓
3. Call core-prism for CORE analysis
    ↓
4. Generate briefing (4 mandatory sections)
    ↓
5. Write to knowledge base (MANDATORY)
    ├─ concepts.md
    ├─ patterns/*.md (if patterns found)
    └─ Verify with Read
    ↓
6. Deliver briefing (personalized via USER.md)

References

• See example-output.md for output format
• See category-config.md for adding custom categories
• See core-prism skill for detailed CORE framework
• See news-source-manager skill for category management