这个 Skill 解决什么具体问题
实时冲突新闻（比如中东战争）分散在各种新闻网站和社交媒体。人工监控耗时且容易错过关键更新；直接让AI总结多篇新闻往往输出混乱、忽略重要细节，或者产生幻觉。
本 Skill 解决两个痛点：
- 自动从 Tavily 获取最新相关新闻（确保来源真实）
- 用结构化 Prompt 把原始新闻转成统一格式的简报，包含时间线、各方声明、局势评估三个核心模块
你可以把本 Skill 当作一个“实时战情分析师”，每天定时跑一遍，或者手动触发时自动生成今日简报。
Skill 的触发条件和适用场景
触发方式：
- 用户指令：
监控中东冲突或生成今日冲突简报 - 定时任务（Cron）：每6小时自动执行一次
适用场景：
- 快速获取当日冲突进展（替代刷新闻）
- 为后续分析（如谈判趋势、金融影响）提供结构化数据
- 多人协作时统一信息源
完整 Skill 结构（SKILL.md 示例）
下面是一个可直接复制到项目中的 SKILL.md 文件。它定义了 Name、Description、Trigger、Input 和 Prompt 模板。
markdown
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
# SKILL.md
name: conflict-news-monitor
description: 从Tavily抓取中东冲突最新新闻，生成结构化简报（包含事件时间线、各方声明、局势评估）
input_schema:
query:
type: string
description: 搜索关键词，如 "Israel Lebanon conflict"
default: "Middle East war Israel Lebanon Iran"
max_results:
type: integer
description: 返回新闻条数
default: 5
trigger:
type: command
command: "监控冲突"
params: [query, max_results]
# 也支持 schedule: cron "0 */6 * * *"
prompt: |
你是一位资深军事分析师。请根据以下来自Tavily的最新新闻，生成一份结构化简报。
输入新闻：
{tavily_results}
输出格式：
## 事件时间线
- 用时间戳+地点+事件描述，每条一行。如果新闻未提供明确时间，使用“据最新报道”。
## 各方声明
- 按国家或组织分类，列出关键人物表态。只提取原文中有明确来源的声明，标注声明时间和来源媒体。
## 局势评估
- 从三个维度打分（1-5）：冲突强度、谈判可能性、外部干预风险。
- 给出1-2句简短理由。
- 最后用一句话总结当前最大变数。
注意：
- 不要添加新闻中没有的信息。
- 如果某模块信息不足，请写明“无相关信息”。
- 使用中文输出。
output_format:
type: markdown
sections: [事件时间线, 各方声明, 局势评估]实际案例演示
假设你运行了上面这个 Skill，传入原文摘要作为新闻（为了演示，我们手动构造，实际场景中由 Tavily 返回）：
json
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
{
"tavily_results": [
{
"title": "Israeli forces cross Litani River",
"source": "France 24",
"time": "2026-05-29",
"content": "Israeli forces on Friday crossed Lebanon's Litani River and advanced, said Israeli PM Netanyahu."
},
{
"title": "Iran says deal depends on US dropping excessive demands",
"source": "France 24",
"time": "2026-05-29",
"content": "Iran's top diplomat Abbas Araghchi told his Omani counterpart that a deal with US depends on Washington dropping 'excessive demands'."
},
{
"title": "Trump making final decision on peace deal with Iran",
"source": "France 24",
"time": "2026-05-29",
"content": "US President Trump said he is making a 'final' decision on whether to strike a peace deal with Iran."
},
{
"title": "US Secretary of State meets Pakistani counterpart",
"source": "France 24",
"time": "2026-05-29",
"content": "US Secretary of State Marco Rubio met with his Pakistani counterpart as negotiations drag on."
},
{
"title": "Iran only trusts Washington's actions, not words",
"source": "France 24",
"time": "2026-05-29",
"content": "Iran's top negotiator said Tehran would only trust Washington's actions, not its words, after VP Vance claimed progress."
}
]
}根据 Skill Prompt 输出结果如下：
markdown
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
## 事件时间线
- 2026-05-29：以色列总理内塔尼亚胡证实以军越过黎巴嫩利塔尼河并向前推进。
- 2026-05-29：伊朗外长阿拉格奇向阿曼外长表示，与美达成协议取决于华盛顿放弃“过分要求”。
- 2026-05-29：美国总统特朗普称正在就是否与伊朗达成和平协议做“最终决定”。
- 2026-05-29：美国国务卿鲁比奥与巴基斯坦外长会晤，谈判仍在持续。
- 2026-05-29：伊朗首席谈判代表表示只相信美国行动而非言辞，此前美副总统万斯称接近达成协议。
## 各方声明
- **以色列**：总理内塔尼亚胡证实以军越过利塔尼河（来源：法国24）
- **伊朗**：外长阿拉格奇认为美国需放弃“过分要求”才有协议机会（来源：法国24）；首席谈判代表称只信行动不信言辞（来源：法国24）
- **美国**：总统特朗普称正在做“最终决定”；副总统万斯此前称接近达成协议（来源：法国24）；国务卿鲁比奥与巴基斯坦外长会晤（来源：法国24）
## 局势评估
- 冲突强度：4（地面行动越过利塔尼河，冲突实质性升级）
- 谈判可能性：2（美伊双方表态差异大，伊朗对言辞不信任）
- 外部干预风险：3（巴基斯坦介入，美国最终决定悬而未决）
- **最大变数**：特朗普的“最终决定”方向将直接影响局势走向。这个输出结构清晰、信息完整，可直接用于团队报告或决策参考。
复用和组合技巧
1. 差 Prompt vs 好 Prompt 对比
差 Prompt（典型错误）
text
1
请总结这几条新闻，关于中东战争。输出结果：一段没有标题的混乱文字，经常漏掉具体声明、混淆时间顺序。
好 Prompt（本 Skill 所用）
text
1
2
3
4
5
6
7
8
9
10
11
你是一位资深军事分析师。请根据以下来自Tavily的最新新闻，生成一份结构化简报。
输出格式：
## 事件时间线
...
## 各方声明
...
## 局势评估
...
注意：…效果对比：好 Prompt 把分析师角色、输出格式、约束条件都明确指定，AI 不再自由发挥，产出稳定可用。
背后的原理：
- 角色设定：限定“资深军事分析师”让 AI 调用严谨分析模式，避免泛泛而谈。
- 结构化输出：人类阅读习惯是分块获取信息，清晰的三段式减少了信息遗漏和冗余。
- 约束条件：“不要添加新闻中没有的信息”抑制了幻觉；“如果某模块信息不足，写明‘无相关信息’”防止AI强行编造。
- 打分机制：量化评估促进聚焦关键维度，为后续自动化决策（如触发预警）提供基础。
2. 变体扩展
- 变体1：情绪分析版 在输出中增加“舆情情绪”模块，分析各方声明中的情绪倾向（愤怒、乐观、观望），使用 Sentiment 分析 prompt 引导。
- 变体2：多语言版 将输入新闻翻译成中文后再分析，适合母语为中文的团队。
- 变体3：历史对比版 每次运行后把简报追加到数据库，下一次输出时对比上一轮变化（如“冲突强度从3升至4”），自动标注趋势。
3. 组合技巧
- 搭配 Tavily 的 search_depth='advanced' 获取摘要，减少 token 消耗。
- 搭配 LangChain 的 Memory 模块实现上下文感知：上一次输出作为部分输入，实现对比。
- 搭配 Notion API 自动将简报写入看板，团队直接查看。
总结
通过本 Skill，你可以用几十行配置，把 Taivily 的新闻抓取能力和 AI 的结构化输出能力组合成一个实时冲突监控工具。核心收获不在于监控本身，而在于如何用 Prompt 设计让 AI 从信息搬运工变成分析师。
当你下次遇到需要从大量非结构化新闻中提取关键信息的场景（比如竞品动态、行业政策、灾难应急），可以直接套用这个 Skill 的结构：Tavily 抓取 + 角色+结构化 Prompt + 量化打分。
个人看法：很多开发者高估了 AI 的推理能力，低估了 Prompt 结构化的重要性。这个案例里，90% 的效果提升来自于好的输出格式定义，而不是模型本身。所以动手改写你的 Prompt 比换更大的模型更划算。
