config.yaml

# News Agent 配置文件
# 编辑后无需重启，每次跑都会重新读

# ---------- 每周排期 ----------
# 按 weekday 把每天绑到一个板块,只抓该板块的关键词、只让 scorer 关心该板块
# weekday: 0=周一, 1=周二, 2=周三, 3=周四, 4=周五, 5=周六, 6=周日
# 不在表里的日子直接退出(GitHub Actions 当日跑空就行)
schedule:
  weekday_category:
    0: governance   # 周一: AI 治理
    2: data         # 周三: AI 数据
    4: industry     # 周五: AI 行业落地

# ---------- 推送配置 ----------
push:
  # 单次推送的文章数上限（Claude 摘要的 token 成本主要来自这里）
  max_articles: 20
  # 单条新闻的相关性分数阈值（0-10），低于此分不推送
  min_score: 6.0
  # PushPlus 推送主题模板（{category_label} 会被替换）
  title_template: "{category_label}一周新闻汇总"

# ---------- 板块展示名 ----------
# 用于推送标题、正文标题、日志
category_labels:
  governance: "AI治理"
  data: "AI数据"
  industry: "AI行业"

# ---------- 公众号 + 官网（当前未纳入自动排期）----------
# 订阅清单维护在根目录 "WeChat and website list.md",分「微信公众号」「官网」两个小节。
# 如未来重新启用 wechat 手动板块：公众号经 OPML/feed 解析、官网直连，不做相关性打分。
wechat:
  # 单次推送的文章数上限(两类合并后按发布时间取最新)
  max_articles: 20
  # 微信公众号时间窗口(小时):只取执行前这段时间内发布的文章。默认 48h。
  max_age_hours: 48
  # 官网链接时间窗口(小时):默认 24h。
  website_max_age_hours: 24
  # 严格只要"有明确发布时间且在窗口内"的文章。
  # true=丢弃无发布时间的条目(官网首页/微信链接等单页抓取的噪声);false=保留无日期条目。
  require_published: true
  resolver:
    # 「公众号名称 → RSS 地址」的映射来源(OPML 文件)。程序下载这些 OPML 自动匹配名称。
    # 默认是 wechat2rss 公共合集(仅含约 326 个安全类公众号)。
    # 想用其它公众号(如 AI 媒体),自建 wechat2rss / werss 后把你自己的 OPML 地址加到这里,
    # 即可"只填名称自动解析";个别号也可在清单里用「名称 | 地址」手动指定。
    opml_urls:
      - "https://wechat2rss.xlab.app/opml/sec.opml"

# ---------- DeepSeek API 配置 ----------
deepseek:
  scorer_model: "deepseek-chat"
  summarizer_model: "deepseek-chat"
  scorer_batch_size: 20

# ---------- 两阶段研究价值筛选 ----------
# 先以标题/RSS 摘要粗筛，再仅为候选抓正文做终评，兼顾质量与 API/网络成本。
research_filter:
  # 粗筛分数低于此值不抓正文；4.0 可保留“相关但信息尚不完整”的线索。
  coarse_min_score: 4.0
  # 每个板块最多补抓正文的候选数，防止宽泛查询造成请求过多。
  max_body_candidates: 60
  body_fetch_workers: 8
  # 送入终评模型的单篇正文最大字符数。
  body_max_chars: 6000
  # 正文指纹 Jaccard 相似度达到此值即视为转载/重复（标题不同也会去重）。
  body_dedupe_threshold: 0.90
  assessment_batch_size: 10

# ---------- 周度情报观察 ----------
insights:
  enabled: true

# ---------- Google News 关键词搜索 ----------
# 按板块分组,当日只抓当日板块对应的 queries
# 搜索窗口 7d(配合一周推送一次的节奏)
google_news_queries:
  governance:
    - '"EU AI Act" code of practice'
    - '"EU AI Act" enforcement compliance'
    - '"NIST AI RMF" update'
    - '"AI Safety Institute" report'
    - '"ISO/IEC JTC 1/SC 42" artificial intelligence'
    - '中国 生成式人工智能 备案 标准 监管'
    - 'TC260 人工智能 标准'
    - '中国 生成式人工智能服务管理暂行办法 配套标准'
    - '"AI executive order" United States'
    - '"U.S. AI Safety Institute" policy'
    - '日本 AI法 生成AI 規制'
    - '韩国 AI基本法 시행'
    - '"Brazil" AI regulation bill congress'
    - '"India" AI governance regulation policy'
    - '"Singapore" AI governance framework model'
    - '"CEN-CENELEC" "JTC 21" artificial intelligence standard'

  data:
    - '"EU Data Act" implementation'
    - '"National Data Administration" data infrastructure China'
    - '国家数据局 数据基础设施 可信数据空间'
    - 'AI training data copyright lawsuit'
    - 'AI training data licensing privacy'
    - '"synthetic data" enterprise deployment'
    - '"ISO/IEC JTC 1/SC 42" data standard'
    - '"企业数据本体"'
    - '"ISO" "SC 38" data sharing standard'
    - '中国TC609 数据标准 数据要素'
    - '"United States" federal AI data policy regulation'
    - 'UK "Data Protection" AI regulation'
    - '日本 データ利活用 AI政策'
    - '韩国 데이터 산업 진흥 정책'
    - '"Brazil" data protection AI LGPD'
    - '"India" data protection AI policy'

  industry:
    - '"enterprise AI" deployment ROI'
    - '"AI agent" customer case study'
    - 'AI 智能客服 降本 增效 客户'
    - '大模型 企业 部署 效率 客户'
    - '制造业 AI 项目 上线'
    - '金融 AI 应用 部署'
    - '医院 医疗 AI 应用 部署 效率'
    - '"healthcare AI" hospital deployment case study'
    - '零售 AI 应用 部署 效率'
    - '"retail AI" deployment case study'
    - '政务 AI 应用 部署 效率'
    - '"government AI" agency deployment case study'
    - '"AI agent" software development automation'
    - '"AI agent" IT operations automation'


# ---------- 直接订阅的 RSS 源 ----------
# 全部源每次都抓,由 scorer 判断与当日板块是否相关
rss_feeds:

  # tier: primary=一手机构/标准组织/官方发布；trusted=可信媒体或研究机构。
  - name: "NIST News"
    url: "https://www.nist.gov/news-events/news/rss.xml"
    tier: primary
  - name: "European Commission Press Releases"
    url: "https://ec.europa.eu/commission/presscorner/api/rss?language=en"
    tier: primary

  # ── 公司一手源(第一时间获取官方发布) ──
  - name: "OpenAI Blog"
    url: "https://openai.com/news/rss.xml"
    tier: primary
  - name: "Google DeepMind"
    url: "https://deepmind.google/blog/rss.xml"
    tier: primary
  - name: "Google AI Blog"
    url: "https://blog.google/technology/ai/rss/"
    tier: primary
  - name: "Hugging Face Blog"
    url: "https://huggingface.co/blog/feed.xml"
    tier: primary
  - name: "Apple ML Research"
    url: "https://machinelearning.apple.com/rss.xml"
    tier: primary
  - name: "AWS AI Blog"
    url: "https://aws.amazon.com/blogs/ai/feed/"
    tier: primary

  # ── 国际一线科技媒体 ──
  - name: "TechCrunch AI"
    url: "https://techcrunch.com/category/artificial-intelligence/feed/"
  - name: "Wired AI"
    url: "https://www.wired.com/feed/tag/ai/latest/rss"
  - name: "The Verge AI"
    url: "https://www.theverge.com/rss/ai-artificial-intelligence/index.xml"
  - name: "MIT Tech Review AI"
    url: "https://www.technologyreview.com/topic/artificial-intelligence/feed"
  - name: "Ars Technica"
    url: "https://feeds.arstechnica.com/arstechnica/features"
  - name: "VentureBeat AI"
    url: "https://venturebeat.com/category/ai/feed/"

  # ── 学术/智库/工程(深度分析、政策研究) ──
  - name: "IEEE Spectrum"
    url: "https://spectrum.ieee.org/rss"
  - name: "CSET Georgetown"
    url: "https://cset.georgetown.edu/feed/"
  - name: "The Gradient"
    url: "https://thegradient.pub/rss/"

  # ── 中文科技媒体 ──
  - name: "36氪"
    url: "https://36kr.com/feed"
  - name: "量子位"
    url: "https://www.qbitai.com/feed"
  - name: "钛媒体"
    url: "https://www.tmtpost.com/feed"
  - name: "爱范儿"
    url: "https://www.ifanr.com/feed"

# ---------- RSSHub 路由（用于 X / 微信公众号）----------
rsshub:
  instance: "https://rsshub.app"
  routes: []
  # RSSHub 公共实例不稳定,重度使用建议自部署
  # - name: "Sam Altman X"
  #   path: "/twitter/user/sama"

# ---------- 源采集配置 ----------
sources:
  # 文章发布时间窗口（小时）。早于此窗口的丢弃。
  # OpenAI / HuggingFace / DeepMind 等 RSS 不分页,会返回全量历史,必须靠这个收口。
  # 缺 published_at 的文章会保留(避免误杀)。
  # 每周推送一次,所以窗口设为 7 天
  max_age_hours: 168
  # 普通源没有发布时间时不强行丢弃，避免兼容性过差；有发布时间的旧闻仍会过滤。
  # 需要严格周报时可改为 true。
  require_published: false

# ---------- 去重配置 ----------
state:
  # 已推送文章记录保留天数（防止反复推同一篇）
  retention_days: 30