db-ai-github-paper-weekly-news

DB+AI+GitHub+Paper 周报

概述

从 10 个数据源抓取最近 7 天内容，按"PostgreSQL 生态 / 其他数据库 / AI 新闻 / GitHub 趋势 / AI 论文"5 大类汇总，生成含 mermaid 图表的 markdown 周报，写入当前项目 markdown/ 目录（默认文件名 db-ai-weekly-YYYY-MM-DD.md，日期为执行当天）。

数据源清单

工作流（执行步骤）

按以下顺序执行；任一步失败不阻塞整体，错误归入"数据源覆盖"章节的失败表。

Step 1. 解析动态 URL

• 对 postgresweekly.com/issues：用 mcp__MiniMax__web_search 或 WebFetch 抓 /issues，从侧栏/列表中识别最新 issue 编号 N（纯数字），构造 https://postgresweekly.com/issues/<N> 作为实际抓取入口。
• 其他源直接用表中 URL。

Step 2. 并行抓取（每个源独立调用 WebFetch / WebSearch）

使用 mcp__MiniMax__web_search（根据 CLAUDE.md 规则）或 WebFetch。每个源返回结构化字段：

{
  source_id: 1..10,
  url: 实际抓取 URL,
  status: "ok" | "empty" | "error" | "human_required",
  status_detail: "529" / "NO_RECENT_ITEMS" / ...,
  items: [
    {
      date: "2026-06-16",
      title: "...",
      url: "...",
      summary: "一句话摘要",
      tags: ["PG", "内核", "逻辑复制"]   // 用于分类
    }
  ]
}

判定"近 1 周"用 date >= today - 7 days，按数据源给出的发布时间为准；无法解析日期的退回到抓取当日。

Step 3. 失败 / 人工验证处理

• HTTP 5xx、429、超时 → status="error"，在周报"数据源覆盖"章节标 ❌，建议下次重跑。
• 抓取到 HTML 但无符合时间窗的条目 → status="empty"，标 ⚠️（可能是上游结构调整或确实缺内容）。
• git.postgresql.org 可能被 anti-bot 拦截 → status="human_required"，调用 references/human-verification.md 中的兜底：先 mcp__MiniMax__web_search 搜近 7 天 postgresql.git commit Michael Paquier / Heikki Linnakangas 等核心 committer 名，从搜索摘要凑出关键 commit 列表。
• aibase.com / ai-bot.cn 内容可能包含微信公众号跳转链接，优先保留公众号原文链接而非落地页。

Step 4. 分类汇总

按以下 5 章输出：

1. 🐘 PostgreSQL 生态 —— #1–#5 源，按子类聚合：内核提交（含 commit hash + 作者 + 一句话）、社区博客、PostGIS、官方公告。
2. 🦆 其他数据库（DuckDB 等） —— #6 源。
3. 🤖 AI 新闻 —— #7、#8 源，国内为主，去重合并同主题条目（如"Seedance 2.0 mini"在 aibase 和 ai-bot 都有时合并为一条，标注双源）。
4. ⭐ GitHub 趋势项目（weekly） —— #9 源，含仓库名、描述、star 增量、语言。
5. 📄 AI 论文（HuggingFace Trending） —— #10 源，含论文标题、机构、摘要、链接、热度指标。

每章首段放一个 mermaid 图（见 Step 5）。

Step 5. Mermaid 图表

按 references/output-template.md 中的模板，固定生成以下图（即使某些源失败，对应图表也保留框架并标注缺失）：

• 开篇 pie 图：本周条目分类占比（5 大类 + 失败/空响应）。
• timeline 图：近 7 天每日发布密度，重要事件挂时间线上。
• PG 内核 mindmap：本周 PG 内核变更主题（逻辑复制 / pg_restore / RI 快路径 / XML / 类型 / 其他）。
• AI 主题 mindmap：开源模型 / Coding Agent / 视频生成 / 行业整合 / 智能体工具链。
• 视数据情况可加 GitHub trending 分类饼图、论文主题旭日图（mermaid 不支持时用 markdown 列表替代）。

Step 6. 数据源覆盖表

固定章节（七、数据源覆盖），表格列：# | 类别 | 源 | 状态 | 抓到条目数 | 备注。

状态枚举：

• ✅ ok：≥1 条命中时间窗。
• ⚠️ empty：HTTP 200 但无近 7 天条目。
• ❌ error：HTTP 非 2xx / 网络异常。
• 🙋 human_required：anti-bot 或需浏览器验证，按 references/human-verification.md 兜底。

Step 7. 写入 markdown

• 路径：<cwd>/markdown/db-ai-weekly-YYYY-MM-DD.md（若 markdown/ 不存在则创建）。
• 命名：当天日期。如果当天文件已存在，文件名追加 -HHMM 后缀避免覆盖。
• 文件末尾追加一行：*本周报由 db-ai-github-paper-weekly-news skill 于 YYYY-MM-DD HH:MM 自动生成。条目均附原始来源链接，请以原文为准。*

关键规则

1. 不编造条目 —— 抓不到就标 ⚠️，绝不凭训练记忆补内容（参考用户 feedback_verify_before_writing）。
2. 跨源同主题合并 —— AI 新闻常有多源覆盖，合并时优先保留最早发布时间，标题取最完整版本。
3. 保留原链接 —— 每条条目附原始 URL；公众号文章保留 mp.weixin.qq.com 链接。
4. 中文为主 —— aibase / ai-bot 已是中文，保留原标题；英文源（postgresweekly / duckdb / github / huggingface）翻译或保留英文均可，但标签用中文（如"内核""逻辑复制""视频生成"）。
5. 遵循 ~/.claude/CLAUDE.md 的 WebSearch 规则 —— 用 mcp__MiniMax__web_search 而非内置 web_search。
6. 章节顺序固定 —— 七章结构按模板，便于跨周对比。

资源

• scripts/crawl.py — 10 源抓取编排（动态 URL 解析 + 并行抓取 + 错误归类）。
• scripts/parse_postgresweekly.py — postgresweekly.com 专用，解析最新 issue 编号。
• scripts/parse_postgres_git.py — git.postgresql.org shortlog 解析（含 human_required 兜底）。
• scripts/render_report.py — 把抓取结果渲染为最终 markdown。
• references/output-template.md — markdown 模板（章节结构 + mermaid 片段）。
• references/human-verification.md — anti-bot 源兜底方案。

触发词

• "生成 db-ai-weekly 周报"
• "跑一次本周数据库+AI+GitHub+论文汇总"
• "weekly news 抓一下"
• "本周 pg + ai 速览"