• 版本: 1.3.0

一个基于 Claude Code 的独立 Plugin 项目，能够从多个可靠信息源自动收集信息，进行深度分析，并生成结构化报告。

• ✅ 独立 Plugin：完全自包含，不依赖系统内置 Agent
• ✅ 双 Skill 支持：info-collector（信息收集）+ deep-investigator（深度调查）
• ✅ 专用 Agent：项目内定义的 6 个专业 Agent，共享复用
• ✅ 智能双模式：webpage-analyzer 支持 focused/comprehensive 双分析模式
• ✅ 多层协作：Skill → 专用 Agent → 网页分析 Agent
• ✅ 双通道搜索：SITE.md 可靠源 + WebSearch 全网搜索，覆盖更广（info-collector）
• ✅ 多轮调查：反思评估 + 补充搜索，确保信息完整性（deep-investigator）
• ✅ 并行处理：多个信息源和网页同时处理，提高效率
• ✅ 智能筛选：根据用户需求自动筛选和分类信息
• ✅ 深度分析：每条信息都经过详细分析和总结
• ✅ 结构化报告：按领域/维度分类，段落形式叙述，带完整引用
• ✅ 自动发现新源：智能评估并添加新发现的有价值网站到 SITE.md
• ✅ 加权评分系统：根据发现途径自动调整信息源评分权重
• ✅ 反馈闭环：收集用户反馈，自动优化配置（info-collector）

InfoCollector/
├── marketplace.json				# Marketplace 配置文件（仅用于本地模式）
├── .claude-plugin/
│   └── plugin.json					# Plugin 配置文件
├── agents/
│   ├── webpage-analyzer.md			# 网页分析 Agent（共用，支持双模式）
│   ├── source-searcher.md			# 信息源搜索 Agent（deep-investigator 专用）
│   ├── report-generator.md			# 报告生成 Agent（deep-investigator 专用）
│   ├── source-processor.md			# 信息源处理 Agent（info-collector 专用）
│   ├── site-evaluator.md			# 信息源评估 Agent（info-collector 专用）
│   └── personel-updater.md			# 个人偏好更新 Agent（info-collector 专用）
├── skills/
│   ├── info-collector/
│   │   └── skill.md				# 信息收集 Skill
│   └── deep-investigator/
│       └── skill.md				# 深度调查 Skill
├── PERSONEL.md						# 用户个人偏好配置（自动创建并更新）
├── SITE.md							# 可靠信息源配置（自动更新）
├── README.md						# 本文件
├── PLUGIN.md						# Plugin 安装和使用指南
├── YYYY-MM-DD/						# 每日信息收集目录（info-collector）
│   ├── {网页标题1}.md
│   ├── {网页标题2}.md
│   ├── {信息源名称1}-总结.md
│   ├── {信息源名称2}-总结.md
│   └── 新增信息源评估.md
├── 深度调查-{对象}-YYYY-MM-DD/		# 深度调查目录（deep-investigator）
│   ├── 搜索-{维度}.md
│   ├── {维度}-{网页标题}.md
│   ├── 维度汇总-{维度}.md
│   └── 信息完整性评估-第N轮.md
├────── 最终报告-YYYY-MM-DD.md
└────── 深度调查报告-{对象}-YYYY-MM-DD.md

本项目包含两个独立的 Skill，共享同一套 Agent：

info-collector Skill
    ├── source-processor Agent 1
    │   ├── webpage-analyzer Agent 1.1 (comprehensive 模式)
    │   ├── webpage-analyzer Agent 1.2 (comprehensive 模式)
    │   └── ...
    ├── source-processor Agent 2
    │   ├── webpage-analyzer Agent 2.1 (comprehensive 模式)
    │   └── ...
    ├── ...
    ├── site-evaluator Agent
    └── personel-updater Agent

deep-investigator Skill
    ├── source-searcher Agent (第1轮)
    │   ├── webpage-analyzer Agent 1.1 (focused 模式)
    │   ├── webpage-analyzer Agent 1.2 (focused 模式)
    │   └── ...
    ├── source-searcher Agent (第2轮补充，如需要)
    │   ├── webpage-analyzer Agent 2.1 (focused 模式)
    │   └── ...
    └── report-generator Agent

职责分工：

用户需求
    ↓
需求分析 → 读取配置 (PERSONEL.md, SITE.md)
    ↓
创建工作目录 (YYYY-MM-DD)
    ↓
    ├─→ 通道A: 从 SITE.md 筛选信息源
    │   └─→ 形成 SITE 类型信息源集
    │
    ├─→ 通道B: 执行 WebSearch 全网搜索
    │   ├─→ 构造 2-3 个搜索查询
    │   ├─→ 并行执行 WebSearch
    │   ├─→ 按域名分组结果
    │   └─→ 形成 WEBSEARCH 类型虚拟信息源集
    │
    ↓
合并两个通道的信息源（去重，SITE 优先）
    ↓
并行启动 source-processor Agents（区分 SITE/WEBSEARCH 类型）
    ├─→ SITE 类型: 使用 site:domain.com 搜索
    └─→ WEBSEARCH 类型: 直接使用预收集的 URL
    ↓
每个 Agent 并行启动 webpage-analyzer Agents
    ↓
收集并保存所有分析结果 + 新发现的网站（带发现途径标记）
    ↓
启动 site-evaluator Agent ← 评估新网站
    ├─→ 应用加权评分系统（根据发现途径）
    ├─→ 得分 ≥ 7.5: 自动添加
    ├─→ 得分 6.0-7.4: 添加并标注"待审核"
    └─→ 得分 < 6.0: 不添加
    ↓
更新 SITE.md（自动添加有价值的网站）
    ↓
生成最终报告 + 新增信息源评估报告

将此项目作为 Plugin 添加到其他 Claude Code 项目中：

# 在你的项目中
git clone <repository-url> .plugins/InfoCollector

设置您的个人偏好：

• 语言偏好（中文/英文）
• 关注领域（科技、政治、经济等）
• 信息类型偏好（新闻、博客、学术）
• 默认时间范围（24小时）

添加可靠的信息源：

## 科技与技术

### 人工智能
- **OpenAI Blog**
  - URL: https://openai.com/blog
  - 类型: AI、GPT、研究
  - 语言: 英文

在 Claude Code 中启动：

/info-collector

或者直接告诉 Claude：

帮我收集今天关于人工智能的最新信息

在 Claude Code 中启动：

/deep-investigator

或者直接告诉 Claude：

帮我深度调查一下量子计算

每个信息源需要包含：

• 名称：信息源的显示名称（粗体）
• URL：信息源的访问地址
• 类型：提供的信息类型标签
• 语言：内容使用的语言

按以下结构组织：

• 二级标题（##）：大类（如"科技与技术"）
• 三级标题（###）：子类（如"人工智能"）
• 无序列表：具体信息源及元数据

收集今天的科技新闻

系统会：

1. 从 SITE.md 筛选科技类信息源
2. 执行 WebSearch 全网搜索
3. 收集过去 24 小时的相关新闻
4. 生成按领域分类的汇总报告

帮我收集过去一周关于大语言模型的最新研究和应用进展

系统会：

1. 扩展时间范围到 7 天
2. 聚焦 AI/大语言模型相关信息源
3. 包含学术论文、技术博客、新闻报道
4. 生成综合性信息汇总报告

收集今天的 AI 新闻、网络安全事件和国际要闻

系统会：

1. 同时处理多个领域
2. 按领域分类组织报告
3. 提供跨领域的关联分析

帮我深度调查一下 ChatGPT

系统会：

1. 分析调查对象类型（单个对象）
2. 确定调查维度（技术原理、发展历史、应用场景等）
3. 执行多轮搜索和网页分析（每轮聚焦不同维度）
4. 评估信息完整性，必要时进行补充搜索
5. 生成全面深入的调查报告

深度调查主流大语言模型产品（ChatGPT、Claude、Gemini）

系统会：

1. 识别调查对象类型（一组对象）
2. 为每个对象收集详细信息
3. 分析对象间的关联、异同和竞争关系
4. 生成包含对比分析的综合报告

深度调查无代码开发平台这个类别

系统会：

1. 识别调查对象类型（一个类别）
2. 定义类别边界和分类体系
3. 收集代表性个体信息
4. 分析行业现状和发展趋势
5. 生成类别全景分析报告

本项目所有 Skill 和 Agent 定义都遵循以下原则：

1. 明确的执行指令：所有操作都使用"执行操作"、"使用 XXX 工具"等明确的动作指令
2. 详细的参数说明：每个工具调用都详细说明所有参数的来源和格式
3. 清晰的流程控制：使用"对每个"、"等待"、"然后"等明确的流程控制语句
4. 避免模糊示例：不使用容易混淆的"示例"表述，而是直接给出执行指令

位于 agents/source-processor.md，负责：

• 支持双类型信息源：
  • SITE 类型：使用 WebSearch 或 WebFetch 访问信息源并搜索相关信息
  • WEBSEARCH 类型：直接使用预收集的 URL 列表
• 筛选符合用户需求的信息条目
• 使用 Task 工具并行启动多个 webpage-analyzer Agent（comprehensive 模式）分析每个网页
• 使用 Read 工具读取分析结果，使用 Write 工具汇总生成 {信息源名称}-总结.md
• 收集新发现的网站信息（域名、URL、出现次数、主题、发现途径标记）

位于 agents/webpage-analyzer.md，负责：

• 支持双分析模式：
  • focused 模式（聚焦模式）：围绕特定调查对象和维度进行深度分析（用于 deep-investigator）
  • comprehensive 模式（全面模式）：客观全面地总结网页内容（用于 info-collector，默认）
• 使用 WebFetch 工具读取单个网页内容
• 根据模式动态构造提取指令
• 提取核心观点和关键信息
• 评估来源可信度
• 使用 Write 工具保存为 {网页标题}.md 或 {维度}-{网页标题}.md

位于 agents/site-evaluator.md，负责：

• 使用 Read 工具读取 SITE.md，提取已存在的网站列表
• 使用加权评分系统评估新发现的网站：
  • 基础评分：权威性、更新频率、内容深度、出现频率、可访问性（0-10分）
  • 发现途径权重：
    • SITE引用：1.2×
    • WebSearch直接发现：1.0×
    • 混合途径：1.3×
  • 最终得分 = 基础得分 × 权重系数（0-13分）
• 使用 WebFetch 工具验证网站可访问性
• 自动决策：
  • 得分 ≥ 7.5：自动添加
  • 得分 6.0-7.4：添加并标注"待人工审核"
  • 得分 < 6.0：不添加
• 使用 Edit 工具将符合标准的网站添加到 SITE.md 的正确分类下
• 使用 Write 工具生成评估报告 新增信息源评估.md

位于 agents/source-searcher.md，负责（deep-investigator 专用）：

• 执行 WebSearch 搜索（支持多个查询维度）
• 筛选出最相关的搜索结果（每个维度 10-15 条）
• 使用 Task 工具并行启动多个 webpage-analyzer Agent（focused 模式）分析关键网页
• 使用 Read 工具读取分析结果
• 为每个调查维度生成汇总文档 维度汇总-{维度}.md
• 保存搜索结果文件 搜索-{维度}.md

位于 agents/report-generator.md，负责（deep-investigator 专用）：

• 使用 Read 工具读取所有维度汇总和分析结果
• 进行跨维度综合分析，建立信息关联
• 根据调查对象类型（单个/一组/一个类别）组织报告框架
• 生成结构清晰、内容详实的深度调查报告
• 使用段落形式叙述，包含引用索引
• 保存最终报告 深度调查报告-{对象}-{日期}.md 到项目根目录

位于 agents/personel-updater.md，负责（info-collector 专用）：

• 分析用户反馈的有效性和合理性
• 使用 Read 工具读取当前 PERSONEL.md 配置
• 判断是否需要更新配置
• 使用 Edit 工具执行增量更新（不重写整个文件）
• 生成更新报告，说明变更内容和理由
• 为用户提供后续建议

• 日期目录：YYYY-MM-DD（如 2025-10-27）
• 网页分析：{网页标题}.md
• 信息源总结：{信息源名称}-总结.md
• 新增信息源评估：新增信息源评估.md
• 最终报告：最终报告.md

# 信息收集报告

**收集时间范围**: 过去 24 小时
**收集领域**: 科技、国际要闻
**报告生成时间**: 2025-10-27 14:30
**信息源数量**: 5
**信息条目数量**: 23

---

## 一、科技与技术

### 人工智能

根据最新报道[1][2]，OpenAI 发布了新版本的 GPT 模型，在多项基准测试中
表现出色。与此同时，Anthropic 也宣布[3]推出了 Claude 的重大更新...

（使用段落形式叙述，不用列表）

### 网络安全

...

## 二、国际要闻

...

---

## 信息源列表

1. OpenAI Blog - https://openai.com/blog
2. TechCrunch - https://techcrunch.com/
3. Anthropic News - https://www.anthropic.com/news
...

关键特点：

• ❌ 不使用列表形式展示信息（除非用户要求）
• ✅ 使用段落形式进行叙述性分析
• ✅ 每条信息都有引用标记 [1][2]
• ✅ 末尾有完整的信息源列表

1. 并行处理
   • 多个 source-processor Agent 并行启动
   • 每个 Agent 内部并行启动多个 webpage-analyzer Agent
2. 错误处理
   • 单个信息源失败不影响整体流程
   • 单个网页失败不影响该信息源其他网页
3. 避免重复
   • 文件系统缓存机制
   • 合并重复信息

1. 访问限制：某些网站可能有反爬虫机制
2. 时间消耗：
   • 双通道搜索会增加处理时间
   • WEBSEARCH 类型信息源较多时可能较慢
3. API 限制：
   • WebSearch 调用次数限制（建议最多 3 次查询）
   • 网页抓取受 API 调用限制
4. 内容准确性：自动总结可能存在偏差，建议人工审核
5. 新信息源质量：
   • WebSearch 发现的网站质量参差不齐
   • 加权评分系统已考虑发现途径，但仍建议定期审核
   • 得分 6.0-7.4 的网站会自动标注"待审核"

确保文件路径正确：

skills/info-collector/skill.md
skills/deep-investigator/skill.md

确保 Agent 文件存在：

agents/source-processor.md
agents/source-searcher.md
agents/webpage-analyzer.md
agents/site-evaluator.md
agents/report-generator.md
agents/personel-updater.md

确保以下文件在项目根目录：

• PERSONEL.md
• SITE.md

检查：

• 网络连接是否正常
• 信息源 URL 是否可访问
• 是否触发了访问限制

欢迎提交 Issue 和 Pull Request 改进本项目。

1. 添加新的信息源类型
2. 优化网页内容提取逻辑
3. 改进最终报告的格式
4. 增加更多语言支持
5. ✅ 已实现：双通道搜索（SITE.md + WebSearch）
6. ✅ 已实现：加权评分系统（根据发现途径）
7. 添加信息源质量监控，自动清理低质量或失效的网站
8. 优化 WebSearch 查询构造策略，提高相关性
9. 添加用户反馈机制，手动调整信息源评分

MIT License

本项目已上架至自建 Marketplace，其中还会不断更新和上架更多 Plugin，敬请期待！

最后更新：2025-11-07 作为独立 Plugin 使用：完全自包含，可移植 主要功能：

• ✅ 首次启动交互式初始化（自动生成 PERSONEL.md）
• ✅ 自动发现并添加新信息源到 SITE.md
• ✅ 双通道搜索（SITE.md + WebSearch 全网搜索）
• ✅ 加权评分系统（根据发现途径自动调整权重）
• ✅ 智能去重（域名级别，SITE 优先）
• ✅ 最终报告保存到项目根目录（便于查看）
• ✅ 根据用户反馈自动更新 PERSONEL.md 配置（第六阶段新增）
• ✅ 完整的"收集-反馈-优化"闭环工作流
• ✅ 深度调查分析功能（deep-investigator Skill）
• ✅ 集成 HeadlessKnight 以使用 Gemini CLI 进行搜索

版本历史：

• v1.3.0 (2025-11-07): 增加对 HeadlessKnight 的集成，使用 Gemini CLI 进行搜索
• v1.2.2 (2025-10-28): webpage-analyzer Agent 支持双模式（focused/comprehensive），统一服务于 deep-investigator 和 info-collector 两个 Skill
• v1.2.1 (2025-10-28): deep-investigator 启动网络搜索前先检查本地是否已有相关信息
• v1.2.0 (2025-10-27): 新增深度调查分析功能（deep-investigator Skill）
• v1.1.2 (2025-10-27): 新增第六阶段 - 根据用户反馈自动更新 PERSONEL.md 配置，形成"收集-反馈-优化"闭环
• v1.1.1 (2025-10-27): 新增首次启动交互式初始化和最终报告项目根目录输出
• v1.1.0 (2025-10-27): 新增双通道搜索和加权评分系统
• v1.0.0 (2025-10-27): 初始版本（info-collector Skill），支持单通道 SITE.md 搜索