你上一次完整看完一篇新闻是什么时候？不是刷标题，不是扫摘要，是真的逐段读完。我的答案是想不起来了。信息过载不是新问题，但 RSS 订阅时代的终结让这个问题变得更棘手。Google Reader 关停十年后，我们获取新闻的方式退化成了算法推送和时间线瀑布。
ClawHub 上有个叫 News Summary 的 Skill，下载量刚过 4.4 万，Star 数 136，作者是 joargp。它做的事情极其简单：抓几个国际主流媒体的 RSS 源，提炼 5 到 8 条头条，然后丢给你。如果你开了 OpenAI TTS，它还能把摘要念成 MP3。看上去没什么技术含量。
从实现方式来看，第一反应可能觉得它太简陋了。没 API 封装，没结构化数据处理，没前端界面。整个 Skill 就靠 curl 抓 XML、grep 过滤、sed 清洗，加上一个可选的 OpenAI 语音调用。这种级别的”原始感”容易让人直接关页面。
但重新看一遍它的设计思路会发现，这个 Skill 的价值恰恰在于它什么都没做。没做推荐算法，没做个性化，没做社交分享，没做通知推送。它只是把四个不同立场的新闻源放在一起，让你自己看。说真的，这篇文章想聊的就是这个：为什么在 AI 工具变得越来越复杂的今天，一个靠 Unix 命令行拼起来的新闻摘要工具反而值得认真拆解。
环境准备
News Summary 的安装门槛低到几乎没有。只需要一个 ClawHub 环境，一条命令就搞定。
openclaw skills install news-summary
前置条件用一个表格说清楚：
| 条件 | 说明 |
|---|---|
| ClawHub 环境 | 任何安装了 OpenClaw / Clawdbot 的系统 |
| curl | Unix 标准工具，Linux / macOS 自带，Windows 需 Git Bash 或 WSL |
| OpenAI API Key（可选） | 仅 TTS 语音摘要需要，文字摘要完全免费 |
唯一可能卡住的地方是 Windows 环境。Skill 内部用 grep 和 sed 做 RSS 解析，Windows 原生 CMD 不支持这两个命令。但作者没有专门处理跨平台兼容性，这其实是有意的取舍。从 joargp 的提交记录来看，这个 Skill 从一开始就定位于类 Unix 环境，拒绝为兼容性增加复杂层。我不确定这个判断是否正确，但它确实保持了代码的极端简洁。
装完后验证也很简单，直接触发一次新闻查询就行。Skill 会自动检测触发条件，当你说”今天有什么新闻””全球动态”或”给我一个新闻简报”时，它会自动激活。不需要手动调用，不需要记住命令参数。
操作流程
News Summary 的工作流用一句话就能概括：抓 RSS、洗数据、炼摘要、选声道。拆开看每一步，有些设计比表面看起来聪明。
触发方式很自然。你对 AI 说”今天有什么大事”，Skill 就被激活了。没有斜杠命令，没有配置文件，不需要指定参数。这个设计的厉害之处在于它把复杂度藏在了触发判断里。你说”新闻”它就干活，你说”科技新闻”它就切 BBC 科技版，你说”商业动态”它就走商业源。自然的对话触发比任何命令行参数都容易上手。
抓取阶段做了四个并行 curl 请求，分别打向 BBC、Reuters、NPR 和 Al Jazeera。四个源的立场覆盖很妙：BBC 是西方主流视角，Reuters 偏向事实性报道，NPR 提供美国国内视角，Al Jazeera 则补充全球南方的声音。这不是随便选了四个大媒体拼在一起，而是刻意构造了一个视角矩阵。
解析阶段是这个 Skill 最”原始”也最值得说的地方。它没用 Python feedparser，没用 Node.js RSS 库，就直接上 Unix 三件套。
curl -s "https://feeds.bbci.co.uk/news/world/rss.xml" | \
grep -E "<title>|<description>" | \
sed 's/<[^>]*>//g' | \
sed 's/^[ \t]*//' | \
head -30
这个实现方式有点反直觉。2026 年了还拿 grep 解析 XML？但转念一想，RSS 本身就是结构极其简单、绝对不会变的格式。用一个零依赖、零维护成本的方案去解析一种十几年没改过的格式，这是很务实的工程判断。不是简陋，是精准。对比一下 npm 生态里动辄几十个依赖的 RSS 解析库，这种克制反而让人放心。
摘要提炼是唯一用到 AI 能力的环节。抓取到的原始标题和描述扔给 LLM，让它提炼 5 到 8 条最重要的新闻，按区域或主题分组。输出格式很干净，固定模板：📰 日期加 🌍 世界、💼 商业、💻 科技三个板块。语音版本走 OpenAI TTS，tts-1-hd 模型配合 onyx 音色，语速设到 0.95，时长控制在两分钟以内。整个流程跑完大概一分钟，文字模式几乎感觉不到等待。
关键设计
拆完工作流之后，这个 Skill 最值得分析的不是它做了什么，而是它选择不做什么。三个设计决策站得住脚。
第一个：零外部依赖。除了 LLM 和可选 TTS，整个 Skill 只有 curl、grep、sed 三个 Unix 标准工具。这意味着没有版本兼容性问题，没有供应链攻击面，没有”某天某个库更新后 Skill 就挂了”的恐惧。对比现在动辄几十个 npm 包的 Skill，这种克制本身就是一种设计品味。依赖越少，活得越久，这是软件工程里被反复验证但鲜少有人遵守的原则。
第二个：不做个性化推荐。市面上几乎所有新闻工具都在搞算法推荐，News Summary 反其道而行。它给你的新闻和给所有人的新闻是一样的，区别只在于你说了”世界新闻”还是”科技新闻”。这个选择背后有个很清晰的判断：新闻的价值在于让你知道世界在发生什么，而不是让你看到你想看的。
| 维度 | 算法推荐模式 | News Summary 模式 |
|---|---|---|
| 信息茧房风险 | 高 | 极低 |
| 维护成本 | 需要用户画像系统 | 零 |
| 新闻多样性 | 窄化 | 刻意多元化 |
| 使用门槛 | 需要注册登录 | 零 |
第三个：多源视角对冲。BBC 加 Reuters 加 NPR 加 Al Jazeera 这个组合不是随便挑的。BBC 负责英语世界主流叙事，Reuters 提供无评论的事实性报道，NPR 补充美国国内视角，Al Jazeera 覆盖中东和全球南方议题。四个源恰好覆盖了西方主流、国际通讯社、美国本土和全球南方四个象限。如果你只看其中任何一个，你的新闻图景都有明显的盲区。
我不确定这个选源逻辑是作者有意的设计还是巧合。但效果摆在那里，四个源的组合确实产生了新闻视角的自然对冲。这是算法推荐永远做不到的事情。算法只会强化你的偏好，不会主动给你对立面。
使用场景
News Summary 最自然的用法是早晨快速扫描全球动态。对 AI 说一句”今天有什么新闻”，一分钟内拿到 5 到 8 条摘要，比刷 Twitter 快，比看新闻 App 干净，没有推送轰炸没有评论区撕扯。但它的价值不只是省时间。
语音版是另一个有想象力的场景。OpenAI TTS 生成的 MP3 大概两分钟，正好是你从家门口开到主干道的时长。或者早上洗漱的时候当播客听。onyx 音色是偏低沉的男声，语速 0.95 比正常语速稍慢，听感接近 NPR 的早间播报风格。这个细节很小但很聪明，稍慢的语速让每条新闻之间有心理上的”呼吸空间”，信息吸收效率反而更高。
还有一个不那么明显的用法：拿它做多视角感知校准。从设计意图来看，这个 Skill 的天然优势是让你同时看到四个来源对同一事件的覆盖差异。同一件事，BBC 的标题怎么写的？Al Jazeera 的角度是什么？Reuters 提了哪些细节？这个对比本身就是一次媒体素养练习。你不需要同意任何一方的立场，但你需要知道这些立场存在。
不过这个 Skill 也有明显的覆盖盲区。它不支持中文媒体源，中国用户拿到的都是英文新闻摘要。虽然 LLM 可以在摘要阶段做翻译，但作者没有在 Skill 里加这个功能。如果你需要中文新闻简报，需要自己改造或者换别的方案。另外它不处理 paywall 内容，也不区分突发新闻和深度报道。这些局限说明它的定位很清晰：就是一个快速新闻简报工具，不是全功能新闻聚合器。
洞察与反思
这个 Skill 让我想明白了一件事：AI 能力的正确用法有时候是”做减法”而非”做加法”。大多数 AI 工具的思路是”我们有 AI，所以能做更多”，功能列表越叠越厚。News Summary 的思路是”我们有 AI，所以能把一件事做得更干净”。两种思路导向完全不同的产品形态。
它用 AI 的地方只有摘要提炼这一步。抓取、解析、格式化都是几十年前的 Unix 方案，稳定、透明、零意外。对比那种”全流程 AI 驱动”的新闻工具，从抓取到排版到推送全扔给 LLM，不仅成本高，可控性也低。你永远不知道 AI 会不会在某个环节自己发挥。而 News Summary 的 LLM 只负责最后一步的提炼，输入是明确的结构化数据，输出有严格的格式约束，幻觉空间被压到最小。
从架构推断，作者对”AI 应该出现在什么位置”有很清晰的理解。AI 在输入端（理解用户意图触发 Skill）和输出端（提炼摘要、生成语音）工作，中间的抓取和解析管线完全不碰 AI。这种”AI 镶边，传统管线扛中段”的架构在当前的 Skill 生态里并不常见，但我预判它会被越来越多地复用。它解决了一个真实问题：怎么让 AI 发挥价值但不让 AI 成为不可控的风险点。
当然也有反面。这个 Skill 如果放到一个没有四个英文 RSS 源需求的市场里，价值会大打折扣。它的选源逻辑对英文用户非常友好，对中文用户基本无用。这不是设计缺陷，是定位选择。但这也说明了一个更普遍的问题：当前 ClawHub 生态里的大多数 Skill 都带有明显的英文互联网偏倚，跨语言的适配还需要生态层面的进化。
资源地址
| 资源 | 地址 |
|---|---|
| ClawHub | https://clawhub.ai/joargp/news-summary |
| 作者 GitHub | https://github.com/joargp |
总结
News Summary 整体来看，是一个用最少的代码做了一件很具体的事的 Skill。它不试图改变你看新闻的方式，不试图推荐你应该看什么，甚至不试图让你多用它。它只是在你想知道世界发生了什么的时候，用一分钟给你一个干净的简报。
我推荐它的理由和它的功能清单没有太大关系。它好用的原因恰恰是它没有做的那部分。没有个性化，没有社交，没有通知，没有广告，没有 A/B 测试，没有推荐算法。这些”没有”构成的空白，反而成了它区别于所有新闻产品的核心体验。
如果你已经装了 ClawHub，花一分钟跑个安装命令试试。如果你需要中文新闻源，可能需要自己调整 RSS 列表，这不是什么难事。关键不在于这个 Skill 本身有多强大，而在于它展示了一种少见的工具设计哲学：把 AI 用在最精确的位置，其余交给最稳定的方案。这种克制在今天的 AI 工具圈里，比任何新功能都更值得留意。