3 个 RSS 源生成每日行业早报
描述数据源与处理目标,输出定时采集、清洗、批量处理的自动化流程方案。
适用场景
- 每天手动翻三个行业站,想改成早上一封邮件看全
- 采集脚本跑着跑着就断了,按它的异常处理补兜底
- 早报连续几天空洞,回头查是哪一段静默失败了
PROMPT
要把三个行业媒体的公开 RSS 每天 8 点汇成一份早报发到邮箱,现在还得手动复制粘贴。手上有三个源地址与既定收件邮箱,明早八点必须交出一版能跑的流程。 【思考】 1. 先判断该从哪一步切入:三个源都能匿名抓取,所以从采集开始,不从清洗开始。 2. 依据是三个 RSS 地址都公开可访问、无需登录,这一步的失败成本最低。 3. 不先做去重,是因为还没有真实样本,去重规则要看过一天的标题才定得下来。 【行动】 1. 只调用一个工具:HTTP 抓取,逐个请求三个 RSS 地址,超时设 15 秒。 2. 参数写全:请求方法 GET,带常规 User-Agent,结果按源名分别存成 xml 文件。 3. 一次只做采集,不在这一步解析、不去重、不调摘要模型。 【观察】 1. 关键值:三个源各返回多少条 item,以及最早与最晚的发布时间。 2. 达成判断:三个源都返回 200 且 item 数大于 0,才算采集达成。 3. 若有一个源返回空,下一步先用已有两源出报,同时把失败源记进告警。
复制后直接粘贴到模型使用