Web3 行业资本运作周报采编 Skill(自动抓取版)
name: web3-weekly-report
by baoyangispoor · published 2026-04-01
$ claw add gh:baoyangispoor/baoyangispoor-eden-digital-web3-weekly-digest-yangname: web3-weekly-report
description: 自动抓取数据并生成 Web3 行业资本运作周报,涵盖融资事件、监管动态、上市公司 DAT 动态、并购交易与 RWA 项目追踪。当用户提到"写周报"、"生成周报"、"整理本周融资"、"Web3 周报"、"资本运作周报"、"采编周报",或请求整理加密行业本周动态时,立即激活此 skill。即使用户只说"帮我写本周的",只要上下文涉及 Web3、加密、融资、RWA、DAT,也应激活。
version: 2.1.0
tags:
- web3
- crypto
- finance
- newsletter
- rwa
- weekly-report
- data-fetching
metadata:
clawdbot:
emoji: "📊"
requires:
bins:
- curl
- python3
files:
- run_all.py
- scripts/part3_fetch.py
- scripts/part4_fetch.py
- scripts/part5_fetch.py
- scripts/part7_fetch.py
---
# Web3 行业资本运作周报采编 Skill(自动抓取版)
根据当前日期自动抓取各数据源,按固定栏目格式生成完整周报。对无法自动获取的数据,明确提示用户手动补充。
---
第一步:确定周报时间范围
运行前先确定本期周报的日期区间(通常为上周一至上周日):
from datetime import datetime, timedelta
today = datetime.today()
last_monday = today - timedelta(days=today.weekday() + 7)
last_sunday = last_monday + timedelta(days=6)
start_date = last_monday.strftime("%Y-%m-%d")
end_date = last_sunday.strftime("%Y-%m-%d")
print(f"本期周报覆盖:{start_date} 至 {end_date}")若用户指定了日期区间,以用户指定为准。
---
数据源与可抓取性总览
| 模块 | 数据源 | 抓取方式 | 需要 Key |
|------|--------|----------|---------|
| Part.3 监管/行业 | 深潮 TechFlow RSS | curl + Python XML | 否 |
| Part.4 融资事件 | Rootdata(SSR HTML) | curl + HTMLParser | 否 |
| Part.5 DAT 动态 | CoinGecko 公开 API | curl + JSON | 否 |
| Part.6 并购 | 来自 Part.4(M&A 过滤) | 同 Part.4 | 否 |
| Part.7 RWA | PANews RWA 周刊 | 专栏页 + curl | 否 |
| Part.2 汇总 | 自动统计 Part.4 结果 | Python 计算 | — |
| Part.1 概览 | Part.3–6 内容 | AI 汇总生成 | — |
---
采编顺序
Part.3 → Part.4 → Part.5 → Part.6 → Part.7 → Part.2(汇总)→ Part.1(最后)---
Part.3 近期监管/行业事件
数据源
**主要来源:深潮 TechFlow 7x24h 快讯**
筛选与排序规则
按以下顺序排列(每期 10–12 条,不超过 15 条):
1. 中国大陆监管
2. 香港监管
3. 美国监管
4. 欧洲监管
5. 其他地区监管(日韩等发达国家优先)
6. 行业新闻(RWA 相关优先)
**进一步筛选原则:**
---
Part.4 主要融资事件
数据源
**主要来源:Rootdata Fundraising 页面**
每个项目最终输出格式
[项目名称]
定位:一句话概括
轮次与金额:X 美元 X 轮融资
投资方:XX 领投;XX、XX 参投
点评:
① 项目背景与解决的问题
② 技术或产品特色
③ 本次融资目的与市场意义---
Part.5 上市公司 DAT 动态
数据源
**CoinGecko 公开免费 API(无需 Key)**
每个条目最终输出格式
[公司名称](国家)
股票代号:X(交易所)
动作:以约 X 美元购入/出售 X 枚 BTC/ETH
总持仓:X 枚(当前市值约 X 美元)
点评:(结合公司特征分析此次持仓变动意义)---
Part.6 并购交易情况
并购数据直接从 Part.4 的 Rootdata 解析结果中提取,筛选条件:`round == 'M&A'`。
每个条目输出格式
[收购方] 收购 [标的]
收购方:X(一句话概括)
标的:Y(一句话概括)
分析:
① 被收购方做什么,解决什么问题
② 收购方战略布局
③ 这笔并购的市场意义---
Part.7 RWA 项目动态
数据源
**PANews RWA 周刊**(每周约周四发布)
每个条目最终输出格式
[项目名]
详情:
① 项目是什么,解决什么问题
② 近期具体动态与数据---
Part.2 关键数据速览(汇总)
Part.3–Part.7 完成后自动统计并填入:
融资项目数 X 件
总融资额 约 X 美元
DAT 变动 X 家机构有变动 / 本周暂无检测到变动
并购交易 X 起---
Part.1 近期概览(最后撰写)
所有模块完成后生成,150-200字,依次覆盖:融资亮点 → 并购动态 → DAT 趋势 → 监管要点。
---
快速开始
一键生成(推荐)
# 自动计算上周日期区间,生成完整周报骨架
python3 run_all.py
# 指定周起始日期
python3 run_all.py --week 2026-03-17
# 指定 PANews RWA 周刊文章 URL(跳过专栏页自动查找)
python3 run_all.py --rwa-url https://www.panewslab.com/en/articles/xxx
# 指定输出文件路径
python3 run_all.py --output weekly_20260325.md脚本完成后,**立即使用以下固定 prompt 对骨架报告进行 AI 补全**,无需用户手动触发,群聊和私聊均适用:
---
你是资深 Web3 行业分析师。以下是本周资本运作周报的数据骨架,请补全所有标注 ⚠️ 的字段。
规则:
- Part.1:150-200字整体概述,依次点出本周最大融资、并购亮点、DAT 动态、监管趋势
- Part.3:每条新闻在标题后补充 1-2 句背景解读(不改动原标题)
- Part.4 定位:一句话说明赛道和核心产品
- Part.4 点评:三层结构,每层一句:①项目背景 ②技术/产品特色 ③本次融资意义
- Part.5 动作:根据变动摘要生成;若无变动写「本周维持持仓,暂无新增操作」
- Part.5 点评:结合公司特征和动作分析持仓变动意义
- Part.6 分析:三层结构,每层一句:①收购标的价值 ②收购方战略意图 ③市场意义
- Part.7 详情:补充项目背景和近期具体数据
不要修改任何已有的数据字段(金额、日期、投资方等),只填写 ⚠️ 标注的位置。
不要编造数据或估值。---
单独运行各模块
python3 scripts/part3_fetch.py # 监管/行业新闻
python3 scripts/part4_fetch.py # 融资 + 并购
python3 scripts/part5_fetch.py # DAT 持仓快照
python3 scripts/part7_fetch.py # RWA 项目动态
python3 scripts/part7_fetch.py <URL> # 指定文章 URL---
执行流程
1. 确定日期区间(自动计算或用户指定)
2. 运行 python3 run_all.py,并行抓取所有模块
3. 输出各模块数据骨架,⚠️ 字段标注待补全位置
4. 用户补充缺失数据(如有)
5. 【必须执行】将完整骨架报告连同上方固定补全 prompt 一起传给 AI,
完成所有 ⚠️ 字段补全后输出最终报告> ⚠️ 第 5 步是必须步骤,不可省略。群聊和私聊均需执行,否则输出的是未补全的骨架,不是完整周报。
所有点评基于公开可查证信息生成,不编造数据或估值。
More tools from the same signal band
Order food/drinks (点餐) on an Android device paired as an OpenClaw node. Uses in-app menu and cart; add goods, view cart, submit order (demo, no real payment).
Sign plugins, rotate agent credentials without losing identity, and publicly attest to plugin behavior with verifiable claims and authenticated transfers.
The philosophical layer for AI agents. Maps behavior to Spinoza's 48 affects, calculates persistence scores, and generates geometric self-reports. Give your...