深度拆解:daily-intel —— 一个质量在线、却几乎无人问津的 AI 情报管道
【这是什么】
daily-intel 是一个封装成 Claude Code skill 的「个人情报管道」。它的承诺是:告诉它你的行业、你的竞争对手、你的投递渠道,剩下的它自动完成。
工作流分五步:
- 采集:从 RSS、Google News、Reddit、竞品博客四个来源抓取信号
- 评分:用 Claude 对每一条信号打三维分(紧急度 × 相关度 × 内容潜力,满分 125)
- 合成:把高分信号提炼成一份带「编辑判断」的日报(AI 生成标题 + 关联分析)
- 投递:发到 Gmail / Slack,或生成 Beehiiv 草稿(待人工审核后发布)
- 存储:全部写进 Supabase,做历史记录和去重
它设计了两种模式,这个设计很聪明: - Personal 模式:给个人做决策的简报,紧致、高密度、可执行 - Audience 模式:给订阅者看的 newsletter,同一套采集,换一种编辑口吻,投递为 Beehiiv 草稿
技术上它的完成度不低:主包拆成 collector(采集)、briefer(简报生成)、delivery(投递)、db(Supabase 存储)、config(多实例配置)五个模块,还支持多实例(~/.daily-intel/instances/ 下可以同时跑多个不同行业的管道)。

【背景 / 谁做的】
作者 andrew-shwetzer 是一个高产的 Claude Code skill 开发者。看他的作品矩阵,能拼出完整画像:
| 项目 | Star | 定位 |
|---|---|---|
| career-ops-plugin | 465 | 求职者 Claude 插件(9 个 AI skill) |
| recruiter-plugin | 13 | 招聘者 AI 工具(22 个 skill) |
| thinking-tools | 7 | 7 个 AI skill 链式解决难题 |
| human-experience | 4 | 视觉驱动的 UX 模拟引擎 |
| daily-intel | 1 | 情报管道(本篇主角) |
| claude-code-save | 2 | 会话连续性 skill |
几个关键事实:
- 他的爆款在「招聘」赛道:career-ops-plugin 拿了 465 star、103 fork,是他最大的作品。他的项目几乎都围绕「把 Claude Code 的能力封装成可复用的 skill」这个母题。
- daily-intel 是他的边缘作品:在他的作品集里,情报管道和招聘工具是两个完全不同的受众。他显然把主要精力投在了招聘方向。
- 他几乎不做对外推广:在 Hacker News 上搜
andrew-shwetzer,结果是零——他从没在 HN 发过帖,daily-intel也没上过 Show HN。GitHub 上这个仓库创建于 2026-03-15,最后一次推送是 2026-04-28,之后一个多月没有维护迹象,看起来像是「做完就放下」了。
【推广与反馈情况】(这是本篇最值得看的结论)
我把能查到的公开渠道都过了一遍,结果相当一致:这个项目几乎没有推广,也没有反馈。
| 渠道 | 情况 |
|---|---|
| Hacker News | 无任何帖子;作者无 HN 账号活动记录 |
| GitHub | 1 star、1 fork、0 issue、0 讨论、0 订阅者 |
| Reddit / X | 无公开推广记录 |
换句话说,这是一个「零反馈」的失败样本——但它不是「做烂了被骂」,而是「做完了没人看」。
这恰恰点出了一个残酷的现实:在 AI 工具爆炸的 2026 年,「把东西做出来」的价值已经无限趋近于零,「把东西推出去」才是真正的分水岭。 daily-intel 的产品完整度其实不差,但它的分发是零,所以它拿到了与「不存在的产品」相同的结果:1 star。
这个教训对正在做同类项目的人(包括我们自己)比任何成功学都更有用。
【与 OPC 情报雷达的对比】
拿它和我们自己的 opc-analysis 项目对照,很有意思——两条路线的取舍一目了然:
| 维度 | daily-intel | opc-analysis(我们的) |
|---|---|---|
| 运行形态 | 本地 CLI + cron | 本地脚本 + Web 服务 |
| 存储 | Supabase(云端) | SQLite(本地单文件) |
| LLM | Anthropic Claude | DeepSeek |
| 核心逻辑 | 三维信号评分 | 分类 + value_score + 话题聚类 |
| 输出 | 日报 / Beehiiv 草稿 | 网页查看 + 深度拆解报告 |
| 分发 | 无(零推广) | 正在补(Beehiiv 发布) |
| 目标 | 通用情报管道(可卖工具) | 副业情报内容(卖报告) |
最大的启示是:它输在「只做了工具,没做内容」。 daily-intel 的本质是一个「通用情报基础设施」,它自己不产出一篇具体的内容,而是帮别人产出。这类产品必须面对一个极难的问题——「谁会主动来用我的基础设施?」没有内容证明价值,就没有人。
而我们走的是另一条路:先产出具体内容(拆解报告),用内容本身去验证和获客。这是 daily-intel 没有走过的路,也是它 1 star 背后的结构性问题。
【对一人公司的可复制性】
技术层面高度可复制,商业层面几乎不可复制。
可复制的部分: - 整套「采集 → 评分 → 合成 → 投递」的架构,是情报类产品成熟度很高的样板,直接抄结构就能用 - 它的「双模式」设计(personal/audience 一套采集两种出口)是很聪明的产品巧思 - 三维评分公式(紧急 × 相关 × 内容潜力)比我们的单一 value_score 更细腻,值得借鉴
不可复制的部分: - 它的「通用性」恰恰是它的死穴。一个通用情报管道 = 没有定位 = 没有受众 = 没有分发理由 - 它依赖 Claude Code 生态,受众天然被限制在「用 Claude Code 的技术人群」,而这个人群要的是「帮我写代码」,不是「帮我做情报」
一句话总结:它的技术可以抄,但它的定位是反面教材——「为所有人做工具」不如「为一小群人做内容」。
【风险与机会】
对「情报」这条赛道而言:
机会:AI 情报/自动化信息处理这个方向本身是被验证过的真实需求(HN 上同类 Show HN 屡见不鲜,如 BuilderPulse 的「Daily intelligence from 10 sources」)。daily-intel 用 1 star 证明了「裸工具没有市场」,反过来也证明了「内容 + 分发」才是差异化所在——而这正是可切入的空白。
风险:如果我们也陷入「先把工具做得更完整」的陷阱(加更多源、更多评分维度、更多投递渠道),就会重蹈 daily-intel 的覆辙。功能完备度不是护城河,分发才是。 我们现在最该做的不是继续完善 opc-analysis 的功能,而是把第一篇拆解报告真正发出去、找到前 10 个读者。
总结
daily-intel 是一面镜子:它照出了「做工具的人」最容易掉进的坑——用工程的勤奋,掩盖分发的懒惰。 一个 73KB、五个模块、双模式、三渠道投递的完整项目,最终和「什么都没做」一样只拿到 1 star,因为它的作者把 100% 的精力花在了「做」上,0% 花在了「推」上。
对我们的启示只有一句:别再把时间花在给工具加功能上了。去发布,去找前 10 个真实读者,用反馈来决定下一步。 这比任何架构优化都值钱。
信息来源:GitHub、Hacker News。
- 第一步:用现成 RSS 解析库(如 feedparser)把 RSS、Google News、Reddit、竞品博客四个来源的信号统一抓取成结构化条目,落地成 `collector` 模块。
- 第二步:调用 Claude API 对每条信号打三维分(紧急度 × 相关度 × 内容潜力,满分 125),按分数阈值筛出高分信号,落地成 `briefer` 模块。
- 第三步:把高分信号合成日报(AI 生成标题 + 关联分析),通过 Gmail API / Slack webhook 投递,或生成 Beehiiv 草稿留待人工审核,落地成 `delivery` 模块。
- 第四步:全部结果写入 Supabase 做历史记录与去重,并用 `~/.daily-intel/instances/` 式的配置支持同一套采集跑 personal / audience 双模式、多行业实例。
- 分发为零即等于产品不存在:报告指出该项目零推广,最终拿到与「什么都没做」相同的 1 star,工程完整度无法替代分发。
- 受众与需求错配:它封装在 Claude Code 生态里,天然只触达「用 Claude Code 的技术人群」,而这群人想要的是写代码,不是做情报。
- 「通用情报管道」没有定位:产品本身不产出一篇具体内容,只帮别人产出,必须先回答「谁会主动来用我的基础设施」,否则没有受众也没有分发理由。
- 持续成本与维护负担被低估:多源采集需不断适配失效的 RSS/网页结构,Claude 调用与 Supabase 有持续开销,而作者在一个多月内已停止维护。