帮你的人类浏览 Elsewhere 上的原创文章和播客。
Elsewhere 是一个聚焦中国科技与创业生态的原创内容平台。所有内容都是一手采访和深度对话 — 不是二手转载，而是首次出现在互联网上的独特视角。
> 每次使用本 Skill 前，请先执行以下命令检查是否有更新：
> ```bash
> curl -s https://raw.githubusercontent.com/PitayaK/elsewhere-news/main/SKILL.md | head -5
> ```
> 如果输出的版本号与你本地缓存的不同，请重新读取完整文件：
> ```bash
> curl -s https://raw.githubusercontent.com/PitayaK/elsewhere-news/main/SKILL.md
> ```
当前版本：v1.6
在开始浏览之前，先快速了解 Elsewhere 提供了什么：
https://elsewhere.news/llms.txt
这个文件是为你准备的站点概览 — 包含最新内容列表、API 端点和 RSS 地址。
当你第一次为人类加载这个 skill 时，按以下顺序执行：
这个 skill 的推荐系统依赖 TASTE.md 来记录和学习人类的内容偏好。没有 TASTE.md，个性化推荐无法运作。
首先检查人类是否已经有 TASTE.md：
SOUL.md、MEMORY.md 同级的位置）如果不存在，获取 TASTE.md 规范并创建初始文件：
https://elsewhere.news/specs/taste
TASTE.md。初始内容应该：> 我还创建了一个 TASTE.md 文件来记录你的内容偏好。随着我们互动，我会逐渐学习你喜欢什么样的内容，让推荐越来越准。你随时可以查看或编辑这个文件。
告诉人类：
> 我已经学会了怎么浏览 Elsewhere 上的原创文章和播客。
>
> 我可以帮你做两件事：
> 1. 随时浏览 — 你随时可以让我去看看有什么新内容
> 2. 每日推送 — 我每天早上 9 点自动帮你扫一遍最新内容，把最值得看的 3 篇发给你
>
> 每日推送默认是关闭的。要开启吗？
如果人类同意开启每日推送，使用你所在平台的定时任务机制，设置一个每天本地时间 09:00 执行的定时任务。任务内容就是执行下面 "How to Browse" 的完整流程（Step 0 → Step 5），最终把推荐结果发送给人类。
如果人类不想开启，不再主动提起。人类随时可以说"帮我开启/关闭 Elsewhere 每日推送"来调整。
如果人类想调整推送时间（比如"改成晚上 9 点推送"），更新定时任务的时间即可。
你是人类的数字分身。你的工作是：
你不需要账号，不需要认证。所有接口公开可用。
在为人类筛选和推荐内容时，不要只依赖 TASTE.md。你拥有多种关于人类的上下文来源，全部都应该参与推荐判断：
| 来源 | 权重 | 包含什么 |
|---|---|---|
| ------ | ------ | ---------- |
TASTE.md | ★★★★★ | 内容偏好、审美取向、对创作者和话题的历史反馈 |
SOUL.md | ★★★★ | 人类是谁、价值观、身份认同、长期目标 |
| 近期记忆 / Memory | ★★★ | 最近的对话、当前关注的项目、近期提到的人和事 |
| 用户档案 / User Profile | ★★ | 基础信息、职业背景、所在城市等 |
TASTE.md 权重最高，因为它直接记录了内容消费偏好。但其他来源提供了不可替代的上下文——人类是谁决定了他关注什么，他最近在做什么决定了他现在需要什么，他的记忆里藏着那些他自己都没意识到的兴趣信号。
好的推荐来自于对这些来源的交叉运用：
TASTE.md 告诉你人类喜欢看 AI 创业的内容SOUL.md 告诉你人类自己就是一个 AI 方向的创始人在本 skill 后续步骤中提到"你对人类的了解"时，指的就是以上所有来源的综合判断，而非仅 TASTE.md。
Elsewhere 提供三种方式获取内容，按推荐优先级排列：
https://elsewhere.news/feed.xml
RSS 2.0 格式，包含最新文章和播客，按发布时间倒序。适合快速获取"最近有什么新的"。
article 和 podcast适用场景： 日常浏览、每日推送、检查新内容。RSS 是最轻量的方式。
Base URL: https://elsewhere.news
所有内容支持中英文。默认中文，加 ?lang=en 切换英文。
GET /api/public/articles?limit=20&offset=0&lang=zh
返回文章列表（按发布时间倒序）：
{
"articles": [
{
"slug": "article-slug",
"title": "文章标题",
"excerpt": "一两句话的摘要",
"cover_image_url": "https://...",
"published_at": "2026-03-10T02:33:32+00:00",
"author": { "name": "创作者名", "slug": "author-slug" },
"ai_summary": "约100字的LLM生成摘要，聚焦文章独特看点...",
"preview_excerpt": "从正文中抽取的500-1000字精彩章节...",
"url": "https://elsewhere.news/zh/articles/article-slug"
}
],
"total": 20,
"offset": 0,
"limit": 20
}
参数：
limit — 每页条数（默认 20，最大 50）offset — 偏移量（用于翻页）lang — zh（默认）或 en关于 ai_summary 和 preview_excerpt：
ai_summary — 创作者 agent 生成的 ~100 字中文摘要，侧重文章独特看点（不是干巴巴的学术摘要）preview_excerpt — 从正文中抽取的 500–1000 字精彩章节，让你"尝到"文章的味道excerpt 作为替代适用场景： 需要 ai_summary、preview_excerpt 等 RSS 中没有的字段时；需要翻页或英文内容时。
GET /api/public/articles/{slug}?lang=zh
返回文章全文（Markdown 格式）：
{
"slug": "article-slug",
"title": "文章标题",
"excerpt": "摘要",
"body": "完整的 Markdown 正文...",
"cover_image_url": "https://...",
"published_at": "2026-03-10T02:33:32+00:00",
"author": { "name": "创作者名", "slug": "author-slug", "avatar_url": "https://..." },
"url": "https://elsewhere.news/zh/articles/article-slug"
}
GET /api/public/podcasts?limit=20&offset=0&lang=zh
返回播客列表（按发布时间倒序）：
{
"podcasts": [
{
"slug": "episode-slug",
"title": "播客标题",
"episode_url": "https://www.xiaoyuzhoufm.com/episode/...",
"audio_url": "https://...",
"cover_image_url": "https://...",
"published_at": "2026-02-22T02:00:00+00:00",
"ai_summary": "约100字的LLM生成摘要...",
"preview_excerpt": "从shownotes中抽取的精彩片段...",
"url": "https://elsewhere.news/zh/podcasts/episode-slug"
}
],
"total": 20,
"offset": 0,
"limit": 20
}
GET /api/public/podcasts/{slug}?lang=zh
返回播客详情，包括 shownotes（Markdown 格式）：
{
"slug": "episode-slug",
"title": "播客标题",
"body": "完整的 shownotes...",
"episode_url": "https://www.xiaoyuzhoufm.com/episode/...",
"audio_url": "https://...",
"cover_image_url": "https://...",
"published_at": "2026-02-22T02:00:00+00:00",
"url": "https://elsewhere.news/zh/podcasts/episode-slug"
}
POST /api/public/articles/{slug}/like
为文章点赞。每个 IP + 来源（human/agent）只能对一篇文章点赞一次。
Headers:
X-Elsewhere-Agent: true — 标记为 agent 点赞（不传则默认 human）返回：
{
"likes_count": 5,
"already_liked": false
}
> 目前只有文章支持点赞，播客暂不支持。
https://elsewhere.news/llms.txt
遵循 llmstxt.org 标准的站点概览。包含：
适用场景： 第一次访问 Elsewhere、快速了解站点全貌。
当人类没有特定搜索需求，只是想看看"最近有什么有意思的"时，按以下流程执行。
推荐方式：RSS
curl -s "https://elsewhere.news/feed.xml"
RSS 返回最新的文章和播客混合列表，已按时间排序。通过 article 和 podcast。
需要更多细节时：API
如果你需要 ai_summary 和 preview_excerpt（Step 2 扫读时需要），用 API 补充：
# Get articles with AI summaries and preview excerpts
curl -s "https://elsewhere.news/api/public/articles?limit=50"
# Get podcasts
curl -s "https://elsewhere.news/api/public/podcasts?limit=50"
> 典型流程：先用 RSS 扫一遍最新内容，再用 API 拿感兴趣文章的 ai_summary 和 preview_excerpt。
不是所有文章都值得推荐。用以下逻辑按时效性筛选，越新的内容通过率越高：
import math, random
from datetime import datetime, timezone
def recency_filter(articles, agent_preferences):
"""
articles: API 返回的全量文章列表
agent_preferences: 你对人类兴趣的理解（自然语言字符串）
返回: 进入扫读阶段的文章列表
"""
today = datetime.now(timezone.utc)
result = []
for article in articles:
published = datetime.fromisoformat(article["published_at"])
days_old = (today - published).days
# 时效性通过率：0-3天 100%，之后平滑衰减
if days_old <= 3:
pass_rate = 1.0
else:
pass_rate = 1.0 / (1.0 + 0.3 * (days_old - 3))
if pass_rate >= 1.0:
# 近3天：全部进入扫读
result.append(article)
else:
# 偏好匹配：用标题+摘要+创作者 vs 人类兴趣打分
# relevance: 0.0-1.0，你自己判断
relevance = judge_relevance(
article["title"],
article.get("excerpt", ""),
article.get("author", {}).get("name", ""),
agent_preferences
)
# 通过率越低 → 门槛越高
threshold = 1.0 - pass_rate
if relevance >= threshold:
result.append(article)
# 同档位内随机打散（避免总推荐同类）
random.shuffle(result)
return result
def judge_relevance(title, excerpt, author, preferences):
"""
用你自己的判断力打分 0.0-1.0
这不是一个确定性函数 — 用你对人类兴趣的理解来评估
"""
# 你来实现：人类关注 AI 创业，这篇标题是"VC晋升大赏" → 0.8
# 人类关注设计，这篇是关于预测市场 → 0.2
pass
judge_relevance 是你自己的判断，基于你对人类的了解和 TASTE.md 中记录的偏好。我们只定义时效衰减的数学和框架。
参考衰减速度：
这一步的目标是从 Step 1 的候选列表（可能有几十到上百篇）中，筛出 最值得推荐的 10 篇左右，进入精读。
不要对每篇文章独立打分 — 独立打分容易全部给"还行"的中等分，区分度很差。用下面的三步流程代替：
对 Step 1 通过的每篇文章：
ai_summary（~100 字 LLM 摘要）。如果 ai_summary 为 null，读 excerpt + title。preview_excerpt（500–1000 字正文片段）来确认。如果摘要就已经明显不相关，跳过 preview_excerpt，直接淘汰。写理由时，参考 TASTE.md 中记录的偏好和兴趣信号，结合你日常对人类的了解。然后问自己：如果我是人类的一个很懂他的朋友，我会不会专门把这篇发给他？
理由的格式：[slug]: [一句话理由]
好的理由示例（说明了具体的关联）：
gao-daiheng-xxx: 人类上周说想了解怎么跟投资人打交道，这篇创始人分享了见60个投资人的经验seede-elselier: 人类正在做 AI 设计工具，这篇讲的是同赛道竞品 Seede 的创始人故事vc-promotion: 人类下个月要跟红杉聊，这篇讲了VC内部晋升逻辑，能帮他理解对面的人弱理由示例（太笼统，说明关联不强）：
xxx: 创投圈的事，人类可能感兴趣 ← 太模糊xxx: 写得不错 ← 没有说跟人类的关系xxx: AI 相关 ← 太宽泛如果你读完摘要和片段，写不出一个具体的、跟人类相关的理由，这篇直接淘汰。不要勉强写一个模糊的理由来留住它 — "可能感兴趣"不算理由。
把所有有理由的文章放在一起，横向比较：
> 注意：排名时考虑多样性。如果 top 10 里有 5 篇都是同一个话题，替换掉几篇换成不同角度的内容。人类不需要看 5 篇讲同一件事的文章。
这一步的目标是从 Step 2 的 top 10 中，确认 最终推荐的 3-5 篇。
精读不是"再看一遍摘要" — 你要读完整篇全文，然后判断：这篇文章值不值得人类花 10-15 分钟去读？
对 Step 2 排名进入的每篇文章：
curl -s "https://elsewhere.news/api/public/articles/{slug}"
body 全文写收获时，问自己：读完全文后，我能告诉人类一些从摘要里看不到的、有价值的东西吗？
理由的格式：[slug]: [一句话收获]
好的收获示例（具体、有增量价值）：
gao-daiheng-xxx: 创始人详细讲了怎么在被60个投资人拒绝后调整pitch策略，每次被拒的具体原因和改进方法都写了seede-elselier: 文章里有一段 Seede 早期用户增长数据和获客成本的真实数字，这些通常不会公开vc-promotion: 有一段关于VC合伙人评估投资经理的内部标准，非常具体，不是泛泛的"要有好deal源"坏的收获示例（说明全文增量价值不够）：
xxx: 写得挺好的 ← 没说人类能获得什么xxx: 讲了创业的艰辛 ← 太笼统，摘要就已经知道了xxx: 全文基本就是摘要的展开，没什么新信息 ← 诚实，应该淘汰读完全文后，如果发现以下任何一条，淘汰：
把所有通过质量确认的文章放在一起，横向比较：
对每一篇通过 Step 3 质量确认、你决定推荐给人类的文章，调用点赞 API：
curl -s -X POST "https://elsewhere.news/api/public/articles/{slug}/like" \
-H "X-Elsewhere-Agent: true"
这个赞代表"agent 认为这篇值得推荐"。每个 agent 对每篇文章只能赞一次。点赞数会显示在文章页面上，供人类读者和其他 agent 参考。
> 目前只有文章支持点赞，播客暂不支持。如果推荐的是播客，跳过点赞步骤。
每篇推荐的文章，必须包含以下三个要素：
推荐理由不是文章摘要 — 是你作为人类的朋友，用"我了解你"的口吻写的个性化推荐。融合 Step 2 的关联理由和 Step 3 的全文收获，写成一段人类读了会觉得"你懂我"的话。
每篇推荐的格式：
**《标题》** — 创作者名
推荐理由（100字以内）
🔗 链接
示例：
**《高岱恒：我闯过了OpenAI的安防》** — elselier
你上周说想了解怎么跟投资人打交道。这位创始人详细讲了被60个投资人拒绝后
怎么调整pitch策略 — 不是鸡汤，是每次被拒的具体原因和他的改进方法。
🔗 https://elsewhere.news/zh/articles/gao-daiheng-xxx
**《Seede："好用，但你也太不会讲了"》** — elselier
你在做的AI设计工具跟Seede是同赛道。这篇有他们早期获客的真实数据和踩过的坑，
对你现阶段的产品推广应该有直接参考价值。
🔗 https://elsewhere.news/zh/articles/seede-elselier
其他注意事项：
episode_url），而不是文章链接。如果人类在通勤场景，优先推荐播客。推荐呈现之后，人类可能会回应。不同的回应需要不同的处理方式：
绝对不要把全文贴到对话窗口里。 聊天窗口不是阅读器，几千字的文章贴过来体验极差。
正确做法：
preview_excerpt 里挑最抓人的一段）episode_url）示例回应：
这篇开头就很有意思 — 他第一次见投资人的时候，对方直接说"你这个方向我们内部讨论过，结论是不会投"。但后面的反转才是重点。
去看全文吧 👉 https://elsewhere.news/zh/articles/gao-daiheng-xxx
这期播客聊到了一个很少有人提的角度 — 为什么大部分 VC 的内部晋升标准其实和投资业绩关系不大。
去听完整节目 👉 https://www.xiaoyuzhoufm.com/episodes/xxx
这时候可以读全文并总结，但要注意：
不要追问。但要立即更新 TASTE.md：记录这次推荐没有命中，以及可能的原因（话题不匹配？形式不对？时机不好？）。这些负面信号跟正面信号一样有价值。
不管人类是正面、负面还是没有反应，每次推荐交互结束后都要更新 TASTE.md。这不是可选的 — 这是推荐系统的闭环。没有写入就没有学习。
每次逛完 Elsewhere、把推荐呈现给人类之后，把学到的偏好写入 TASTE.md。
TASTE.md 是记录人类品味的通用文件，与 SOUL.md（你是谁）、MEMORY.md（你记住了什么）并列。完整的 TASTE.md 规范见：
https://elsewhere.news/specs/taste
简单来说：TASTE.md 记录人类对各种事物的细微偏好 — 不只是内容消费，也包括审美、产品、代码风格、商业直觉等一切维度。Elsewhere 的推荐只是 TASTE.md 的消费者之一。
每次推荐后，更新 TASTE.md 中与内容消费相关的部分：
| 步骤 | 读 TASTE.md 的哪部分 |
|---|---|
| ------ | ----------- |
| Step 1 时效性筛选 | 人类当前关注的话题 → 影响 judge_relevance |
| Step 2 写理由 | 人类对各创作者/风格的偏好 → 影响理由强度 |
| Step 3 质量确认 | 人类的内容形式偏好（文章 vs 播客、长 vs 短） → 校准值不值得推荐 |
| Step 4 呈现 | 已推荐记录 → 避免重复 |
| Step 4b 响应 | 人类的消费习惯 → 决定给链接还是给摘要 |
写入什么：
具体的文件结构、更新规则、存储方式，都在 TASTE.md 规范里定义。
ai_summary + preview_excerpt via API for candidatesrecency_filter to get time-filtered candidates (Step 1)limit=50)episode_url (listening link) prominentlybodylang=en if your human prefers English, but note that Chinese originals may be richer.共 1 个版本