apify-financial-news

金融新闻情报

通过 Apify Actors 发现并提取投资组合公司相关的金融新闻。提供两种模式：

• 单家公司 — 扫描一家公司的新闻。
• 投资组合扫描 — 在多家公司上运行同一套流程。

33 个一级来源分为 4 个类别（全球／泛欧洲／机构／中东欧本地）。二级来源是覆盖面广的 Google News 回退选项，用于未经验证的域名。

预计费用：单家公司 0.10–0.50 美元，完整投资组合扫描 1–5 美元。

先决条件

• Apify 访问权限 — 首选：apify CLI（npm install -g apify-cli && apify login）；备用：Apify MCP 连接器（call-actor 工具）。两者都可用时，CLI 更快且优先使用。
• Python 3 + pip install readability-lxml lxml（用于 extract_and_clean.py 后处理器）
• 公司数据位于 ${CLAUDE_PLUGIN_ROOT}/data/companies.json

${CLAUDE_PLUGIN_ROOT} 是插件的根目录（即 .claude-plugin/ 所在目录）。安装插件后，Claude Code 会自动解析该路径；开发期间则将其设为 --plugin-dir 路径。

工作流检查清单

复制此清单，并在进行过程中勾选：

Task Progress:
- [ ] Step 0: Verify prerequisites — try `apify --version && apify info`; if unavailable, check for `call-actor` MCP tool; if neither, tell user to install apify CLI or Apify MCP connector. Also verify: `python3 -c "from readability import Document; print('OK')"` (install: `pip install readability-lxml lxml`)
- [ ] Step 1: Build queries (look up company in data/companies.json or construct manually)
- [ ] Step 2: Discovery — pick 8-12 sources by region, run 2-phase Google News
- [ ] Step 3: Dedup + route (Tier 1 = whitelisted domain → verified extractor; Tier 2 = broad → rag-web-browser)
- [ ] Step 4: Extract & clean (run extractor, then extract_and_clean.py)
- [ ] Step 5: Output Tier 1 + Tier 2 tables to user

限制

允许使用的 Apify Actors（完整列表——请勿使用其他 Actor）

Actor	用途
data_xplorer/google-news-scraper-fast	Google News 发现
louvre/rss-news-aggregator	RSS 发现
rodrigo_pacelli/headline-news-scraper	标题发现
jamie_tran/bloomberg-article-scraper	Bloomberg 提取
romy/bloomberg-news-scraper	Bloomberg 备用方案
workhard3000/news-intelligence-rag-extractor	付费墙内容提取
apify/rag-web-browser	免费内容／软付费墙 + 二级来源
stanvanrooy6/universal-ai-web-scraper	硬付费墙（Barron's、MarketWatch）— 每页 0.25 美元

请勿使用任何其他 Actor。请勿使用 WebSearch、WebFetch 或浏览器工具。

提取器路由（必须遵循——请勿替换）

提取器	域名
jamie_tran/bloomberg-article-scraper	bloomberg.com
workhard3000/news-intelligence-rag-extractor	ft.com、wsj.com、economist.com、morningstar.com、asia.nikkei.com、caixinglobal.com、zawya.com、euobserver.com、reuters.com
apify/rag-web-browser	cnbc.com、forbes.com、investors.com、lesechos.fr、afr.com、scmp.com、euronews.com、intellinews.com、handelsblatt.com、politico.eu、eubusiness.com、eureporter.co、ecb.europa.eu，以及全部 7 个中东欧本地来源
stanvanrooy6/universal-ai-web-scraper	barrons.com、marketwatch.com
REST API (presscorner)	ec.europa.eu

各来源的完整配置：reference/SOURCE_CONFIGS.md。机器可读配置：data/sources.json。

流程

步骤 1：构建查询

在 ${CLAUDE_PLUGIN_ROOT}/data/companies.json 中查找公司。queries 下的关键字段：gnews_en、gnews_cz、bloomberg。

对于非投资组合公司，请手动构建查询：加引号的完整法定名称 + 股票代码或变体 + 地理限定词。

查询规则：

• 使用 "InPost SA"，而非 InPost（完整名称加引号可避免误报——参见 reference/EUROPEAN_COMPANIES_GUIDE.md）
• 每个来源使用 site: 运算符：site:bloomberg.com "InPost SA" OR "INPST"
• FT 提示：使用 site:ft.com/content/（仅用 ft.com 会返回股票数据页面）
• 有效时间范围："1h"、"1d"、"7d"、"1y"、"all"（不要使用 "30d"）
• 股票代码少于 4 个字符时：务必搭配公司全名
• 在 Google News 输入中务必设置 decodeUrls: true

步骤 2：发现

不要搜索全部 33 个来源。根据公司所在地区选择 8–12 个来源。

区域优先级

区域	优先来源
CZ	ČTK、IntelliNews、Reuters、Bloomberg、POLITICO EU、FT、Handelsblatt
PL	PAP、IntelliNews、Reuters、Bloomberg、POLITICO EU、FT
HU	Telex.hu、HVG.hu、VG.hu、IntelliNews、Reuters、Bloomberg
BG	BTA、IntelliNews、Reuters、Bloomberg、Euronews
SK	TASR、IntelliNews、Reuters、Bloomberg、Handelsblatt
西欧	Bloomberg、Reuters、FT、Handelsblatt、Les Echos、POLITICO EU
美国 / 全球	Bloomberg、Reuters、WSJ、FT、CNBC、Forbes、Barron's
亚洲 / 中东和北非	Bloomberg、Reuters、SCMP、Nikkei、Caixin、Zawya
欧盟监管	POLITICO EU、EUobserver、EUbusiness、EU Reporter、EC Press Corner、ECB

两阶段 Google News 策略

阶段 1 — 定向（按优先来源搜索，使用 site:）：

apify call data_xplorer/google-news-scraper-fast \
  --input '{"keywords":["site:bloomberg.com \"InPost SA\" OR \"INPST\""],"maxArticles":10,"timeframe":"7d","region_language":"US:en","decodeUrls":true,"proxyConfiguration":{"useApifyProxy":true,"apifyProxyGroups":["RESIDENTIAL"]}}' \
  --user-agent apify-awesome-skills/apify-financial-news \
  --output-dataset > discovery_bloomberg.json

阶段 2 — 广泛（始终运行，不使用 site: 运算符）。在步骤 3 中按域名对结果分类——白名单来源 → Tier 1，其他来源 → Tier 2。

中东欧本地语言发现：对于中东欧公司，使用 region_language 设置为 CZ:cs、PL:pl、HU:hu、BG:bg、SK:sk 运行额外查询。参见 data/sources.json 中每个来源的 region_language 字段。

EC Press Corner — 直接 REST API（无需 Actor）

curl -s "https://ec.europa.eu/commission/presscorner/api/documents?reference=IP/26/614&language=en"

从 Google News 标题中解析 IP_XX_NNN 参考 ID，以构造 API 调用。

RSS / 标题发现（可选）

对于提供 RSS 的来源，可以使用 louvre/rss-news-aggregator 补充 GNews（每次运行最多 10 个 Feed；分批运行）。对于 6 个来源，可使用 rodrigo_pacelli/headline-news-scraper（CNBC、SCMP、Nikkei、Caixin、仅 Zawya 标签页、Handelsblatt）。RSS/标题输出未经筛选——在客户端按标题 / 描述中的公司名称进行筛选。完整 Feed 列表：reference/PIPELINE_DETAIL.md。

步骤 3：去重并路由

1. 收集所有发现任务中的 URL。
2. 按域名分类：白名单（33 个 Tier 1 来源）→ Tier 1；其他来源 → Tier 2。
3. 筛除非文章 URL：/quote/、/stock/、/sitemap、/author/、/tag/、/key-metrics/、/newsletters/、/topic/、/profile/、redirectUrl=。
4. 根据标题中的公司名称 / 股票代码筛选。
5. 去重（规范化 URL）。
6. 根据路由表将 Tier 1 URL 路由至已验证的提取器。
7. 将 Tier 2 URL 路由至 apify/rag-web-browser。

低覆盖率回退（< 3 篇文章）：将时间范围扩大至 "1y"；如果跳过了阶段 2，则运行阶段 2；尝试本地语言查询。

步骤 4：提取并清理

根据路由表运行提取器。对于 rag-web-browser 调用，使用 outputFormats: ["html"]。

提取后，在数据集上运行 extract_and_clean.py，通过 readability-lxml 移除导航栏 / 菜单 / 页脚。脚本会自动检测格式：HTML 使用 readability-lxml 清理；已清理的输出（Bloomberg scraper、workhard3000）则直接通过。

DATASET_ID=$(apify call apify/rag-web-browser \
  --input '{"query":"<ARTICLE_URL>","maxResults":1,"outputFormats":["html"],"requestTimeoutSecs":40,"proxyConfiguration":{"useApifyProxy":true,"apifyProxyGroups":["RESIDENTIAL"]},"removeCookieWarnings":true}' \
  --user-agent apify-awesome-skills/apify-financial-news \
  --json | jq -r '.defaultDatasetId')

python3 ${CLAUDE_PLUGIN_ROOT}/skills/apify-financial-news/reference/scripts/extract_and_clean.py "$DATASET_ID"

--json 标志会返回运行元数据，包括 defaultDatasetId。发生错误时会返回非零退出代码，使流水线快速失败。

步骤 5：输出

向用户提供两个表格——**Tier 1（已验证）**和 Tier 2（广泛）。每篇文章包含：来源、标题、作者、日期、字符数、URL。

## News Intelligence: InPost (INPST.AS) — Last 7 days

### Tier 1 — Verified Sources (2)
| Source | Title | Author | Date | Chars | URL |
|--------|-------|--------|------|-------|-----|
| bloomberg.com | InPost Readies AI Shopping Assistant | K. Krasuski | 2026-03-19 | 7,577 | … |

### Tier 2 — Broad Discovery (5)
| Source | Title | Date | Chars | URL |
|--------|-------|------|-------|-----|
| seekingalpha.com | InPost expands parcel locker network | 2026-03-18 | 1,200 | … |

*Sources: 6 verified queried | 5 broad | Cost: $0.15*

宏观背景

获取国家层面的经济背景时，可将以下来源与新闻扫描配合使用：

• ING Think（think.ing.com）——通过 apify/rag-web-browser 获取每日中东欧外汇 / 利率信息（约 11K 字符）。最佳的免费开放访问中东欧宏观经济来源。
• IMF（imf.org）——通过 apify/rag-web-browser 获取第四条款总结声明（约 22K 字符）。
• ECB（ecb.europa.eu）——已列入 Tier 1。
• 各国央行（ČNB、NBP、MNB、BNB、NBS）——直接提取 URL；参见 reference/MACRO_SOURCES.md。

关键注意事项

• 在 Google News 中务必设置 decodeUrls: true（编码后的重定向会导致所有提取器失效）。
• “InPost”含义模糊，会匹配“post-Maduro”。请使用 "InPost SA" 以确保精确。
• 每次运行最多处理 10 个 RSS 源，请分批处理。
• Zawya headline-scraper 返回的是标签页，而非文章，请从标题运行中排除。
• Reuters 需要 RESIDENTIAL 代理，否则只会返回 386 个字符。
• Reuters：rag-web-browser 对约 60% 的 URL 返回 0 个字符，只能使用 workhard3000。
• Morningstar 的 .co.uk URL 使用 workhard3000 会失败，请使用 .com URL 提取。
• WSJ 的 livecoverage 页面会失败，请跳过与 wsj.com/livecoverage/ 匹配的 URL。
• FT：rag-web-browser 返回 16 个字符（“Client Challenge”），请使用 workhard3000。
• Forbes：workhard3000 返回 0 个字符，请使用 rag-web-browser。
• Barron's / MarketWatch 每页费用为 $0.25，请仅用于高价值文章。
• Caixin URL 必须完整，截断的 URL 无法提取。
• EC Press Corner 是 Angular SPA，rag-web-browser 会返回 0 个字符。请使用 REST API。

完整的失败模式目录：reference/PIPELINE_DETAIL.md、reference/SOURCE_CONFIGS.md。

参考资料

• data/sources.json — 机器可读数据：33 个来源 × 发现方式 × 提取器 × 费用 × 注意事项
• reference/SOURCE_CONFIGS.md — 各来源的 curl 示例、运行 ID、输出示例
• reference/PIPELINE_DETAIL.md — RSS 源、标题来源、警告、失败路径、来源速查表
• reference/MACRO_SOURCES.md — ING Think、IMF、各国央行
• reference/EUROPEAN_COMPANIES_GUIDE.md — 欧洲公司处理技巧
• reference/MORNING_NOTE_DETAIL.md — HTML 输出规范（已归档；不在此技能范围内）
• reference/scripts/extract_and_clean.py、reference/scripts/clean_article.py — readability-lxml 后处理器