Skip to content

About

借助微信读书,将你关注的微信公众号自动抓取/总结提炼!手动将待提炼的公众号导入微信读书书架后,一次扫码,每天早上就可以帮你把关注的公众号最新文章读成一页纸,Agent自动取全文 → 双键去重归档 Markdown → agent 生成每日简报。实战运行 24 期 / 733 篇归档 / 16 条真实故障根因。

Topics

Resources

Stars

4 stars

Watchers

0 watching

Forks

Repository files navigation

weread2brief

把公众号书架,变成每天早上的一页纸。 One QR scan. Every morning, your WeChat subscriptions become a single page.

每天早上的简报长这样
↑ 12 个公众号 → 一页纸。点开有原文链接。

License WorkBuddy Skill Platform Battle tested

24 期连续运行 · 733 篇归档 · 405 万字 · 单轮 8 分钟

前置只有一件事:把你关注的号加进微信读书书架(手动做一次,见下方「第 0 步」)。之后才是"一次扫码、每天自动"。


它解决什么问题

你关注了十几个公众号。每天它们推 10 篇左右,7 篇不看标题就知道是水文,剩下 3 篇里可能藏着你今天最需要的那条。

问题不是信息太多,是筛选成本太高——滑标题、点开、扫两眼、退出、下一个,20 分钟没了。

weread2brief 干的事:

每天早上
    ↓
打开你已登录的微信读书书架
    ↓
找到你关注的那几个号,取「今天 + 昨天」的新文
    ↓
抽全文 → 按 URL/标题+日期 去重 → 落成本地 Markdown
    ↓
agent 读一遍,生成一页纸:逐号要点 + 跨号共振 + 待跟踪
    ↓
你 3 分钟读完,要细节的点原文

它不替你判断,它替你把材料摆好。


为什么是 WorkBuddy Skill 形态

一开始我按"独立 CLI"设计过——自己维护 Playwright、自己实现验证码识别、自己处理环境依赖。做到一半发现两个死结:

死结 CLI 方案 Skill 方案
验证码要"看图" 得接视觉模型 API,或者让用户在终端手动输 1 1,体验割裂 agent 本来就能看图,截图 → 判图 → 点选 是天然闭环
环境依赖地狱 Chrome 路径、Playwright 版本、venv、Node…… 用户装到第三步就放弃了 宿主环境自带,git clone 完就能用

更关键的是:这个项目的复杂度不在代码,在判断。

比如"某个号目录是空的"——可能是验证码没解掉、可能是今天真没发文、可能是页面还没渲染、可能是改版了。这四种情况的处理方式完全不同,写成 if/else 会变成一坨永远修不完的分支。交给 agent 判断,只需要在 SKILL.md 里把判别方法写清楚。

skill 不是"把代码打包",是"把判断力打包"。

如果你确实需要一个不依赖 agent 的纯 CLI 版本,见 Roadmap——不过说实话,先把 skill 跑起来更划算。


它做了什么

能力 说明
书架抓取 从微信读书书架取你已加进书架的号的最新文章,不用一个个点
全文抽取 从内联 iframe 取正文,不是摘要、不是标题
双键去重 URL 或 (标题+日期),同题跨日不误杀,同日重跑零副作用
验证码自解 TCaptcha 图片点选,支持多阶段链式(最多 4 轮)
断点续跑 中途失败不会重复抓,下次接着来
登录管理 一次扫码用数周,21 天安全线预警
简报生成 按模板产出结构化 Markdown,强制带发布日期与原文链接
多端同步 可选写入 ima / Notion / Obsidian / 纯本地
定时执行 配合 WorkBuddy 自动化,每天固定时间跑

第 0 步:先把你关注的公众号放进微信读书书架

这一步由人做,只需做一次。 工具只读书架里已经有的号——它不会、也不能替你去关注新号。

微信读书把公众号当成"可订阅的书"来管理。所以顺序是:先在微信读书里订阅,工具再去读。

  1. 手机上打开 微信读书 App(或电脑浏览器开 weread.qq.com),用你平时看书的账号登录
  2. 搜索框输入公众号名称
  3. 搜索结果里切到「公众号」分类,点进那个号
  4. 点「加入书架」(部分版本显示为「关注」)
  5. 对你想提炼的每个号重复第 2–4 步
  6. 回到「书架」,能看到这些号就说明订阅成功

怎么算成功:书架里点开任一公众号,能看到它最近几天的文章标题。只看到一个空的号主页、点不出文章列表,说明还没真正加进书架。

搜不到某个号,通常是它没被微信读书收录(小众号、刚改名、已停更)。这种情况工具也救不了,不是你配错了。

加完之后不要在这里取消关注——工具每天早上都要从这个书架取数据。


第 1~3 步:装上并跑起来

# 1. 装到用户级 skill 目录
git clone https://github.com/mockxing/weread2brief.git ~/.workbuddy/skills/weread2brief

# 2. 建工作区 + 复制配置
mkdir -p ~/weread2brief
cp ~/.workbuddy/skills/weread2brief/assets/config.example.toml   ~/weread2brief/config.toml
cp ~/.workbuddy/skills/weread2brief/examples/targets.example.txt ~/weread2brief/targets.txt

# 3. 编辑 targets.txt,填你关注的公众号(先填 1-2 个跑通)
#    ⚠️ 名字必须和第 0 步书架里显示的一模一样(含「的评论区」这类后缀)
#    对不上不会静默失败,会出现在日志的 NOT ON SHELF 里

依赖只有三样,而且都不需要你手动装(宿主环境通常自带):

依赖 用途 没有怎么办
Google Chrome 承载登录态 装一个
agent-browser 操作浏览器(CDP) 设 AGENT_BROWSER_EXE 指向可执行文件
Python 3.10+ 跑采集脚本,零第三方包 用系统自带即可

配置、选择器、验证码后端都在 config.toml 里,不必改代码。 验证码默认 backend = "human"(人直接点)——第一次跑先用这个,最容易成功。

然后在 WorkBuddy 里说一句:

帮我配置公众号每日简报

agent 会读 SKILL.md,依次做:探测 Chrome → 起调试实例 → 让你扫码 → 校验 wr_vid → 跑第一个号验证。

加定时任务

配置好之后,说:

每天早上 8 点自动跑公众号简报

agent 会创建一个 recurring automation,把完整流程写进 prompt,之后就不用管了。


输出长什么样

点开看一份真实简报(已脱敏)
# 每日投资线索 · 2026-10-19

> 本期 7 篇 · 新归档 7 / 去重跳过 6 · 登录态有效(距上次成功 1 天)

## 一、逐号线索

### 1. 某财经号 —《最后20分钟,又托了一下》(2026-10-18)
🔗 [原文](https://mp.weixin.qq.com/s?...)

- 盘面:上午持续反弹,午后断电滑坠,作者复盘找不到突出利空
- 资金:收盘前 20 分钟约 160 亿买入两只宽基 ETF,周四规模近 500 亿
- 判断:这是"点刹"不是"底",对跌幅容忍度高,只压波动烈度

**可交易映射**
| 方向 | 标的/板块 | 逻辑 |
|---|---|---|
| 利好(短期托底) | 宽基 ETF | 尾盘连续两日被动买入,下行有缓冲垫但非底 |

## 二、跨号共振的价值观点
**① 叙事主轴从"需求"切到"融资成本"** —— 三个号从不同角度指向同一件事…

## 三、待跟踪清单
1. 某某债收益率(当前约 15%)能否回落…

## 五、覆盖说明表
| 账号 | 篇数 | 来源类型 | 可信度 |
|---|---|---|---|
| 某财经号 | 1 | 微信读书内联渲染(非 mp_backend) | 高 |

---
> 仅供参考,不构成投资建议。

几个刻意设计:

  • 小节标题强制带发布日期(取自归档文件名 YYYY-MM-DD_ 前缀,不猜、不照抄简报日期),方便回查
  • 每篇必有可点击原文链接,取不到就写"未获取到",不编
  • 覆盖说明表排在正文之后——先给结论,再给口径
  • 明确列出"近 2 天零更新"的号,不拿旧文凑数

设计思路

核心洞察:微信读书是公众号的"合法阅读容器"

微信读书会把公众号文章渲染在一个内联 iframe 里,DOM 结构跟 mp 页面基本一致,但体验完全不同:

维度 直连 mp.weixin.qq.com 走 weread 书架
风控 反爬 + 频繁验证码 正常阅读行为,风控低
付费文正文 只有摘要 阅读器里能看到多少就拿到多少
登录 手工喂 cookie,易失效 持久 profile,一次扫码用数周
时间信息 要自己解析发布时刻 目录直接给"3小时前""昨天"
多账号 要维护多个 cookie 书架天然聚合,一次全拿

一句话:你不是在爬公众号,你是在自己已经登录的阅读器里做笔记。

试过并放弃的四条路

方案 为什么放弃
RSSHub / WeRSS 自建 实例要一直维护;公众号源经常被风控;付费文只有摘要
直接爬 mp 页面 反爬 + 验证码 + 手工喂 cookie;付费墙后拿不到正文
浏览器插件手动存档 10 个号点 10 次,等于没自动化
第三方 SaaS 要钱、要授权、数据不在自己手里

选 weread 不是因为它完美,是因为它是唯一能长期稳定跑下去的。

五条设计原则

  1. 不猜、不编、不装成功 登录失效就报 NEED LOGIN 并终止,绝不用昨天的文章冒充今天的。这是你敢把它挂上定时任务的前提。

  2. 失败必须可见 每个号都有明确状态:有新文 / 近2天零更新 / 不在书架 / 目录渲染失败。 静默漏抓是最恶劣的 bug——这个项目历史上栽过 3 次,现在每个分支都留日志。

  3. 幂等 去重键 = URL 或 (标题+日期)。跑第二遍零副作用。

  4. 绝不误杀用户进程 清理调试端口占用时,只 kill 确认是 chrome.exe 的 PID;读不出名字就跳过。 宁可本轮失败,也不 taskkill /im chrome.exe /f。

  5. 判断交给 agent,规则写进文档 能写成确定性代码的写成代码,需要"看情况"的写成判别方法。不硬编码死的分支树。

这五条不是洁癖,每一条都对应一次真实事故。完整根因:references/pitfalls.md

数据流

flowchart TD
    S0[第 0 步 · 手动:搜索公众号并加入书架] --> A[Chrome · CDP<br/>持久 profile]
    A -->|attach| B[书架]
    B --> C{匹配 targets}
    C -->|不在书架| D[标记 NOT ON SHELF<br/>不静默跳过]
    C -->|命中| E[号内目录]
    E --> F[解析相对时间<br/>筛 今天+昨天]
    F --> G[点标题<br/>内联 iframe 抽正文]
    G --> H{遇到验证码?}
    H -->|是| I[agent 判图<br/>截图→判图→写坐标]
    I --> G
    H -->|否| J[去重<br/>URL | 标题+日期]
    J --> K[落 md + articles.json]
    K --> L[agent 生成简报]
    L --> M1[本地]
    L --> M2[ima]
    L --> M3[Notion / Obsidian]
Loading

实战数据

一个真实在跑的实例(每日定时,无人工干预):

指标 实测
连续运行 24 期(2026-09-21 → 10-19)
归档总量 733 篇 / 405 万字
书架内账号 12 个,近 20 轮 100% 命中
日均新增 7–13 篇
单轮耗时 8–13 分钟(含 1–2 次验证码)
抽取完整率 ~96%(733 篇中 6 例需重抽,1 例为无正文存根)
去重 0 误杀(同题跨日正确保留)
验证码 累计 20+ 次,链式最多 2 级;最快 18s,最慢 141s

口径纪律:能算的写精确,不能算的写范围。没有"99% 准确率"这种东西——你跑出一次漏抓就会来打脸。

开源版自身的端到端验证(2026-10-19,冷启动 Chrome,未改动任何代码分支):

环节 结果
书架匹配 12/12 命中,SHELF-EXTRA 正确列出 11 个未在 targets.txt 的号
验证码 1 个 stage 通过,catalog items = 19
两日窗口 recent(2d) = 1(正确排除前天)
正文抽取 1,916 字;与生产版同一篇的 2,203 字逐段比对内容一致
汇总 matched 1/1 | NEW 1 | DUP 0 | incomplete 0 | time_parse_failed 0
结束标志 === done ===

所以这份代码不是"看起来能跑",是真在一个登录态的账号上跑完了。


踩过的坑

完整版在 references/pitfalls.md(16 条根因分析)。挑六条最要命的:

症状 根因 修复
整号静默漏抓,日志无报错 验证码通过后 iframe 被移到 -9999 却仍在 DOM,尺寸还是 360×360 → 可见性判据恒真 判据叠加「在视口内」
目录恒 0,重试三次仍空 TCaptcha 链式下发多轮,只解一轮永远过不去 循环处理最多 4 个 stage
归档只有 28 字 点开标题后 iframe 还没渲染,立刻读拿到空壳 重试 3–5 次取最长 + 字数下限
页面明明开了,脚本卡住几分钟 subprocess 用管道收输出,孙进程继承句柄 → 永远等不到 EOF 输出重定向到文件
上午能跑,下午突然要扫码 wr_vid 是 session cookie,强杀 Chrome 就没了 让 Chrome 自然退出,别 kill -9
格子点对了,但它没提交 「确定」按钮位置靠经验值猜成"底部居中",实际在右下角 → 点了空白处,无任何报错 用 points 协议一次给全点位,别依赖经验常量

这几条里任何一条没修,项目都跑不满一周。 而且它们都不会在开发时暴露,只会在"某天早上你没收到简报"时暴露。

后三条是写这份开源版时现场踩出来的——原本以为"能跑 24 期"的代码不会有新坑了。 最后一条尤其阴:点选动作返回成功、日志显示"点选 2 处"、没有异常,只是验证码又发了一张新的。


局限

  • ❌ 抓不到没加进书架的公众号——第 0 步没做,或号名对不上,都会判为 NOT ON SHELF(设计约束,不是 bug)
  • ❌ 抓不到已删除 / 已违规的文章
  • ❌ 后台回复型存根文(正文只有"回复关键词获取")抽不到,会如实标记
  • ❌ 不能云端无人值守——扫码必须真人,GitHub Actions 这类纯云端跑不了
  • ⚠️ 高频运行可能触发风控,建议每日 1 次
  • ⚠️ 腾讯改版会失效,所有选择器集中在 scripts/page_selectors.py,改一处全局生效

合规声明

这个工具是给你整理自己已经能看的内容用的。

  • ✅ 归档你自己关注、自己登录后本可见的文章,供个人阅读与研究
  • ❌ 不提供内容再分发、聚合发布、商业转载能力
  • ❌ 不要用它抓取未关注账号,或试图获取本无权限的内容
  • ⚠️ 自动化访问可能违反平台用户协议,使用风险自负
  • ⚠️ 归档内容著作权归原作者,请勿公开传播

本项目与腾讯公司无任何关联。详见 DISCLAIMER.md。


Roadmap

  • 书架抓取 + 内联 iframe 全文抽取
  • 双键去重(URL | 标题+日期)
  • 验证码多阶段链式自解(human / agent / vlm 三后端)
  • 简报生成(投资 / 行业 / 竞品 三套模板)
  • 定时任务集成
  • 抽出后字数下限校验 + extract_incomplete 标记
  • 时间解析失败显式报警(不再静默丢文)
  • Sink 插件:Notion / Obsidian / 飞书
  • --since 7d 历史回补
  • 独立 CLI 版(不依赖 agent,供 NAS / 服务器常驻)

贡献

欢迎 PR,尤其是:

  • 新的简报模板(references/brief-template.md 加一节就行)
  • 新的 sink 实现
  • 改版适配(平台一改 DOM,scripts/page_selectors.py 是唯一入口)
  • 踩坑记录——你遇到的失败模式,比代码更值钱

本项目不处理:抓取未关注账号、绕过付费、批量分发内容。


License

MIT © mockxing


如果它帮你省下了每天早上那 20 分钟,点个 ⭐ 就是最好的回报。

About

借助微信读书,将你关注的微信公众号自动抓取/总结提炼!手动将待提炼的公众号导入微信读书书架后,一次扫码,每天早上就可以帮你把关注的公众号最新文章读成一页纸,Agent自动取全文 → 双键去重归档 Markdown → agent 生成每日简报。实战运行 24 期 / 733 篇归档 / 16 条真实故障根因。

Topics

Resources

Stars

4 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages