[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-92685":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":8,"htmlUrl":8,"language":9,"languages":8,"totalLinesOfCode":8,"stars":10,"forks":11,"watchers":12,"openIssues":13,"contributorsCount":13,"subscribersCount":13,"size":13,"stars1d":13,"stars7d":13,"stars30d":14,"stars90d":13,"forks30d":13,"starsTrendScore":13,"compositeScore":15,"rankGlobal":8,"rankLanguage":8,"license":16,"archived":17,"fork":17,"defaultBranch":18,"hasWiki":17,"hasPages":17,"topics":19,"createdAt":8,"pushedAt":8,"updatedAt":20,"readmeContent":21,"aiSummary":22,"trendingCount":13,"starSnapshotCount":13,"syncStatus":23,"lastSyncTime":24,"discoverSource":25},92685,"moore-wechat-article-downloader","Moore-developers\u002Fmoore-wechat-article-downloader","Moore-developers",null,"Python",258,38,102,0,65,48.27,"MIT License",false,"main",[],"2026-07-22 04:02:06","# 微信内容情报库\n\n一个本地优先的 Skill：把微信公众号文章、评论和互动数据保存到本地，变成可搜索、可分析、可复用的资料库。\n\n```text\n同步我关注的公众号，按日期列出最近 50 篇新文章\n把「\u003C某公众号>」最近 20 篇文章收进本地资料库\n研究「\u003C某公众号>」最近 10 篇文章，拆出它的选题方法和内容结构\n结合「\u003C某公众号>」最近 5 篇文章的精选评论和互动数据，判断读者真正买账的点\n开启微信收藏会话，边看边把正文、评论和互动信号保存到本地\n把这些公众号文章链接导入本地：https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Fxxx\n```\n\n它的目标很简单：把散在微信里的公众号内容，整理成你自己可搜索、可分析、可长期使用的本地资料库。\n\n## 它适合谁\n\n- **内容创作者**：拆选题、拆标题、拆表达方式。\n- **研究者 \u002F 产品人**：长期跟踪多个公众号，比较变化。\n- **知识管理用户**：把微信内容沉到自己的本地资料库、wiki 或第二大脑。\n- **AI 用户**：把公众号内容变成 Codex \u002F Claude Code 可以继续分析的输入。\n\n## 四个核心场景\n\n### 1) 同步更新\n\n适合“我想把关注的公众号变成可追踪列表”。\n\n你可以说：\n\n```text\n同步我关注的公众号，按日期列出最近 50 篇新文章\n从已订阅公众号里筛出最近值得精读的 10 篇\n整理最近一周我关注公众号的新文章，按公众号分组\n```\n\n这个场景的目标很简单：把信息流变成可管理的文章库。\n\n默认只抓正文，不抓评论和互动数据。\n\n### 2) 公众号研究\n\n适合“我想拆出一个公众号的选题方法和读者反馈”。\n\n你可以说：\n\n```text\n看「某公众号」最近 10 篇文章，判断它值不值得长期学习\n拆「某公众号」最近 10 篇文章：选题来源、标题写法、内容结构、情绪钩子和评论反馈\n基于「某公众号」最近 20 篇文章和精选评论，提炼 3 套我可以借鉴的选题方法\n```\n\n这里真正有价值的不是正文本身，而是：\n\n- **正文**：作者怎么立题、怎么铺结构、怎么收口\n- **评论**：读者为什么买账、哪里反对、哪里追问\n- **互动数据**：哪些题材真的触发了传播和扩散\n\n如果你想学一个公众号，这个场景比单纯下载更重要，因为你要的是“可以借鉴的方法”，不是一堆文件。\n\n### 3) 微信收藏会话\n\n适合“我边看边存正文、评论和互动信号”。\n\n你可以说：\n\n```text\n开启微信收藏会话，我要边看文章边把正文、评论和互动信号存到本地\n```\n\n然后在微信里正常打开文章，看到值得保留的内容时点页面里的 `收藏到本地`。\n\n它能保存：\n\n- 当前文章正文\n- 已加载的评论\n- 页面当前暴露的阅读、点赞、在看、评论等数据\n- 图片和页面结构信息\n\n如果你明确要求“评论和互动数据”，它会在短时有效窗口内为同公众号的已同步文章补充这些数据。\n\n### 4) 链接归档\n\n适合“我已经有一批零散链接，想收进本地资料库”。\n\n你可以说：\n\n```text\n把这些公众号文章链接导入本地：https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Fxxx\n把群里发来的公众号文章链接整理成本地资料库\n把我收藏的一批公众号链接导入本地，按公众号归档\n把这些链接收进本地，后面用于选题分析\n```\n\n这个场景的重点不是导入动作本身，而是把零散链接变成统一的本地文章库。\n\n## 为什么这个 Skill 有用\n\n微信收藏只能帮你记住“看过”，不能帮你重新使用；这个 Skill 会把文章、图片、评论和互动信号保存到本地，让公众号内容变成可以搜索、拆解和分析的资料库。\n\n一句话：\n\n```text\n把公众号从信息流里捞出来，变成你的本地内容情报库。\n```\n\n## 和常见公众号导出工具的区别\n\n| 维度 | 常见导出工具 | 微信内容情报库 |\n|---|---|---|\n| 产品形态 | 多是脚本或一次性导出流程 | 一个本地优先的 Skill，围绕同步、收藏、研究和归档形成闭环 |\n| 用户入口 | 需要理解不同脚本和参数 | 直接用自然语言说场景：同步更新、公众号研究、微信收藏会话、链接归档 |\n| 评论互动 | 通常作为额外 JSON 或增强导出 | 可把精选评论和互动数据写回对应文章 Markdown |\n| 当前页收藏 | 多数只处理批量导出 | 在微信里边看边点 `收藏到本地`，保存正文、已加载评论和页面数据 |\n| 输出方式 | 常按任务或 run-id 分散输出 | 固定保存到 `~\u002FDownloads\u002Fwechat-articles\u002F\u003C公众号名>\u002F`，适合长期资料库 |\n| 本地状态 | 更偏一次性 batch\u002Fexport | 用本地 SQLite 管理公众号、文章、下载和互动状态 |\n| 隐私边界 | 有些方案依赖外部服务或 API | 本地优先，不把公众号资料和会话数据交给第三方 |\n\n简单说，它不是把文章“导出来就结束”，而是把公众号内容变成后续可以继续搜索、拆解和分析的本地资料库。\n\n## 输出到哪里\n\n默认按公众号保存到：\n\n```text\n~\u002FDownloads\u002Fwechat-articles\u002F\u003C公众号名>\u002F\n```\n\n典型结构：\n\n```text\narticles\u002F\u003C文章标题>.md\nimages\u002F\u003C文章标题>\u002F\nindex.csv\n```\n\n本地还会保存：\n\n- 文章正文 Markdown\n- 图片\n- 索引\n- SQLite 状态\n- 页面数据和互动数据\n\n## 边界\n\n- 只处理公开文章，不绕过登录、付费墙或私密内容。\n- 只承诺页面或接口实际返回的数据，不承诺全量评论。\n- 精选评论可以补，完整回复树不保证。\n- 不打印 cookie、token、auth-key、pass_ticket 等敏感值。\n- 不做 SaaS，不做云端托管，不做内容改写。\n\n## 安装\n\n把项目克隆到 Codex 或 Claude Code 的 Skills 目录：\n\n```bash\n# Codex\nmkdir -p ~\u002F.codex\u002Fskills\ngit clone https:\u002F\u002Fgithub.com\u002FMoore-developers\u002Fmoore-wechat-article-downloader.git \\\n  ~\u002F.codex\u002Fskills\u002Fmoore-wechat-article-downloader\n\n# Claude Code\nmkdir -p ~\u002F.claude\u002Fskills\ngit clone https:\u002F\u002Fgithub.com\u002FMoore-developers\u002Fmoore-wechat-article-downloader.git \\\n  ~\u002F.claude\u002Fskills\u002Fmoore-wechat-article-downloader\n```\n\n重新打开 Codex \u002F Claude Code 后，直接用自然语言说需求就行。\n\n按需依赖：\n\n- Exporter 历史列表：需要扫码登录自己的微信公众号后台。\n- 微信收藏和旧代理历史：需要 macOS 微信桌面客户端、本地证书和 mitmproxy。\n- 自动切换和恢复系统代理：目前只支持 macOS。\n\n## 开发与文档\n\n- `scripts\u002Fwechat_wizard.py`：自然语言任务、登录和选择入口\n- `scripts\u002Fwechat_exporter.py`：公众号搜索、历史同步、订阅和增量下载\n- `scripts\u002Fwechat_downloader.py`：链接导入、微信收藏、旧代理历史和页面快照归档\n\n离线契约测试：\n\n```bash\npython3 -m unittest discover -s evals -p 'test_*contract.py'\n```\n\n更多细节：\n\n- [`SKILL.md`](SKILL.md)\n- [`references\u002Fskill-cli-flow.md`](references\u002Fskill-cli-flow.md)\n- [`references\u002Foutput-formats.md`](references\u002Foutput-formats.md)\n- [`references\u002Ftroubleshooting.md`](references\u002Ftroubleshooting.md)\n- [`references\u002Fcompliance.md`](references\u002Fcompliance.md)\n","这是一个本地优先的微信公众号内容采集与分析工具，支持同步关注的公众号文章、按需抓取指定公众号历史内容、边浏览边收藏文章及评论互动数据、批量导入链接归档。核心特点是将微信散落的内容结构化保存为本地 Markdown 文件和 SQLite 数据库，附带图片、精选评论、阅读\u002F点赞\u002F在看等互动信号，并围绕内容研究（选题拆解、读者反馈分析）设计自然语言驱动的操作流程。适用于内容创作者做选题复盘、研究者长期跟踪账号、知识管理者构建第二大脑、AI用户准备分析语料等需要深度处理微信公众号内容的场景。",2,"2026-07-10 02:30:08","CREATED_QUERY"]