一个 Claude 技能（Agent Skill）：按名称稳定拉公众号全文 → 攒成本地知识库 → 生成可双击打开的离线 HTML 工作台
纯本地运行 · 凭证只存本地 · 产物自包含 · 断网也能看
离线 HTML 工作台「知识脉络」视图 —— 文章成节点、按主题着色、crossRefs 连线，点节点即看正向引用与反向链接（真实采集：晚点LatePost + 数字生命卡兹克）
把「追公众号太累」这件事拆成三步，职责分明：
| 步骤 | 谁来做 | 产物 |
|---|---|---|
| ① 采集 | wechat_collector.py（脚本） |
按公众号名称稳定拉全文，或按关键词跨号搜全网文章 → articles_*.json + Excel |
| ② 知识库 | kb.py + 本地 agent |
去重合并进 knowledge_base.json，逐篇五段式精析（总结/观点/数据/标签/适用人群）+ 主题聚类/标签倒排/交叉引用 |
| ③ 呈现 | render_html.py + 浏览器 |
生成自包含离线 HTML 工作台（总览 / 文章库 / 知识库 / 收藏夹），双击即开 |
公众号没有公开官方 API、浏览器直连强反爬。本技能以微信公众平台后台 Cookie+Token 为核心，是目前最稳的全文采集路径。
kb.py/render_html.py仅用标准库，无网、无 pip 也能跑；只有采集这步需要requests（Excel 需openpyxl）。
把本仓库 clone 进 Claude 的技能目录，重开会话即可被识别：
git clone https://github.com/Jackychen-12/wechat-digest-skill.git \
~/.claude/skills/wechat-digest-skill之后在 Claude 里直接说：「采集 晚点LatePost 最近 10 篇」「把这些文章建成知识库做结构化分析」「生成离线 HTML 工作台」即可触发。
也可以完全不依赖 Claude，当成普通命令行工具用（见下方「30 秒上手」）。
cd ~/.claude/skills/wechat-digest-skill
pip install -r requirements.txt # requests + openpyxl
cp credentials.example.json credentials.json
# ↑ 登录 https://mp.weixin.qq.com 取 token（地址栏 URL 里的 token=数字）
# + cookie（F12 → Network → 任一请求的 Request Headers → Cookie 整串），填进去
python3 wechat_collector.py whoami # 校验登录态
# ① 采集（默认抓正文 + 自动入知识库）
python3 wechat_collector.py collect 晚点LatePost --since 2025-01-01 --count 10
# ② 让本地 agent 拆解：取批次 → 写回（详见 SKILL.md「知识库分析工作流」）
python3 kb.py list --unanalyzed --content --json # 取待分析批次
python3 kb.py apply --file batch.json # 写回五段式 + 主题/标签/交叉引用
python3 kb.py stats # 看进度
# ③ 生成离线 HTML 工作台
python3 kb.py export-html # → output/digest.html（双击打开；收藏夹仅存本浏览器）
python3 kb.py serve # 推荐：本地服务，收藏夹自动存回 knowledge_base.json
# → 浏览器开 http://127.0.0.1:8765/digest.html完整命令、参数与工作流见 SKILL.md。
kb.py export-html 把整个知识库渲染进一个单文件 output/digest.html（CSS/JS 全内嵌），双击即开、不需服务器、断网也能看。四个视图：总览 / 文章库 / 知识脉络 / 收藏夹。
其中**「知识脉络」把知识库从平铺列表升级成能看见关系的网络**（思路借鉴 wiki / Obsidian）：
- 关系图谱 —— 文章成节点、按主题着色，
crossRefs连成朱砂色脉络；点节点即聚焦其邻域，支持拖拽平移 / 滚轮缩放 / 图例按主题筛选； - 词条详情 —— 选中文章后右栏给出一句话总结、所属主题、关键词，以及两组链接：本文引用 与 被谁引用（反向链接 / backlinks）；点任意链接图谱联动跳转，或「在文章库中打开」；
- 脉络索引 —— 主题聚类 / 标签云 / 发布时间线一并保留。
收藏夹：双击打开存浏览器；用
kb.py serve启动则自动存回knowledge_base.json（清缓存也不丢）。 模板源码在assets/digest_template.html，纯前端零依赖，可自行改造样式。
下面是一次真实采集——把 晚点LatePost 与 数字生命卡兹克 近期各 10 篇全文拉下来，攒成一张可检索的知识网络：
# ① 采集两个公众号近期全文（自动入知识库）
python3 wechat_collector.py collect 晚点LatePost 数字生命卡兹克 --count 10
# ② 本地 agent 拆解 + 归类：五段式精析 / 主题聚类 / 交叉引用
python3 kb.py list --unanalyzed --content --json # 取待分析批次
python3 kb.py apply --file batch.json # 写回分析与关联
# ③ 生成离线工作台
python3 kb.py export-html20 篇被归入 6 个主题（AI 算力与存储 / AI 资本与商业化 / 超级 App 的 AI 改造 / Agent 与 Coding 工程 / AI 时代的人与方法 / 消费与出行）。最妙的是跨公众号的连线：agent 把有承接关系的文章互相写进 crossRefs，于是点中晚点的《三波人接力，六个月捧出一万亿》（智谱冲上万亿），右栏的「被谁引用」里就出现了卡兹克的《实测 GLM-5.2》——GLM 正是智谱的模型，两个号的内容被脉络自动接上了：
以上为真实采集数据（晚点LatePost + 数字生命卡兹克，各 10 篇，2026-06），由本地 agent 逐篇精析并归类。换成你关心的公众号，照此流程即可。
- 浏览器登录 mp.weixin.qq.com；
- token：地址栏 URL 形如
.../cgi-bin/home?...&token=1234567890，末尾那串数字； - cookie：F12 → Network → 刷新 → 点任一
mp.weixin.qq.com请求 → Request Headers 里复制整条 Cookie 的值； - 填进
credentials.json（已被.gitignore，绝不会提交）。
⚠️ token / cookie 会过期，采集失败优先重新获取。⚠️ 产物（articles_*.json/knowledge_base.json/digest.html等）都在output/，已.gitignore。⚠️ 本工具仅供个人学习与研究，请遵守目标站点的 robots 与服务条款，控制访问频率。
MIT