功能(命令): 新增公众号文章批量下载与文章分析命令
- 新增 arno-dl-wx：批量下载微信公众号文章，串行调度子智能体逐篇归档并自动生成分析报告 - 新增 arno-anl-article：对单篇文章进行批判性阅读，输出结构化分析报告
This commit is contained in:
@@ -0,0 +1,275 @@
|
||||
---
|
||||
name: arno-dl-wx
|
||||
description: 批量下载微信公众号文章全文，以发布日期为前缀保存为 Markdown 文件到 `资料/文章/` 目录，逐篇自动调用 `arno-anl-article` 生成批判性分析报告，最后验证内容完整性。在工作管理项目中，可用于收集行业动态、技术文章、政策法规等公众号文章作为参考材料。触发词：下载公众号文章、批量获取微信公众号、微信文章下载、公众号全文保存、wx批量下载、行业文章下载、公众号归档。
|
||||
argument-hint: <链接列表>
|
||||
---
|
||||
|
||||
## 用户输入
|
||||
|
||||
```text
|
||||
$ARGUMENTS
|
||||
```
|
||||
|
||||
用户输入为一批微信公众号文章链接（每行一个或多个），以及可选的目标保存目录。若未指定目标目录，默认保存到 `资料/文章/` 目录。
|
||||
|
||||
链接格式：`https://mp.weixin.qq.com/s/<文章ID>`
|
||||
|
||||
## 概述
|
||||
|
||||
批量获取微信公众号文章全文内容，以主智能体-子智能体协作模式，依次逐个下载每篇文章，保存为 `yyyy-MM-dd_文章标题.md` 格式的 Markdown 文件（以文章发布日期为前缀），最后验证全部内容的完整性和章节连贯性。
|
||||
|
||||
## 标准输出模板
|
||||
|
||||
每篇保存的文章 MUST 遵循以下统一格式：
|
||||
|
||||
```markdown
|
||||
# <文章标题>
|
||||
|
||||
> **来源**：<公众号名称>
|
||||
> **作者**：<作者名>
|
||||
> **发布日期**：<yyyy-MM-dd>
|
||||
> **原文链接**：<URL>
|
||||
|
||||
---
|
||||
|
||||
<文章正文内容，保留原始 Markdown 格式>
|
||||
```
|
||||
|
||||
### 模板字段说明
|
||||
|
||||
| 字段 | 提取来源 | 缺省值 |
|
||||
|------|----------|--------|
|
||||
| `文章标题` | 文章正文最大号文字或首行加粗文字 | 无（必填） |
|
||||
| `公众号名称` | web-reader 返回的 `og:site_name` 或文章顶部公众号名称 | `微信公众平台` |
|
||||
| `作者名` | web-reader 返回的 `author` / `og:article:author` 元数据，或文章开头署名 | `未知` |
|
||||
| `发布日期` | 页面 `create_time` 时间戳转换，或文章顶部日期标注 | 当前日期 |
|
||||
| `原文链接` | 用户提供的链接 | 无（必填） |
|
||||
| `文章正文` | web-reader 返回的正文内容，保留原始段落、标题、加粗、列表等格式 | — |
|
||||
|
||||
### 模板规则
|
||||
|
||||
1. 元数据块使用 `>` 块引用格式，字段间用两个空格 ` ` 换行（Markdown 软换行）
|
||||
2. 元数据与正文之间用 `---` 分隔线隔开
|
||||
3. 正文保留原始 Markdown 格式不变
|
||||
4. 正文中如有图片链接（`![Image]` 格式），保留不删除
|
||||
|
||||
## 适用场景
|
||||
|
||||
- 批量下载系列连载文章（如书籍章节、课程讲义）
|
||||
- 保存微信公众号专栏的全部文章
|
||||
- 归档公众号内容以供离线阅读或二次处理
|
||||
- **家庭管理场景**：收集家庭教育方法、健康养生知识、理财技巧、家庭关系建设等公众号文章，作为家庭参考资料的积累
|
||||
|
||||
## 架构模式
|
||||
|
||||
采用 **主智能体 → 子智能体串行调度** 模式：
|
||||
|
||||
```
|
||||
主智能体（协调者）
|
||||
├─ 子智能体 #1 → 获取文章 1 → 保存 → 关闭
|
||||
│ └─ 主智能体 → 调用 arno-anl-article 分析文章 1
|
||||
├─ 子智能体 #2 → 获取文章 2 → 保存 → 关闭
|
||||
│ └─ 主智能体 → 调用 arno-anl-article 分析文章 2
|
||||
├─ ...
|
||||
└─ 子智能体 #N → 获取文章 N → 保存 → 关闭
|
||||
└─ 主智能体 → 调用 arno-anl-article 分析文章 N
|
||||
│
|
||||
└─ 主智能体验证全部文章完整性
|
||||
```
|
||||
|
||||
### 为什么串行而非并行
|
||||
|
||||
1. 微信公众号有反爬机制，并发请求容易触发限流
|
||||
2. 子智能体之间无共享状态依赖，但需要确保编号连续不混乱
|
||||
3. 串行执行方便追踪进度、定位问题
|
||||
|
||||
## 执行流程
|
||||
|
||||
### 第一步：初始化
|
||||
|
||||
1. 解析用户提供的链接列表，确认总链接数 N
|
||||
2. 确认目标目录存在，不存在则创建
|
||||
3. 告知用户共 N 篇文章待下载
|
||||
|
||||
```bash
|
||||
mkdir -p "<目标目录>"
|
||||
```
|
||||
|
||||
### 第二步：串行调度子智能体
|
||||
|
||||
对每个链接依次执行：
|
||||
|
||||
**启动子智能体**，传入以下任务指令：
|
||||
|
||||
```text
|
||||
你的任务是获取以下微信公众号文章的完整内容并保存。
|
||||
|
||||
**链接**: `<文章URL>`
|
||||
**序号**: <当前序号>/<总文章数N>
|
||||
**目标目录**: `<目标目录>`
|
||||
|
||||
**执行步骤**:
|
||||
|
||||
1. 使用 mcp__web-reader__webReader 工具获取该链接的完整文章内容。
|
||||
- 微信公众号文章 WebFetch 通常无法访问，直接使用 web-reader。
|
||||
- 如果内容被截断，尝试调整参数或分段获取。
|
||||
|
||||
2. 从获取的内容中提取文章元数据：
|
||||
- **标题**：文章中最大号的文字或第一行加粗文字
|
||||
- **发布日期**：优先从页面 HTML 中的 `create_time` Unix 时间戳转换（`date -d @<timestamp> '+%Y-%m-%d'`），其次从文章顶部日期标注提取；如都无法获取，使用当前日期
|
||||
- **公众号名称**：从 `og:site_name` 元数据或文章顶部公众号名称提取，缺省为 `微信公众平台`
|
||||
- **作者名**：从 `author` / `og:article:author` 元数据或文章开头署名提取，缺省为 `未知`
|
||||
|
||||
3. 将完整文章内容按照**标准输出模板**保存为 Markdown 文件：
|
||||
- 文件名格式：`yyyy-MM-dd_文章标题.md`（日期为该文章发布日期）
|
||||
- 文件名中空格和特殊字符（包括中文标点如 `，。！？；：""''、【】《》—…、` 及英文标点 `/ \ : * ? " < > |`）全部替换为 `_`
|
||||
- 多个连续 `_` 合并为一个，末尾 `_` 去除
|
||||
- 保存路径：`<目标目录>/yyyy-MM-dd_文章标题.md`
|
||||
- **严格遵循标准输出模板**：
|
||||
```
|
||||
# <文章标题>
|
||||
|
||||
> **来源**：<公众号名称>
|
||||
> **作者**：<作者名>
|
||||
> **发布日期**：<yyyy-MM-dd>
|
||||
> **原文链接**：<文章URL>
|
||||
|
||||
---
|
||||
|
||||
<文章正文内容>
|
||||
```
|
||||
- 元数据块使用 `>` 块引用，字段间用两个空格换行
|
||||
- 元数据与正文之间用 `---` 分隔线隔开
|
||||
- 正文保留原始格式（段落、标题层级、加粗、列表等），图片链接保留不删除
|
||||
|
||||
4. 检查保存的文件内容字数，与原文内容字数进行比对。
|
||||
- 使用 `wc -c` 或字符计数工具
|
||||
- 差异应在 1% 以内（允许 Markdown 格式化标记带来的微小差异）
|
||||
- 如果差异过大，说明内容可能被截断，需重新获取
|
||||
|
||||
5. 完成后向主智能体报告：
|
||||
- 文章标题、作者、公众号、发布日期
|
||||
- 保存的文件名
|
||||
- 原文字数 vs 保存字数
|
||||
- 是否完整获取
|
||||
```
|
||||
|
||||
**关键约束**：
|
||||
- **每次只启动 1 个子智能体**，等待其完成后才启动下一个
|
||||
- 子智能体使用 `general-purpose` 类型
|
||||
- 子智能体完成后自动关闭，不保留上下文
|
||||
|
||||
### 第三步：逐篇分析
|
||||
|
||||
每篇文章下载完成后（子智能体报告后），**立即**调用 `arno-anl-article` 技能对该文章进行批判性分析：
|
||||
|
||||
```bash
|
||||
# 使用 Skill 工具调用
|
||||
Skill: arno-anl-article
|
||||
Args: <目标目录>/<刚下载的文章文件名>.md
|
||||
```
|
||||
|
||||
**分析产物**：
|
||||
- 分析报告保存为 `<文章文件名（不含.md）>_分析.md`，与原文在同一目录
|
||||
- 分析报告是独立文件，**不修改、不覆盖**原文
|
||||
|
||||
**关键约束**：
|
||||
- **分析必须在下一篇下载之前完成**，保持串行节奏
|
||||
- 分析报告字数应与原文篇幅匹配（长文深度分析，短文简要分析）
|
||||
- 分析报告文件名中的特殊字符与原文使用相同的 `_` 替换规则
|
||||
|
||||
### 第四步：验证全部文章
|
||||
|
||||
所有 N 篇文章下载并分析完成后，执行完整性检查：
|
||||
|
||||
1. **文件清单检查**：确认目录下有 N 个文件，数量正确无缺漏
|
||||
|
||||
```bash
|
||||
ls -1 "<目标目录>"/*.md
|
||||
```
|
||||
|
||||
2. **文件大小检查**：确认每个文件非空，大小合理（微信公众号文章通常 3,000～15,000 字符）
|
||||
|
||||
```bash
|
||||
wc -c "<目标目录>"/*.md
|
||||
```
|
||||
|
||||
3. **首尾内容检查**：读取每篇文章的开头和结尾，验证：
|
||||
- 文章有明确的标题
|
||||
- 文章有自然的结尾（不是被截断的半句话）
|
||||
- 如果文章是系列连载，检查相邻文章的章节衔接是否连贯
|
||||
|
||||
```bash
|
||||
for f in "<目标目录>"/*.md; do
|
||||
echo "=== $(basename "$f") ==="
|
||||
head -2 "$f"
|
||||
echo "..."
|
||||
tail -3 "$f"
|
||||
echo ""
|
||||
done
|
||||
```
|
||||
|
||||
4. **连贯性检查**（可选，适用于系列连载）：
|
||||
- 前一章的结尾是否自然引出下一章
|
||||
- 章节编号是否连续（第1章 → 第2章 → …）
|
||||
- 是否有内容重复或遗漏
|
||||
|
||||
### 第五步：修复遗漏（如有）
|
||||
|
||||
如果验证发现以下问题：
|
||||
|
||||
| 问题类型 | 处理方式 |
|
||||
|----------|----------|
|
||||
| 文件缺失（某文件不存在） | 重新分配子智能体下载该链接 |
|
||||
| 内容截断（字数明显偏少） | 重新分配子智能体下载该链接 |
|
||||
| 内容异常（乱码、空内容） | 尝试不同工具重新获取 |
|
||||
| 日期错误（文件名日期与实际不符） | 调整文件名中的日期 |
|
||||
|
||||
**原则**：不手动修复内容，只重新下载。
|
||||
|
||||
### 第六步：输出汇总
|
||||
|
||||
```markdown
|
||||
## 下载完成
|
||||
|
||||
- 目标目录: <目录路径>
|
||||
- 文章总数: N 篇
|
||||
- 总大小: XXXX 字节
|
||||
- 完整率: N/N (100%)
|
||||
|
||||
| 序号 | 发布日期 | 文章标题 | 字符数 | 下载 | 分析 |
|
||||
|------|----------|----------|--------|------|------|
|
||||
| 1 | 2026-06-29 | XXX | X,XXX | ✅ | ✅ |
|
||||
| 2 | 2026-06-29 | XXX | X,XXX | ✅ | ✅ |
|
||||
| ... | ... | ... | ... | ... | ... |
|
||||
```
|
||||
|
||||
## 关键指令
|
||||
|
||||
1. **串行调度**：每次只运行 1 个子智能体，等待完成后再启动下一个
|
||||
2. **使用 web-reader**：微信公众号文章 WebFetch 通常无法访问，直接使用 `mcp__web-reader__webReader`
|
||||
3. **日期命名**：文件名以文章发布日期 `yyyy-MM-dd` 为前缀，后接下划线 + 文章标题
|
||||
4. **文件名安全**：空格和特殊字符（中英文标点如 `，。！？；：""''、【】《》—…、` 及 `/ \ : * ? " < > |`）全部替换为 `_`，多个连续 `_` 合并为一个
|
||||
5. **标准模板**：每篇文章 MUST 严格遵循标准输出模板，含来源、作者、发布日期、原文链接四个元数据字段
|
||||
6. **字数比对**：每个子智能体必须比对原文字数与保存字数，发现差异 >1% 需重试
|
||||
7. **不修改原文**：保存时只添加模板元数据头部（标题、元数据块、分隔线），不改动正文内容
|
||||
8. **逐篇分析**：每篇下载完成后立即调用 `arno-anl-article` 生成独立分析报告，分析完成后才启动下一篇下载
|
||||
9. **验证优先**：全部下载和分析完成后必须执行第四步验证，不可跳过
|
||||
10. **遇错重下**：发现问题不手动修复，重新分配子智能体下载
|
||||
|
||||
## 已知陷阱
|
||||
|
||||
- **WebFetch 不可用**：`WebFetch` 工具对 `mp.weixin.qq.com` 域名通常返回错误或被屏蔽内容，**必须使用 `mcp__web-reader__webReader`** 替代
|
||||
- **内容截断**：极长文章（>15,000 字符）可能被 web-reader 截断，如遇此情况可尝试调整 `return_format` 或 `content_size` 参数
|
||||
- **反爬限流**：短时间内大量请求可能触发微信反爬，串行执行天然规避此问题；若单篇文章也失败，等待 5-10 秒后重试
|
||||
- **标题特殊字符**：文章标题可能含 `/`（如"无代码/低代码"）及各种中英文标点，文件名中必须替换为 `_`
|
||||
- **URL 有效期**：微信公众号文章链接通常长期有效，但部分文章可能被删除或转为仅关注可见
|
||||
- **图片丢失**：web-reader 返回的 Markdown 可能不含文章中的图片，如需保留图片需另行处理
|
||||
|
||||
## 与项目现有工具的配合
|
||||
|
||||
本技能聚焦于微信公众号文章的获取和归档。获取完成后，可配合以下项目技能进一步处理：
|
||||
|
||||
| 后续操作 | 使用技能 |
|
||||
|----------|----------|
|
||||
| 文章批判性分析 | `arno-anl-article`（下载后自动调用） |
|
||||
Reference in New Issue
Block a user