微信公众号 → ima 知识库 监控入库

这个 Skill 做什么

把"监测某个微信公众号 → 过滤 → 去重 → 存入 ima 知识库"这条重复链路固化下来。
调用时只需给出公众号名、可选的过滤关键词、可选的目标知识库名，
本 Skill 跑完整套流程并汇报结果。换不同公众号、不同知识库，复用同一份逻辑。

调用参数（从用户原话里抽取，缺了就问）

> 单条调用示例：
> - "用 wechat-mp-to-ima 监控公众号「勤思棠」，只存跟卢麒元有关的，存到 ima 的「勤思堂」库"
> - "监控「财新周刊」所有新文章，存到 ima「财经剪报」库"

前置条件

• ima 连接器（ima-mcp）必须已连接。未连接时如实告知用户去设置页连接，不要伪造结果、不要反复重试。
• ima 工具均为 deferred 工具：必须先 ToolSearch 加载对应 schema，再用 DeferExecuteTool 调用，严禁凭记忆猜工具名/参数名。
• 多连接器规则：若当前会话连了多个 ima 连接器（含司内版），写操作前必须先交互式询问用户选哪一个；只连一个就直接用。

执行流程

第 1 步：定位目标知识库

1. ToolSearch 加载「可添加（可写入）知识库列表」工具 → DeferExecuteTool 调用，找到名为 kb_name 的库，取 knowledge_base_id。
2. 找不到就用「我的知识库」类列表按关键词搜。
3. 不要凭记忆硬编 knowledge_base_id——每次都从工具返回拿。

第 2 步：发现新文章

1. WebFetch 抓取搜狗微信搜索：https://weixin.sogou.com/weixin?type=2&query=<mp_name>（type=2 = 搜文章），
   拿到文章标题、公众号名、发布时间、以及 weixin.sogou.com/link?url=... 跳转链接。
2. 同时用 WebSearch 搜 <mp_name> <keywords> 交叉补充最近几天的新文章（搜索结果里公众号原文 URL 常为空，需配合搜狗）。
3. 只保留公众号名命中的文章（排除同名冒牌号）。

第 3 步：过滤（仅当给了 keywords）

只保留标题或正文出现 keywords 中任意词的文章。勤思棠这类账号的"卢麒元讲话/博文整理/深度解读"都算命中。
排除明显无关内容（如稀土走私、德国政客等与目标人物无关的文章）。

第 4 步：去重

ToolSearch 加载「列举知识库内容」工具 → DeferExecuteTool 调用：knowledge_base_id + 排序 UPDATE_TS_DESC_SORT_TYPE，
拿到库内已有条目标题，剔除已保存过的（标题做模糊去重，略有差异也算重复）。

第 5 步：入库（对每篇新文章）

首选：用真实微信链接导入（能保留原文图片）：import_urls（批量导入网页链接）只认 mp.weixin.qq.com 开头的最终文章地址，ima 会自动抓取正文并一并保留原文图片，入库存档质量最好。
⚠️ 绝对不要直接喂搜狗跳转链接 weixin.sogou.com/link?...——ima 会跟随跳转但落到搜狗反爬验证页（标题变"搜狗搜索"、正文是验证码），存一条废条目且 ima 无删除工具，只能用户在客户端手动删。
真实链接为何难拿：WebFetch 能跟随跳转并解析正文但不暴露最终 URL；裸 curl/urllib 请求会被弹到 /antispider 验证码页。所以真实 mp.weixin.qq.com 地址通常拿不到——若用户手头有原文链接、或从别处获得真实地址，优先用它导入（一次可多 URL，≤10 条）。

拿不到真实链接 → 文件入库兜底（已实测修通，可靠）：WebFetch 抓正文 → 存本地 .md（带元数据包头）→ 走「create_media → 把文件 PUT 上传到返回的 COS → add_knowledge」三步（缺一步都不算成功）。落库的是 markdown_cls1_... 这种笔记/文档条目，ima 不要求原文链接，因此链接拿不到也完全不影响入库（代价：原文图片通常不随 md 带入，仅保留文字）。
- 用本 Skill 附带的 cos_upload.py 模板：把 create_media 返回的整段凭证 JSON 原样存成 _cos_creds.json，再 python cos_upload.py <文件> 即可，无需安装任何 SDK（只用标准库）。
- ⚠️ 两层坑都已踩平：① 外层签名串必须是 sha1\n<KeyTime>\n<内层SHA1>\n，只对内层哈希做第二层 HMAC 是错的（会报 SignatureDoesNotMatch）；② 凭证要程序化读取，绝不手抄 secret_key（44 位 base64 里 l/1/I、o/0、u/v 极易看错）。

md 文件模板（带元数据，便于在 ima 里追溯来源）：

---
source_mp: <公众号名，如 勤思棠>
publish_date: <发布日期，如 2026-09-10；未知则写 未知>
keywords: <命中关键词，未过滤则写 无>
saved_by: wechat-mp-to-ima
saved_at: <抓取时间 ISO>
original_url: <真实链接，拿不到就写 未获取>
---
# <文章标题>

<正文...>

• 文章已被删除（WebFetch 返回"该内容已被发布者删除"）→ 跳过并记录。
• 入库是异步的，返回成功即代表资料已收下，不必等解析完成。

第 6 步：汇报

列出本次新入库的文章标题与数量，以及失败/跳过项及原因。

关键技术踩坑（务必遵守）

• 搜狗反爬：直接 curl 搜狗 /link 跳转链接会触发反爬（302 跳 /antispider）；但 WebFetch 能跟随跳转并解析出微信文章正文，优先用它。
• 验证码/限流：搜狗偶尔弹验证码或限流。抓不到就正常结束、本轮跳过，下一轮再补，不要反复重试刷屏。
• 公众号无官方接口：只能靠搜狗 + 全网搜索发现新文章，偶发漏抓属正常，不要当成任务失败。
• 微信内容常被下架：部分文章很快被删，那轮抓不到正文会被标记跳过——这是微信侧限制，不是 Skill 问题。
• ima 鉴权失败/无权写入：引导用户重新连接 ima，不要反复重试。
• import_urls 不能接搜狗跳转链接：会存进搜狗反爬验证码页（一条废的"网址"条目），且 ima 当前无删除工具，需用户在 ima 客户端手动删除。这是本 Skill 已实测的坑。
• 真实微信文章链接极难获取（但仍链接优先、拿不到走兜底）：WebFetch 不回显最终 URL、裸 HTTP 请求触发搜狗反爬，所以 mp.weixin.qq.com 真地址通常拿不到。本 Skill 仍优先尝试 import_urls（真实链接能自动保留原文图片，质量最好）；拿不到时退化到文件入库兜底（已实测修通、可靠），完全不阻塞入库。
• COS 文件上传（兜底路径，v1.2 已实测修通）：用本 Skill 附带的 cos_upload.py，把 create_media 返回的凭证 JSON 整段原样存成 _cos_creds.json，再 python cos_upload.py <文件>。⚠️ 两层坑都已踩平：① 外层签名串必须是 sha1\n<KeyTime>\n<内层SHA1>\n，只对内层哈希做第二层 HMAC 是错的（报 SignatureDoesNotMatch）；② 凭证程序化读取，绝不手抄 secret_key（44 位 base64 里 l/1/I、o/0、u/v 极易看错）。模板只用标准库，无需装 SDK。

失败处置速查