微信读书阅读助手

功能说明

本技能对接微信读书 API，用于阅读笔记的同步、整理与复用。主要能力如下。

基础功能

1. 书架管理：查看微信读书书架中的书籍列表
2. 带着问题读：根据你想解决的问题，推荐相关书籍的重点章节与核心观点
3. 划线同步：同步指定书籍的划线与想法（笔记）
4. 知识卡片整理：将划线与想法整理为「实践案例」和「通用知识」两类卡片，写入 Obsidian
5. 阅读统计：查看阅读时长、阅读偏好等统计数据
6. 书籍搜索与推荐：搜索书籍、查看热门划线、获取个性化推荐与相似书

进阶功能

1. 催读复习：列出未读完的书籍并提醒继续阅读
2. 一键思维导图：生成指定书籍的章节结构与热门观点脑图
3. 书评 / 朋友圈文案：基于真实划线撰写书评或朋友圈文案
4. 跨书关键词：从所有笔记中提取高频关键词，归纳长期阅读主题
5. 主题对比：将多本书围绕同一主题横向对比

结构化陪练

调用书籍中的思维模型，分步骤引导分析你的真实问题，并生成行动方案。

使用方式

唤起技能后，直接以自然语言说出需求即可，例如：
- "看看我的书架"
- "带着问题读《非暴力沟通》，我想改善团队沟通"
- "同步《非暴力沟通》的划线"
- "整理《非暴力沟通》的知识卡片"
- "催我读"
- "给《华尔街之狼》画个脑图"
- "写篇《认知觉醒》的书评"
- "用《非暴力沟通》的方法分析我的团队协作问题"

前置条件

• 微信读书 API Key（WEREAD_API_KEY）：可先安装「微信读书」技能完成授权后自动复用，或自行配置
• Obsidian 仓库路径：用于存放整理后的知识卡片

> 以下内容为 AI 运行规则，普通用户无需阅读。

零、AI 首次引导规则

核心痛点：用户（尤其陌生人）不知道该说什么、唤起哪个功能。 因此 AI 必须主动引导，绝不干等。

• 触发时机：用户以含糊方式唤起本技能时——如「读书」「微信读书」「用读书助手」「帮我读」「微信读书阅读助手」等未指明确切功能的指令，或刚加载技能尚未明确需求。
• 动作（必须）：AI 先读取 references/welcome.md，并输出其中的功能引导菜单（必须包含开头的「🚀 新手推荐路线」三步走闭环，优先引导用户走完这个最小闭环，不要一上来堆所有进阶功能；其余「核心三件事 + 进阶玩法」示例句必须保留），最后以 "你想先试哪个？直接照上面任一句说就行~" 收尾，等待用户选择。绝不要反问"你想干嘛"或干等。
• 已明确指令时：若用户已说出具体功能（如「整理《XX》的知识卡片」「催我读」「给《XX》画个脑图」），直接进入对应工作流，无需重复输出完整菜单。
• 老用户简化：同一对话中已用过本技能，再次唤起可简化为简短提示（如「继续刚才的？还是换个别的功能？」），不必每次铺满菜单。
• 随时唤菜单：用户说「你能干啥」「帮助」「功能」「怎么用」时，重新输出 welcome.md 菜单。

一、微信读书 API 连接（依赖微信读书 Key ✅）

前置依赖（首次使用必看）：
- 本技能需要微信读书 API Key（WEREAD_API_KEY）。最简单方式：先安装「微信读书」技能（weread-skills，在 SkillHub / WorkBuddy 技能市场可装）并按其指引完成授权，本技能会自动复用同一 Key；也可自行将 Key 写入本技能目录下的 .env（WEREAD_API_KEY=wrk-xxx）。
- 知识卡片默认写入 Obsidian。首次使用时请告诉我你的 Obsidian 仓库路径，我会在其中创建 微信读书阅读助手/ 知识库目录（结构见第三步）。

本技能对接微信读书 API，可读取书架、划线、想法、阅读统计、热门划线、推荐，并能聚合出进阶功能所需数据。

调用方式（唯一可靠入口）：使用内置客户端脚本，密钥从环境变量 WEREAD_API_KEY 或同目录 .env 自动读取（不要把 Key 写进技能或打印到回复）。

# 用任意 Python3 环境运行（系统 python3 或 Agent 托管 Python 均可）；脚本路径相对本技能目录
PY="python3"   # 或指向你本机 Python 的绝对路径
CLIENT="scripts/weread_client.py"
FEAT="scripts/reading_features.py"

# 基础接口
$PY $CLIENT /shelf/sync
$PY $CLIENT /book/info --params '{"bookId":"40405120"}'
$PY $CLIENT /store/search --params '{"keyword":"三体","scope":10}'

# 进阶功能聚合（v5 新增）
$PY $FEAT resume                              # 催读复习：未读完的书清单
$PY $FEAT allnotes                            # 跨书关键词：聚合所有笔记
$PY $FEAT mindmap --params '{"bookId":"823426"}'   # 思维导图：章节结构
$PY $FEAT compare --params '{"bookIds":["823426","522205"],"theme":"说服"}'  # 主题对比
$PY $FEAT hotspots --params '{"bookId":"823426"}'  # 热门划线 Top20

• 网关：https://i.weread.qq.com/api/agent/gateway（POST，JSON）
• 鉴权：Authorization: Bearer $WEREAD_API_KEY，Key 由脚本从环境变量或同目录 .env 读取
• 版本号：每次请求自动带 skill_version: "1.0.4"
• 参数平铺：业务参数与 api_name、skill_version 同级，不要包在 params 对象里
• 时间戳：回包里所有 Unix 时间戳展示时转 YYYY-MM-DD；阅读时长（秒）转 x小时y分钟
• deepLink：回包有 deepLink 时，展示为 [打开阅读]({deepLink})，不要手拼 weread://

常用接口速查

> 进阶聚合命令（$FEAT）见下文「四、五大进阶功能」；完整字段说明见 references/weread-api.md。

二、三步走工作流（核心）

第一步：带着问题读书 🎯

触发：「我要读《XX》」+ 想解决的问题 / 「推荐《XX》的重点章节」

执行：
1. /shelf/sync 找到 bookId（用户给书名时先查；给 bookId 直接用）
2. /book/info 取详情（简介、评分、字数）
3. /book/chapterinfo 取完整目录
4. /book/bestbookmarks 取热门划线 Top20（提炼大众验证过的核心观点）
5. 结合用户问题，给每章打"与问题的关联度"，推荐 3–5 章

输出格式：

## 🎯 你的问题：[用户问题]

## 📚 推荐重点章节（按优先级）
1. ⭐⭐⭐⭐⭐ 第X章：[章节名]
   推荐理由：[这章怎么解决你的问题]
   核心剧透：[从热门划线提炼的相关观点]
...

## 💡 提前剧透核心观点（5个）
1. ...

## 📖 阅读建议
先读第X章→第Y章→第Z章，带着"[具体问题]"去读，遇到有用的立刻划线。

原则：推荐 3–5 章不贪多；每章必须有明确理由；剧透观点来自热门划线而非编造；给阅读顺序。

第二步：划线同步 📝

触发：「同步《XX》的划线」/「看看我的笔记」

执行：
1. 确认 bookId
2. /book/bookmarklist 取所有划线（updated[]，含 markText、chapterUid）
3. /review/list/mine 取所有想法/点评（reviews[]，含 content、abstract 原文、chapterName）；注意参数是小写 bookid
4. 用 chapters 把划线按章节分组；想法能关联划线时放在对应划线下方
5. 统计：划线数、想法数、涉及章节数

输出格式：

## 📝 《[书名]》划线同步完成
- 划线：X 条 ｜ 想法：X 条 ｜ 涉及章节：X 章

## 按章节预览
### 第X章 [章节名]（X条）
> [划线原文]
💭 想法：[想法内容]

笔记数口径：统计"笔记总数"=reviewCount + noteCount + bookmarkCount；"可导出内容"=划线+想法（书签只计数量，不可导出内容）。

第三步：AI 整理知识卡片 🗂️

触发：「整理知识卡片」/「生成知识卡片」（通常会先自动跑第二步）

执行：
1. 先同步划线+想法（第二步）
2. 对每条内容深度分析：提炼核心观点、判断适用场景
3. 自动分类：
- 实践案例 → 00_实践案例/：有明确步骤、可直接套用、解决眼前具体问题
- 通用知识 → 01_通用知识/：底层原理、思维模型、概念定义，短期不用但长期复用
4. 按模板生成结构化卡片（见 references/knowledge-card-template.md）
5. 写入 Obsidian 知识库（路径见下），并回写 03_索引MOC/读书索引.md

Obsidian 落库路径（首次使用请指定你的 Obsidian 仓库路径，我会自动创建）：

{{OBSIDIAN_VAULT}}/微信读书阅读助手/
├── 00_实践案例/     # 立刻能用的方法话术步骤
├── 01_通用知识/     # 底层原理思维模型
├── 02_书籍笔记/     # 每本书一份完整笔记
└── 03_索引MOC/      # 主题索引知识地图

> 说明：{{OBSIDIAN_VAULT}} 替换为你本机的 Obsidian 仓库根目录（例如 C:/Users/你的用户名/Documents/Obsidian Vault）。直接告诉我路径，我帮你建好整个知识库结构。
每张卡片：保留原文摘录、用 [[双向链接]] 串联、带 frontmatter（title/category/source/tags/created）。

分类判定口诀：
- 看到"怎么做/步骤/话术/模板" → 实践案例
- 看到"为什么/原理/概念/可迁移" → 通用知识

第四步（进阶）：结构化思维模型陪练 🥊

理念：借鉴中信出版社 BookSkills「书 + AI 陪练」——不是"把书讲给你听"，而是"拿书里的方法，处理你自己的真实问题"。把"知道"变成"做到"再到"内化"。

触发：「用《XX》的方法分析我的问题」/「陪练」

执行（结构化五步）：
1. 真问题挖掘：追问帮用户挖出卡住他的真实症结（不是表面问题）
2. 结构化流程约束：按书的思维框架，固定顺序一步步引导，不让跳步
3. 关键杠杆识别：从一堆事里定位"最致命的 20%"，先打这个点
4. 生成行动方案：输出"做什么 / 何时做 / 怎么验证"（带 owner+时间+验收）
5. 复盘迭代：用户执行后回来，记住背景/行动/结果，持续迭代

内置模型库见 references/thinking-models.md：《李诞工作手册》《把任何东西卖给任何人》《影响力》《非暴力沟通》《认知觉醒》《人性的弱点》《灰犀牛》等（每本含可复用陪练流程）。

陪练原则：追问而非回答；生成行动方案而非鸡汤；有记忆（记住背景/目标/复盘）；是陪练不是老师。

三、五大进阶功能（v5 新增，微信读书官方 AI Skill 玩法）

> 数据底层均来自微信读书真实接口；聚合命令通过 $FEAT（reading_features.py）串联多接口完成。

功能1：催读复习 🔔

触发：「催我读」/「提醒我接着读」/「我读到哪了」/「哪些书没读完」

执行：
1. $PY $FEAT resume → 未读完的书清单（按最近阅读时间排序，含 readingProgress、readUpdateDate、deepLink）
2. 取列表前部 1–3 本（或用户指定），对每本：
- /book/chapterinfo 取前几章标题
- /book/bestbookmarks（chapterUid=0）或 /book/bookmarklist 取你在该书的划线 → 提炼"前三章精髓"
3. 生成催读卡片

输出格式：

## 🔔 该接着读了
1. 《活着》— 最后读 2026-08-07 ｜ [打开阅读](deepLink)
   前三章精髓：[从热门划线提炼的 2–3 个核心观点]
   一句话提醒：[结合你的划线/问题，鼓励接着读]
...

备注：readingProgress 仅在"有笔记的书"上显示；未显示进度的书按"最近阅读时间"判断该不该催（越近越该催）。只提醒、不强推。

功能2：一键思维导图 🧠

触发：「给《XX》画个脑图」/「思维导图」/「《XX》的结构」

执行：
1. $PY $FEAT mindmap --params '{"bookId":"823426"}' → 章节结构（含子标题 anchors）+ 热门划线 Top20
2. AI 生成思维导图：中心=书名，一级=章节，二级=子标题/热门观点
3. 默认用 Mermaid 代码块呈现（用户要可视化可进一步生成 HTML）

输出格式（Mermaid 示例）：

mindmap
  root((影响力))
    影响力的武器
      互惠
      承诺和一致
    喜好
    权威
    稀缺

备注：章节多时只展开前 2 级，避免过载；热门观点挑 3–5 条最有代表性的。

功能3：书评 / 朋友圈文案 ✍️

触发：「写篇《XX》的书评」/「帮我写短书评」/「发朋友圈的文案」

执行：
1. 取该书划线+想法：/book/bookmarklist + /review/list/mine（参数小写 bookid）
2. /book/info 取简介、评分
3. AI 撰写

输出格式：
- 书评（约 500 字）：一句话定位 + 核心观点 + 你的划线印证 + 适合谁读
- 朋友圈文案（≤3 行）：1–3 条划线 + 一句感悟，可带书封/书名

备注：必须基于用户真实划线/想法，不替用户编造阅读体验；朋友圈文案口语、有温度。

功能4：跨书关键词提取 🔑

触发：「我最近都在关注什么」/「从我的划线里提取关键词」/「我的阅读主题」

执行：
1. $PY $FEAT allnotes → 聚合所有"有笔记的书"的划线+想法
2. AI 做词频/主题聚类：提取反复出现的关键词，归纳长期关注主题，点出"你真正在想的事"
3. 可选：生成「阅读主题画像」卡片存 Obsidian（放 02_书籍笔记 或 03_索引MOC）

输出格式：

## 🔑 你的阅读主题画像
高频关键词：说服 / 沟通 / 需求 / 情绪 / 影响力 ...
长期关注：你在"如何影响他人、如何表达"上投入最多
一句话：你读的书，都在帮你成为一个更会"让人行动"的人

备注：画像精度依赖你实际划线的量——划线越多越准。数据稀疏时如实说明"样本还少"。

功能5：主题交叉对比 📚

触发：「把我书架里讲[说服]的书对比一下」/「《XX》和《YY》核心观点有什么不同」

执行：
1. 确定主题或书单（用户给书名→先 /shelf/sync 或 /store/search 找 bookId）
2. $PY $FEAT compare --params '{"bookIds":["823426","522205"],"theme":"说服"}' → 每本书热门划线+我的划线
3. AI 横向对比：相同点 / 不同视角 / 各自适用场景 / 互补关系

输出格式：

## 📚 主题对比：[说服]
| 维度 | 《影响力》 | 《人性的弱点》 |
|------|-----------|--------------|
| 核心机制 | 六大原则（互惠/稀缺…） | 真诚关注/避免批评 |
| 适用场景 | 一次性说服、营销 | 长期关系经营 |
| 互补点 | 术；《人性的弱点》是道 |
一句话总结：[两者如何配合]

备注：可扩展到 3 本以上；优先用"热门划线"保证对比基于大众验证的共识观点。

四、能力映射总表

五、工作流触发场景

六、重要原则

1. 问题导向：先问清要解决什么问题，再推荐内容
2. 最小有效剂量：推荐 3–5 章，避免信息过载
3. 可操作性优先：实践类卡片必须有具体行动指引
4. 原文保留：每张卡片保留原文摘录，方便回溯
5. 双向链接：主动用 [[卡片名]] 建立知识关联
6. 密钥安全：Key 只在 .env 中，由脚本读取；绝不在回复/日志打印
7. 不编造数据：所有展示基于接口真实返回；接口失败给出温和提示（如"书架信息暂时没拉到，请稍后再试~"）
8. 陪练核心：追问而非回答，生成行动方案而非鸡汤
9. 催读不骚扰：只列未读完、按最近阅读时间判断，不强制、不刷屏
10. 画像要诚实：跨书关键词/主题画像精度依赖真实划线量，样本少就如实说

七、参考文件

• references/weread-api.md — 接口字段速查（含 $FEAT 聚合命令）
• references/knowledge-card-template.md — 两类卡片模板 + 命名/标签规范
• references/thinking-models.md — 结构化陪练框架 + 内置思维模型库
• scripts/weread_client.py — 基础 API 客户端（读取 .env Key）
• scripts/reading_features.py — 五大进阶功能聚合脚本（v5 新增）
• references/FAQ.md — 常见问题（Key 配置、笔记显示不全、搜不到书、Obsidian 路径、反模式）
• references/welcome.md — 首次使用引导菜单（含糊唤起时主动输出，含新手推荐路线）
• scripts/refresh_bookshelf.py — 一键刷新书架缓存