微信公众号文章处理 Skill
将微信公众号文章转换为 Markdown，生成 A 层观点提取 + B 层问题链，存入知识库。
两种模式
模式 1：直接链接抓取（推荐）
python scripts/fetch_article.py "https://mp.weixin.qq.com/s/xxxxx"
公众号文章 URL 是公开的，不需要登录，直接抓取即可。
模式 2：PDF 提取
python scripts/extract.py "path/to/article.pdf"
适用于通过「笔记同步助手」等工具导出的 PDF。
环境要求
# Python 3.10+
pip install beautifulsoup4 markitdown pymupdf
# 或者用 uv
uv pip install beautifulsoup4 markitdown pymupdf
使用方法
单篇处理（链接）
python scripts/fetch_article.py "https://mp.weixin.qq.com/s/xxxxx" --output ./output
链接模式会尽量保留：
- 标题层级：
h1/h2/h3会转成 Markdown 标题 - 图片：
data-src/src会转成 Markdown 图片引用 - 链接：正文里的
<a>会转成 Markdown 链接
单篇处理（PDF）
python scripts/extract.py "path/to/article.pdf" --output ./output
A+B 处理（需要 Agent）
帮我处理这篇文章：https://mp.weixin.qq.com/s/xxxxx
提取观点 + 问题链
核心流程
公众号链接/PDF → 提取内容 → A层观点提取 + B层问题链 → 存入知识库
A层：观点提取
生成 观点提取-{作者}-{主题}.md：
- 🔴 支柱观点（P1-P6）：文章最核心的论点
- 🟡 支撑观点（S1-S8）：支撑支柱的论据
- 🟢 延伸观点（E1-E4）：可以延伸思考的方向
- Takeaway：每条含核心观点 + 行动指向
B层：问题链
生成 问题链-{作者}-{主题}.md：
- 3-5 条问题链，每条对应一个核心主题
- 每条链分 L1（安全区）→ L2（边缘区）→ L3（核心区）
- 每条链 6 道问题
- 终局种子：一个带回家的问题
知识库目录结构
知识库/
├── 素材库/
│ └── 公众号文章/
│ └── {公众号名}/
│ └── article.md
└── wiki/
└── 外部输入/
└── 公众号/
└── {公众号名}/
└── {主题}/
├── 观点提取.md
└── 问题链.md
已知限制
- 部分公众号文章有防盗链，可能抓取失败
- 纯图片文章无法提取文字
- MarkItDown 需要 Python ≥ 3.10
- PDF 提取质量取决于原文排版；链接模式比 PDF 模式更能保留图片和链接
- 长文档拆分需要 Agent 判断
参考项目
- microsoft/markitdown - PDF/文档转 Markdown
- pymupdf/PyMuPDF - PDF 处理库
- beautifulsoup4 - HTML 解析
⚖️ 合规声明
仅供个人学习与研究使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。
